Sensoriamento Remoto I

Sensoriamento Remoto I
Prof. Adalto Moreira Braz
Indaial – 2020
1a Edição
Copyright © UNIASSELVI 2020
Elaboração:
Revisão, Diagramação e Produção:

Centro Universitário Leonardo da Vinci – UNIASSELVI
Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

UNIASSELVI – Indaial.
B827s
Braz, Adalto Moreira
Sensoriamento remoto I. / Adalto Moreira Braz. – Indaial:

UNIASSELVI, 2020.
230 p.; il.
ISBN 978-65-5663-315-2
ISBN Digital 978-65-5663-314-5
1. Sensoriamento remoto. - Brasil. II. Centro Universitário

Leonardo da Vinci.
CDD 900
Impresso por:
Apresentação
A utilização de técnicas de sensoriamento remoto tem se mostrado,
de maneira recorrente, uma ótima alternativa para estudos em diferentes
campos de conhecimento, a exemplo de sua vasta aplicação em diferentes
ramos da Geografia. O sensoriamento remoto torna possível viajarmos pelo
espaço, sem ao menos tirarmos os pés do chão. Podemos dizer que é a arte
de ir sem estar. Quando iniciamos os estudos desta disciplina, notamos, de
início, sua multidisciplinaridade, como evidenciam seus conceitos físicos,
geográficos, químicos e também biológicos.
A aplicação do sensoriamento remoto é fundamental para o atual

contexto social, pois são capazes de oferecer abrangente quantidade de dados
geográficos, voltados para questões tanto ambientais, dos espaços naturais,
quanto sociais. A partir do processamento dos dados de sensoriamento
remoto, podemos obter um leque de informações, como, por exemplo,
acompanhar níveis de desmatamento ao longo dos anos, a expansão
das áreas urbanas, a qualidade de lavouras, identificar as características
geomorfológicas de uma determinada área, além de diferentes tipos de
planejamentos que se interessam pelos dados provenientes desta disciplina.
Este livro coloca à disposição dos acadêmicos uma série de discussões

de caráter teórico, associando, quando possível, a exemplos práticos, para que
seu conteúdo para embasar a compreensão e a preparação para aplicações
do sensoriamento remoto. Para tanto, ele está dividido em três unidades.
A Unidade 1 aborda os aspectos históricos do sensoriamento

remoto, pautando os principais fatores ocorridos ao longo de sua criação
e desenvolvimento, tanto em âmbito nacional, quanto mundial. A leitura
da primeira unidade também discutirá os fundamentos do sensoriamento
remoto, através dos princípios físicos, com especial interesse na fonte e
interação da energia eletromagnética, bem como o comportamento espectral
dos alvos terrestres.
Na Unidade 2 serão apresentadas as principais características dos sen-

sores e seus níveis de coleta. Além disso, você conhecerá a estrutura de for-
mação das imagens de sensoriamento remoto e, por fim, os principais exem-
plos de sensores disponíveis e suas plataformas de distribuição de imagens.
A terceira e última unidade do livro trata da importância da análise

e interpretação de imagens orbitais, as principais aplicações na qual
podemos direcionar as imagens do sensoriamento remoto. Para encerrar,
você conhecerá as principais técnicas de Processamento Digital de Imagens
(PDI) e a importância dos Sistemas de Informações Geográficas (SIG) para
o mapeamento e a tomada de decisão através de imagens provenientes do
sensoriamento remoto.
Por fim, desejamos a você, acadêmico, ótima leitura deste material,
cujo principal objetivo é enriquecer seu arcabouço de aprendizagem deste
tema, que cada dia mais tem se mostrado na vanguarda do desenvolvimento
científico e tecnológico, atingindo proporções relevantes no cenário mundial,
em termos de pesquisa, desenvolvimento e aplicações.
Desejamos uma boa e agradável leitura!
NOTA
Você já me conhece das outras disciplinas? Não? É calouro? Enfim, tanto para
você que está chegando agora à UNIASSELVI quanto para você que já é veterano, há novi-
dades em nosso material.
Na Educação a Distância, o livro impresso, entregue a todos os acadêmicos desde 2005, é

o material base da disciplina. A partir de 2017, nossos livros estão de visual novo, com um
formato mais prático, que cabe na bolsa e facilita a leitura.
O conteúdo continua na íntegra, mas a estrutura interna foi aperfeiçoada com nova diagra-
mação no texto, aproveitando ao máximo o espaço da página, o que também contribui
para diminuir a extração de árvores para produção de folhas de papel, por exemplo.
Assim, a UNIASSELVI, preocupando-se com o impacto de nossas ações sobre o ambiente,

apresenta também este livro no formato digital. Assim, você, acadêmico, tem a possibilida-
de de estudá-lo com versatilidade nas telas do celular, tablet ou computador.

Eu mesmo, UNI, ganhei um novo layout, você me verá frequentemente e surgirei para
apresentar dicas de vídeos e outras fontes de conhecimento que complementam o assun-
to em questão.
Todos esses ajustes foram pensados a partir de relatos que recebemos nas pesquisas
institucionais sobre os materiais impressos, para que você, nossa maior prioridade, possa
continuar seus estudos com um material de qualidade.
Aproveito o momento para convidá-lo para um bate-papo sobre o Exame Nacional de

Desempenho de Estudantes – ENADE.

Bons estudos!
LEMBRETE
Olá, acadêmico! Iniciamos agora mais uma disciplina e com ela

um novo conhecimento.
Com o objetivo de enriquecer seu conhecimento, construímos, além do livro

que está em suas mãos, uma rica trilha de aprendizagem, por meio dela você
terá contato com o vídeo da disciplina, o objeto de aprendizagem, materiais complemen-
tares, entre outros, todos pensados e construídos na intenção de auxiliar seu crescimento.
Acesse o QR Code, que levará ao AVA, e veja as novidades que preparamos para seu estudo.
Conte conosco, estaremos juntos nesta caminhada!

Sumário
UNIDADE 1 — ORIGEM, HISTÓRIA E CONCEITOS FUNDAMENTAIS
DO SENSORIAMENTO REMOTO....................................................... 1
TÓPICO 1 — HISTÓRIA E EVOLUÇÃO DO SENSORIAMENTO REMOTO......... 3

1 INTRODUÇÃO.................................................................................................................... 3
2 PRINCÍPIOS DO SURGIMENTO DO SENSORIAMENTO REMOTO.................. 3
3 O PROGRAMA ESPACIAL BRASILEIRO................................................................... 11
4 O CONCEITO DE SENSORIAMENTO REMOTO.................................................... 14
RESUMO DO TÓPICO 1.................................................................................................... 18
AUTOATIVIDADE.............................................................................................................. 19
TÓPICO 2 — PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO.............. 21

1 INTRODUÇÃO.................................................................................................................. 21
2 FONTE DE ENERGIA E INTERAÇÃO COM ALVOS TERRESTRES.................... 21
3 RADIAÇÃO E ESPECTRO ELETROMAGNÉTICO................................................... 36
4 COMPORTAMENTO ESPECTRAL DOS ALVOS...................................................... 48
LEITURA COMPLEMENTAR............................................................................................ 63
RESUMO DO TÓPICO 2.................................................................................................... 69
AUTOATIVIDADE.............................................................................................................. 70
REFERÊNCIAS...................................................................................................................... 72
UNIDADE 2 — SATÉLITES, SENSORES E NÍVEIS DE COLETA: DIFERENTES

CARACTERÍSTICAS DOS DADOS DE SENSORIAMENTO
REMOTO................................................................................................... 75
TÓPICO 1 — SATÉLITES E SENSORES IMAGEADORESCOMPARADOS.......... 77

1 INTRODUÇÃO.................................................................................................................. 77
2 NÍVEIS DE COLETA DE DADOS EM SENSORIAMENTO REMOTO................ 77
3 SENSORES PASSIVOS.................................................................................................... 82
4 SENSORES ATIVOS......................................................................................................... 90
5 SENSORES AEROTRANSPORTADOS........................................................................ 99
6 SENSORES TERRESTRES............................................................................................. 106
RESUMO DO TÓPICO 1.................................................................................................. 110
AUTOATIVIDADE............................................................................................................ 111
TÓPICO 2 — CARACTERÍSTICAS DAS IMAGENS DE SENSORIAMENTO

REMOTO.................................................................................................... 113
1 INTRODUÇÃO................................................................................................................ 113
2 ESTRUTURA MATRICIAL........................................................................................... 114
3 CARACTERÍSTICAS E DIFERENÇAS DE IMAGENS........................................... 118
4 TIPOS DE RESOLUÇÕES.............................................................................................. 120
RESUMO DO TÓPICO 2.................................................................................................. 123
AUTOATIVIDADE............................................................................................................ 124
TÓPICO 3 — PLATAFORMAS DE AQUISIÇÃO DE IMAGENS............................ 127
1 INTRODUÇÃO................................................................................................................ 127
2 EXEMPLOS DE SENSORES GRATUITOS E COMERCIAIS................................. 128
3 PLATAFORMAS DE AQUISIÇÃO DE IMAGENS GRATUITAS......................... 141
LEITURA COMPLEMENTAR.......................................................................................... 146
RESUMO DO TÓPICO 3.................................................................................................. 151
AUTOATIVIDADE............................................................................................................ 152
REFERÊNCIAS.................................................................................................................... 153
UNIDADE 3 — SENSORIAMENTO REMOTO PARA OBSERVAÇÃO DA

TERRA: INTERPRETAÇÕES E DIFERENTES APLICAÇÕES..... 157
TÓPICO 1 — ANÁLISE E INTERPRETAÇÃO DE IMAGENS................................. 159

1 INTRODUÇÃO................................................................................................................ 159
2 COMPOSIÇÕES COLORIDAS DE IMAGENS........................................................ 159
3 ELEMENTOS DE FOTOINTERPRETAÇÃO............................................................. 165
4 CRITÉRIOS PARA ESCOLHA DE IMAGENS EM SENSORIAMENTO
REMOTO........................................................................................................................... 174
RESUMO DO TÓPICO 1.................................................................................................. 178
AUTOATIVIDADE............................................................................................................ 179
TÓPICO 2 — PROCESSAMENTO DE IMAGENS ORBITAIS................................. 181

1 INTRODUÇÃO................................................................................................................ 181
2 PROCESSAMENTO DIGITAL DE IMAGENS (PDI).............................................. 181
3 CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE.................................................... 191
4 SISTEMA DE INFORMAÇÕES GEOGRÁFICAS (SIG): MAPEAMENTO
E TOMADA DE DECISÃO............................................................................................ 197
RESUMO DO TÓPICO 2.................................................................................................. 202
AUTOATIVIDADE............................................................................................................ 203
TÓPICO 3 — PRINCIPAIS APLICAÇÕES DO SENSORIAMENTO

REMOTO..................................................................................................... 205
1 INTRODUÇÃO................................................................................................................ 205
2 SENSORIAMENTO REMOTO APLICADO NO ESTUDO DE
FENÔMENOS NATURAIS............................................................................................ 205
FENÔMENOS ANTRÓPICOS...................................................................................... 212
LEITURA COMPLEMENTAR.......................................................................................... 219
RESUMO DO TÓPICO 3.................................................................................................. 224
AUTOATIVIDADE............................................................................................................ 225
REFERÊNCIAS.................................................................................................................... 226
UNIDADE 1 —
ORIGEM, HISTÓRIA E CONCEITOS

FUNDAMENTAIS DO
SENSORIAMENTO REMOTO
OBJETIVOS DE APRENDIZAGEM
A partir do estudo desta unidade, você deverá ser capaz de:
• compreender o princípio da origem do sensoriamento remoto e a sua

evolução, pontuando os principais fatores ocorrentes durante o seu
desenvolvimento;
• conhecer o Programa Espacial Brasileiro, desde seu surgimento,

desenvolvimento e principais atividades espaciais desenvolvidas no
Brasil;
• entender os fundamentos do sensoriamento remoto, a partir do seu

conceito até a compreensão dos elementos e processos fundamentais para
o seu desempenho;
• entender o conceito de radiação e espectro eletromagnético, e os processos

relacionados à interação da energia eletromagnética na superfície
terrestre;
• perceber os aspectos fundamentais do comportamento espectral dos

alvos, em especial as rochas e minerais, solo, vegetação e água.
PLANO DE ESTUDOS
Esta unidade está dividida em dois tópicos. Ao final da unidade
você encontrará autoatividades com o objetivo de reforçar o conteúdo
apresentado.
TÓPICO 1 – HISTÓRIA E EVOLUÇÃO DO SENSORIAMENTO REMOTO
TÓPICO 2 – PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO
1
CHAMADA
Preparado para ampliar seus conhecimentos? Respire e vamos em

frente! Procure um ambiente que facilite a concentração, assim absorverá melhor
as informações.
2
TÓPICO 1 —
UNIDADE 1
HISTÓRIA E EVOLUÇÃO DO SENSORIAMENTO

REMOTO
1 INTRODUÇÃO
Neste tópico, nós daremos início ao admirável mundo do sensoriamento

remoto, assunto que é cada vez mais explorado e difundido tanto no meio
acadêmico, quanto no meio comercial.
Inicialmente, iremos compreender a origem do sensoriamento remoto, ou

seja, como se deu o início deste processo e acompanhar toda a sua estruturação ao
longo de seu desenvolvimento até o presente momento. Veremos a importância
da fotografia para todo este processo, e como o seu avanço foi fundamental para
o atual estado do sensoriamento remoto.
Vamos conhecer também o Programa Espacial Brasileiro (PEB), que visa

desenvolver pesquisas espaciais em geral em todo o território nacional, analisando
os principais avanços ao longo dos anos, junto às atividades desenvolvidas no
Brasil, em especial o programa CBERS.
Por fim, veremos os fundamentos do sensoriamento remoto, quais as

suas características e suas bases estruturais e quais as etapas, de uma forma mais
breve, necessárias para tratar os dados obtidos através dos sensores remotos.
No final deste tópico, você estará apto a realizar as autoatividades para

reforçar tudo o que foi estudado neste tópico. Bons estudos!
2 PRINCÍPIOS DO SURGIMENTO DO SENSORIAMENTO

REMOTO
Para ter uma melhor compreensão do processo de criação e desenvolvi-
mento do sensoriamento remoto, podemos dividir este processo em duas etapas:
• 1860-1960: criação da fotografia e posterior desenvolvimento da fotografia aérea;

• 1961-Atualmente: diversidade e aplicabilidade de sistemas sensores.
3
ORIGEM, HISTÓRIA E CONCEITOS FUNDAMENTAIS DO SENSORIAMENTO REMOTO
Joseph Nicéphore Niepce (1763-1833) apresentou o primeiro resultado

efetivo da criação de uma fotografia, em 1826, e, após sua morte, Louis Jacques
Mande Daguerre (1787-1851), sócio de Niepce, deu continuidade às pesquisas
voltadas para o desenvolvimento da fotografia, e em 1839 apresentou essa nova
tecnologia para a Academia Francesa de Ciências.
No início de 1840, o francês François Arago intercedeu a utilização de

fotografias aéreas para estudos voltados para topografia. Até ocorrer utilização
dos balões para conseguir captar uma imagem, as fotografias aéreas eram obtidas
através da utilização de pombos e pipas como plataforma de sensoriamento
remoto (Figura 1; Figura 2).
FIGURA 1 – FOTOGRAFIAS AÉREAS OBTIDAS UTILIZANDO POMBOS COMO PLATAFORMAS DE

IMAGEAMENTO
FONTE: Adaptada de Baumann (2014)
Na Figura 1A, temos uma imagem área obtida por um pombo, e na Figura
1B, percebemos as asas do pombo, nas laterais da imagem, durante a obtenção da
fotografia.
FIGURA 2 – POMBO SENDO PREPARADO COMO PLATAFORMA DE SENSORIAMENTO REMOTO
FONTE: <https://bit.ly/2I9WK5i>. Acesso em: 21 set. 2020.
4
TÓPICO 1 — HISTÓRIA E EVOLUÇÃO DO SENSORIAMENTO REMOTO
Um personagem importante desse período de aprimoramento da

fotografia aérea foi o fotógrafo Gaspard Felix Tournachon, também conhecido
como Nadar. Em 1858, ele patenteou o que hoje chamamos de levantamento
aéreo, e ainda nesse ano, sobrevoou Paris a partir de um balão cativo para obter
a primeira fotografia aérea.
Entretanto, as dificuldades em controlar os balões e pipas para conseguir

obter as fotografias áreas eram imensas. No caso dos balões era até mesmo
perigoso todo esse processo, nesse período ocorreram diversos acidentes, até
mesmo com Nadar, que, em 1863, seu balão desceu muito rápido, e também com
George R. Lawrence, conhecido por tirar a famosa fotografia panorâmica de São
Francisco, nos Estados Unidos, após um terremoto em 1906 (Figura 3), que após
sofrer dois acidentes com balões cativos tornou-se adepto das fotografias aéreas
a partir das pipas (JENSEN, 2009). Devido a todos esses problemas enfrentados
para conseguir obter as fotografias aéreas, foi preciso pensar e aperfeiçoar novas
técnicas para facilitar este processo.
FIGURA 3 – FOTOGRAFIA AÉREA PANORÂMICA TIRADA POR GEORGE R. LAWRENCE, EM SÃO

FRANCISCO
FONTE: Jensen (2009, p. 72)
Portanto, para que as fotografias aéreas se tornassem algo mais prático e

acessível, foram aprimorando mecanismos mais adequados para sua captação.
Em 1903, os irmãos Wright construíram o primeiro avião com hélice e motor.
Entretanto, foi somente em 1908 que se obteve a primeira fotografia aérea a
partir de uma aeronave, quando aquela já estava em estágio de desenvolvimento
mais avançado.
No início da Primeira Guerra Mundial, ocorrida entre 1914 e 1918, utili-

zavam aviões para realizar o reconhecimento das áreas. Entretanto, logo notaram
o valor em utilizar as fotografias aéreas para o desenvolvimento de suas estra-
tégias. Inicialmente, as fotografias áreas eram utilizadas para mapear territórios
inimigos e organizar o planejamento militar, auxiliando na tomada de decisão.
5
Na Figura 4A, vemos o fotógrafo durante o voo para capturar a fotografia

aérea, e ao lado, na Figura 4B, a fotografia de um campo aéreo francês, durante a
primeira guerra mundial, tomada por aviões.
FIGURA 4 – FOTOGRAFIA AÉREA DURANTE A PRIMEIRA GUERRA MUNDIAL
FONTE: Adaptada de Baumann (2014)
Em 1930, as fotografias coloridas começam a tomar formas, e a partir

da Segunda Guerra Mundial (1939-1945), com a notoriedade da eficácia das
aerofotografias, ocorre o avanço das técnicas voltadas para a melhoria da
qualidade das imagens. Nesse período, ocorreu o desenvolvimento do sensor
infravermelho, com a finalidade de identificação de camuflagem, do radar e de
técnicas para fotointerpretação.
NTE
INTERESSA
De acordo com Baumann (2014), a partir da década de 1920, os primeiros

livros sobre interpretação de fotos aéreas foram publicados. O livro As fotografias aéreas,
características e aplicações militares de Reeves, foi publicado em 1927. Em 1928, Winchester
e Wills publicaram o livro Fotografia aérea, sendo uma abrangente pesquisa de sua prática e
desenvolvimento e complicações de mapas de Pendleton de fotografias aéreas. E em 1929,
McKinley publicou o livro A fotografia aérea aplicada.
Com os impulsos ocasionados por esses períodos militares, o

desenvolvimento do sensoriamento remoto permaneceu a todo vapor. Com a
“corrida espacial” entre os Estados Unidos e a União Soviética, também conhecida
como Guerra Fria (1947-1991), o sensoriamento remoto voltou a receber grande
atenção militar.
6
O primeiro satélite a orbitar a Terra foi o Sputnik, marcando o início da

Era Espacial, em 1957, lançado pela União Soviética, porém não foram tiradas
imagens orbitais (Figura 5). Em 1960, o programa de satélites Corona, utilizados
para espionagem, foi o primeiro a retomar do espaço com imagens espaciais.
As imagens obtidas no espaço retornavam para a Terra através de cápsulas

especiais por meio de paraquedas, e podiam demorar dias ou até semanas para
aterrissar.
FIGURA 5 – O PRIMEIRO SATÉLITE ARTIFICIAL COLOCADO EM ÓRBITA PELA UNIÃO

SOVIÉTICA, EM 1957, CHAMADO SPUTNIK
FONTE: <https://bit.ly/3kcPPFD>. Acesso em: 20 jun. 2020.
A partir da década de 1960, iniciou-se o advento dos sistemas orbitais de

sensoriamento remoto, inicialmente voltados para aplicações meteorológicas. O
primeiro sistema não tripulado foi o satélite meteorológico TIROS-1 (Television
Infrared Observation Satellite), lançado, em 1960, pelos Estados Unidos, no
qual foi televisionada a primeira imagem da Terra vista do espaço (Figura 6).
Simultaneamente outras missões espaciais foram lançadas com o objetivo de
obter imagens da superfície terrestre, como, por exemplo, as missões de satélites
tripulados Mercury, Gemini e Apolo.
FIGURA 6 – PRIMEIRA IMAGEM TELEVISIVA DA TERRA OBTIDA PELO SATÉLITE TIROS-1
FONTE: <http://www.donaldedavis.com/2004%20new/TR1A160s.jpg>. Acesso em: 20 jun. 2020.
7
A partir da década de 1970 iniciou-se um novo ciclo, marcado pelo

lançamento do programa Landsat (Land Remote Sensing Satellite), satélites com
sensores multiespectrais, voltados para análise dos recursos naturais (Figura 7).
O primeiro satélite colocado em órbita foi em 1972, denominado ERST-1 (Earth
Resource Technology Satellite), posteriormente renomeado para Landsat-1, pela
NASA (National Aeronautics and Space Administration).
FIGURA 7 – ESBOÇO DO SATÉLITE LANDSAT-1
FONTE: <https://landsat.gsfc.nasa.gov/wp-content/uploads/2012/12/erts.jpg>. Acesso em: 21

jun. 2020.
Desde então o programa Landsat conta, até o momento, com o

lançamento de oito satélites para coletar dados voltados para os recursos da terra,
contabilizando mais de três décadas em atividade.
Desde a década de 1970, até a França lançar o satélite SPOT (Satellite

Pour l’Observation de la Terre), em 1986, os EUA foram o único país a operar
satélites de sensoriamento remoto, que coletavam sistematicamente informações
de todo o planeta (programa Landsat) para aplicações civis (MACHADO;
QUINTANILHA, 2008).
Nos últimos vinte anos, diversos países começaram a participar da

exploração do espaço, incluindo o Brasil. A competição entre países cedeu lugar
à cooperação internacional (exceto nas tecnologias com aplicação militar) e à
competição entre grupos industriais. O uso de sistemas de satélites para aplicações
rentáveis (das quais a principal são as telecomunicações) teve enorme expansão,
com investimentos de bilhões de dólares (CARLEIAL, 1999).
8
Percebemos o turbilhão de acontecimentos ocorrentes durante todo

esse processo do avanço o sensoriamento remoto, muitas vezes, até de forma
simultânea. De forma a deixar esses marcos mais didáticos, criamos um quadro
cronológico com alguns dos acontecimentos de maior destaque ao passar das
décadas (Quadro 1).
QUADRO 1 – CRONOLOGIA DOS PRINCIPAIS MARCOS DO SENSORIAMENTO REMOTO NO MUNDO
ANO ATIVIDADE DESENVOLVIDA

1826 Joseph Nicephore Niepce tira a primeira fotografia.
Louis M. Daguerre inventa o daguerreótipo para impressão em
1839
positivo da fotografia.
Gaspard Felix Tournachon tira uma fotografia aérea a partir de
1858
um balão.
1873 Herman Vogel abre caminho para a fotografia no vermelho próximo.
1. Os irmãos Wright inventam o avião.
1903 2. Alfred Maul patenteia a câmara para obter fotografias a partir
do foguete.
1914-1918 Foto-reconhecimento na Primeira Guerra Mundial.
1920-1930 Aumento da fotointerpretação e fotogrametria civis.
Avanços no foto-reconhecimento durante a Segunda Guerra
1939-1945
Mundial.
1940 Invenção do RADAR.
1942 A Kodak patenteia o primeiro filme infravermelho falsa-cor.
Invenção do sensoriamento remoto infravermelho termal pelos
1950
militares.
A Westinghouse, Inc. desenvolve o sistema de radar de visada
1954
lateral aerotransportado.
1957 A União Soviética lança o satélite Sputnik.
1958 Os Estados Unidos lançam o satélite Explorer 1.
1. Ênfase principal no processamento visual de imagens.
2. Desclassificação (militar para civil) dos sistemas sensores de
1960 radar e infravermelho termal.
3. O termo sensoriamento remoto é introduzido por Evelyn
Pruitt.
1960-1972 Programa Norte Americano de satélites espiões CORONA.
1961-1963 Programa espacial Mercury.
9
1965-1966 Programa espacial Gemini.

1. Florescimento do processamento digital de imagens.
1970 2. Sensoriamento Remoto integrado com sistemas de informações
geográficas.
Lançamento do ERTS-1 (Renomeado para Landsat), primeiro

1972
satélite de recursos naturais, pela NASA.
Desenvolvimento de detectores mais sensíveis e equipamentos

ópticos mais precisos, desenvolvimento da mecânica orbital, de
1983
microprocessadores, e soluções para armazenagem e transmissão
de dados a grandes distâncias.
1986 Lançado o SPOT-1.
Maturidade dos Light Detection and Ranging (LIDAR).
1990
Aumento do uso de sensores hiperespectrais e LIDAR.
Introdução dos algoritmos de segmentação de imagens orientada
2002
ao objeto.
FONTE: Adaptado de Jensen (2009) e Affonso (2002)
DICAS
Para uma melhor compreensão do desenvolvimento espacial, indicamos o

documentário Corrida Espacial, lançado em 2005 pela BBC, o qual retrata a história dos
primeiros satélites colocados em órbita durante a corrida espacial entre os Estados Unidos
e a União Soviética, detalhando o início os investimentos nos programas espaciais.
Até aqui, podemos afirmar que o processo de criação e desenvolvimento

do sensoriamento remoto se deu a partir da criação da fotografia, a partir da
década de 1930, e as principais fontes de pesquisas para seu desenvolvimento
cabe ao sistema militar. Agora, veremos de que maneira esse processo ocorreu e
quais pesquisas e tecnologias foram desenvolvidas no Brasil.
10
3 O PROGRAMA ESPACIAL BRASILEIRO

No Brasil, o início do desenvolvimento voltado para capacitação
profissional e interesse em pesquisas espaciais deu-se no final da década de 1960,
com a criação da Comissão Nacional de Atividades Espaciais (CNAE), e, em 1990,
foi renomeado para Instituto Nacional de Pesquisas Espaciais (INPE), sendo hoje
o mais importante instituto voltado para pesquisas espaciais no Brasil.
O INPE foi fundamental na consolidação do sensoriamento remoto como

tecnologia de uso em escada nacional, tornando o Brasil como nação pioneira no
hemisfério sul a dominar e investir nessa tecnologia. No início, o INPE contribuiu
com o desenvolvimento das metodologias de interpretação de imagem e
processamento digital, e na disseminação do uso de imagens de satélite por todo
o território nacional (MENESES, 2012a).
Em 1973, o Brasil se tornou o terceiro país, atrás do Estados Unidos e

Canadá, a ter uma estação operacional, em Cuiabá (MT), para receber imagens
de satélite. Hoje, o Brasil é um dos maiores países a consumir imagens de satélite.
Com a criação do Missão Espacial Completa Brasileira (MECB), em 1979,

programa voltado para o desenvolvimento de satélites e de veículos lançadores,
além da implantação de centros de lançamento brasileiro, estabeleceram a criação
de três satélites de coleta de dados, sendo eles o SCD-1, SCD-2 e SCD-3, e dois
satélites de observação da Terra, o SSR1 e SSR2.
A partir da década de 1980, em parceria com a China, o Brasil iniciou

o projeto do programa CBERS (China-Brazil Earth Resources Satellite ou Satélite
Sino-Brasileiro de Recursos Terrestres), com o objetivo de construir satélites
de sensoriamento remoto óptico de recursos naturais. Essa parceria rendeu a
construção de diversos satélites, sendo eles o CBERS-1, CBERS-2, CBERS-2B,
CBERS-3, CBERS-4 e CBERS-4A (Figura 8).
Na Figura 8A, temos o satélite CBERS 1, CBERS 2, e CBERS 2B, estes

possuem as mesmas características físicas, entretanto, seu sistema sensorial é
diferente, conforme veremos mais adiante, quando discutiremos as características
dos principais satélites em atividade atualmente. Na Figura 8B temos o protótipo
do satélite CBERS-4A, lançado recentemente, no final de 2019.
A estação terrena do INPE em Cuiabá (MT), começou a receber os dados

a partir do dia 27 de dezembro de 2019, e gravou os dados brutos dos sensores
WPM, MUX e WFI, que foram processados em São José dos Campos (SP).
E, por fim, na Figura 8C temos o satélite CBERS 3, que apresentou falha

durante o seu lançamento e não entrou em órbita, e o CBERS 4, que se encontra
em atividade atualmente.
11
FIGURA 8 – SATÉLITES DA SÉRIE CBERS
Legenda: (A) CBERS 1, 2 E 2B; (B) CBERS 4A; (C) CBERS 3 E 4.

FONTE: O autor
O satélite CBERS possui três tipos de sensores: uma câmara imageadora

de alta resolução (CCD), um varredor multiespectral infravermelho (IRMSS)
e um imageador de visada larga (WFI). A partir do lançamento do programa
CBERS, o Brasil ingressou para o seleto grupo de países detentores da tecnologia
de geração de dados primários de sensoriamento remoto (FLORENZANO, 2007).
Para compreender esse processo ocorrente, de forma detalhada, criamos

uma linha do tempo, conforme o Quadro 2, com os principais fatos ao longo dos
anos relacionados ao sensoriamento remoto no Brasil.
QUADRO 2 – CRONOLOGIA DOS PRINCIPAIS FATOS RELACIONADOS AO SENSORIAMENTO

REMOTO NO BRASIL
ANO ATIVIDADE DESENVOLVIDA

1963 Criação do CNAE.
1971 Criação do Instituto de Pesquisas Espaciais.
O Brasil tornou-se o terceiro país a ter uma estação
1973
operacional (Cuiabá/MT) para receber imagens de satélites.
Aprovação da Missão Espacial Completa Brasileira (MECB):
1979 desenvolvimento de satélites e de veículos lançadores e
implantação de centros de lançamento em solo brasileiro.
12
Brasil e China assinam acordo de cooperação para o

1988 desenvolvimento dos satélites sino-brasileiros de recursos
terrestres (CBERS).
O INPE passou a se chamar Instituto Nacional de Pesquisas
1990
Espaciais.
2. Brasil ingressa no Programa da Estação Espacial
1997
Internacional (ISS).
1. Satélite CBERS-1 é lançado pelo foguete chinês Longa
1999
Marcha IV da Base de Taiyuan, na China.
Assinatura do novo acordo de cooperação entre Brasil e
2002
China para o desenvolvimento dos satélites CBERS-3 e 4.
1. O satélite SCD-1 completa 10 anos em órbita, o SCD-2
completa 5 anos
2003
2. Lançamento do CBERS-2 a partir do Centro de Lançamento
de Taiwan.
2007 Lançamento, na China, do satélite brasileiro CBERS-2B.
INPE inaugura supercomputador para previsão do tempo e
2010
estudos em mudanças climáticas.
Lançamento do satélite CBERS-3, porém se perdeu no
2013
lançamento e está inativo.
2014 Lançamento do satélite CBERS-4.
O Congresso Nacional aprova o Protocolo Complementar
2016 para o Desenvolvimento Conjunto de Satélite de Observação
da Terra, o CBERS-4A.
2019 Lançamento do satélite CBERS-4A.
FONTE: Adaptado de Brasil (2020)
Cabe ressaltar que a pesquisa espacial no Brasil não é restrita ao INPE, mas
apesar do aumento de pesquisas em diversas universidades, o instituto ainda é o
principal pesquisador no tema, em âmbito nacional.
Outro importante marco para o desenvolvimento do sensoriamento

no Brasil foi a criação do projeto Radar da Amazônia (RADAM), em 1970.
Inicialmente, esse projeto era voltado para a coleta de dados de recursos minerais,
solos, vegetação, uso da terra e cartografia da Amazônia e áreas próximas da
região nordeste, através de imagens de radar, captadas pela aeronave Caravelle.
13
O aerolevantamento das áreas teve início em 1971, e devido ao sucesso

obtido, o levantamento de radar se expandiu para todo o território nacional,
visando o mapeamento integrado dos recursos naturais, passando a ser
denominado Projeto RADAMBRASIL. O mapeamento foi finalizado em 1985,
conforme informações da Companhia de Pesquisa de Recursos Minerais (CPRM).
DICAS
A articulação das folhas cartográficas disponibilizadas pelo Projeto RADAM, na

escala de 1:1.000.000, bem como uma breve apresentação desse projeto pioneiro no Brasil
e no mundo, podem ser conferidas através do site da CPRM:
http://www.cprm.gov.br/publique/Geologia/Sensoriamento-Remoto-e-Geofisica/
RADAM-D-628.html.
As imagens adquiridas na escala de 1:250.000 foram tratadas e interpre-

tadas e, como produto final, foram gerados mapas de geologia, geomorfologia,
hidrologia, solos, vegetação e potencial de uso do solo. Os inventários e mapas
produzidos pelo projeto RADAM propiciaram a exploração mineral e facilita-
ram o manejo das regiões (MACHADO; QUINTANILHA, 2008). Segundo Novo
e Ponzoni (2001), o Brasil foi um dos países pioneiros a utilizar dados de radar
aerotransportados para o levantamento de recursos naturais.
TUROS
ESTUDOS FU
Agora que já sabemos um pouco de como ocorreu a criação e o

desenvolvimento do sensoriamento remoto no Brasil, precisamos compreender como
ocorreu a origem do termo tão utilizado hoje, o sensoriamento remoto, e qual o seu
significado. É o que trataremos no subtópico a seguir.
4 O CONCEITO DE SENSORIAMENTO REMOTO

Evelyn L. Pruitt, uma pesquisadora do U.S. Office of Naval Research (USA),
foi a primeira pessoa a utilizar o termo sensoriamento remoto, em 1960, para
denominar uma técnica de aquisição de imagens da superfície terrestre sem o
contato físico direto com os objetos.
14
A definição mais comum encontrada sobre sensoriamento remoto é a de

Lillesand e Kiefer (1972), na qual o conceituam como a ciência de obter dados
de um objeto, área ou fenômeno por um dispositivo distante, que não estão em
contato direto.
De uma maneira mais prática, Florenzano (2007) explica que sensoriamento

se refere à obtenção dos dados, e remoto, que significa distante, é utilizado
porque a obtenção é feita à distância, ou seja, sem contato físico entre o sensor e
a superfície terrestre.
Apesar dos diversos conceitos adotados para sensoriamento remoto,

devido a sua amplitude de aplicabilidade, esta unidade tem como finalidade
focar na área voltada para à aquisição, técnicas e funcionalidades dos sistemas
sensores voltados para o monitoramento dos recursos terrestres.
Segundo Novo e Ponzoni (2001), para facilitar a compreensão do

sensoriamento remoto, é necessário identificar os seus quatro elementos
fundamentais, conforme o esquema apresentado na Figura 9.
FIGURA 9 – REPRESENTAÇÃO DOS QUATRO ELEMENTOS FUNDAMENTAIS DAS TÉCNICAS DE

FONTE: Adaptado de Novo e Ponzoni (2001)
A energia utilizada em sensoriamento remoto é a radiação eletromagnética,

que se encontra ao centro do triângulo realizando uma ligação com os demais
elementos, e se propaga em forma de ondas eletromagnéticas com a velocidade
da luz.
A fonte, localizada no topo do triangulo, se refere à fonte de energia que

os sensores remotos irão receber. Esta fonte pode ser natural, como a luz do Sol e
o calor emitido pela superfície terrestre, ou artificial, como, por exemplo, o flash
de uma máquina fotográfica.
O sensor é o instrumento que capta, coleta e registra a Radiação

Eletromagnética (REM) emitida ou refletida pelo alvo. E, por fim, o alvo, que
representa o elemento que irá extrair as informações desejadas.
15
Quanto aos dados, podemos compreender o sensoriamento remoto a

partir de duas etapas, sendo a primeira relacionada à aquisição dos dados, e a
segunda relacionada à análise e interpretação dos dados.
A partir da aquisição dos dados, é necessário analisá-los, para poder

transformá-los em informações. A Figura 10 possibilita analisar o processo e os
elementos, de forma generalizada, desse processo.
DICAS
Como dica de leitura, indicamos o livro Iniciação em Sensoriamento Remoto

(3ª edição, 2011), de autoria de Teresa Gallotti Florenzano. Este livro é voltado para pessoas
que estão iniciando no mundo do sensoriamento remoto, de forma bastante didática
e prática, abordando diversos tópicos, desde o histórico até aplicações voltadas para os
recursos didáticos.
FIGURA 10 – REPRESENTAÇÃO DA COLETA DE DADOS SENSORIAIS E PRODUÇÃO DE

INFORMAÇÕES
FONTE: O autor
16
A partir da análise da Figura 10, percebemos as cinco etapas realizadas

a partir da obtenção dos dados brutos, sendo divididos da seguinte forma: a
partir da concepção dos dados, iremos obtê-los, analisá-los e interpretá-los, para
que possamos transforma-los em informações, ou seja, para que esse produto
possa se tornar algo mais didático e facilitar seu entendimento, para, finalmente,
apresentá-los para a comunidade.
Sabemos que o sensoriamento remoto abre um leque de novas

possibilidades para aplicação de dados gerados a partir de suas técnicas, além
de criar alternativas para o desenvolvimento e aplicação dos dados espaciais.
Podemos ressaltar a Geoinformação, por exemplo.
Diferentemente do sensoriamento remoto, que visa à coleta dos

dados, o geoprocessamento pode ser definido como o conjunto de técnicas de
processamento e análise de dados espaciais.
Segundo Paranhos Filho, Lastoria e Torres (2008), sempre que o “onde”

aparece, entre as questões e problemas que precisam ser resolvidos por um
sistema informatizado, haverá uma oportunidade para considerar as ferramentas
de geoprocessamento. Veremos mais sobre isso nas próximas unidades.
Agora que sabemos a origem e os fundamentos do sensoriamento

remoto, daremos início, no próximo tópico, aos princípios físicos, estes que são
fundamentais para a compreensão da fonte e formas de interação da radiação
eletromagnética com os objetos da superfície terrestre, refletindo de modo direto
no comportamento espectral dos alvos.
17
RESUMO DO TÓPICO 1
Neste tópico, você aprendeu que:
• O termo sensoriamento remoto começou a ser utilizado a partir da década de

1960, com o objetivo de ser utilizado para conceituar uma técnica de aquisição
de imagens da superfície terrestre sem o contato direto com os objetos.
• O sensoriamento remoto teve início a partir da criação e evolução da

fotografia, e deu uma expressiva guinada em seu desenvolvimento a partir do
militarismo, em função de grandes guerras, desde a Primeira Guerra Mundial
até a Guerra Fria.
• A União Soviética foi a responsável por colocar em órbita o primeiro satélite

artificial, porém, a primeira imagem orbital, foi obtida pelos Estados Unidos,
também durante a Guerra Fria, período também conhecido como Corrida
Espacial.
• No Brasil, as atividades voltadas para pesquisas espaciais deram início a partir

da década de 1970, com a criação do CNAE, que posteriormente foi renomeado
para Instituto Nacional de Pesquisas Espaciais (INPE), sendo, hoje, o principal
centro de pesquisas espaciais no Brasil.
• A partir da década de 1980, em conjunto com a China, o Brasil deu início a

criação de satélites da série CBERS, voltados a obter dados de recursos
terrestres. Até hoje o programa CBERS conta com seis satélites, e o mais recente
foi lançado em dezembro de 2019.
• Os elementos básicos para a funcionalidade do sensoriamento remoto são a

radiação eletromagnética, desde a fonte de energia, sendo o Sol a principal
delas, o sensor e os objetos que se deseja obter as informações.
• O sensoriamento remoto pode ser compreendido a partir de duas etapas,

sendo que a primeira está relacionada à aquisição dos dados, e a segunda está
relacionada a análise e interpretação dos dados, com a função de processá-los
em informações.
18
AUTOATIVIDADE
1 Ao longo da história do Sensoriamento Remoto percebemos que seu

desenvolvimento não ocorreu de uma única vez, estando ligado a outros
fatores, bem como ao avanço tecnológico e social da humanidade ao
longo dos anos. Assinale (V) para as alternativas verdadeiras e (F) para as
alternativas falsas, levando em consideração os fatores que contribuíram
para o desenvolvimento do Sensoriamento Remoto.
( ) Desenvolvimento da Fotografia.
( ) Criação do Protocolo de Quioto.
( ) Desenvolvimento da projeção cartográfica Universal Transversa de
Mercator (UTM).
( ) Desenvolvimento de tecnologias do Infravermelho.
Assinale a alternativa CORRETA:

a) ( ) V – F – F – F.
b) ( ) V – F – V – F.
c) ( ) F – V – F – V.
d) ( ) V – F – F – V.
2 O Brasil possui uma ampla tradição em desenvolvimento e aplicação do

sensoriamento remoto e para isso, conforme explica Meneses (2012a), o
Instituto Nacional de Pesquisas Espaciais (INPE) foi fundamental para a
consolidação do sensoriamento remoto como tecnologia de uso em escala
nacional, tornando o Brasil como nação pioneira no hemisfério sul a
dominar e investir nessa tecnologia. A partir da década de 1980, o Brasil
inicia seu programa espacial visando o lançamento de uma série de satélites
em parceria com a agência espacial chinesa (China Academy of Space
Technology – CAST). Assinale, a seguir, o nome do satélite de observação
da Terra que integra o Programa Espacial Brasileiro:
a) ( ) Sentinel.
b) ( ) SPOT.
c) ( ) CBERS.
d) ( ) Landsat.
3 A história e o desenvolvimento do sensoriamento remoto, diferente do

que comumente pode ser imaginado, antecede à criação dos primeiros
satélites. Muito antes disso, o desenvolvimento do sensoriamento remoto
remonta aos princípios da criação das primeiras fotografias. Desse modo,
correlacione as alternativas correspondentes à cronologia de fatos que
contribuíram para o desenvolvimento do sensoriamento remoto.
19
I- Primeira fotografia por Daguerre e Niepce.
II- Primeira fotografia aérea tomada por um avião.
III- Recomendação do uso das fotografias em levantamentos topográficos.
IV- Desenvolvimento do sensor de infravermelho.
( ) 1840.
( ) 1839.
( ) 1939-1945.
( ) 1908.

a) ( ) I – II – III – IV.
b) ( ) III – IV – I – II.
c) ( ) III – I – IV – II.
d) ( ) II – I – III – IV.
20
TÓPICO 2 —
UNIDADE 1
PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO
1 INTRODUÇÃO
Caro acadêmico, no tópico anterior, aprendemos a origem e evolução do

sensoriamento remoto e demos início ao conceito e seus fundamentos. Percebemos
que seu desenvolvimento ocorreu em dois momentos complementares,
inicialmente com a criação da fotografia, e depois com a criação e desenvolvimento
dos sistemas sensores.
A partir de agora introduziremos os princípios físicos do sensoriamento

remoto, ou seja, como ocorre todo o processo físico para que seja possível gerar as
imagens da superfície terrestre, quais os elementos físicos existentes e como se dá
a interação entre a energia e os alvos.
Para que isso ocorra, precisamos entender, passo a passo, quais são
as fontes de energia utilizadas, e como elas podem ser interpretadas por nós.
Iremos perceber que todo objeto existente na superfície pode refletir e emitir
energia, exercendo influência durante o processo de captação da imagem e,
consequentemente, no processo de interpretação visual.
Vamos conhecer toda terminologia existente em cada processo, como

são empregadas e quais os seus conceitos. Iniciaremos abordando os conceitos
radiométricos, para que seja possível compreender melhor como se emprega a
aplicação das técnicas de sensoriamento remoto para os estudos dos recursos
naturais. Apesar de certo nível de complexidade, nos empenhamos em abordar
o conteúdo de uma forma mais próxima da prática cotidiana da utilização do
sensoriamento remoto. Bons estudos!
2 FONTE DE ENERGIA E INTERAÇÃO COM ALVOS

TERRESTRES
Já sabemos que o sensoriamento remoto nos permite obter imagens,
dentre outros tipos de dados da superfície terrestre, sem que haja contato direto
entre o sensor e o objeto. Entretanto, para que isso aconteça, é necessário o uso
energia, podendo ser resultante de fontes naturais ou artificiais.
21
Conforme Meneses e Almeida (2019a), todo e qualquer entendimento

sobre sensoriamento remoto fundamenta-se nos princípios físicos da interação da
radiação eletromagnética com a matéria e em como ela é registrada pelos sistemas
sensores para a construção das imagens.
O Sol é a principal fonte de energia natural utilizada pelo sensoriamento

remoto. A radiação eletromagnética que incide sobre a Terra é captada e registrada
pelos sensores, acopladas nos satélites. A energia captada, posteriormente é
transformada em sinais elétricos, que são transmitidos para estações de recepção,
equipadas com antenas receptoras (Figura 11) (FLORENZANO, 2007).
FIGURA 11 – OBTENÇÃO DE IMAGENS POR SENSORIAMENTO REMOTO
FONTE: Florenzano (2007, p. 1)
Esses sinais elétricos transmitidos para as estações de recepção são

transformados em dados gráficos, tabelas ou imagens, e a partir da análise e
interpretação desses dados, é possível transformá-los em informações, para
finalmente colaborar com a tomada de decisão.
É certo de que a energia captada pelos sensores remotos sofre diversas in-
terferências durante o seu percurso, e o entendimento desses processos é essencial
para que seus dados sejam interpretados da maneira mais adequada possível.
Jensen (2009) explica que a energia é radiada pelas partículas atômicas

na fonte (o Sol), que viajam no vácuo espacial à velocidade da luz, onde ocorre a
interação com a atmosfera, até chegar à superfície terrestre, onde ocorrerá uma
nova interação, quando ela será refletida e irá interagir mais uma vez com a
atmosfera da superfície terrestre e finalmente irá atingir o sensor, onde ela interage
com seus vários componentes ópticos, filtros, emulsões de filmes e detectores.
22
TÓPICO 2 — PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO
Sabe-se que qualquer objeto ou porção de matéria com temperatura

diferente de zero absoluto (0 K ou -273,15 °C) emite radiação eletromagnética.
Sabendo que todos os corpos emitem radiação, é necessário saber como é o
espectro dessa radiação, ou seja, sua magnitude em cada faixa de comprimento
de onda ou sua frequência (LORENZZETTI, 2015).
Para poder explicar a radiação eletromagnética emitida pelos corpos,

foi criado um modelo teórico ideal chamado de corpo negro, o qual tem a
propriedade de absorver e emitir toda a radiação incidente, independente da
faixa espectral e direção. E para poder descrever melhor a funcionalidade do
corpo negro, algumas leis foram teorizadas, como, por exemplo, as leis de Planck,
Wien, Stefan-Boltzmann e Kirchoff. Rosa (2009) as descrevem da seguinte forma:
• Lei de Planck: utilizada para explicar a radiação emitida por um corpo em todo
seu espectro, bem como a forma característica da curva de emissão de cada
corpo. Pode ser descrita através da seguinte equação (Equação 1):
• Lei de Wien: utilizada para determinar o comprimento de onda de maior

emissão de radiação de um corpo (λmax), onde o pico de radiação máxima
emitida por um corpo celeste desloca-se na direção dos menores comprimentos
de onda conforme o aumento da temperatura (em Kelvin) do corpo. Pode ser
descrita através da equação (Equação 2):
• Lei de Stefan-Boltzmann: possibilita determinar a radiação total emitida (M)

por um corpo em todo o seu espectro, independente do seu comprimento de
onda. Pode ser representado pela seguinte equação (Equação 3):
23
• Lei de Kirchoff: a radiação emitida por um corpo negro (Mcn) é proporcional à

emitida por um corpo real (Mcr) para uma dada temperatura e comprimento de
onda. Pode ser representada pela seguinte equação (Equação 4):
Lorenzzetti (2015) traz a seguinte definição para o corpo negro:
[...] uma porção idealizada de matéria, constituída de um grande

número de átomos, ou moléculas, absorvendo ou emitindo radiação
eletromagnética em todas as partes do espectro eletromagnético,
satisfazendo às seguintes condições: a) Toda radiação que incide
nele é completamente absorvida (daí o tempo “corpo negro”); b)
Em todos os comprimentos de onda (ou para todas as frequências) e
em todas as direções, a máxima taxa possível de emissão é realizada
(LORENZZETTI, 2015, p. 180).
Esses conceitos apresentados podem ser visualizados na Figura 12, na

qual podemos comparar a curva de emissão de um corpo negro com temperatura
de 6.000 K (que se aproxima do espectro de emissão do Sol), e com temperaturas
inferiores à do Sol. Ao analisar a Figura 12, podemos constatar que a emissão
total de um corpo negro aumenta com sua temperatura, ou seja, a Intensidade
Radiante de um corpo com a temperatura de 5.000 K é menor do que aquela de
um corpo com a temperatura de 7.000 K. Novo (2010) explica ainda que:
O comprimento de onda de maior emissão do corpo negro se

desloca para comprimentos de onda cada vez menores na medida
em que aumenta a temperatura do corpo. A energia emitida por um
corpo negro a uma dada temperatura não é a mesma em todos os
comprimentos de onda.
[...] esse conceito de corpo negro é útil para se entender o espectro
de emissão da Terra. A Terra pode ser considerada um corpo negro
com temperatura equivalente a 300 K. Com essa temperatura os
comprimentos de onda de máxima emissão da Terra se encontra entre
8,0 e 12,0 µm, embora também haja radiação emitida na região das
micro-ondas (NOVO, 2010, p. 49).
FIGURA 12 – RADIAÇÃO EMITIDA POR CORPOS NEGROS COM DIFERENTES TEMPERATURAS
FONTE: Meneses (2012a, p. 13)
24
Vale ressaltar que, apesar da definição de corpo negro apresentada na

teoria, Lorenzzetti (2015) explica que esta não existe na prática, entretanto, várias
substâncias apresentam, em determinadas faixas do espectro, características de
emissão muito próximas das descritas como corpo negro, como, por exemplo, a
superfície de um corpo d’água.
Para compreendermos os princípios físicos do sensoriamento remoto,

é necessário estarmos familiarizados com os termos e conceitos físicos
fundamentais, utilizados com frequência, durante os processos e suas respectivas
funções. Por se tratar, principalmente, de teorias físicas, iremos nos apoiar em
diversas referências bibliográficas, interessadas principalmente nos aspectos
físicos do sensoriamento remoto.
A radiância, ou energia radiante, que é transportada pela radiação

eletromagnética é a medida da capacidade que a radiação tem de alterar o
estado da matéria com a qual interage, ou seja, ela pode provocar mudanças
conforme a quantidade de energia transportada pela radiação eletromagnética.
Por exemplo, a energia radiante pode alterar a temperatura de um detector caso
haja a quantidade adequada para que isso aconteça (NOVO, 2010). A unidade de
energia radiante é o Joule, e o símbolo utilizado para sua representação é o J.
A radiância da superfície pode ser determinada de através da Equação 5

(ROSA, 2009):
No caso da obtenção de informações a distância, como o sensor orbital,

por exemplo, a equação da radiância é proposta pela Equação 7 (ROSA, 2009):
Uma fonte de energia radiante transporta certa quantidade de energia

continuamente para um objeto, e é importante saber a quantidade de energia que
passa por um ponto, ou uma área dada, por uma unidade de tempo. Essa “taxa”
de passagem de energia radiante até atingir o objeto é chamada de fluxo radiante,
ou potência radiante. A unidade de medida do fluxo radiante é Joules/segundo,
também conhecida como Watt (W) (LORENZZETTI, 2015).
25
A densidade de fluxo radiante incidente sobre uma superfície é chamada

de irradiância. Como o planeta roda em torno do seu próprio eixo, no movimento
de rotação, a irradiância é distribuída de forma desigual perante a superfície. A
unidade de medida da irradiância pode ser expressa em W/m², mW/cm², cal/cm²
min (ROSA, 2009).
Rosa (2009) ainda explica que há diversos fatores que influenciam direta-
mente na quantidade de irradiância recebida, alguns deles são a latitude geográfi-
ca, da época do ano (em função da posição da Terra ao longo da eclíptica) e estado
de transparência da atmosfera sobre a localidade, em particular da nebulosidade.
Na Figura 13 podemos analisar os diferentes valores de irradiância (W/

m²) ao longo dos meses conforme as diferenças de latitudes. Ao analisar o gráfico,
notamos que o mês de junho se destaca com o menor índice de irradiância, se
aproximando de 200.00 W/m².
FIGURA 13 – ELEVAÇÃO SOLAR AO LONGO DOS MESES PARA DIFERENTES LATITUDES
FONTE: Rosa (2009, p. 31)
Outro conceito importante existente no processo de interação de energia,

é o de emitância. Esse processo pode ser conceituado como a quantidade de
radiação que deixa determinada superfície (emitida e não refletida) por unidade
de área, sendo dependente da temperatura dos alvos.
É importante relembrar que a energia eletromagnética é emitida por

qualquer corpo que possua temperatura acima de zero absoluto (0 K ou -273.15
°C). Dessa forma, todo corpo com uma temperatura acima de zero absoluto (0 K)
pode ser considerado uma fonte de energia eletromagnética. Logo, a quantidade
de energia emitida, transferida ou recebida, está associada ao seu comprimento
de onda (MORAES, 2002).
Quando a radiação eletromagnética atinge os objetos da superfície terrestre,

estes podem refletir, absorver ou transmitir essa energia e seu comprimento de
onda, ou seja, a sua intensidade, pode variar de acordo com as características
26
físicas, químicas e biológicas. E é justamente essa variação que torna possível

identificar e diferenciar os objetos superficiais, pois são reconhecidos a partir da
variação de energia refletida em cada comprimento de onda.
Há pelo menos três conceitos indispensáveis para compreensão da

interação da energia eletromagnética sobre os objetos na superfície terrestres,
os quais estão relacionados diretamente com a prática de absorver, refletir e
transmitir a radiação eletromagnética, resultando, respectivamente nos conceitos
de absortância, reflectância e transmitância.
Na Figura 14, podemos identificar como ocorrem esses três processos

quando a energia eletromagnética atinge os objetos na superfície terrestre.
Segundo a lei de conservação de energia, nenhuma quantidade de energia é
perdida (MENESES, 2012b).
FIGURA 14 – PROCESSOS DE INTERAÇÃO DA RADIAÇÃO ELETROMAGNÉTICA COM OS

MATERIAIS
FONTE: Meneses (2012b, p. 42)
Conforme Meneses (2012b), as quantidades de reflectância, absortância

e transmitância dependem dos valores dos coeficientes ópticos do material,
geralmente propriedades difíceis de serem medidas, dado à heterogeneidade
dos materiais. Para as rochas e solos, em sensoriamento remoto, costuma-se
simplificar essas propriedades, descrevendo-as em função apenas da opacidade
e transparência dos materiais. Assim, esses materiais em relação à radiação
eletromagnética podem ser definidos, conforme Meneses (2012b), em:
• Opacos: quando contém em sua constituição, mesmo que em pequenas

proporções, de minerais opacos, ou compostos como a matéria orgânica, que
absorvem bastante radiação eletromagnética em quase todos os comprimentos
de onda.
• Transopacos: quando, numa dada região espectral, exibem uma baixa
reflectância e em outra região espectral exibem alta reflectância; a maioria das
rochas e solos exibe esse tipo de comportamento.
27
A absortância é o processo em que a energia radiante é absorvida e

convertida em algum outro tipo de energia, este processo pode ocorrer ou na
atmosfera ou no próprio terreno. Este processo ocorre quando a energia incidente
possui a mesma frequência que a frequência ressonante de um átomo ou molécula
é absorvida, gerando um estado excitado (JENSEN, 2009).
A reflectância ocorre quando a energia é refletida pelo objeto e se espalha

no espaço. Desse modo, consideramos a reflectância como a proporção do fluxo
incidente de REM (irradiância) numa determinada superfície, e o fluxo da REM
refletido (radiância). Ainda, a reflectância avaliada a partir da propriedade
de um objeto na superfície terrestre de refletir a REM sobre ele incidente
(SHIMABUKURO; PONZONI, 2017). A reflectância é representada pelo símbolo
ρ e seu resultado é dado em porcentagens que variam de 0 a 100% (Equação 8):
Nesse processo, tanto as propriedades químicas, quanto geomorfológicas

do objeto são importantes, principalmente a textura superficial, sendo este o
principal parâmetro para que se destaque os comprimentos de onda. Vale ressaltar
que há dois tipos de superfícies refletoras, sendo elas a reflexão especular e a
reflexão difusa.
A reflexão especular ocorre quando a superfície refletora é essencialmente

lisa. Neste caso, a energia incidente será refletida no sentindo oposto com o
mesmo ângulo. O ângulo em que ocorre a incidência da energia é chamado de
ângulo de incidência. E quanto ao ângulo de sua reflexão, este é chamado de
ângulo de exitância.
Já a reflexão difusa ocorre quando a superfície é rugosa, ou seja, possui

diversas ondulações ao longo do seu perfil topográfico. Neste caso, a energia será
refletida em diversas direções, ocorrendo um espalhamento imprevisível.
Segundo Meneses (2012a), para definir a textura superficial do terreno, ou

seja, se é lisa ou rugosa, e como irá refletir a energia incidente, podemos utilizar o
critério geral de Rayleigh, que depende do comprimento de onda e do ângulo de
incidência da radiação, conforme a Equação 9:
(9)
28
Na Figura 15, podemos analisar como isso funciona de uma forma mais
prática. Perceba que na Figura 15A, a superfície possui poucas ondulações, com
uma textura mais lisa, naturalmente, seu ângulo de exitância é proporcional ao
seu ângulo de incidência. Na Figura 15B, a textura da superfície é claramente
mais rugosa, com notáveis ondulações, desta forma, a reflexão da energia ocorre
de forma heterogênea.
FIGURA 15 – COMPORTAMENTO DA REFLECTÂNCIA CONFORME A TEXTURA DA SUPERFÍCIE

DO ALVO
Legenda: (A) superfície lisa; (B) superfície rugosa.

FONTE: Adaptado de Meneses (2012a, p. 7)
Podemos concluir que a classificação da uma reflexão vai depender do

comprimento de onda incidente. Ao analisar os aspectos presentes na natureza,
notamos que grande parte dos objetos superficiais são heterogêneos, ou seja, não
seguem um padrão liso, ressalvo os corpos d’água calmos, portanto, possuem um
comportamento difuso em relação aos comprimentos de onda.
Na prática, o conceito de reflectância é aplicado todas as vezes que

imagens são utilizadas para identificar espectralmente os objetos encontrados na
superfície terrestre, por isso há a necessidade de entender o comportamento da
reflectância dos materiais terrestres, sendo eles a vegetação, solos, corpos d’água,
entre tantos outros.
TUROS
ESTUDOS FU
Veremos mais a respeito dos comportamentos espectrais de cada objeto mais à frente.
29
Quanto à transmitância, esta é definida por sua capacidade de transmitir

a energia incidente na superfície dos objetos. Por exemplo, imagine um objeto
escuro e opaco, claramente ele terá um valor baixo para reflectância, pois não irá
refletir energia, alto para absortância, pois irá absorver toda a energia incidente,
e nulo para transmitância.
Todos os materiais sólidos e líquidos, sem exceção, possuem a propriedade

de absorver partes da energia eletromagnética. Alguns mais, outros menos, irá
depender da sua composição química, ou seja, do tipo de átomo e molécula e
também da quantidade de energia contida na onda eletromagnética (MENESES;
ALMEIDA, 2019a).
É certo que a atmosfera exerce grande influência nos processos de aquisição

dos dados de sensoriamento remoto, e os efeitos exercidos nesse processo são
chamados de efeitos atmosféricos.
Sabemos que a atmosfera é formada, basicamente, por um conjunto de

gases, vapor d‘água e partículas, estas que envolvem toda a superfície da Terra.
Estima-se que a atmosfera terrestre possui aproximadamente 80 a 100 km de
espessura. Rosa (2009) explica ainda que:
Sob o ponto de vista termodinâmico, a atmosfera é um sistema

aberto, ou seja, há intercâmbio de massa com a superfície terrestre e
com o espaço. A fase dispersante é o ar, uma mistura homogênea de
nitrogênio (78%), oxigênio (21%), argônio (1%), dióxido de carbono e
outros gases que figuram em pequenas proporções. A concentração
de vapor d’água na atmosfera é pequena, dificilmente ultrapassa
4% em volume, podendo variar conforme as regiões do planeta,
mas geralmente diminui na altitude. No entanto, exerce importante
influência na aquisição de dados por sensoriamento remoto (ROSA,
2009, p. 37).
Os processos ocorrentes na atmosfera mais importantes durante este

processo que afetam a propagação da radiação eletromagnética são a absorção e
o espalhamento. Falaremos detalhadamente de cada um destes processos.
30
No caso da absorção, a radiação eletromagnética, ao se propagar pela at-

mosfera, é absorvida seletivamente pelos seus constituintes, como, por exemplo,
o vapor d’água, ozônio, dióxido de carbono etc. A Figura 16 representa as atenua-
ções que a irradiância sofre no topo da atmosfera, responsáveis por alterações nos
comprimentos de ondas das bandas que são captadas pelos sensores.
FIGURA 16 – CURVAS DA DISTRIBUIÇÃO ESPECTRAL DA ENERGIA SOLAR NA ATMOSFERA/

SUPERFÍCIE TERRESTRE
FONTE: Di Maio et al. (2008, p. 8)
Porém, ao longo do espectro eletromagnético, há regiões onde a absorção

atmosférica é relativamente pequena. Essas regiões são conhecidas como janelas
atmosféricas e são caracterizadas por possuírem boa transmitância e é nessas regiões
que são desenvolvidas as atividades de sensoriamento remoto (ROSA, 2009).
Segundo Rosa (2009), as principais janelas atmosféricas são:
• 0,3 – 1,3μm (ultravioleta – infravermelho médio);

• 1,5 – 1,8μm (infravermelho médio);
• 2 – 2,6μm (infravermelho médio);
• 3 – 3,6μm (infravermelho médio);
• 4,2 – 5μm (infravermelho distante);
• 8 – 14μm (infravermelho termal).
Figueiredo (2005) explica que essa absorção implica a diminuição da

quantidade de energia da radiação eletromagnética refletida pela matéria em
certas faixas do espectro eletromagnético, faixas estas denominadas bandas
de absorção, e são essas bandas de absorção que permitem identificar a
composição da matéria.
31
Jensen (2009) conceitua a banda de absorção como um intervalo de

comprimentos de onda, ou frequência, do espectro eletromagnético no qual a
energia radiante é absorvida por uma substância.
O Quadro 3 mostra os principais componentes da atmosfera e suas

principais bandas de absorção. Segundo Novo (2010), além da absorção seletiva,
ou seja, específica em diferentes comprimentos de onda, a absorção pela atmosfera
é também contínua. Os sensores que dependem da radiação solar devem levar
em conta a radiação líquida que atinge o solo. Essa radiação, entretanto, é
completamente variável em função das condições atmosféricas.
QUADRO 3 – PRINCIPAIS BANDAS DE ABSORÇÃO DOS CONSTITUINTES ATMOSFPERICOS
Componentes da atmosfera Bandas de absorção (μm)
0,72; 0,82; 0,93; 1,13; 1,38; 1,86; 2,01; 2,68; 3,6;

Vapor d'água
4,5; 6,13; 17.
Dióxido de carbono 1,4; 1,6; 2,0; 2,7; 4,3; 4,8; 5,2; 14,7.
Ozônio 0,15; 0,25; 0,30; 0,60; 9,6.
Oxigênio 0,18; 0,25; 0,69; 0,76.
FONTE: Adaptado de Novo (2010)
Vale ressaltar que há certos fatores que podem influenciar as formas e

intensidades das bandas de absorção, independente da constituição da matéria, e
Meneses e Almeida (2019b) elencam alguns deles:
• Tempo de vida do estrado excitado: a largura de uma banda de absorção é

determinada pelo tempo de vida do estado excitado. Sabe-se que quanto mais
longo é o tempo do estado excitado, mais definida é a energia de transição e
mais evidente é a banda de absorção.
• Efeitos de saturação: a forma de uma banda de absorção pode ser alterada se a
excitação de um sistema é tão poderosa que o estado excitado é saturado.
• Efeito de relaxamento: o relaxamento é a volta do estado excitado para o estado
fundamental, este decai com uma taxa que depende de um processo físico
afetando um estado particular. Taxas muito mais lentas são encontradas para
alguns estados excitados do infravermelho. Além de afetar a forma de uma
banda de absorção específica, processos de relaxamento lentos podem criar
uma mistura de alguns estados excitados.
Portanto, como sabemos, cada material possui suas particularidades

composicionais, ou seja, com diferentes constituições de elementos químicos
de átomos e moléculas, e moléculas têm absorções e reflectâncias diferentes,
resultando nas imagens diferentes tons de cinza (MENESES, 2012a).
32
Visto que a radiação eletromagnética percorre uma longa distância

para ultrapassar a atmosfera terrestre e consiga chegar até o sensor em órbita,
diferentemente do vácuo, onde nada acontece, a atmosfera terrestre pode
afetar não apenas a velocidade da radiação eletromagnética, como também seu
comprimento de onda, sua intensidade, sua distribuição espectral, além de poder
ser desviada da sua direção original devido à refração (JENSEN, 2009).
A refração se refere ao desvio da luz quando ela passa de meio a um

outro de densidade diferente, ou seja, ela ocorre porque os meios são diferentes
tanto em densidade quanto velocidade da energia eletromagnética. Um exemplo
bastante comum é quando a radiação penetra em um material transparente e
sofre mudança de ângulo.
Na Figura 17 temos um exemplo bastante comum de como a refração

funciona. Ao colocar um lápis num copo d’água, temos a impressão que ele está
quebrado, devido ao deslocamento da sua posição. Isso acontece porque tanto
a densidade do lápis e da água quanto a velocidade da energia são diferentes,
ocorrendo, então, o efeito de refração.
FIGURA 17 – EFEITO DE REFRAÇÃO
FONTE: <https://s5.static.brasilescola.uol.com.br/be/2020/02/refracao-da-luz-lapis.jpg>. Acesso

em: 9 jul. 2020.
Os diferentes objetos localizados na superfície terrestre possuem

diferentes índices de refração. O índice de refração (n) de um meio pode ser,
portanto, definido como a razão entre a velocidade de propagação da radiação
no vácuo (c) em relação a velocidade no meio (m), sendo representado a partir da
Equação 11 (NOVO, 2010):
33
O Quadro 4 mostra os índices de refração de alguns materiais, ou artefatos

antrópicos, que podem ser comumente encontrados na natureza.
QUADRO 4 – ÍNDICE DE REFRAÇÃO DE ALGUNS MATERIAIS COMUNS ENCONTRADOS NA

SUPERFÍCIE TERRESTRE
Material Índice de Refração

Gases (à pressão atmosférica e temperatura de 0°C)
Hidrogênio 1,0001
Ar 1,0003
Dióxido de carbono 1,0005
Líquidos
Água 1,333
Álcool etílico 1,362
Glicerina 1,473
Sólidos (à temperatura ambiente)
Gelo 1,31
Acrílico 1,49
Poliestireno 1,59
Diamante 2,417
Conforme Rosa (2009), o outro fenômeno atmosférico que também

acontece nesse processo é o espalhamento da radiação pela atmosfera. Enquanto
no processo de absorção a radiação eletromagnética é absorvida, transformada
em outras formas de energia e reemitida em outros comprimentos de onda, no
processo de espalhamento a radiação solar incide na atmosfera, e a partir desta
interação irá gerar um campo de luz difusa que irá propagar em todas as direções.
A partir do tamanho das partículas espalhadoras e do comprimento de

onda da radiação, podemos identificar três tipos de espalhamento, sendo eles
o Espalhamento Molecular ou Rayleigh, Espalhamento Mie e o Espalhamento
Não seletivo.
O Espalhamento Molecular, mais conhecido como Rayleigh, ocorre

quando o diâmetro efetivo da matéria é menor que o comprimento de onda da
radiação eletromagnética. De forma mais simplificada, pode-se dizer que ele é
proporcional ao inverso da quarta potência do comprimento de onda (MENESES,
2012a), conforme a Equação 12:
34
(12)
NTE
INTERESSA
O espalhame nto Rayleigh é a causa de o céu aparecer azul. O vermelho do

pôr do Sol é também causado pelo espalhamento Rayleigh. Tão logo o Sol se aproxima
do horizonte, seus raios seguem uma trajetória maior através da atmosfera, espalhando os
menores comprimentos de onda e deixando apenas as radiações de maiores comprimentos,
laranja e vermelho, alcançarem nossos olhos (MENESES, 2012a).
O Espalhamento Mie ocorre quando os diâmetros das partículas presentes

na atmosfera forem aproximados ao do comprimento de onda da radiação, além de
ocorrer somente com os maiores comprimentos de onda do visível. A magnitude
desse espalhamento é muito maior do que a de Rayleigh, e os comprimentos de
onda também são maiores (JENSEN, 2009).
A Equação 13 representa o Espalhamento Mie:
Espalhamento não seletivo: ocorre quando o diâmetro das partículas

for muito maior que os comprimentos de onda. Dessa forma, a radiação
eletromagnética de diferentes comprimentos de onda será espalhada com igual
intensidade. Ele tem a soma da contribuição dos três processos envolvidos na
interação da radiação com as partículas (MENESES, 2012a).
O Quadro 5 apresenta, de forma resumida, os três espalhamentos

existentes, apresentando as dependências com o comprimento de onda, os
tamanhos e tipo das partículas e os efeitos causados na atmosfera.
QUADRO 5 – TIPOS DE ESPALHAMENTO ATMOSFERICO
35
Aprendemos até aqui os principais conceitos existentes nos princípios

de aplicação do sensoriamento remoto. Pudemos notar a relação interdisciplinar
com questões físicas, químicas e biológicas, causando certo nível de complexidade
para aqueles que não possuem certa familiaridade com o assunto.
A seguir, nos aprofundaremos nas questões da radiação eletromagnética,

vendo detalhadamente como funciona o espectro eletromagnético e o que são os
intervalos espectrais, termos tão comentados até agora, e qual a sua influência
direta com os sensores remotos.
3 RADIAÇÃO E ESPECTRO ELETROMAGNÉTICO

Para compreender o conceito de Radiação Eletromagnética (REM), Mene-
ses (2012a) explica que a radiação eletromagnética começa com o entendimento da
dualidade do comportamento da sua natureza, ou seja, de onda e energia. Isso quer
dizer que a REM que se propaga pelo espaço vazio, como a luz solar, é, ao mesmo
tempo, uma forma de onda e uma forma de energia. O autor lembra ainda que:
Esse conceito de dualidade é extremamente importante para o

sensoriamento remoto, pois sempre que alguém estiver analisando
qualquer tipo de imagem de sensoriamento remoto, a coexistência
da radiação eletromagnética na forma de onda e na forma de energia
deverá ser considerada para que se possa explicar tudo o que se
observa nas imagens com referência às características dos objetos
(MENESES, 2012a, p. 4).
Portanto, para entender a criação, propagação no espaço e interação

com os objetos, da energia eletromagnética, podemos explicá-la através de dois
modelos, sendo o modelo ondulatório (onda) e o modelo corpuscular (energia).
Na década de 1960, o físico escocês James Clerk Maxwell, concebeu a

radiação eletromagnética como uma onda eletromagnética que se desloca pelo
espaço à velocidade da luz, mas somente vários anos depois que os cientistas Leon
Foucault e Albert A. Michelson conseguiram determinar de fato a velocidade da
luz, como 299.702.458 metros por segundo, podendo ser generalizado para 3 x 10⁸
m s⁻¹, ou 300.000 km s⁻¹ (JENSEN, 2009).
36
Entretanto, as formulações de Maxwell falham ao explicar certos

comportamentos da radiação eletromagnética com a interação da matéria. E, em
1901, Planck observou que a radiação é emitida em forma de pulsos que carregam
certa quantidade de energia, e que a radiação eletromagnética pode ser entendida
como o deslocamento de pequenas partículas sem massa, os fótons (MENESES;
ALMEIDA, 2019a).
A teoria do modelo ondulatório de Maxwell conseguiu demonstrar que

todos os efeitos do eletromagnetismo poderiam ser descritos em um conjunto de
quatro equações (Equações de Maxwell), e demonstrou que a aceleração de uma
carga elétrica provoca perturbações no campo elétrico e magnético, e que essas
perturbações se propagam no vácuo na forma de ondas eletromagnéticas (NOVO,
2010). A onda eletromagnética seria, portanto, uma propagação transversal
dos campos elétricos e magnéticos, que se irradia pelo espaço em diferentes
comprimentos de onda e diferentes frequências. Essa teoria eletromagnética da
luz conseguiu explicar as cores vistas de objetos a temperaturas ambientais eram
resultadas da reflexão da luz em comprimentos de onda da luz visível (MENESES;
ALMEIDA, 2019a).
Para entender a natureza das ondas de uma forma mais didática, Novo
(2010) cria a seguinte situação como exemplo (Figura 18): imagine que a antena
na Figura18A recebe uma carga positiva (Q+) em sua extremidade superior, e uma
carga negativa (Q-) na extremidade inferior.
FIGURA 18 – PADRÃO DE ONDAS ELETROMAGNÉTICAS GERADAS POR UMA CORRENTE

ALTERNADA
FONTE: Novo (2010, p. 36)
Essa distribuição de carga gera um campo elétrico, conforme pode ser

observado na Figura 18A. Se é a carga é constante, ou seja, se não altera o valor ao
longo do tempo, o campo elétrico se mantém constante.
37
Observe que o campo elétrico é direcionado para baixo, e diminui com

a distância da antena. Se algum tempo depois a carga é revertida, e a
extremidade superior da antena se torna negativa e a inferior positiva,
então o campo elétrico é também revertido e se direciona para
cima. Entretanto, leva um certo tempo para que o campo revertido
alcance um observador posicionado a uma distância P da antena. Se
a carga oscilar periodicamente, então o campo no P também oscilará
periodicamente à medida que irradia da antena. Cada vez que a carga
é alternada da antena, é gerada uma corrente elétrica. Esta corrente
elétrica irá gerar por sua vez um campo magnético. Portanto, uma onda
eletromagnética terá um campo magnético oscilando senoidalmente
acoplado ao campo elétrico também oscilando senoidalmente (NOVO,
2010, p. 36).
Dessa forma, podemos definir uma onda eletromagnética como a oscilação

do campo elétrico, e o magnético segundo um padrão harmônico de ondas. Por
padrão harmônico se entende que as ondas são espaças repetitivamente no tempo
(NOVO, 2010).
Portanto, para muitas das aplicações e teorias usadas no sensoriamento re-

moto, assume-se que a radiação refletida ou retroespalhada pelos alvos em direção
ao sensor é uma onda eletromagnética (OEM), composta de dois campos oscilantes
e propagantes, um elétrico (E) e outro magnético (M) (LORENZZETTI, 2015).
Portanto, visto que a onda eletromagnética consiste dois campos flutuantes,

o elétrico e o magnético, e os dois vetores estão em ângulos retos (ortogonais)
entre si, ambos são perpendiculares entre si (JENSEN, 2009), conforme ilustra a
Figura 19.
FIGURA 19 – DIREÇÃO DE PROPAGAÇÃO DA RADIAÇÃO ELETROMAGNÉTICA NA FORMA DE

UMA ONDA, EM FUNÇÃO DAS OSCILAÇÕES ORTOGONAIS DOS CAMPOS MAGNÉTICO (M) E
ELÉTRICO (E)
Quanto às definições das ondas eletromagnéticas, Meneses (2012a, p. 5)

diz o seguinte:
38
Essas perturbações dos campos elétrico (E) e magnético (M) são

chamadas de ondas eletromagnéticas. O comprimento da radiação
eletromagnética depende de quanto tempo a partícula é acelerada, e
a frequência (ν) da radiação depende da frequência de vibração da
partícula. Assim, define-se uma onda eletromagnética como a oscilação
dos campos Eletrônico e Magnético, segundo um padrão harmônico
de ondas, isso é, ondas espaçadas repetitivamente no tempo. Esses
campos dinâmicos sempre ocorrem juntos como padrões inseparáveis,
de modo que nem campo elétrico puro, nem campo magnético puro
de ondas irradiadas ocorrerão separadamente um do outro.
Mas afinal, o que é o comprimento de onda? Florenzano (2007) explica

que o comprimento de onda é a distância entre dois picos de ondas sucessivas,
e quanto mais distantes, maior é comprimento, e quanto menos distante, menor
será o comprimento de onda. A frequência da onda é diretamente proporcional
à velocidade de propagação e inversamente proporcional ao comprimento de
onda, portanto, quanto maior for a frequência, menor será o comprimento de
onda. De um ponto de vista mais didático, a partir da Figura 20, Fitz (2008, p. 99)
utiliza o seguinte exemplo:
A figura mostra uma corda sendo movimentada verticalmente;

portanto, com certa energia sendo transmitida a ela. É estabelecido,
assim, um sistema ondulatório. O sistema apresentado necessita,
conforme pode ser deduzido, de um meio físico para a sua propagação:
a corda. [...] quanto mais rapidamente movimentarmos a corda, tanto
mais curtas serão as ondas, ou seja, quanto maior a frequência do
movimento, tanto menor o comprimento de onda, e vice-versa.
FIGURA 20 – COMPRIMENTE DE ONDA A PARTIR DA MOVIMENTAÇÃO DE UMA CORDA
FONTE: Fitz (2008, p. 99)
A frequência é conceituada pelo número de comprimentos de onda que

passam por um ponto por unidade de tempo. Uma onda que envia uma “crista” a
cada segundo (completando um ciclo), é dita como tendo uma frequência de um
ciclo por segundo, ou um hertz, podendo ser escrito como 1 Hz (JENSEN, 2009).
Entende-se que há uma relação inversa entre a frequência e o comprimento

de ondas, ou seja, quanto maior for o número (frequência) de ondas num
determinado ponto de referência, menor será o comprimento das ondas, e vice-
versa (Figura 21).
39
A amplitude de uma onda eletromagnética é a altura da crista da onda

em relação à posição fixa. Cristas de ondas sucessivas são numeradas
como 1, 2, 3 e 4. Um observador na posição do relógio registra o número
de cristas que passam a cada segundo. Esta frequência é medida em
ciclos por segundo, ou hertz (JENSEN, 2009, p. 42).
FIGURA 21 – RELAÇÃO INVERSA ENTRE O COMPRIMENTO DE ONDA E A FREQUÊNCIA
Jensen (2009) ressalva que quando a radiação eletromagnética passa de

uma substância para outra, a velocidade da luz e o comprimento de onda mudam,
enquanto que a frequência permanece constante.
Dada a relação entre o comprimento de onda (λ) e frequência (v) e a

velocidade da luz (c), temos a seguinte equação do comportamento ondulatório
(Equação 14):
Conforme vimos, o comprimento de onda é inversamente proporcional

à frequência, Fitz (2008) explica que em função disso, muitas vezes eles são
apresentados em subunidades de metro, como o micrômetro (1 µm = 0,000001
m = 10-6) ou em nanômetros (1 m = 0,000000001 = 10-9 m). Inversamente, as
frequências podem assumir valores tão elevados que são apresentados em
unidades como o Megahertz (1 MHz = 1.000.000 Hz = 106 ciclos por segundo) ou
em Gigahertz (1 GHz = 1.000.000.000 Hz = 109 ciclos por segundo).
40
No Quadro 6, podemos analisar as unidades de medida padrões utilizados

para comprimentos de onda e frequência.
QUADRO 6 – UNIDADES DE MEDIDA PADRÕES PARA COMPRIMENTOS DE ONDA E

FREQUÊNCIA
Visto que as formulações de Maxwell falham em explicar certos

fenômenos importantes de quando a radiação eletromagnética interage com a
matéria, pesquisas voltadas para a compreensão da interação entre luz e matéria
se mantiveram em constante atividades (JENSEN, 2009).
Em 1901, Max Planck explicou a proporção de energia emitida por um

objeto ao afirmar que um corpo negro é capaz de absorver e emitir a radiação
incidente sobre ele. Aliás, o modelo de Planck foi capaz de descobrir que a radiação
total de um corpo negro ocorre unicamente em função de sua temperatura e,
consequentemente, quanto maior for a temperatura, maior será a quantidade de
energia emitida. Desse modo, a Lei de Planck descreve a radiância emitida por
um corpo negro, de acordo com a sua temperatura (NOVO, 2010).
O modelo corpuscular, contribui na definição da radiação eletromagnética

como uma forma dinâmica de energia que se manifesta somente por suas
interações com a matéria. A quantidade de energia E de um quantum é
diretamente proporcional à frequência ν da radiação, conforme a Equação 15,
conforme descrito por Meneses (2012a):
41
A partir da Equação 16, notamos que um fóton de energia E é inversamente

proporcional ao comprimento de onda da radiação eletromagnética. Os
comprimentos de onda transportam, consequentemente, maiores quantidades de
energia, ou seja, quanto menor for o comprimento de onda, maior será o impulso
ao fóton e mais evidentes serão as propriedades corpusculares da luz (MENESES;
ALMEIDA, 2019a).
Os objetos da superfície terrestre, como a vegetação, a água e o solo,

refletem, absorvem e transmitem radiação eletromagnética, e esta interação entre
objeto e radiação, é controlada pelo comprimento de onda, que podem variar de
acordo com suas características biofísicas.
Conforme vimos anteriormente, a radiação eletromagnética que mais

temos familiaridade é a luz solar, ou seja, a luz emitida pelo Sol que ilumina
a superfície terrestre. Uma estreita faixa de luz é denominada visível porque é
sensível ao olho humano, ou seja, que podemos enxergar. O olho humano pode
ser considerado um eficiente sensor capaz de detectar e identificar os objetos por
meio dos raios de luz refletidos pela superfície.
Entretanto, o Sol emite luz não somente no comprimento de onda do visível,

mas também em comprimento de onda menores, como o ultravioleta, e maiores,
como o infravermelho próximo e de ondas curtas (MENESES; ALMEIDA, 2019a).
Já a Terra, sendo também uma fonte de radiação eletromagnética, é

capaz de emitir uma radiação infravermelha denominada termal, de
comprimento de onda bem maior do que a luz solar. Por sua vez, fontes
artificiais construídas pelo ser humano são capazes de emitir radiação
de comprimentos de onda ainda muito maiores, que são os micro-
ondas. Essas denominações, entre outras, foram dadas em decorrência
de uma proposição arbitrária de divisão do espectro eletromagnético
(MENESES; ALMEIDA, 2019a, p. 12).
O conjunto dos diferentes comprimentos de onda que integram a radiação

eletromagnética é conhecido como espectro eletromagnético, que é dividido de
maneira didática, numa certa quantidade de regiões espectrais, variando desde
os raios gama até as ondas de rádio, conforme apresentado na Figura 22.
42
FIGURA 22 – DIVISÃO DO ESPECTRO ELETROMAGNÉTICO
FONTE: <https://www.infoescola.com/wp-content/uploads/2007/12/espectro-visivel-da-luz.
jpg>. Acesso em: 10 jul. 2020.
Segundo Meneses e Almeida (2019a), apenas uma pequena porção do

espectro eletromagnético, distribuídas em três faixas contínuas, situadas entre
450nm e 100cm, que é útil ao sensoriamento remoto, e há duas para isso.
A primeira razão é imposta pelas atenuações e absorção da radiação

eletromagnética pelos gases atmosféricos, que permitem a existência de apenas
algumas janelas de transparência para a transmitância descendente e ascendente
da radiação, também conhecidas como janelas atmosféricas, conforme vimos
anteriormente. A segunda razão deve-se ao fato de a disponibilidade de fontes
naturais de radiação eletromagnética ser limitada ao Sol e à Terra.
Conforme a Figura 23, podemos identificar a dispersão da luz branca em

seis cores espectrais ao atravessar o prisma de vidro.
Em 1666, Isaac Newton adquiriu um prisma de vidro e observou que um

raio de Sol vindo da janela se decompunha ao atravessar o prisma. Logo, as cores
do espectro atraíram o olhar do físico, que notou que ao colocar um papel no
caminho da luz que emergia do prisma, surgiam sete cores do espectro (vermelho,
alaranjado, amarelo, verde, azul, anil e violeta). Newton denominou aquele
fenômeno de espectro, pois as cores mesmo estando presentes, permaneciam
escondidas na luz branca (FREIRE, 2003).
43
FIGURA 23 – DISPERSÃO DA LUZ
FONTE: <https://interna.coceducacao.com.br/ebook/content/pictures/2002-11-123-01-i001.
jpg>. Acesso em: 11 jul. 2020.
O Quadro 7 apresenta os intervalos espectrais mais utilizadas no

sensoriamento remoto. Os limites dos intervalos espectrais podem apresentar
pequenas variações na literatura.
QUADRO 7 – INTERVALOS ESPECTRAIS USADOS EM SENSORIAMENTO REMOTO ORBITAL
Intervalo Propriedades
Denominação Fonte de radiação
espectral da medida
Visível 0,45-0,76µm Sol Reflectância
Infravermelho
0,76-0,91µm Sol Reflectância
próximo
Infravermelho 1,19-1,34µm
Sol Reflectância
de ondas curtas 1,55-2,5µm
Objetos com altas
temperaturas, como
florestas em situação Emitância
médio 4,5-5,0µm
de incêndios ou
vulcões ativos
Terra e objetos que
emitem radiação Emitância
termal 10,2-14µm
eletromagnética
Micro-ondas Reflectância
3,2-100cm Artificial
(radar) retroespelhada
FONTE: Adaptado de Meneses e Almeida (2019a)
44
É certo que cada intervalo espectral tem uma função a desempenhar,

portanto, é de grande valia ter conhecimento sobre eles. Nos trabalhos de Di
Maio et al. (2008), Moraes (2002) e Meneses (2012a) encontram-se elencadas as
características desses intervalos, e, a seguir, apresentaremos os mais importantes
para o sensoriamento remoto:
Radiação Visível (Luz): é o conjunto de radiações eletromagnéticas que

podem ser captadas pelo sistema visual humano. É o intervalo espectral de maior
utilidade para o sensoriamento remoto, juntamente com o infravermelho (que
explicaremos mais adiante). O Quadro 8 apresenta as cores associadas à radiação
do visível e seus respectivos intervalos espectrais.
QUADRO 8 – INTERVALOS ESPECTRAIS DAS CORES DA REGIÃO DO VISÍVEL
Cor da luz refletida Comprimento de onda (µm)

Violeta 0,390 - 0,455
Azul escuro 0,455 - 0,485
Azul claro 0,485 - 0,505
Verde 0,505 - 0,550
Amarelo-verde 0,550 - 0,575
Amarelo 0,575 - 0,585
Laranja 0,585 - 0,620
Vermelho 0,620 - 0,700
FONTE: Di Maio et al. (2008, p. 6)
A Figura 24 demonstra o intervalo espectral visível perante os olhos

humanos, de uma forma mais didática e sintetizada, mostrando o pico de
frequência que corresponde a cada cor, entretanto, sua unidade de medida do
comprimento de onda está em nm (nanômetro), diferente do Quadro 8, no qual
a unidade de medida está em µm (micrômetro). Vale lembrar que os intervalos
podem sofrer pequenas alterações conforme as literaturas.
FIGURA 24 – INTERVALO ESPECTRAL DO VÍSIVEL PERANTE OS OLHOS HUMANOS
FONTE: <https://bit.ly/3kawBA9>. Acesso em: 10 jul. 2020.
45
É certo que cada uma das cores apresentadas por um objeto será
identificada de forma diferente pelo ser humano, de acordo com as características
dos comprimentos de onda emitido pelo objeto, e cada alvo responderá de
uma forma, conforme a proporção em que absorver ou refletir mais ou menos
determinadas radiações. Em uma imagem digital no formato matricial, Fitz
(2008) explica que pode estabelecer diferentes espaços de cor, entretanto, os mais
utilizados são o RGB e CYMK, e estes espaços podem ser definidos como:
O sistema RGB, advém do inglês Red (vermelho), Green (verde), e Blue

(azul), e baseia-se no princípio físico de que as diferenças cromáticas
são resultado da projeção da luz branca através de filtros de tais cores.
Estas cores são conhecidas também como as cores primárias aditivas.
Já o sistema CYMK, advém do inglês Cyan (ciano), Magenta (magenta),
Yellow (amarelo) e Black (preto), e trabalho o fenômeno de absorção
da luz. A sua observação está, portanto, relacionada à proporção da
luz emitida que não foi absorvida pelo alvo (FITZ, 2008, p. 105).
Em continuidade às explicações de Di Maio et al. (2008), Moraes (2002) e

Meneses (2012a) sobre os intervalos espectrais, os autores explicam que:
• Radiação Infravermelho (IV): é a região do espectro que se estende de 0,7 a

1.000 μm e costuma ser dividida em quatro sub-regiões, sendo o infravermelho
próximo, infravermelho de ondas curtas, infravermelho médio e o infravermelho
termal.
• Infravermelho próximo (0,7 - 1,2 µm): é a região do espectro eletromagnético,
onde a atmosfera também é bastante transparente, mas devido a algumas
bandas de absorções, o intervalo não é inteiramente utilizado por sensoriamento
remoto. No infravermelho próximo ocorrem importantes interações da REM
com os níveis de energia eletrônica dos átomos, gerando feições espectrais que
são diagnósticas para identificar a natureza de vários tipos de rochas, e para
o estudo da vegetação. Por isso, é considerada a melhor faixa para distinguir
vegetação dentre suas espécies e também de outras feições.
• Infravermelho de ondas curtas (1,2 a 3,0 µm): é considerada a região espectral
geológica, porque é neste intervalo que os vários minerais de alteração
hidrotermal têm as suas diagnósticas feições de absorção. Também é a região
em que os comprimentos de onda em 1,4μm e em 1,9μm são totalmente
absorvidos pelas moléculas de vapor d’água da atmosfera, dificultando o uso
do sensoriamento remoto. Por outro lado, esse intervalo espectral é amplamente
aplicado para identificar presença de água molecular nos alvos terrestres.
• Infravermelho médio (3,0 - 5,0 µm): somente alvos com elevadas temperaturas,
como, por exemplo, vulcões e pontos de incêndios, emitem radiação
eletromagnética neste intervalo espectral, pois agem como fontes próprias de
emissão de radiação. Este é um intervalo espectral mais sensível à umidade dos
objetos na superfície terrestre, bem como aos minerais do solo.
• Infravermelho termal (5,0 – 1,0 mm): leva essa denominação devido à radiação
emitida pelos objetos terrestres em função das suas temperaturas de superfície.
A melhor janela atmosférica nessa região espectral para imageamento orbital
é o intervalo de 8µm a 14µm. Esta faixa espectral oferece ótimo desempenho
para detecção de quartzo de veios nas rochas.
46
Ainda sobre o infravermelho termal, Jensen (2009) faz um adendo a

respeito do sistema interpretativo desse intervalo, dizendo o seguinte:
Um analista não deve interpretar uma imagem do infravermelho ter-

mal como se ela fosse uma fotografia aérea ou uma imagem típica pro-
duzida por um escaneador opto-mecânico multiespectral ou um sis-
tema sensor de dispositivo de carga acoplada 9CCD). Ao invés disso,
o analista deve pensar termalmente. Deve entender 1) como a energia
de comprimento de ondas curtos radiada pelo Sol interage com a at-
mosfera, 2) como ela interage com os materiais da superfície da Terra,
3) como a energia emitida pelo terreno interage com a atmosfera no-
vamente, e finalmente, 4) como um detector de sensoriamento remoto
registra a radiação infravermelha termal (JENSEN, 2009, p. 254).
Na Figura 25 podemos observar como se dá uma imagem captada através

do infravermelho termal.
FIGURA 25 – IMAGENS INFRAVERMELHAS TERMAIS
Legenda: (A) Jato F-L 16 em voo, observe as turbinas aquecidas; (B) imagem infravermelha
termal da energia radiante emanando de uma casa, especialmente pelas janelas. Observe como
o teto isolado e a calha metálica são frios; (C) helicóptero apache com os motores quentes.
FONTE: Adaptado de Jensen (2009)
• Micro-ondas: é a região de uso de sensores ativos (radar), conhecidos por

produzirem fontes artificiais de REM. Em função do tamanho do comprimento
de onda, o radar tem a vantagem de operar em condições atmosféricas adversas,
com coberturas de nuvens ou chuvas, além da opção para operar à noite (já que
os sensores multiespectrais dependem da luz do dia). Esse intervalo espectral
é bastante aplicado para mapeamento geológico, em função da interação das
micro-ondas com as rochas, sendo controlada pela textura de relevo.
Há algumas regiões do espectro eletromagnético que possuem

denominações que indicam algumas propriedades especiais, conforme
exemplificado por Moraes (2002), sendo o espectro ótico, que se refere ao intervalo
espectral coletado pelos sistemas ópticos (ultravioleta, visível e infravermelho); o
espectro solar que se refere ao intervalo espectral da energia emitida pelo Sol,
que compreende cerca de 99% da energia Solar incidente sobre a Terra (0,28 a 4
µm), dividida entre 9% da energia na região do ultravioleta, 45% da energia na
47
região do visível e 45% da energia na região do infravermelho próximo e médio; o

espectro do visível, que se refere ao intervalo de energia eletromagnética captado
pelo sistema visual humano, também conhecida como luz visível; e o espectro
termal, referente ao intervalo espectral de energia emitida pelos alvos terrestres,
situando-se entre os intervalos espectrais do infravermelho médio e distante.
Quando o Sol for a fonte de energia eletromagnética, os sensores captam

a energia refletida pelos objetos que estão na superfície terrestre, portanto, a
interação ocorre na faixa do espectro Solar. Todavia, quando a Terra é principal
fonte de energia eletromagnética, e os sensores captam energia emitida pelos alvos
terrestre, a interação ocorrerá na faixa do espectro termal. Essa diferenciação torna
possível o tratamento separado de ambas as categorias de energia eletromagnética,
facilitando a compreensão da energia radiante e seus espectros (MORAES, 2002).
Então, é certo que cada objeto da superfície terrestre responde de uma

maneira sobre a energia eletromagnética recebida. No próximo subtópico, iremos
nos aprofundar nas questões das respostas espectrais dos alvos, ou seja, iremos
compreender o porquê de alguns intervalos espectrais apresentarem melhores
resultados para certos objetos e, consequentemente os motivos para que isso
ocorra de tal maneira.
4 COMPORTAMENTO ESPECTRAL DOS ALVOS

O conhecimento do comportamento espectral dos alvos é importante não
somente para a extração de informações de imagens orbitais, é importante também
à própria definição de novos sensores, à definição do tipo de pré-processamento
a que devem ser submetidos os dados brutos ou mesmo à definição da forma de
aquisição dos dados (NOVO, 2010).
De uma forma geral, ao analisar o comportamento espectral de um

objeto devemos contemplar os três fenômenos, já mencionados anteriormente,
ocorrentes após a incidência da energia eletromagnética sobre os mesmos, sendo
a reflectância, transmitância e absortância. Dessa forma, só iremos compreender
o comportamento espectral de um objeto quando analisada suas propriedades de
refletir, transmitir e absorver a energia eletromagnética.
Conforme vimos anteriormente, cada objeto possui sua particularidade,

influenciando diretamente no seu comportamento espectral. O comportamento
espectral de um alvo terrestre pode ser definido como a medida da refletância
deste objeto ao longo do espectro eletromagnético, este processo também é
conhecido como assinatura espectral. A assinatura espectral do objeto define as
suas feições, a partir de atributos da forma, intensidade e localização de cada
banda de absorção que caracteriza o objeto.
48
Alguns fatores que podem influenciar diretamente no comportamento

espectral dos alvos, um exemplo disso, é a composição do material, cor e sua
umidade, o horário de coleta, ou seja, a hora que o satélite está obtendo estes
dados, a posição do sensor remoto, a situação atmosférica, o clima, a época do
ano e a localização geográfica.
Segundo Meneses e Almeida (2019b), essa relação entre as quantidades

de energia absorvida e refletida por comprimento de onda traz as informações da
composição dos objetos. A mais simples percepção dessa relação entre absorção
e reflexão é mostrada pelos objetos coloridos. Por exemplo, quando a luz branca
incide sobre um objeto de cor verde, como as folhas de vegetação sadia, a luz que
interage e que tem relação com o sensor é a cor que não se vê, ou seja, nesse caso,
as cores azul e vermelha foram absorvidas.
A partir da análise da Figura 26, conseguimos observar a interação da

energia eletromagnética com uma folha vegetal saudável, sendo este o alvo em
questão. Nota-se que quando a radiação eletromagnética atinge a folha a folha
de cor verde, a radiação infravermelha (IR) possui o maior índice de reflectância,
seguido da cor verde (G), estas possuem a maior interação com o alvo, e as cores
azul (B) e vermelho (R) são absorvidas.
FIGURA 26 – INTERAÇÃO DA ENERGIA ELETROMAGNÉTICA COM O ALVO, B (AZUL), G (VERDE)

E R (VERMELHO)
FONTE: Adaptado de Di Maio et al. (2008, p. 10)
Conforme a Figura 27, Florenzano (2007) explica o comportamento

espectral da vegetação, da água e do solo, sendo estes alguns dos materiais mais
comuns que podem ser encontrados na superfície terrestre. Podemos observar
que, na região da luz visível, a vegetação verde e sadia reflete mais energia na
faixa correspondente ao verde. Isto acontece porque o olho humano enxerga
a vegetação na cor verde. Entretanto, nota-se que é na faixa do infravermelho
próximo que a vegetação reflete mais energia e se difere dos demais objetos.
49
Em relação a uma vegetação sadia, Moraes (2002) diz que essa apresenta
alta absorção da energia eletromagnética na região do espectro visível, em função
da clorofila, que a captura para a realização da fotossíntese. Dentro do espectro
visível, a absorção é mais fraca na região que caracteriza a coloração da vegetação,
neste caso, o verde. A alta reflectância no infravermelho próximo (até 1,3 µm) é
justificada pela estrutura celular das folhas que formam o dossel, sendo que a
partir desse comprimento de onda é o conteúdo de água na vegetação que irá mo-
dular as bandas de absorção presentes no comportamento espectral da vegetação.
Quanto à curva do solo, nota-se um comportamento mais uniforme ao

longo do espectro, sem grande variação quanto a energia que está sendo refletida,
diferentemente da vegetação verde e sadia. Ao analisar o comportamento da
água limpa, percebemos a baixa energia refletida no intervalo do visível e quase
nenhuma energia no intervalo do infravermelho, diferentemente da água túrbida,
essa com material em suspensão ou poluída, na qual percebemos que há maior
quantidade de energia refletida, porém somente na região do visível (Figura 27).
TUROS
ESTUDOS FU
Falaremos mais detalhadamente de cada comportamento espectral mais à frente.
FIGURA 27 – COMPORTAMENTO ESPECTRAL DA VEGETAÇÃO DA ÁGUA E DO SOLO
FONTE: Florenzano (2007, p. 3)
50
Meneses e Almeida (2019b) explicam que essa relação entre as quantidades

de energia absorvida e refletida por um comprimento de onda traz as informações
da composição da matéria, e graças a isso, podemos discriminar e identificar os
diferentes alvos existentes na superfície terrestre. E partir dessa identificação, os
analistas terão de decifrar nas várias bandas espectrais que o sensor eletrônico
possui, quais as regiões espectrais que melhor se adequam para sua área de estudo.
Quando selecionamos a melhor combinação de canais e filtros para uma

composição colorida, temos que conhecer o comportamento espectral do alvo de
nosso interesse. Sem conhecê-lo, corremos o risco de desprezar faixas espectrais
de grande importância para sua discriminação (NOVO, 2010).
Conhecer o comportamento espectral dos objetos na superfície terrestre é

essencial para a escolha da região do espectro sobre a qual se pretende adquirir
dados para aplicações utilizando sensoriamento remoto, portanto, nesta subtópico
iremos discutir detalhadamente o comportamento espectral dos principais
componentes da superfície terrestres, sendo eles a vegetação, os solos, os minerais
e rochas, a água e as superfícies construídas, junto as suas propriedades naturais
que influenciam diretamente em sua reflectância, e quais as bandas espectrais
que melhor se adequam a suas características.
DICAS
Dada a relevância do comportamento espectral dos alvos em sensoriamento

remoto, o Spectroscopy Laboratory do United States Geological Survey (USGS) mantém
atualizada uma biblioteca espectral, conhecida como USGS High Resoution Spectral
Library, contendo espectros de reflectância de amostras de minerais, rochas, solos, além de
misturas modeladas matematicamente para comunidades de vegetação, microrganismos
e materiais de origem antrópica. No Brasil, há uma iniciativa semelhante para criação da
Biblioteca Espectral de solos do Brasil, mantida pelo Grupo de Geotecnologias em Ciência
do solo (GeoCis), sob supervisão do Prof. Dr. José Alexandre M. Demattê.
Informações detalhadas e acesso aos resultados e publicações de ambas as iniciativas

podem ser acessadas, respectivamente, em:
• https://on.doi.gov/3n9lkC4;
• https://bibliotecaespectral.wixsite.com/esalq.
Iniciaremos, então, abordando o comportamento espectral dos minerais e

rochas, materiais estes que ocupam aproximadamente 27% da superfície terrestre
(JENSEN, 2009). Há uma grande variedade de espectros minerais, havendo um
espectro distinto para cada mineral, e reúnem a maior variedade de combinações
de átomos e moléculas, com diversas forças de ligações moleculares, tamanhos de
51
átomos, raios iônicos, simetrias de redes e números de coordenação, que segundo

Meneses e Almeida (2019c), essas propriedades são as que definem a forma
cristalográfica, que é única de cada mineral, tornando-os os melhores materiais
para estudar os efeitos das propriedades da matéria na reflectância.
O comportamento espectral de rochas está diretamente influenciado

pelos espectros individuais dos minerais que compõem sua estrutura, portanto,
a absorção é o principal fator que controla o comportamento espectral das rochas
(MORAES, 2002). O sensoriamento remoto pode, ainda, prover informações
sobre a composição química de rochas e minerais da superfície, caso não estejam
cobertos por vegetação densa. Por isso, se dá a ênfase no entendimento das bandas
de absorção específicas associadas com determinados tipos de estudos.
O comportamento espectral das rochas é semelhante ao dos solos, já que

estes são produtos resultantes dos processos ocorrentes na natureza. A maior
diferença espectral entre estes dois materiais se dá pela quantidade de presença
orgânica nos solos, portanto, podemos conceituar as rochas como conjuntos de
minerais interligados entre si, ou que estão mantidos por vários tipos de cimentos,
podendo ser sílica ou carbonato cálcico (Figura 28), conforme Jensen (2009).
FIGURA 28 – COMPARAÇÃO ENTRE CURVAS ESPECTRAIS MÉDIAS DE DIFERENTES TIPOS DE

ROCHAS
FONTE: Pedrosa (2010, p. 60)
O que define as propriedades espectrais de cada espécie mineral é a

composição das moléculas ou dos íons inseridos nos diferentes tipos de estruturas
cristalinas (MENESES; ALMEIDA, 2019c). Por estruturas cristalinas entende-se
um conjunto de propriedades, átomos ou moléculas, que resultam na forma em
que estão constituídas.
52
Nos minerais e rochas os elementos e substancias mais importantes que

determinam as feições diagnósticas na faixa do espectro refletivo (0,4 a 2,5 µm)
são íons ferroso e férrico, água e hidroxila. Os elementos químicos mais frequentes
como o silício, alumínio e magnésio possuem interesse secundário (ROSA, 2009).
Quanto ao sistema de físico-químico-biológico das rochas e minerais,

Rosa (2009) explica que as rochas ácidas (>66% de sílica) apresentam elevada
porcentagem de minerais félsicos (quartzo e feldspato), o que provoca uma elevada
reflectância e uma baixa absorção da energia incidente (pequena percentagem de
minerais opacos).
Por último, Rosa (2009) explica que quanto às rochas sedimentares e

metamórficas, as mesmas considerações ditas anteriormente são válidas, porém,
devemos levar em consideração a presença de carbonatos, com bandas de absorção
em torno de 1,9; 2,0; 2,16; 2,35 e 2,55 µm. Além disso, a presença de materiais
carbonosos reduz o contraste das bandas de absorção nesse tipo de rocha.
O Quadro 9 apresenta as principais bandas espectrais de interesse para a

detecção das propriedades das rochas.
QUADRO 9 – REGIÕES DO ESPECTRO ELETROMANÉTICO MAIS ADEQUADAS PARA O ESTUDO

DE PROPRIEDADES FÍSICO-QUÍMICAS DE ROCHAS
Regiões do espectro Propriedade

Detecção de minerais com presença de
2,74 µm
hidroxilas na estrutura
Identificação de zonas de alteração
1,6 µm
hidrotermal ricas em argila
2,17 µm e 2,20 µm Identificação de minerais de argila
0,8-1,0 µm Identificação de ferro
Conforme vimos, há pouca variação entre os compostos de rochas, minerais

e solos, portanto, complementando o comportamento espectral destes materiais,
vamos dar continuidade ao comportamento espectral dos solos. Podemos
conceituar o solo como um material inconsolidado da superfície terrestre que
serve como meio natural para o crescimento de plantas, e as raízes das plantas
residem dentro deste material e dele extraem água e nutrientes (JENSEN, 2009).
Os principais componentes dos solos são sólidos inorgânicos, matéria

orgânica, ar e água. Os espaços porosos entre as partículas de materiais sólidos
são ocupados ou pela água do solo ou pelo ar do solo, em concentrações variantes.
53
A água do solo pode ser descrita como uma solução que contém uma variedade
de compostos. As moléculas de água também podem ser encontradas como
componentes estruturais em alguns cristais laminares (EPIPHANIO et al., 1992).
Segundo Jensen (2009), os solos são caracterizados por horizontes, ou

também conhecidas como camadas horizontais, que são distinguíveis do material
rochoso como resultado de adições, perdas, transferências e transformações de
energia e matéria, com capacidade de suportar plantas com raízes num ambiente
natural. Quanto ao comportamento espectral do solo, Novo e Ponzoni (2001)
ressaltam que:
O comportamento espectral do solo é afetado por diversos fatores

dentre os quais destacam-se: a cor do solo, o tipo do solo (latossolo,
litossolo, podzólico), o teor de matéria orgânica nele presente, o teor
de ferro, a composição mineralógica do solo (presença ou ausência
de minerais escuros), o teor de umidade, e a sua textura (distribuição
de tamanho das partículas presentes no solo, ou proporção de argila,
silte e areia). O aspecto mais complexo no estudo e compreensão do
comportamento espectral do solo, é que em laboratório nós podemos
isolar esses componentes, e estudar seu efeito sobre a resposta
espectral do solo. Mas na natureza, esses componentes encontram-se
inexoravelmente relacionados, às vezes, reforçando o efeito sobre o
outro, outras vezes, anulando (NOVO; PONZONI, 2001, p. 50).
Quanto à granulometria, o aumento da concentração de minerais félsicos

(textura de granulação muito fina) e a consequente diminuição do tamanho das
partículas incrementa a reflectância atenuando as bandas de absorção. O contrário
se verifica na medida em que aumenta a concentração de minerais máficos (rochas
ou minerais ricos em ferro e magnésio) (FIGUEIREDO, 2005). Podemos observar,
na Figura 29, uma comparação da reflectância dos três tipos de solo, o arenoso,
siltoso e argiloso.
FIGURA 29 – REFLECTÂNCIA ESPECTRAL DE TRÊS TIPOS DE SOLO
54
A principal característica dos solos abordados na Figura 29 é a predominân-

cia dos componentes que cada um. No solo arenoso há a predominância de areia,
e seu diâmetro costuma variar entre 0,05 mm a 4,8 mm, todos visíveis a olho nu.
Uma das características principais da areia é a falta de coesão, ou seja,

seus grãos são facilmente separáveis um dos outros quando estão secos, além de
possuir alta permeabilidade, ou seja, a capacidade de circulação de água entre os
grãos (FIGUEIREDO, 2005; ROSA, 2009).
Quanto ao solo siltoso, conforme podemos notar pelo nome, há a predomi-

nância de silte. Seu diâmetro pode variar entre 0,005 mm e 0,05 mm, sendo então
grãos bem pequenos. Este possui pouca coerência, e quando entra em contato dire-
to com a água, transforma-se em lama. Devido a ao seu diâmetro e textura, o silte
pode ser considerado entre a areia e a argila (FIGUEIREDO, 2005; ROSA, 2009).
O solo argiloso possui a predominância de argila, e o diâmetro de seus grãos

variam entre 0,005 mm e até mesmo grãos microscópicos. Suas principais caracterís-
ticas são suas cores vivas e sua alta capacidade de aglutinação quando em contato di-
reto com água, ficando com uma textura viscosa (FIGUEIREDO, 2005; ROSA, 2009).
No que diz respeito à umidade dos solos, quanto mais úmidos, menor será
sua reflectância, e quanto mais secos, maior será sua capacidade de reflectância,
efeitos ocorrentes por todo o espectro eletromagnético, porém, Novo e Ponzoni
(2001) ressaltam que este efeito não é o mesmo para todos os tipos de solos.
Na Figura 30 podemos analisar a comparação entre o teor de umidade

do solo arenoso. Notamos que com a umidade entre 0 e 4%, a reflectância do
solo consegue atingir até aproximadamente 50% de reflectância, destacando-se
dos demais percentuais. Ao analisar o percentual de umidade entre 22 e 32%,
sendo este o mais úmido, podemos identificar o baixíssimo nível de reflectância,
principalmente se comparado ao solo seco (ROSA, 2009).
FIGURA 30 – REFLECTÂNCIA ESPECTRAL DE SOLO ARENOSO COM DIFERENTES TEORES DE

UMIDADE
55
Conforme vimos, a quantidade de matéria orgânica também possui

grande influência na resposta espectral dos solos expostos. A Figura 31
apresenta a comparação entre o solo 100% arenoso, com os solos que possuem
certo percentual de matéria orgânica. Percebemos então que quanto maior for
a quantidade de matéria orgânica no solo, menor será a reflectância espectral e
maior será a absorção da energia incidente (JENSEN, 2009).
FIGURA 31 – REFLECTÂNCIA ESPECTRAL DE SOLO AROSO COM MATÉRIA ORGÂNICA
Ao analisar a Figura 31, notamos que quando há 100% de areia, o percen-

tual de reflectância consegue atingir >40%. Se compararmos com o solo formado
por 75% areia de 25% orgânico, notamos que o seu percentual de reflectância não
chega nem a 30%, e quando ocorre de ser 100% orgânico, seu percentual chega a
aproximadamente 10% (JENSEN, 2009).
Tratando-se das curvas espectrais, Novo (2010) explica que as curvas

espectrais dos solos podem ser organizadas em cinco tipos, conforme o Quadro
10, no qual podemos observar, de forma resumida, sugestões de algumas faixas
espectrais para estudos voltados às propriedades do solo.
QUADRO 10 – CARACTERÍSTICAS PRINCIPAIS DAS CURVAS ESPECTRAIS DOS SOLOS
Tipo de Região do
Feição espectral Característica do solo
Curva espectro
Boa reflectância
1 0,32 - 1,00 µm -
Forma côncava
56
0,32 - 0,60 µm Gradiente decrescente
0,60 - 0,70 µm Gradiente acentuado

Solos bem drenados,
2
0,70 - 0,74 µm Gradiente decrescente pouca matéria orgânica.
0,32 - 0,75 µm Forma convexa
0,32 - 0,60 µm Gradiente acentuado
0,60 - 0,74 µm Gradiente pequeno Solos com conteúdo de

3 ferro razoavelmente
0,76 - 0,78 µm Gradiente decrescente elevado.
0,88 - 1,00 µm Gradiente aumenta c/d
0,32 - 2,30 µm Baixa reflectância

Alto conteúdo de ferro e
4
Redução da matéria orgânica.
0,88 - 1,30 µm
reflectância
Gradiente decrescente
Alto conteúdo de ferro
Não há banda de
5 0,75 - 1,30 µm e baixo conteúdo de
absorção de água em
matéria orgânica.
1,45 µm
Para fins de monitoramento das propriedades físico-químicas dos solos,

Novo (2010) tabulou essas características de forma resumida também, conforme
podemos observar no Quadro 11.
QUADRO 11 – REGIÕES DO ESPECTRO MAIS ADEQUADAS AO ESTUDO DE PROPRIEDADES

FÍSICO-QUÍMICAS DE SOLOS
Regiões espectrais Propriedades
Monitoramento de matéria orgânica em solos sem

0,57 µm
cobertura vegetal.
Monitoramento do conteúdo de compostos de ferro
0,7 µm e 0,9 µm
férrico.
Monitoramento de conteúdo de compostos de ferro
1,0 µm
ferroso.
2,2 µm Monitoramento de unidade do solo.
FONTE: Novo (2010, p. 260)
57
Ao tratar do comportamento espectral da vegetação, temos que ter em

mente que seu comportamento espectral depende de sua composição, morfologia
e estrutura interna, podendo, então, ter diferentes comportamentos entre os
grupos distintos geneticamente. Segundo Jensen (2009), aproximadamente
70% da superfície terrestre é coberta por vegetação, além de ser um dos mais
importantes componentes dos ecossistemas.
As técnicas de sensoriamento remoto podem ser aplicadas na extensa

variedade de superfície vegetada, como, por exemplo, vegetação florestal, cultura
agrícola, pastagens nativas e vegetação urbana.
As folhas da vegetação são os principais elementos para responder ao

comportamento espectral da vegetação, e segundo Valeriano (1988), funcionam
como coletores de luz, que apresentam pigmentos e adaptações anatômicas que
otimizam a interceptação da radiação para a fotossíntese, o que resulta num
padrão próprio de comportamento espectral.
A fotossíntese é conceituada como o processo de armazenamento da

energia que ocorre em folhas e em outras partes verdes das plantas na presença na
luz, e este processo inicia-se quando a luz solar atinge os cloroplastos, pequenos
corpos existentes nas folhas, os quais contém uma substância verde chamada
clorofila (JENSEN, 2009). A clorofila atua diretamente na captação de energia
eletromagnética, absorvendo as radiações azuis e vermelhas, resultando então a
coloração verde às plantas.
As proporções médias de pigmentos em plantas superiores são de 65%

de clorofila, 6% de carotenos e 29% de xantofilas. Diversos fatores alteram estas
proporções, como, por exemplo, a senescência e a desnutrição mineral. Reduções
no teor de clorofila permitem a manifestação dos pigmentos auxiliares antes
mascarados, fenômeno denominado clorose (VALERIANO, 1988).
A Figura 32 representa a curva espectral média da vegetação

fotossinteticamente ativa.
58
FIGURA 32 – CURVA MÉDIA DA VEGETAÇÃO FOTOSSINTERICAMENTE ATIVA
A partir de sua análise, podemos separá-las em três regiões espectrais, em

função dos fatores que condicionam seu comportamento (NOVO, 2010), sendo eles:
a) Até 0,7 µm, a reflectância é baixa (< que 20%), dominando a

absorção da radiação incidente pelos pigmentos da planta em 0,48 µm
(carotenoides) e em 0,62 µm (clorofila). Em 0,56 µm, há um pequeno
aumento da reflectância, não atingindo, porém, níveis superiores a 20%.
É a reflectância responsável pela percepção da cor verde da vegetação;
b) De 0,7 µm a 1,3 µm, temos a região dominada pela alta reflectância
da vegetação (30% < ρ < 40%), devido à interferência da estrutura celular
(estrutura do mesófilo);
c) Entre 1,3 µm e 2,5 µm, a reflectância da vegetação é dominada
pelo conteúdo de água das folhas. Nessa região, encontram-se dois
máximos de absorção pela água; em 1,4 µm e 1,95 µm, a esta região
correspondem também as bandas de absorção atmosférica; por isto
os sensores desenvolvidos têm suas faixas espectrais deslocadas para
regiões menos sujeitas à atenuação atmosférica (NOVO, 2010, p. 256).
A partir da análise da Figura 32, podemos identificar, então, as três

regiões ativas do espectro de uma vegetação verde, sendo elas a região do visível,
o infravermelho próximo e o infravermelho médio. A partir disso, podemos
identificar os principais aspectos relacionados ao comportamento espectral da
folha em cada uma dessas regiões.
Na região do visível, os pigmentos existentes nas folhas dominam a

reflectância espectral. Estes pigmentos, geralmente encontrados nos cloroplastos
são: clorofila (65%), carotenos (6%), e xantofilas (29%), porém estes valores
podem variar grandemente de espécie para espécie. A energia radiante interage
com a estrutura foliar por absorção e por espalhamento. A energia é absorvida
59
seletivamente pela clorofila e é convertida em calor ou fluorescência, e também

convertida fotoquimicamente em energia estocada na forma de componentes
orgânicos através da fotossíntese (NOVO; PONZONI, 2001).
Na região do infravermelho próximo existe uma pequena absorção da

radiação eletromagnética e um considerável espalhamento interno na folha. A
absorção da água é geralmente baixa nessa região, portanto, a reflectância espectral
é quase constante (NOVO; PONZONI, 2001). A fração de energia retida na folha
oscila em torno de 5 a 10% da energia incidente. O restante é dividido entre a
reflectância e a transmitância, em proporções que variam em função do tipo de
estrutura de mesófilo, da sua espessura e do seu teor de água (VALERIANO, 1988).
Quanto à região do infravermelho médio, a absorção devido à água

líquida predomina na reflectância espectral das folhas na região do infravermelho
próximo. A água absorve consideravelmente a radiação eletromagnética incidente
na região espectral compreendida entre 1,3 a 2 μm. Em termos mais pontuais, a
absorção da água se dá em 1,1 μm; 1,45 μm; 1,95 μm; 2,7 μm e 6,3 μm.
Entretanto, conforme vimos, o comportamento espectral da vegetação

depende de uma série de fatores físico-químicos, além dos fatores externos que
possuem influência direta também em seu comportamento. Valeriano (1988)
explica alguns desses componentes externos e também a respeito da paisagem na
qual é mais comum de encontrar a cena da vegetação, enfatizando a relação entre
vegetação e alvos externos.
Basicamente, a medida da reflectância espectral da vegetação depende

de uma série de fatores como as condições atmosféricas, espécie, solo
(granulometria, água, nutrientes), índice de área foliar (cobertura
da vegetação por unidade de área), estado fenológico (variação
sazonal), biomassa (densidade total de vegetação), folha (forma,
posição, água, pigmentação, estrutura interna etc.), geometria de
medida, tipo de sistema sensor e cobertura da copa. Vários tipos de
folhas, solo, material do horizonte O (Serrapilheira), troncos, áreas de
sombra, flores, etc. são alvos normalmente encontrados numa cena de
vegetação. Naturalmente suas importâncias variam em função do tipo
de vegetação, predominando as folhas em formações florestais, ou o
solo em vegetação esparsa, por exemplo. Os principais fatores que
afetam a reflectância de uma cena com cobertura vegetal são o Índice
de Cobertura (I.C.), o Índice de Área Foliar (I.A.F.), a Distribuição
Angular das Folhas (D.A.F.), a presença de sombras, a reflectância
do solo, inclusive de seu horizonte O, os ângulos de iluminação
e de observação, além, é claro das características de reflectância e
transmitância de suas folhas e, com menor importância, de caules,
flores e outros constituintes da vegetação (VALERIANO, 1988, p. 20).
Assim como o conteúdo apresentado anteriormente, entender o

comportamento espectral da água também depende de alguns fatores. De início,
precisamos ter em mente de que a água pode ser apresentada de diferentes
estados físicos no meio natural, podendo ser, de uma forma mais generalizada,
em estado líquido, sólido (gelo) e vapor d’água.
60
Em cada estado físico em que se encontra, a água apresenta um

comportamento espectral específico. Na Figura 33, podemos analisar estas
características, quando encontrada em seu estado liquido, apresenta baixíssima
reflectância, diferentemente do seu estado sólido, analisada no gráfico em forma
de neve, o qual apresenta o maior nível de reflectância. Quando analisada a
reflectância das nuvens, notamos também sua elevada reflectância, com amplas
bandas de absorção em torno de 1,0 µm, 1,3 µm e 2 µm.
FIGURA 33 – COMPORTAMENTO ESPECTRAL DA ÁGUA EM SEUS TRÊS ESTADOS FÍSICOS
FONTE: Novo (2010, p. 262)
A reflectância da água pode ser fortemente influenciada pela sua pureza,

pois quanto mais pura, sem constituintes em suspensão ou dissolvidos, mais
baixa será sua reflectância, deve-se isso ao pequeno coeficiente de espalhamento
e à elevada transmitância. Estes constituintes em contato com a água podem ser
formados por organismos vivos (fitoplâncton, zooplâncton e bacterioplâncton),
partículas em suspensão (orgânicas e inorgânicas) e substâncias dissolvidas
(NOVO, 2010).
Portanto, é certo que a água limpa absorve mais a luz que água suja. Ao
longo do espectro, a água vai diminuindo a reflectância a medida em que se desloca
para comprimentos de ondas maiores. Na região do visível, mais especificamente
nos comprimentos de onda do azul e verde, observa-se significativa reflectância
da água, decrescendo gradualmente na direção do infravermelho.
Novo e Ponzoni (2001) explicam que a diferença fundamental entre a

análise do comportamento espectral da água e dos demais alvos é que, quando se
estuda o comportamento de uma rocha, por exemplo, o que se busca é conhecer
as propriedades daquela rocha, mas quando se estuda o comportamento da água,
o que se busca conhecer não é a “água objeto em si mesmo”, mas os componentes
que se encontram dissolvidos suspensos que estão em contato direto.
61
Podemos observar, então, o comportamento espectral dos alvos da

superfície terrestre apresentam diferentes graus de complexidade, cada um com
sua particularidade. É preciso ter ciência de que todos os componentes, tanto
internos quanto externos, possuem certo grau de influência com os materiais, e
devem ser levados em consideração ao realizar uma análise com os dados obtidos
através dos sensores remotos, pois só assim será possível desenvolver trabalhos
que sejam assertivos em termos de aplicações do sensoriamento remoto em
diversos fenômenos terrestres.
E
IMPORTANT
A leitura complementar traz um artigo que trata do sensoriamento remoto

aplicado no estudo da vegetação a partir de um panorama geral da evolução, exemplos de
sensores e a discussão a respeito de alguns dos principais processamentos utilizados para
monitoramento da vegetação nos biomas brasileiros. O artigo intitulado Sensoriamento
remoto da vegetação: evolução e estado-da-arte é uma publicação de Laerte Guimarães
Ferreira, Nilson Clementino Ferreira e Manuel Eduardo Ferreira, e está disponível no
periódico Acta Scientiarum Biological Sciences. Para a leitura completa e detalhada do
artigo, você pode acessar o endereço eletrônico: http://periodicos.uem.br/ojs/index.php/
ActaSciBiolSci/article/view/5868/5868.
62
LEITURA COMPLEMENTAR
SENSORIAMENTO REMOTO DA VEGETAÇÃO: EVOLUÇÃO E

ESTADO-DA-ARTE
Laerte Guimarães Ferreira

Nilson Clementino Ferreira
Manuel Eduardo Ferreira
Introdução
O primeiro grande levantamento sistemático da cobertura vegetal no Brasil

remonta à década de 1970, quando, com o intuito de conhecer principalmente
a cartografia, a vegetação, a geologia e a natureza dos solos da Amazônia e do
Nordeste brasileiros, teve início o Projeto Radam (junho de 1971), baseado em
um método pouco convencional à época: o imageamento por radar de visada
lateral (Side-Looking Airborne Radar – SLAR). Em julho de 1975, a responsabilidade
pelo mapeamento integrado dos recursos naturais passou a ser do projeto
Radambrasil, que expandiu o levantamento de radar para o restante do território
nacional (ALLEVATO, 1979).
Em 2006, o Ministério do Meio Ambiente, no âmbito do Projeto de

Conservação e Utilização Sustentável da Diversidade Biológica Brasileira
(PROBIO), concluiu o mapeamento (à escala de 1:250.000) dos remanescentes da
cobertura vegetal nos biomas brasileiros (Floresta Amazônica, Mata Atlântica,
Cerrado, Pantanal, Caatinga e Campos Sulinos), tendo por base imagens
Landsat ETM+, obtidas em 2001 e 2002, e analisadas por métodos de classificação
automática e interpretação visual.
Muitas mudanças separam estes dois grandes levantamentos que, até

o momento, são as principais iniciativas voltadas a uma gestão territorial mais
integrada, eficiente e sustentável. Em nível de paisagem, há muito menos cobertura
vegetal – o Cerrado, por exemplo, foi reduzido a aproximadamente 55% da sua
cobertura vegetal original. Quanto ao sensoriamento remoto, este passou a ser
predominantemente orbital e, na era da internet, acessível a qualquer pessoa. Em
fato, passou a ser um pouco mais brasileiro, com o lançamento, em outubro de
1999, do China-Brazil Earth Resources Satellite (CBERS 1), munido de três sensores
concebidos para o monitoramento da cobertura vegetal em diferentes escalas.
Entre estes, destaca-se o CCD (Charge Coupled Device), com 20 m de resolução,
uma banda pancromática e bandas no azul, verde, vermelho, infravermelho
próximo (EPIPHANIO, 2005). O CBERS2, há três anos em órbita, tem sido
utilizado nas mais diversas aplicações, como, por exemplo, monitoramento da
63
exploração madeireira na Amazônia (MARTINS E SOUZA FILHO et al., 2006),

monitoramento da produção agrícola em Goiás com fins de arrecadação fiscal
(BARBALHO et al., 2005) e mapeamento de fitofisionomias em áreas de Cerrado
(BEZERRA et al., 2007). Em função do sucesso obtido com esses dois primeiros
satélites, em 2007 foi lançado o CBERS-2B (cuja expectativa é de que seja seguido
dos CBERS 3 e 4), o qual, além dos sensores CCD e WFI (Wide Field Imager, com
duas bandas – vermelho e infravermelho – de 260 m de resolução), também traz o
sensor HRC (High Resoution Camera), com resolução espacial de 2,5 m.
O propósito deste artigo é o de discutir, com base em uma revisão

sistemática, a evolução do sensoriamento remoto da vegetação, tanto nos seus
aspectos de desenvolvimento e aplicação (remote sensing applications) quanto
científicos (remote sensing science).
Material e métodos
Este artigo tem como eixo norteador o uso das imagens orbitais em
estudos da cobertura vegetal, conforme os seguintes aspectos principais: (1) a
evolução dos sistemas sensores; (2) técnicas de realce da resposta espectral da
vegetação; e (3) o monitoramento de desmatamentos. O material de análise é
a vasta literatura disponível, principalmente aquela publicada em periódicos
indexados e arbitrados, bem como os vários dados e resultados obtidos pelos
autores ao longo dos últimos anos.
Resultados e discussão
Sistemas sensores: concepções, avanços e perspectivas
O início do sensoriamento remoto orbital remonta aos primeiros voos

espaciais tripulados na década de 1960 e ao lançamento, em 1972, do Earth
Resource Technological Satellites (ERTS-1), posteriormente denominado Landsat
1, cuja série, hoje no seu sétimo satélite, é certamente o programa mais bem-
sucedido de sensoriamento remoto para fins de mapeamento e monitoramento
sistemático da superfície terrestre (SALOVAARA et al., 2005; WOODCOCK et al.,
2001). Com o lançamento dos Landsats 4 e 5, em julho de 1982 e março de 1984,
respectivamente, o programa Landsat entra em sua segunda geração. A principal
inovação é o sensor TM (Thematic Mapper), cujas características, como resolução
espacial média (~30m), bandas distribuídas nas regiões do visível, infravermelho
próximo e infravermelho de ondas curtas, resolução temporal de 16 dias e
imagens de 8 bits, tornaram-se um padrão de referência para sensores ópticos até
os dias atuais, como é o caso do sensor Aster e até do próprio programa CBERS.
A importância do programa Landsat foi reconhecida pelo Congresso Americano,
que aprovou, em outubro de 1992, o Land Remote Sensing Policy Act, o qual
autorizou o desenvolvimento do Landsat 7 e uma nova política de distribuição
de dados, que tornou possível uma cena Landsat custar hoje em torno de 400
dólares, ou, aproximadamente, 10% do seu valor em 1985, quando o programa
Landsat foi privatizado e passou a ser operado pela Earth Observation Satellite
64
Company (Eosat), atual Space Imaging. O sensor Enhanced Thematic Mapper (ETM+),
lançado a bordo do Landsat 7, em abril de 1999, trouxe poucas, mas importantes
inovações em relação ao sensor TM, entre estas, uma banda pancromática de 15m
e a preocupação, sem precedentes em sensores de uso geral, com a qualidade e
calibração dos dados. Desde maio de 2003, em função de problemas técnicos,
24% das cenas ETM+ (principalmente em direção às bordas) apresentam falhas
de recobrimento.
Em linhas gerais, nestes pouco mais de 30 anos, a evolução do sensoriamento

remoto, marcada por sensores cada vez mais confiáveis e temáticos, deu-se por
quatro caminhos principais: o surgimento dos sensores orbitais de micro-ondas,
os sensores de resolução espacial submétrica, os sensores hiperespectrais e os
sensores de alta resolução temporal.
As primeiras imagens de radar orbitais datam de 1991, com o lançamento

do ERS-1 (European Remote Sensing). Em função das características da radiação de
micro-ondas (i.e., penetração no dossel vegetal, sensibilidade à forma e estrutura
do dossel e alta sensibilidade às variações de umidade), estas imagens, bem como
aquelas obtidas por meio de outros satélites com sistemas de micro-ondas, como o
Radarsat 1 (Radar Satellite da Agência Espacial Canadense, lançado em agosto de
1995), o ERS-2 (lançado em abril de 1995), o JERS-1 (Japan Earth Resource Satellite,
lançado em fevereiro de 1992), o Envisat (Environmental Satellite, da Agência
Espacial Europeia, lançado em março de 2002) e, mais recentemente, o ALOS
(Advanced Land Observing System, da Agência Espacial Japonesa, lançado em
janeiro de 2006), têm sido principalmente utilizadas para obtenção de parâmetros
como biomassa, área foliar, altura do dossel e mapeamento da vegetação em
áreas alagadas (KASISCHKE et al., 1997; ALMEIDA FILHO et al., 2007). Estudos
preliminares também demonstram que estas imagens podem ser úteis na
discriminação de tipos de fisionomias de Cerrado, cuja organização em diferentes
estratos (herbáceo, arbustivo e arbóreo) é bastante favorável à interação com a
radiação de micro-ondas, principalmente aquela de comprimentos mais longos
(ex. banda L) (SANO et al., 2001). Da mesma forma, uma melhor discriminação
destas fisionomias pode ser obtida a partir da integração de dados ópticos e de
radar (SANO et al., 2005).
Contrapondo-se às imagens de radar, resultado do retroespalhamento

da radiação eletromagnética de comprimentos longos (1 mm a 1 m), estão as
imagens ópticas, geradas a partir da reflexão da radiação eletromagnética no
visível, infravermelho próximo e infravermelho de ondas curtas. Enquanto nas
imagens de radar o que importa são as características físicas e macroscópicas
da superfície (principalmente rugosidade, textura, estrutura e umidade), no
sensoriamento óptico, o conjunto de respostas espectrais é resultado de interações
microscópicas, determinado pela composição atômico-molecular dos materiais
(ex. variação no teor de clorofila de uma folha, fazendo-a mais ou menos verde)
(PONZONI, 2001).
65
Em um dos extremos deste espectro óptico – radar, situam-se as imagens

orbitais hiperespectrais, ainda muito recentes e restritas a aplicações científicas
ou militares, cujo primeiro sensor orbital, o Hyperion, com 220 bandas no
intervalo de 400 a 2.500 mm, foi lançado a bordo do satélite Earth Observer 1, em
novembro de 2000. Entre os vários resultados obtidos com este sensor, destacam-
se os estudos sobre os efeitos de secas prolongadas na capacidade da floresta
Amazônica de reter CO2 (ASNER et al., 2004) e o monitoramento de variedades
de cana-de-açúcar (GALVÃO et al., 2005). Outra experiência hiperespectral,
lançada em outubro de 2001 pela Agência Espacial Europeia, foi o sensor Chris
(Compact High Resoution Imaging Spectrometer), com 19 bandas na região do visível
e infravermelho próximo (400 a 1.050 nm), utilizado com sucesso em estimativas
de produtividade agrícola e medidas de eficiência fotossintética (SABRINA et
al., 2005; SMITH et al., 2005). O futuro do imageamento hiperspectral é bastante
promissor, e atualmente a NASA está avaliando a possibilidade de lançar o
sensor Flora, cujo objetivo é disponibilizar informações de alta resolução espacial
(45 m) da vegetação global quanto a composição, processos e produtividade de
ecossistemas e resposta destes às variações climáticas e mudanças na cobertura
da terra (ASNER et al., 2005a). Da mesma forma, a Agência Espacial Canadense
planeja o lançamento do sensor hiperespectral HERO (Hyperspectral Earth
Resources Observer) com vistas a aplicações em inventário florestal (identificação
de espécies etc.), determinação de bioindicadores (clorofila, nitrogênio e água) e
monitoramento marinho, costeiro e de águas continentais (aporte de sedimentos,
nutrientes etc.) (GOODENOUGH et al., 2004).
Em função de limitações físicas e tecnológicas, ainda temos que optar entre

alta resolução espectral ou espacial (o Hyperion, por exemplo, tem resolução de 30
m). E o desenvolvimento de sensores com resoluções espaciais cada vez maiores
tem sido igualmente impressionante. Do sensor MSS (Multispectral Scanner
System), a bordo do Landsat 1, com 80 m de resolução, passando pelo sensor HRV
(High Resoution Visible Imaging System) do satélite Francês SPOT (Satellite pour
l'Observation de la Terre), em 1984, com 10 m, chegamos à impressionante resolução
de 0,6 m do satélite Quickbird! Ao contrário dos sensores hiperespectrais, ainda de
caráter experimental e pouco difundidos, as imagens de alta resolução espacial se
tornaram, a partir de setembro de 1999, com o lançamento do satélite Ikonos (Space
Imaging), a grande sensação do sensoriamento remoto comercial. Pelos elevados
custos destas imagens (tanto para aquisição quanto para processamento), estas
têm sido preferencialmente utilizadas em estudos bastante específicos, como
aqueles desenvolvidos no âmbito do Experimento de Grande Escala da Biosfera-
Atmosfera na Amazônia (ASNER et al., 2002; HURTT et al., 2003).
Ao todo, já são nove satélites em operação com sensores de resolução

espacial > 2,5 m, sendo que em 2007, a Digital Globe (atual proprietária do
Quickbird) lançou o WorldView I, com resolução de 50 cm e período de revisita
de, aproximadamente, 1,7 dias. Agora em 2008, um consórcio entre o Governo
Alemão e a iniciativa privada lançou uma constelação de cinco microssatélites
(Rapid Eye) que começa a fornecer imagens diárias para qualquer localidade na
superfície terrestre, com resolução de 6,5 m e seis bandas espectrais (azul, verde,
66
vermelho, red-edge, infravermelho próximo e pancromático) (WEIR et al., 2005). É

interessante observar a existência de uma banda red-edge (a primeira em sensores
multiespectrais), cujo estreito intervalo espectral compreendendo a transição
vermelho/infravermelho é particularmente útil na detecção de estresse foliar.
Não por outro motivo, a série Rapid Eye é principalmente voltada para o rico
mercado da agricultura de precisão, com vistas ao mapeamento e monitoramento
agrícola. Pelos mesmos motivos, uma banda red-edge também estará presente
no WorldView II, com lançamento previsto para 2009, o qual trará ainda uma
nova banda amarela (haja vista que folhas amareladas, i.e., refletindo radiação
de comprimentos de onda entre o verde e o vermelho, denotam a ocorrência de
estresse hídrico, deficiência de nutrientes, presença de pragas etc.) e uma banda
costeira (azul) para monitoramento da qualidade da água (STONEY, 2006).
Com poucas exceções, o uso de imagens de radar, hiperespectrais

ou de resolução métrica/submétrica está restrito a estudos localizados e sem
continuidade temporal. Mapeamentos de grandes extensões territoriais e no
domínio temporal (i.e., diários, semanais, quinzenais ou mensais), por outro lado,
só se tornaram possíveis a partir dos satélites NOAA – AVHRR (Advanced Very
High Resoution Radiometer), cujas séries temporais de longa duração (Rodenick
et al., 1996) possibilitaram, por exemplo, constatar que a vegetação das altas
latitudes do Hemisfério Norte, pelos efeitos de um possível aquecimento global,
está apresentando significativas variações fenológicas, com um período de
crescimento mais longo (MYNENI et al., 1997).
Outro importante marco no monitoramento da vegetação em escala

global, e do próprio sensoriamento remoto quantitativo, diz respeito ao sensor
Modis (Moderate Resoution Imaging Spectrorradiometer), lançado a bordo do
satélite Terra, em dezembro de 1999, e a bordo do satélite Aqua, em maio de
2002. Este sensor, carro chefe do Earth Observing System (EOS – NASA), combina
características dos sensores AVHRR e do Landsat TM, ao mesmo tempo que traz
importantes avanços como, por exemplo, maior número de bandas, com maior
resolução espectral e mais bem posicionadas (menos sujeitas à contaminação
atmosférica e mais sensíveis à vegetação fotossinteticamente ativa) e resolução
espacial de 250, 500 e 1000 m (JUSTICE et al., 1998). Os dados Modis, de elevada
acuidade e precisão radiométrica e espacial, e continuamente calibrados, são
distribuídos gratuitamente na forma de diferentes produtos, entre os quais se
destaca o produto MOD13 (índices de vegetação).
A profusão e a diversidade de tipos de sensores têm sido acompanhadas

de maior sinergismo no uso dos dados (Figura 1), bem como de novos paradigmas
quanto a processamento, acesso e aplicações das imagens disponíveis, os quais
também têm direcionado o desenvolvimento de novos instrumentos que precisam
conciliar inovações com a garantia de continuidade no fornecimento de dados
(BRYANT et al., 2003). Um exemplo nesse sentido é o Landsat Data Continuity
Mission (LDCM), que tem por objetivo lançar, em julho de 2011, o Landsat 8, cujo
sensor OLI (Operational Land Imager) trará apenas duas inovações em relação ao
ETM+: uma banda azul adicional (433 a 453 nm), para monitoramento costeiro
67
e de aerossóis, e uma banda entre 1.360 e 1.390 nm para detecção de nuvens

Cirrus (que, por serem de difícil percepção, comprometem em muito a qualidade
das imagens). Da mesma forma, o lançamento dos satélites NPP (NPOESS
Preparatory Project), em 2009, e NPOESS (National Polar-Orbiting Operational
Environmental Satellite System), em 2010, garantirão, por meio do instrumento
VIIRS (Visible Infrared Imager/Radiometer Suite), a continuidade dos dados Modis
(TOWNSHEND; JUSTICE, 2002).
Ainda com respeito à continuidade de dados e constituição de séries

históricas de longa duração, importantes para o entendimento e acompanhamento
de fenômenos naturais e antrópicos, principalmente os de abrangência global, um
esforço considerável também tem sido dedicado ao desenvolvimento dos chamados
algoritmos de translação, cujo objetivo é fazer com que dados de diferentes
instrumentos sensores (ex. AVHRR e Modis) possam ser comparados de forma
operacional e conforme determinados intervalos de confiança (MIURA et al., 2006).
A manutenção dessas séries históricas, por outro lado, tem exigido

atenção especial quanto ao armazenamento e à recuperação de dados. Só no
âmbito do programa Landsat, o National Satellite Land Remote Sensing Data Archive
já acumula, distribuídos ao longo de 33 anos, 2.8 pentabytes de dados.
Toda esta revolução tem sido também caracterizada (e tornada possível)

por uma maior cooperação entre países, entre governo e iniciativa privada etc.
(BIRK et al., 2003). Recentemente, foi criado o Geoss (Global Earth Observing System
of Systems), um verdadeiro consórcio transnacional (65 países até o momento,
incluindo o Brasil) com o objetivo de buscar soluções conjuntas para problemas
comuns (ex. aquecimento global, catástrofes naturais, desmatamento de florestas
tropicais), tendo por linhas de ação a disponibilidade e compartilhamento de
dados e o aumento na capacidade de uso destes (fortalecimento de comunidades
de usuários etc.). Também emblemático é o próprio Google Earth que, em pouco
mais de um ano, trouxe o sensoriamento remoto para dentro de nossas casas e
agora, por meio de uma parceria com a NASA, está disponibilizando imagens
de aplicações científicas, como índices de vegetação, séries históricas Landsat e
AVHRR etc. (BUTLER, 2006).
FONTE: FERREIRA, L. G.; FERREIRA, N. C.; FERREIRA, M. E. Sensoriamento remoto da vegeta-

ção: evolução e estado-da-arte. Acta Scientiarum Biological Sciences, Maringá, v. 30, n. 4, p.
379-390, 2008. Disponível em: <http://periodicos.uem.br/ojs/index.php/ActaSciBiolSci/article/
view/5868/5868>. Acesso em: 25 jul. 2020.
68
RESUMO DO TÓPICO 2
• A principal fonte de energia natural do sensoriamento remoto é o Sol, e os

princípios físicos do sensoriamento remoto fundamentam-se pela interação da
radiação eletromagnética com a matéria estabelecida na superfície terrestre.
• A radiação eletromagnética pode sofrer diversas interferências durante seu

percurso, causados, principalmente, pelos gases localizados na atmosfera
terrestre, podendo alterar o seu comportamento.
• Espectro eletromagnético é o modelo teórico que representa os comprimentos

de onda que compõem a radiação eletromagnética, e é dividido num certo
número de regiões, ou faixas espectrais.
• As principais faixas do espectro eletromagnético utilizadas no sensoriamento

remoto são a do visível, infravermelho próximo, infravermelho de ondas
curtas, infravermelho médio, infravermelho termal e micro-ondas (radar).
• O comportamento espectral de um alvo terrestre pode ser definido como a

medida da refletância deste objeto ao longo do espectro eletromagnético, este
processo também é conhecido como assinatura espectral do objeto, logo, é a
assinatura espectral do objeto, através de suas feições, forma, intensidade e
localização em cada banda de absorção que irá caracterizar caracterizá-lo em
• Conhecer o comportamento espectral dos alvos terrestres é importante

para a escolha de regiões espectrais que pretendemos adquirir dados para
determinadas aplicações.
CHAMADA
Ficou alguma dúvida? Construímos uma trilha de aprendizagem

pensando em facilitar sua compreensão. Acesse o QR Code, que levará ao
AVA, e veja as novidades que preparamos para seu estudo.
69
AUTOATIVIDADE
1 O espectro eletromagnético trata da distribuição dos comprimentos

de ondas que compõem a radiação eletromagnética em diversas faixas
espectrais, por vezes, também denominadas de regiões espectrais. Os
intervalos contidos no espectro eletromagnético variam desde os raios
gama até as ondas de rádio. No entanto, nem todas as faixas espectrais são
de interesse do sensoriamento remoto para observação da Terra.
No estudo da vegetação, por exemplo, há duas regiões espectrais que são
fundamentais para compreender seu comportamento espectral. Conforme
a figura a seguir, além da região espectral do visível (RGB: 0,45 – 0,75µm),
há outra região espectral de suma importância para o estudo da vegetação.
FONTE: <https://bit.ly/3n8S5iV>. Acesso em: 25 jul. 2020.
Assinale a alternativa que corresponde à região espectral correta, em relação à

importância no estudo da vegetação por imagens de sensoriamento remoto.
a) ( ) Infravermelho distante (450 – 750nm).

b) ( ) Infravermelho próximo (0,76 – 0,91µm).
c) ( ) Vermelho (0,45 – 0,75µm).
d) ( ) Raios-X (100 – 200cm).
2 Os sensores passivos são aqueles que necessitam de uma fonte de energia

que interage com os alvos terrestres e, posteriormente, são registrados
por estes sensores, sendo esse contexto comumente entendido como parte
dos princípios físicos do sensoriamento remoto. Desse modo, assinale a
alternativa que corresponde, respectivamente, à principal fonte de energia
para os sensores passivos, a energia e sua forma de propagação registrada
pelos sensores:
70
a) ( ) Espectro eletromagnético – onda eletromagnética – nuvens.
b) ( ) Espectro eletromagnético – radiação eletromagnética – ondas.
c) ( ) Sol – radiação eletromagnética – ondas.
d) ( ) Sol – onda eletromagnética – radiações.
3 Um dos fundamentos básicos para a compreensão do sensoriamento

remoto se refere à compreensão da interação da radiação eletromagnética
com os objetos na superfície terrestre e o posterior processo de captação da
energia pelos sensores acoplados em satélites.
FONTE: Adaptada de IBGE (2018)
Ao observar a figura anterior, assinale a alternativa que melhor representa o

conjunto de atividades que compõem a obtenção de imagens em sensoriamento
remoto.
a) ( ) I – Fonte de Energia, II – Energia refletida, III – Emitância, IV – Energia

absorvida.
b) ( ) I – Sol, II – Radiação eletromagnética, III – Infravermelho, IV – Energia
absorvida.
c) ( ) I – Fonte de energia, II – Energia incidente, III – Energia refletida, IV
– Energia absorvida.
d) ( ) I – Energia refletida, II – Energia incidente, III – Radiação
eletromagnética, IV – Absortância.
71
REFERÊNCIAS
AFFONSO, A. Introdução ao geoprocessamento e ao sensoriamento remoto.
2002. 52 f. Monografia (Bacharelado em Agronomia) – Universidade de Taubaté,
Taubaté, 2002.
BRASIL. Ministério da Ciência, Tecnologia e Inovações. Programa Espacial Bra-

sileiro – linha do tempo. Agência Espacial Brasileira, 13 mar. 2020. Disponível
em: http://www.aeb.gov.br/programa-espacial-brasileiro/linha-do-tempo/. Aces-
so em: 1º jul. 2020.
BAUMANN, P. R. History of remote sensing, aerial photography. Geo/SAT 2,

Oneonta, NY, 2014. Disponível em: http://employees.oneonta.edu/baumanpr/
geosat2/rs%20history%20i/rs-history-part-1.htm. Acesso em: 15 jun. 2020.
CARLEIAL, A. B. Uma breve história da conquista espacial. Parcerias Estratégicas,

Brasília, n. 7, p. 22-30, 1999.
DI MAIO, A. et al. Formação continuada de professores – sensoriamento remoto.

São José dos Campos: AEB, 2008.
EPIPHANIO, J. C. N. et al. Comportamento espectral de solos do estado de São

Paulo. São José dos Campos: INPE, 1992.
FLORENZANO, T. G. Iniciação em sensoriamento remoto. São Paulo: Oficina

de Textos, 2007.
FITZ, P. R. Geoprocessamento sem complicação. São Paulo: Oficina de Textos, 2008.
FIGUEIREDO, D. Conceitos básicos de sensoriamento remoto. Brasília: CONAB,

2005. (Apostila). Disponível em: http://www.clickgeo.com.br/wp-content/
uploads/2013/04/conceitos_sm.pdf. Acesso em: 8 jul. 2020.
FREIRE, S. C. Luz na faixa espectral do visível: efeitos na área dos poros digitais.
2003. 96 f. Dissertação (Mestrado em Bioengenharia) – Instituto de Pesquisa e
Desenvolvimento, Universidade do Vale do Paraíba (UNIVAP), 2003.
Instituto Brasileiro de Geografia e Estatística – IBGE. Atlas geográfico escolar. 8.

ed. Rio de Janeiro: IBGE, 2018.
JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspectiva em recursos

terrestres. 2. ed. São José dos Campos: Parêntese Editora, 2009.
LILLESAND, T. M; KIEFER, R. W. Remote sensing and image interpretation.

New York: John Wiley & Sons, 1972.
72
LORENZZETTI, J. A. Princípios físicos de sensoriamento remoto. São Paulo:
Blucher, 2015.
MACHADO, C. A. S.; QUINTANILHA, J. A. Sistemas de informações geográficas

(SIG) e geoposicionamento: uma aplicação urbana. São Paulo: Escola Politécnica
da Universidade de São Paulo, 2008. (Apostila). Disponível em: http://sites.poli.
usp.br/d/ptr2355/PTR2355_Apostila_SR.pdf. Acesso em: 12 jul. 2020.
MENESES, P. R. Princípios do sensoriamento remoto. In: MENESES, P. R.;

ALMEIDA, T. Introdução ao processamento de imagens de sensoriamento
remoto. Brasília: UnB, 2012a. p. 1-31.
MENESES, P. R. Sensores imageadores multiespectrais na faixa óptica (0,45 –

2,5μm). In: MENESES, P. R.; ALMEIDA, T. Introdução ao processamento de
imagens de sensoriamento remoto. Brasília: UnB, 2012b. p. 34-41.
MENESES, P. R.; ALMEIDA, T. Fundamentos de espectrorradiometria. In:

MENESES, P. R.; ALMEIDA, T.; BAPTISTA, G. M. M. Reflectância dos materiais
terrestres: análise e interpretação. São Paulo: Oficina de Textos, 2019a. p. 13-38.
MENESES, P. R.; ALMEIDA, T. Reflectância dos minerais. In: MENESES, P. R.;

ALMEIDA, T.; BAPTISTA, G. M. M. Reflectância dos materiais terrestres: análise
e interpretação. São Paulo: Oficina de Textos, 2019b. p. 39-66.
MENESES, P. R.; ALMEIDA, T. Transições eletrônicas e moleculares e a origem das

absorções. In: MENESES, P. R.; ALMEIDA, T.; BAPTISTA, G. M. M. Reflectância
dos materiais terrestres: análise e interpretação. São Paulo: Oficina de Textos,
2019c. p. 67-116.
MORAES, E. C. Fundamentos de sensoriamento remoto. In: MORAES, E. C. et al.

Curso de uso de sensoriamento remoto no estudo do meio ambiente. São José
dos Campos: INPE, 2002. (Capítulo 1) Disponível em: http://mtc-m12.sid.inpe.
br/col/sid.inpe.br/sergio/2005/06.14.12.18/doc/CAP1_ECMoraes.pdf. Acesso em:
7 jul. 2020.
NOVO, E. M. L. M. Sensoriamento remoto: princípios e aplicações. 4. ed. São

Paulo: Bucher, 2010.
NOVO, E. M. L. M.; PONZONI, F. J. Introdução ao sensoriamento remoto. São

José dos Campos: INPE, 2001. Disponível em: http://www.dpi.inpe.br/Miguel/
AlunosPG/Jarvis/SR_DPI7.pdf. Acesso em: 9 jul. 2020.
PARANHOS FILHO, A. C.; LASTORIA, G.; TORRES, T. G. Sensoriamento

remoto ambiental aplicado: introdução as geotecnologias. Campo Grande: Ed.
UFMS, 2008.
73
PEDROSA, S. A. Discriminação espectral de variações faciológicas de carbo-
natos por meio de espectrorradiometria e imagens ASTER na região da Serra
do Ramalho – BA. 2010. 117f. Dissertação (Mestrado em Geociências Aplicadas)
– Instituto de Geociências, Universidade de Brasília (UnB), 2010. Disponível em:
https://repositorio.unb.br/bitstream/10482/8747/1/2010_SandraAparecidaPedro-
sa.pdf. Acesso em: 9 jul. 2020.
ROSA, R. Introdução ao sensoriamento remoto. 7. ed. Uberlândia: EDUFU, 2009.
SHIMABUKURO, Y. E.; PONZONI, F. J. Mistura espectral: modelo linear e

aplicações. São Paulo, Oficina de Textos, 2017.
VALERIANO, D. M. Interações da radiação Solar com a vegetação. São José dos

Campos: INPE, 1988.
74
UNIDADE 2 —
SATÉLITES, SENSORES E NÍVEIS

DE COLETA: DIFERENTES
CARACTERÍSTICAS DOS DADOS
DE SENSORIAMENTO REMOTO
• conhecer e comparar as particularidades dos diferentes níveis de coletas

de dados de sensoriamento remoto;
• entender as diferenças entre diferentes tipos de sensores: passivos, ativos,

aerotransportados e terrestres;
• compreender a formação e estrutura de uma imagem, bem como as

principais características e resoluções das imagens de satélite, que
implicam a corre escolha das imagens para determinadas aplicações;
• conhecer os principais satélites de imageamento que possuem distribuição

gratuita de suas imagens, assim como alguns satélites de uso comercial;
• informar-se das plataformas indispensáveis para aquisição gratuita de

imagens de sensoriamento remoto.
PLANO DE ESTUDOS
Esta unidade está dividida em três tópicos. No decorrer da unidade,
você encontrará autoatividades com o objetivo de reforçar o conteúdo
apresentado.
TÓPICO 1 – SATÉLITES E SENSORES IMAGEADORES
TÓPICO 2 – CARACTERÍSTICAS DAS IMAGENS DE

TÓPICO 3 – PLATAFORMAS DE AQUISIÇÃO DE IMAGENS
75
CHAMADA
Preparado para ampliar seus conhecimentos? Respire e vamos

em frente! Procure um ambiente que facilite a concentração, assim absorverá
melhor as informações.
76
TÓPICO 1 —
UNIDADE 2
SATÉLITES E SENSORES IMAGEADORES COMPARADOS
1 INTRODUÇÃO
Na unidade anterior, nós aprendemos a criação das atividades dos

sensores remotos, a origem deste termo, seus princípios físicos, como funciona o
processo para que seja possível gerar estes dados sensoriais, e o comportamento
espectral dos principais objetos encontrados na superfície terrestre, ou seja,
demonstramos que a interação da radiação eletromagnética os objetos dependem,
principalmente, das suas características e suas particularidades, além das
influências externas que o cercam.
Sabemos que sensoriamento remoto é a ciência que nos permite coletar

dados a distância, sem estar em contato direto com eles, porém, precisamos saber
quais são os tipos de instrumentos disponíveis para podermos usufruir a melhor
forma possível de cada plataforma.
Diferentes tipos de sensores foram desenvolvidos para as mais variadas

aplicações, alguns satélites costumam possuir até mais de um sensor, gerando
uma ampla gama de dados. Além dos satélites, existem outras possibilidades de
aquisições de dados, a exemplo de sensores aerotransportados (aviões e VANT),
ou mesmo sensores terrestres (radiômetros).
Por isso, neste tópico, iremos conhecer um pouco mais desses sensores
e suas respectivas plataformas de aquisição de dados de sensoriamento remoto,
para que seja possível obter informações úteis para as mais diversas aplicações.
2 NÍVEIS DE COLETA DE DADOS EM SENSORIAMENTO

REMOTO
Conforme acompanhamos ao longo da unidade anterior, há uma ampla
gama de dados obtidos por sensores remotos e, portanto, diversas plataformas
de suporte para esses sistemas sensores. Cabe ao analista utilizar aqueles que
melhor se adéquem às suas necessidades de trabalho.
77
UNIDADE 2 - SATÉLITES, SENSORES E NÍVEIS DE COLETA: DIFERENTES CARACTERÍSTICAS DOS DADOS
Podemos definir o termo aquisição de dados do sensoriamento remoto

como o procedimento ocorrente entre a detecção, armazenamento e interpretação
dos dados.
Toda plataforma possui suas particularidades, que resultam na qualidade

dos produtos gerados, sendo, na maior parte das vezes, as imagens. No caso dos
satélites, por exemplo, devido a sua altitude em órbita, as imagens podem sofrer
diversos efeitos atmosféricos, tornando necessárias calibrações e correções para
a utilização destes produtos. De um modo geral, podemos estabelecer três níveis
de coleta dos dados de sensoriamento remoto, sendo eles: o terrestre, em nível de
solo; o aéreo, em nível de aviões ou Veículos Aéreos não Tripulados (VANT); e o
orbital, obtido por satélites.
NOTA
VANT é o nome que mais se popularizou para objetos remotamente pilotados

(não tripulados). Estes, ainda, podem ser amplamente conhecidos como Drones, Aeronave
Remotamente Pilotada (ARP), Remotely-Piloted Aircraft (RPA), Unmanned Aerial Vehicle
(UAV), entre outros.
Em nível de solo, esses produtos são gerados a partir de manuseios de

instrumentos na própria superfície terrestre, como, por exemplo, tirar uma
fotografia em atividades de campo, utilização do GNSS (Global Navigation Satellite
System), ou Sistema Global de Navegação por Satélite, para marcar pontos;
radiômetros, trabalhos em laboratórios, utilizando fotômetros para mensurar a
intensidade da luz etc.; ou ainda, gerados a poucos metros da superfície. Devido
à riqueza de detalhes que podem ser obtidos, a coleta de dados em nível do solo
não costuma ser utilizada para grandes extensões da superfície terrestre, como
as aplicações de dados de satélites. Podemos dizer então, que o nível de coleta
por sensores terrestres é mais adequado para pequenas extensões territoriais até
níveis de avaliação folhas da vegetação.
No nível de coleta aéreo, os dados são obtidos por meio de sensores

acoplados em plataformas aéreas, como, por exemplo, aeronaves, balões, VANT,
entre outros. Este nível de coleta é mais adequado para trabalhos voltados
para pequenas e médias extensões territoriais, devido ao seu grau de detalhes
intermediários, podendo cobrir uma extensão razoável da superfície terrestre
com menor interferência atmosférica, entretanto, a resolução especial desses
dados dependerá da altitude do aerolevantamento.
78
TÓPICO 1 — SATÉLITES E SENSORES IMAGEADORES COMPARADOS
Em nível de coleta orbital são utilizados os sensores acoplados aos

satélites que orbitam a Terra, conforme vimos ao longo da Unidade 1. Os
satélites artificiais podem ter, tanto interesses ambientais, conhecidos como
satélites de observação da Terra, quanto satélites meteorológicos, voltados aos
monitoramentos atmosféricos. Devido a sua capacidade de cobertura de grandes
extensões de áreas na superfície terrestre, esses dados costumam ser utilizados
para trabalhos de médias a grandes extensões e, consequentemente, possuem de
médio a baixo nível de detalhamento.
A Figura 1 exemplifica, de um modo geral, como podem ser representados

esses três níveis de coleta de dados em sensoriamento remoto.
FIGURA 1 – NÍVEIS DE COLETA DE DADOS DO SENSORIAMENTO REMOTO
FONTE: O autor
Os diferentes níveis de aquisição dos dados possuem, igualmente,

diferentes tipos de sensores, resultando tipos de dados distintos e,
consequentemente, exigindo metodologias diversas para análise destes dados.
Portanto, é fundamental ter o objetivo de trabalho, bem como a área de aplicação,
bem definidos no momento da escolha dos dados em sensoriamento remoto, para
que, finalmente, seja possível extrair o melhor da informação oferecida por cada
plataforma.
No Quadro 1, podemos visualizar algumas das plataformas utilizadas

para o sensoriamento remoto e também algumas de suas principais características,
observando suas altitudes e onde melhor se adequam para serem trabalhadas.
79
QUADRO 1 – TIPOS DE PLATAFORMAS UTILIZADAS PARA A AQUISIÇÃO DE DADOS DE

SENSORIAMENTO REMOTO E SUAS CARACTERÍSTICAS
Plataforma Altitude Características

Observação a partir de um ponto fixo.
Satélite
36.000 km Alta frequência de aquisição com baixa
geoestacionário
resolução espacial.
Observação a intervalos regulares de um
Satélite de órbita
500 - 1.000 km mesmo ponto, sob condições controladas
polar
de iluminação.
Observações em períodos limitados e com

Estações espaciais 400 - 400 km
objetivos específicos ou experimentos.
Observações com frequência irregular,

Ônibus espacial 250 – 350 km por períodos limitados e com objetivos
específicos.
Aviões de alta Levantamento de áreas extensas com
10 a 20 km
altitude objetivos específicos.
Aviões de média Levantamento de áreas específicas com

1 a 8 km
Aviões de baixa Levantamento de áreas limitadas com

150 a 800 m
Levantamento de áreas pequenas, missões
Aviões ultraleves Até 500 m
de reconhecimento.
Helicópteros 100 - 2.000 m Aquisição de perfis e dados pontuais.
Abaixo de 50 Aquisição de dados em poucos minutos

Aeromodelos
m sobre áreas limitadas.
Caminhões com Aquisição de dados para levantamentos de

Até 30 m
escadas comportamento espectral dos alvos.
Torres fixas em Aquisição de dados para levantamento do

Até 30 m
campo comportamento espectral dos alvos.
Aquisição de dados para levantamento do

Embarcações -
comportamento espectral dos alvos.
FONTE: Novo (2010, p. 138).
80
Embora tenham a vantagem em se obter maior nível de detalhamento,

por voar em altitudes mais baixas, e a flexibilidade para posicioná-los no lugar
e hora que lhe convém, os levantamentos aéreos também possuem algumas
desvantagens, por exemplo, são menos estáveis quando atingidos por ventos
fortes e a pouca autonomia de voos (no caso do VANT).
Um dos principais instrumentos para coleta de dados em nível orbital

é o satélite, porém, conforme vimos, há também outras plataformas, como,
por exemplo, os ônibus espaciais, entretanto, estes são utilizados com menor
frequência devido a sua irregularidade e limitação para coletar os dados, sendo
mais utilizados para levantamentos com objetivos bastante específicos.
As vantagens dos levantamentos orbitais realizados por satélites devem-

se, principalmente, à consistência dos seus dados, sendo capaz de obter imagens
com frequências contínuas por longos períodos de tempo, seja por um mesmo
sensor, seja por sensores distintos, mas passíveis de comparação. Além disso, os
satélites possuem uma grande vantagem relacionada ao “acesso” a áreas remotas,
com capacidade de cobertura global.
A partir disso, torna-se possível realizar a tomada de grandes quantidades

de dados, abrindo um leque de aplicabilidade para as mais diversas finalidades,
como, por exemplo, monitoramento ambiental, com focos em desmatamentos ou
queimadas, agricultura, clima, oceanografia, avaliação da expansão urbana, entre
muitos outros exemplos.
No Quadro 2, podemos analisar algumas das principais aplicabilidades

dos sensores orbitais, em diferentes níveis de resolução e intervalos espectrais
que melhor se adequam a cada necessidade.
QUADRO 2 – APLICABILIDADES E CARACTERÍSTICAS DOS SENSORES ORBITAIS
Aplicações Características
a) Oceanografia;
Estudo e monitoramento
dos processos da b) Limnologia;
hidrosfera
c) Hidrologia.
Monitoramento das Monitorar a variação da temperatura de superfície

emissões térmicas nas do mar, associadas a fenômenos de escala global e
regiões costeiras regional.
Qualidade de águas Analisar a concentração de componentes

costeiras opticamente ativos em águas oceânicas.
Variação sazonal das Avaliar as mudanças sofridas pelos tipos de água

propriedades da água entre o período o período de cheia e vazante.
81
Mapeamento da distribuição Mapear a distribuição espacial da concentração de

de sedimentos em sólidos totais suspensos na superfície e no meio do
reservatórios hidrelétricos corpo d'água.
Mapeamento da vegetação
Discriminar diferentes gêneros de vegetações aquáticas.
aquática
Determinação do campo de Avaliar as mudanças das medidas direcionais e da

vento da superfície sobre os velocidade dos ventos sobre amplas faixas da superfície
oceanos terrestre.
a) Avaliar e planejar obras rodoviárias e planejamento

urbano;
Estudos urbanos
b) Estimativa de população em períodos intercensitários.
Cartografia Construção de cartas topográficas.
a) Colaborar com a estimativa das safras agrícolas;
Agricultura b) Fornecer subsídios para o planejamento;
c) Orientar nas decisões do mercado dos produtos

agrícolas.
a) Subsidiar planos de controle e fiscalização de florestas;

Estudos Florestais
b) Mapas de uso e cobertura da Terra.
Neste subtópico foram apresentadas algumas das principais aplicabili-

dades dos sensores disponíveis. A seguir, nós vamos compreender detalhada-
mente as particularidades de cada tipo plataforma e sensores, bem como seus
níveis de coletas de dados em sensoriamento. Estão elencadas, ainda, algumas
divergências e características em comum entre eles, bem como seus sensores
acoplados, além de indicações a respeito das melhores finalidades para cada um
dos principais níveis de coleta.
3 SENSORES PASSIVOS
Os sensores passivos podem ser definidos como os equipamentos que
registram a energia, seja ela refletida ou emitida pelos objetos da superfície
terrestre. Esta energia é transformada em sinais elétricos e são transmitidos
para as estações de recepção existentes na superfície terrestre. A partir disso, os
sinais são processados e transformados em imagens, e para captador os dados
da superfície terrestre, os sensores a bordo dos satélites estão sempre apontados
para a Terra (FLORENZANO, 2008).
82
Antes de darmos continuidade aos conceitos referentes aos sistemas

sensores, é importante destacar que na literatura podem ser encontradas outras
maneiras de classificá-los. Entretanto, Moreira (2001) explica que todas elas têm
como base a fonte de radiação e o produto gerado.
Os sensores podem ser classificados, de forma geral, em função da sua fonte

de energia (passivo ou ativo), e do tipo de produto que é gerado (imageadores e
não imageadores), conforme veremos mais adiante.
Um sistema sensor imageador eletro-óptico é constituído basicamente por

um coletor, que pode ser um conjunto de lentes, espelhos ou antenas, e um sistema
de registro (detetor/detector) que pode ser um filme ou outros dispositivos e um
processador, como podemos visualizar no esquema da Figura 2 (MOREIRA, 2001).
FIGURA 2 – PARTES COMPONENTES DE UM SISTEMA SENSOR
FONTE: Moreira (2001, p. 101)
O coletor é um componente óptico capaz de concentrar o fluxo de energia

proveniente do objeto no coletor. O detetor possui pequenas dimensões feito de
um material cujas propriedades elétricas variam ao absorver o fluxo de energia,
produzindo um sinal elétrico. O processador é o responsável pela amplificação
do fraco sinal gerado pelo detetor e pela digitalização do sinal elétrico produzido
pelo detetor. Por fim, os produtos gerados, tanto em imagem quanto em formas
de gráficos (DI MAIO et al., 2008).
O sistema eletro-óptico possui detectores capazes de transformar a

radiação eletromagnética em sinais elétricos que são transmitidos para as
estações receptoras. O sistema de imageamento eletro-óptico é constituído por
um sistema óptico e por detectores ou receptores. O sistema óptico focaliza a
energia proveniente sobre o detector. A energia recebida pelo detector é então
transformada em sinal elétrico, que é processado, transformado em valor digital
numa matriz de linhas e colunas. (NOVO, 2010; IBGE, 2001).
83
Os sensores podem ser classificados como sensor óptico quando constituí-

do por espelhos e prismas de lentes, e operam na faixa do visível e infravermelho
do espectro eletromagnético (MOREIRA, 2001). A maioria dos sensores imagea-
dores acoplados aos satélites são sensores passivos, e são pertinentes para análise
de fenômenos naturais, conforme vimos alguns exemplos anteriormente.
O esquema a seguir exemplifica, de uma forma mais ampla, a classificação

dos sensores passivos, apresentando a fonte de radiação, tipos de produtos e o
princípio de funcionamento do sistema em questão (FIGURA 3).
FIGURA 3 – CLASSIFICAÇÃO DO SISTEMA SENSOR PASSIVO
FONTE: Adaptada de Moreira (2001)
Os sensores passivos detectam a radiação solar refletida ou emitida pela

superfície terrestre, ou seja, ele precisa de uma fonte de luz para poder captar
essas informações, pois não possuem fonte própria de energia, portanto, a sua
principal fonte de energia é o Sol, conforme demonstrado na Figura 4.
Lembramos, ainda, que os sensores passivos são amplamente utilizados

em sensoriamento remoto, constituindo atualmente, no principal tipo de sensor.
FIGURA 4 – SENSORES PASSIVOS
Legenda: (A) o Sol emite a radiação eletromagnética, e ao entrar em contato com a Terra é
refletida e captada pelo sensor acoplado ao satélite. (B) a energia emitida pelo Sol em interação
com os objetos na superfície terrestre, é refletida e captada pelo sensor acoplado ao satélite.
FONTE: O autor
84
Ao analisarmos a Figura 4A identificamos o Sol, principal fonte de

energia para sensores passivos, emitindo a radiação eletromagnética, e ao entrar
em contato com a Terra é refletida e captada pelo sensor que está acoplado ao
satélite. Na Figura 4B é apresentado de uma forma mais detalhada, a radiação
eletromagnética emitida pelo Sol em interação com os objetos na superfície
terrestre, e o fogo que está emitindo sua própria energia, que serão captadas pelo
sensor acoplado ao satélite em órbita.
Dentro da vertente dos sensores passivos, podemos identificar os sensores

imageadores e não imageadores, e essas classificações resultam diretamente nos
tipos de dados gerados por cada um.
Os sensores imageadores são aqueles capazes de fornecer imagens dos

objetos. Quanto aos sensores não imageadores, estes fornecem informações sem
gerar imagens dos objetos, e sim em forma de dígitos, gráficos, tabelas etc. Como
exemplo de sensores não imageadores, podemos citar os espectrorradiômetros e
os radiômetros.
Os sensores imageadores podem, ainda, ser classificadores em função do

seu princípio de funcionamento de formação de imagem, classificando-os em
sistema de varredura ou não varredura.
Os sistemas de varredura podem ser classificados como sistema de

varredura mecânica ou sistema de varredura eletrônica. Estes sistemas são,
basicamente, a forma de captação dos dados.
Os sistemas de varredura possuem este nome porque a “varredura” é

feita pelo deslocamento da plataforma, que permite que a imagem do terreno
seja formada linha a linha, ou seja, a cena é formada pela aquisição sequencial de
“imagens elementares do terreno” ou “elemento de resolução”, também chamado
de pixel (NOVO, 2010).
Dentre o sistema de não varredura temos o sistema fotográfico, que pode

ser classificado como câmeras métricas, que empregam sistemas ópticos com
baixa distorção geométrica, localizadas em posição fixa em relação ao plano do
filme, e câmeras de reconhecimento, cujo sistema óptico é mais simples, pois sua
aplicação não é cartográfica. Esses sensores possuem detector fotoquímico (o
filme), não reutilizável uma vez que as imagens estão formadas (NOVO, 2010).
Voltando aos sistemas de varredura, é importante ressaltar a diferença en-

tre os sistemas mecânicos e eletrônicos. Quanto ao sistema de varredura mecâni-
co, este é constituído por um espelho de varredura plano que oscila perpendicu-
larmente ao deslocamento da plataforma, transmitindo a reflectância dos objetos
para o sistema óptico e o detector, e a partir deste movimento, a cena é imageada
linha por linha, a partir do registro dos sinais (IBGE, 2001). Podemos analisar o
esquema de funcionamento do sistema de varredura mecânico na Figura 5.
85
Esse sistema foi utilizado pelos sensores MSS e TM, a bordo dos satélites
Landsat, porém não é mais empregado, sendo considerada uma tecnologia
ultrapassada, que foi substituída pelos sistemas de varredura eletrônica.
FIGURA 5 – SISTEMA DE VARREDURA MECÂNICA COM ESPELHO OSCILATÓRIO
O sistema de varredura eletrônica possui um sistema óptico grande-

angular, através do qual a cena é imageada em sua totalidade através de um
arranjo linear de detectores do tipo CCD (Charge Coupled Detector), conforme
podemos visualizar na Figura 6.
FIGURA 6 – SISTEMA DE VARREDURA ELETRÔNICA COM ARRANJO LINEAR DE DETECTORES CCD
86
Os CCD são chips semicondutores sensíveis à luz. A área é subdividida em

sensores individuais (pixels) e equipada com dispositivos eletrônicos de controle.
Quando a luz atinge a área de um sensor, uma carga é criada ali. Eletronicamente,
essa carga é "cercada" para permanecer nesta área.
Após a exposição do chip, as cargas em cada pixel são proporcionais

à quantidade de luz recebida. Posteriormente, cada medição é imediatamente
convertida em um número digital e armazenado (HORN; GRABMAIER, 2004).
Em nível de comparação entre os sistemas de imageamento na região

óptica do espectro eletromagnético, podemos analisar o Quadro 3, no qual
são apresentados os tipos de imageamento (câmaras fotográficas, sistema de
varredura eletrônica e sistema de varredura mecânica), a vantagem e desvantagem
resultante na utilização de cada um deles e algumas informações referente à
curiosidade desses sistemas.
QUADRO 3 – SISTEMAS DE IMAGEAMENTO
Tipo Vantagem Desvantagem Observação
Informação não
Recebimento As câmeras
transmitida
de grande área fotográficas foram
telemetricamente.
geográfica por substituídas pelas
Qualidade da
cena adquirida. câmeras digitais.
Câmeras imagem depende
Elevada Os programas de
fotográficas do processamento
densidade de sensoriamento remoto
do filme e sujeita
informação. baseados em sistemas
a perda ou dano
Elevada precisão fotográficos foram
irrecuperável em
cartográfica. descontinuados.
caso de falha.
A necessidade de
um sistema óptico
Maior tempo de de amplo campo de
integração para visada implica em
Necessidade de
Sistema de cada detector. maior complexidade
um sistema óptico
varredura Maior fidelidade na construção da
de grande campo
eletrônica na geometria ao câmara com aumento
de visada.
longo da linha de dos requisitos de
varredura. tamanho e potência
das plataformas de
suporte aos sensores.
87
Os sistemas de
varredura mecânica
foram usados
amplamente em todo
Pequeno tempo
Detectores o programa Landsat,
de integração do
simples. e foram responsáveis
sinal proveniente
Subsistema óptico pela aquisição de um
de um ponto
com pequeno volume imenso de
da cena. Partes
campo de visada. imagens do planeta
móveis, sujeitas
Sistema de Capacidade Terra ao longo de 3
a desgaste
varredura de varredura décadas. O sistema
mecânico. Menor
mecânica de faixas mais ainda se encontra
fidelidade
amplas. Fácil em operação de
geométrica
utilização forma mais ou menos
devido a variações
com múltiplos precária nos satélites
da plataforma ao
comprimentos de da série Landsat e
longo da linha de
onda. seus dados, apesar da
varredura.
degradação que vêm
sofrendo, ainda são
usados para várias
aplicações.
Entre os sistemas sensores, encontramos uma ampla gama sendo

utilizada, cada um com suas respectivas funcionalidades e especificidades, como,
por exemplo, os sistemas sensores multiespectrais e os hiperespectrais.
Os sensores multiespectrais são geralmente os mais utilizados pelos

satélites de diversos programas espaciais, deve-se isto a sua capacidade de obter
imagens, de uma mesma área, em várias faixas do espectro eletromagnético,
fornecendo diversos dados com bandas no espectro do visível, infravermelho
próximo, infravermelho de ondas curtas e infravermelho termal. Quanto aos
sensores hiperespectrais, estes são capazes de adquirir medidas em pelo menos
100 bandas espectrais contínuas, em intervalos espectrais bastante sensíveis,
principalmente na região do visível ao infravermelho. Além de possuir um
sistema de dispersão da radiação eletromagnética que permite dividi-la em
vários intervalos de comprimento de ondas, e redirecioná-la sobre a matriz
bidimensional com detectores CCD (NOVO, 2010).
88
DICAS
Para obter mais informações dos sensores a bordo dos satélites, o website da
University of Twente (ITC) fornece diversas informações a respeito dos sistemas sensores e
também dos satélites. Nesta página, você poderá consultar o nome dos sensores, descrição
de sua atividade, o número de bandas que possuem e a sua missão espacial. Disponível em:
https://webapps.itc.utwente.nl/sensor/default.aspx?view=allsensors.
Os satélites também podem ser classificados em função do seu tipo

de órbita, ou seja, como se dão os seus movimentos entorno da Terra. Para o
sensoriamento remoto, as que melhor se adéquam e que são utilizadas são as
órbitas baixas, envolvendo a maioria dos satélites utilizados para recursos
ambientais, e órbitas altas, também conhecido como geoestacionários, com maior
aplicabilidade para os campos meteorológicos.
Os satélites em órbita geoestacionária estão a uma altitude média de 36.000

km sobre a linha do Equador, onde permite uma ampla visualização da superfície
terrestre. A sua velocidade de translação equivale ao movimento de rotação da
Terra, portanto, como estão “fixos” em relação à Terra, é possível sempre imagear
a mesma porção da superfície.
Devido ao seu extenso campo de visão e o curto intervalo de tempo de

imageamento, capaz de obter cenas de uma mesma região em poucos minutos,
tornando um imageamento bastante dinâmico, estes satélites geoestacionários
são úteis para estudos meteorológicos (EPIPHANIO, 2002).
Na Figura 7, podemos analisar o satélite em órbita geoestacionária, observe

que sua órbita fica sobre a linha do Equador, sendo essa uma boa maneira de
recordar o seu movimento.
FIGURA 7 – ÓRBITA GEOESTACIONÁRIA
FONTE: O autor
89
Os satélites em órbita baixa estão a uma altitude média de 700 km de

altitude, em órbita quase polares, no sentido nordeste-sudoeste, por isso também
podem ser conhecidos como satélites em órbita polar, conforme podemos observar
na Figura 8. Nesta categoria polar enquadram-se diversos sistemas espaciais.
FIGURA 8 – ÓRBITA POLAR
FONTE: O autor
Os satélites em órbita polar possuem pequenas variações de altitudes,

permitindo, então, uma escala de imageamento quase constante para todas as
imagens. Grande parte dos sensores eletro-ópticos estão sincronizados com o
Sol, dessa forma, passam sobre a mesma porção da superfície terrestre em um
mesmo horário solar, fazendo com que o ângulo de incidência solar, e também as
sombras, sejam semelhantes para as várias imagens de uma mesma região. Este
ponto é de grande importância ao realizar, por exemplo, análises comparativas
de diferentes imagens de diferentes períodos (PARANHOS FILHO; LASTORIA;
TORRES, 2008).
4 SENSORES ATIVOS
Diferentemente dos sensores passivos, que necessitam de uma fonte
de energia para realizar o seu imageamento, os sensores ativos possuem a sua
própria fonte de energia acoplada a sua plataforma, conforme demonstra a Figura
9. Esta é a diferença fundamental entre os sensores.
90
Na Figura 9A, nós podemos visualizar a troca de energia entre a plata-

forma orbital com a superfície terrestre, ou seja, o próprio sensor emite a sua ra-
diação, sem que haja a necessidade da existência da radiação solar ou da própria
Terra. Na Figura 9B, a radiação emitida pelo sensor, possui interações com os
objetos que estão sobre a superfície terrestre, fazendo com que haja uma interação
com a radiação, e esta é refletida novamente para a plataforma orbital.
FIGURA 9 – SENSORES ATIVOS
Legenda: (A) plataforma emite radiação eletromagnética em direção à Terra; (B) a radiação
emitida pela plataforma interage com os objetos da superfície terrestre, e é refletida e captada
pelos sensores acoplados à plataforma.
FONTE: O autor
A capacidade de mapeamento em faixas contínuas do radar chama-se Side

Looking Airbone Radar (SLAR), ou Radar de Visada Lateral, e a sua vantagem é
poder obter imagens extensas áreas da superfície terrestre e, inicialmente, suas
antenas eram instaladas em aeronaves.
Os radares de visada lateral, também conhecidos como sistemas

imageadores, podem ser classificados como Radar de Abertura Real (RAR), e
Radar de Abertura Sintética (SAR), conforme a Figura 10. A palavra abertura
pode ser interpretada conforme a característica da antena do radar.
FIGURA 10 – CLASSIFICAÇÃO DOS SISTEMAS SENSORES ATIVOS
91
O Radar é, na verdade, a abreviação de Radio Detection and Ranging, que

opera no espectro das micro-ondas e costuma ser o sistema imageador de princípio
ativo mais comum utilizado para os estudos voltados para observação da Terra.
Uma de suas vantagens é, por possuir sua própria fonte de energia, pode exercer
suas atividades em período noturno, além de poder operar sob qualquer condição
atmosférica, sem sofrer interferências nos resultados finais dos seus dados.
O termo radar pode ser aplicado a qualquer dispositivo de rádio no qual

um transmissor ilumina uma superfície refletora e/ou espalhadora, e um receptor
que mede algumas propriedades do sinal de retorno (eco) proveniente do objeto
ou da superfície terrestre, conforme explicam Ulaby, Moore e Fung (1981 apud
GAMA, 1999).
Os radares podem utilizados em diferentes níveis para aquisição de

dados, seja orbital, aéreo, terrestre, e até acoplados em navios. Podem, também,
serem classificados em função de sua missão ou funcionalidade.
Os primeiros radares a serem utilizados pelo homem foram os RAR,

porém, os problemas de resolução com a distância e do tamanho da antena
apresentaram insatisfação, e, posteriormente, foram criados os SAR, por volta de
1952, quando ocorreu a melhoria na resolução em azimute (GAMA, 1999).
No RAR, o tamanho da antena é inversamente proporcional à largura

angular do feixe de radar que iluminará o terreno, portanto, uma grande melhoria
na resolução em azimute pode ser obtida se for aumentado o tamanho da antena.
À vista disso, foram desenvolvidos procedimentos para simular eletronicamente
uma antena de tamanho muito maior do que realmente é. Tanto os RAR, quanto
os SAR possuem antenas de pequeno comprimento, porém a diferença entre eles
está no maior número de pulsos que é enviado em direção ao alvo (JENSEN, 2009).
Os componentes e princípio de funcionamento do radar se dão da seguinte

forma:
Em geral um sistema radar é constituído dos seguintes elementos:

um gerador que envia pulsos a intervalos regulares a um transmissor.
Este os envia a um duplexador (ou multiplexador), que os envia a
uma antena direcional que modula e focaliza cada pulso num feixe
transmitido ao alvo; os pulsos que retornam são captados pela mesma
antena e enviados a um receptor que os converte (e amplifica) em
sinais de vídeo, que são conduzidos a um dispositivo de gravação
que pode armazená-los digitalmente para processamento posterior
(EPIPHANIO, 2002, p. 34).
Na região do espectro de micro-ondas há a classificação das bandas,

semelhante aos radares ópticos, estas são divididas por letras, cada uma
corresponde a um comprimento de onda para diferentes tipos de aplicações.
Podemos observar como funciona esses intervalos no Quadro 4, vale ressaltar
que os valores podem sofrer pequenas variações conforme a literatura.
92
QUADRO 4 – INTERVALOS ESPECTRAIS E SUAS RESPECTIVAS BANDAS NA REGIÃO DE MICRO-

ONDAS
Bandas Frequência (GHz) Comprimento de onda (cm)

Ka 40 – 25 0.75 – 1.2
Ku 17.6 – 12 1.7 – 2.5
X 12 – 7.5 2.5 – 4
C 7.5 – 3.75 4–8
S 3.75 – 2 8 – 15
L 2–1 15 – 30
P 0.5 – 0.25 60 – 120
FONTE: Moreira et al. (2013, p. 7)
ATENCAO
Jensen (2009) explica que a nomenclatura incomum associada aos

comprimentos de onda do radar é devida ao trabalho secreto em sensoriamento remoto de
radar, amplamente desenvolvido durante a Segunda Guerra Mundial (entre as décadas de
1940 a 1950), quando era normal usar um descritor alfabético ao invés do real comprimento
de onda ou frequência.
Podemos encontrar uma grande diversidade de sensores SAR de diferentes

origens e com distintos objetivos de aplicação. No Quadro 5, podemos analisar
alguns dos sensores SAR orbitais mais comuns, e suas respectivas características.
QUADRO 5 – PRINCIPAIS RADARES DE ABERTURA SINTÉTICA (SAR) ORBITAIS
Frequência
Sensor Operação da Banda Origem Observação
(Polarização)
Primeiro satélite civil

NASA/JPL
Seasat 1978 L (HH) SAR, operação por
(EUA)
apenas três meses.
Satélites europeus de
1991 - 2000 ESA sensoriamento remoto
ERS-1/2 C (VV)
1995 - 2011 (Europa) (primeiros satélites
SAR europeus).
93
Satélite Japonês de
JAXA Recursos Terrestres
J-ERS-1 1992 - 1998 L (HH)
(Japão) (primeiro satélite
japonês SAR).
Missão de radar de
NASA /JPL
imagem do ônibus
Abril e (EUA)
SIR-C/X- L & C (quad) espacial, primeira
outubro de DLR
SAR X (VV) demonstração de
1994 (Alemanha)
SAR multifrequência
ASI (Itália)
espacial.
Primeiro satélite SAR

canadense, largura de
1995 - CSA
Radarsat-1 C (HH) faixa de até 500 km
Atualmente (Canadá)
com modo de imagem
ScanSAR.
NASA/JPL Missão de Topografia

(EUA) de Radar de Ônibus
Fevereiro de C (HH+VV)
SRTM DLR Espacial, primeiro
2000 X (VV)
(Alemanha) SAR interferométrico
ASI (Itália) espacial.
Primeiro satélite
SAR com tecnologia
ENVISAT/ ESA de módulo de
2002 - 2012 C (dual)
ASAR (Europa) transmissão/recepção,
largura de faixa de até
400 km.
Satélite de Observação
ALOS/ JAXA Avançada de Terra
2006 - 2011 L (quad)
PalSAR (Japão) (Daichi), largura de
faixa de até 360 km.
Primeiro radar
2007 - biestático no espaço,
Terra- DLR/
Atualmente, resolução de até 1
SAR-X X (quad) Astrium
2010 - m, topografia global
TanDEM-X (Alemanha)
Atualmente disponível até o final
de 2014.
Resolução de até: 1
2007 - CSA m x 3 m (alcance x
Radarsat-2 C (quad)
Atualmente (Canadá) azimute), largura de
94
Satélite multiuso 5 da
2013 - KARI
Kompsat-5 X (dual) Coreia, resolução de
Atualmente (Coreia)
até 1 m.
Resolução de até: 1
2013 - JAXA m x 3 m (alcance x
ALOS-2 L (quad)
Atualmente (Japão) azimute), largura de
Constelação de dois
Sentinel- 2013/2015 - ESA
C (dual) satélites, largura de
1a/1b Atualmente (Europa)
FONTE: Moreira et al. (2013, p. 9)
Além das vantagens da utilização do sensoriamento remoto por Radar já

mencionadas, o Quadro 6 apresenta alguns dos outros benefícios adicionais que
podem ser ressaltados.
QUADRO 6 – VANTAGENS DO SENSORIAMENTO REMOTO POR RADAR
Primária Secundária
Certas frequências de micro-ondas

Certas frequências de energia de
penetram as nuvens, permitindo o
micro-ondas penetram a vegetação, a
sensoriamento remoto em quaisquer
areia e os níveis superficiais da neve.
condições meteorológicas.
Visão sinóptica de grandes áreas para

mapeamento nas escalas 1:10.000 a Baseia-se em sua própria fonte de
1:400.000. A cobertura por satélite de energia, podendo controlar o ângulo
países com a presença de nuvens é de iluminação.
possível.
Permite que a resolução seja

A cobertura pode ser obtida em horários
independente da distância do objeto,
especificados pelo usuário, inclusive à
com tamanhos de célula de resolução
noite.
de até 1 x 1 m.
Permite imageamento com ângulos

As imagens podem ser produzidas
de visadas rasantes, resultando em
com diferentes tipos de energia
perspectivas diferentes, que nem sempre
polarizada (HH, HV, VV, VH).
podem ser obtidas por fotografias aéreas.
95
Atua em comprimentos de onda fora

Pode operar, simultaneamente,
das regiões do espectro eletromagnético
em diversos comprimentos de
óptico e infravermelho, fornecendo
onda (frequências), ou seja, com
informações acerca da rugosidade
um potencial de atuação em
superficial, propriedades dielétricas e
multifrequências.
conteúdo de umidade.
Pode medir as propriedades das
- ondas dos oceanos, mesmo em
altitudes orbitais.
Pode produzir superposição

- de imagens para a observação
estereoscópica e para a radargametria.
Suporta operações interferométricas

usando duas antenas para o
- mapeamento 3D e análise da
assinatura dos objetos de acordo com
o ângulo de incidência.
Os dados dos radares podem ser aplicados em diversas áreas da ciência,

apresentando uma ampla gama de funcionalidades, conforme podemos observar
no Quadro 7.
QUADRO 7 – POSSÍVEIS APLICAÇÕES DOS DADOS DE RADAR
Aplicações Características
a) análise de estruturas geológicas (fraturas, falhas,

dobras e foliações); litotipos, geomorfologia (relevo
e solos) e hidrografia para pesquisa de recursos
Geologia minerais.
b) avaliação do potencial dos recursos hídricos
superficiais e subterrâneos;
c) identificação de áreas para prospecção mineral.
a) planejamento e monitorização agrícola;

b) identificação, mapeamento e fiscalização de
Agricultura culturas agrícolas;
c) determinação relativa da umidade de solos;
eficiência de sistemas de irrigação.
a) levantamento planimétrico (escalas 1:20.000 a
Cartografia 1:50.000);
b) levantamento altimétrico (interferometria).
96
a) gerenciamento e planejamento de florestas;

b) determinação de grandes classes de florestas;
c) identificação da ação de determinadas doenças;
Florestas
d) mapeamento de desflorestamento;
e) identificação de áreas de corte seletivo;
f) estimativa de biomassa.
a) mapeamento/classificação de gelo;
Gelo e neve
b) monitoramento de degelo-inundações.
a) gerenciamento e planejamento dos recursos

hídricos;
b) detecção de umidade do solo;
Hidrologia
c) interpretação de parâmetros hidrológicos:
transmissividade, direção de fluxo, permeabilidade,
vazão etc.
a) planejamento e monitorização ambiental;

b) identificação, avaliação e monitorização de
recursos hídricos e dos processos físicos do meio
ambiente (assoreamentos, erosão, escorregamentos
etc.);
Meio ambiente
c) identificação e análise da degradação causadas por
mineração, deposição de resíduos, ação antrópica
etc.;
d) identificação, análise e monitorização de riscos
ambientais.
a) monitorização do estado do mar, correntes, frentes

de vento;
b) espectro de ondas para modelos numéricos de
previsão;
c) mapeamento de topografia submarina (condições
Oceanografia
específicas);
d) poluição marinha causada por derrames de óleo
e filmes;
e) detecção de barcos – pesca ilegal;
f) apoio para estabelecimento de rotas marítimas.
a) planejamento do uso da Terra;

b) classificação de solos;
c) classificação do uso da Terra;
Uso da Terra d) inventário, monitoramento (change detection),
planejamento;
e) padrões de irrigação/déficit hídrico;
f) salinização de solos.
FONTE: Adaptado de <https://bit.ly/3ePLhnh.>. Acesso em: 13 de agosto de 2020.
97
Dentre os sistemas sensores ativos, também encontramos o LiDAR (Light

Detection and Ranging), que pode ser acoplado através de plataformas aéreas
(tripuladas ou não tripuladas), terrestre (in situ), ou orbitais. Por ser um sensor
ativo, emite a sua própria fonte de luz, o laser, variando entre a região do visível
e do infravermelho próximo, dependendo do aparelho, sendo capaz de modelar
a superfície do terreno tridimensionalmente.
O princípio de funcionamento do LiDAR é baseado nos mesmos princípios

do Radar, a diferença é que, ao invés de micro-ondas utilizadas para localizar os
objetos na superfície, o sistema LIDAR utiliza sensor a laser (GIONGO et al., 2010).
Os dados do LiDAR permitem gerar produtos como o Modelo Digital de

Terreno (MDT) contendo informações de elevação da superfície sem nenhuma
influência da cobertura, como vegetação, edifícios etc., e o Modelo Digital de
Superfície (MDS), contendo informações de elevação de todas as feições da
paisagem (JENSEN, 2009).
Portanto, os dados do LiDAR são utilizados, principalmente, para

levantamentos topográficos, caracterizando a estrutura a volumetria do terreno
de uma forma mais rápida e eficiente, e podem ser aplicados para diferentes
áreas, de diferentes formas, gerando resultados diferentes, por exemplo, para
planejamento costeiro, avaliação de risco de inundações, florestas, agriculturas,
petróleo, transporte, planejamento urbano, mineração etc. (GIONGO et al., 2010).
Ao tratar dos sensores não imageadores, encontramos, principalmente,

o radiômetro, altímetro e o laser. O radiômetro é utilizado para medir o fluxo
radiante (potência) da radiação eletromagnética, manuseados in situ. Um
radiômetro responde a um estímulo ou sinal de radiação, alguns detectores
utilizam o monitoramento do aquecimento quando o calor é absorvido por uma
superfície. O calor absorvido também poder ser convertido, por exemplo, em
movimentos mecânicos ou em energia elétrica (CARLESSO et al., 2019).
DICAS
O Exército Brasileiro coordena um projeto relevante no que se refere à aplicação

de sensores ativos no Brasil, denominado Radiografia da Amazônia. Dentre os objetivos
do projeto, destacam-se a necessidade de produzir e compartilhar geoinformações do
território nacional, com a finalidade conhecer de maneira mais detalhada a Amazônia
brasileira, embasar projetos de infraestrutura nessa região, além de gerar informações
estratégicas para monitoramento regional e segurança nacional. Para isso, o Exército
Brasileiro tem aplicado amplamente Radares de Abertura Sintética (Syntethic Aperture
Radar – SAR) através de sensores acoplados a plataformas orbitais ou aerotransportados.
Mais detalhes do projeto podem ser obtidos em:
98
• http://www.geoportal.eb.mil.br/portal/index.php/projetos/147-projeto-cartografia-da-
amazonia;
• https://mundogeoconnect.com/2013/arquivos/palestras/20_jun-ab-ronalt-vieira.pdf.
5 SENSORES AEROTRANSPORTADOS
Conforme vimos na Unidade 1, as atividades de sensoriamento remoto
tiveram início com a utilização de pombos, e se mantiveram e constante evolução,
posteriormente, utilizando pipas, balões, aviões e os VANT (Veículos Aéreos
Não Tripulados). Esses sistemas citados podem ser classificados como sensores
aerotransportados, justamente por estarem acoplados há plataformas aéreas.
Entre a diferença nas plataformas citadas, há também a diferença entre os

seus sensores acoplados, porém, atualmente, as principais plataformas utilizadas
para aerolevantamentos são os aviões e, sobretudo os Veículos Aéreos Não Tripu-
lados (VANT), que nos últimos anos se provaram excelentes plataformas, aliando
custos mais reduzidos e maior facilidade de planejamento e execução dos voos.
Na literatura, podemos encontrar a nomenclatura VANT e Drone, apesar

de serem instrumentos com funções técnicas muito similares, suas aparências físi-
cas são diferentes, conforme explica a Figura 11. É importante lembrar que há vá-
rios modelos de VANT existentes além do demonstrado na Figura 11, porém esses
são alguns dos modelos mais comuns de serem encontrados em nosso cotidiano.
FIGURA 11 – (A) DRONE. (B) VANT
FONTE: (A) <https://bit.ly/2GO6VvL>; (B) <https://bit.ly/36lathG>. Acesso em: 18 ago. 2020.
A palavra drone é originada da língua inglesa, e possui esse nome devido

ao zumbido que produz ao executar voo, parecido com o de um zangão. Este
zumbido acontece devido as suas pequenas hélices, parecida com o de um
helicóptero.
Segundo a Agência Nacional de Aviação Civil (ANAC), o termo drone é

uma expressão genérica utilizada para descrever desde pequenos multirrotores,
comprados em lojas de brinquedo, até Veículos Aéreos Não Tripulados (VANT)
99
de aplicação militar, autônomos ou não (ANAC, 2019). Por este motivo, o termo
não é utilizado na regulação técnica da ANAC. São chamados aeromodelos os
equipamentos de uso recreativo, enquanto os VANT são aqueles empregados
em finalidades não recreativas. O termo Aeronave Remotamente Pilotada (RPA)
denota um subgrupo de VANT destinado à operação remotamente pilotada,
porém, vale ressaltar que isso não é uma regra a ser seguida.
Conforme explica Munaretto (2017), aeronaves remotamente pilotadas

para uso em esporte ou lazer, com propósitos recreativos, não devem voar a mais
de 400 ft acima do terreno, a menos que possuam autorização.
Ao longo da história podemos constatar diversas aplicações do VANT

para fins militares, assim como as outras plataformas utilizadas nos períodos
de guerra, conforme vimos anteriormente. Segundo Longhitano (2010), a partir
da década de 1950, foram destinados mais recursos para o desenvolvimento do
VANT pelo governo dos Estados Unidos, sendo este um dos principais países
com recursos voltados ao sensoriamento remoto.
Quanto aos VANT, estes podem ser classificados de duas formas,

dependendo de como são pilotados, sendo remotamente pilotados (ARP), ou
autônomos, conforme comentado anteriormente.
Quando remotamente pilotados, embora possam existir modos

automáticos de voo, o piloto sempre poderá intervir, fazendo manobras ou
desligando o modo automático. Quando em modo autônomo, não há tipo de
interferência do piloto, nem para executar manobras ou desligar o controle, pois
há uma pré-programação do plano a ser seguido (MUNARETTO, 2017).
Os sensores acoplados a essas plataformas aéreas podem ser das mais

diferentes formas e resoluções, podem variar desde uma pequena câmera, acoplada
a um ultraleve, até câmeras hiperespectrais acopladas a um avião, por exemplo.
Quanto aos VANT, há uma ampla variedade de sensores que podem ser
utilizados em seus voos. O mais comum é o sensor na faixa do visível ou RGB,
usando desde câmeras mais simples, sem georreferenciamento da imagem, até
câmeras profissionais estabilizadas, de alta resolução e com determinação de
coordenadas de cada pixel. Outros sensores que também podem ser utilizados
são o infravermelho, o multiespectral, o hiperespectral, o de monitoramento do
espectro de frequência, o Radar e o LiDAR (MUNARETTO, 2017).
Consequentemente, devido à variedade de sensores, há igualmente uma

diversidade de resoluções das imagens obtidas através dos VANT, porém, como
visto anteriormente, uma de suas vantagens é a possibilidade de obter imagens
mais detalhadas, de altíssimas resoluções (geralmente variando conforme altitude
de voo), voltadas para análises minuciosas da superfície terrestre, com facilidade
de acesso em áreas remotas.
100
A utilização dos VANT apresenta uma grande vantagem devido ao

seu baixo custo econômico, se comparado aos aviões e plataformas orbitais, e
da facilidade de planejamento de voo e execução para a captura dos dados da
superfície terrestre. O Quadro 8 apresenta algumas principais aplicações dos
VANT, tanto militares, quanto civis.
QUADRO 8 – POSSÍVEIS APLICAÇÕES DOS VANT
MISSÕES EM CIÊNCIA DA TERRA

Interferometria repetida da superfície. Medições de campos magnéticos.
Medições de nuvens e aerossóis. Propriedades de nuvens.
Química da camada de ozônio. Descargas fluviais.
Qualidade do ar e poluição da
Equivalência de neve com água líquida.
troposfera.
Medições de vapor d'água. Umidade e congelamento do solo.
Observações costeiras. Microfísica e propriedades de nuvens.
Incêndios, emissões, dispersão de Observações em condições de tempo
plumas. extremas.
Medições de fluxo de O2 e CO2. Investigações iniciais.
Composição e estrutura da vegetação. Furacões.
Distribuição de aerosSol, nuvens e
Oceanografia física.
precipitação.
Dinâmica de geleiras. Rastreamento de transportes.
Interação entre nuvens, aerossóis,
Radiação - Perfis verticais de onda.
gases e radiação.
Perfilamento vertical de longo período
Espessura e superfície das geleias.
da atmosfera.
Espectroscopia de imageamento. Mapeamentos 3D.
Evolução química e do transporte de
Mapeamento topográfico.
substâncias na atmosfera.
Medições da aceleração da gravidade. Vigilância para explorações.
GESTÃO DE TERRITÓRIO E MISSÕES COSTEIRAS

Contagem da população para gestão Identificação e rastreamento de vida
da vida selvagem. no mar.
Missões de telemetria para gestão da
Fauna bentônica em águas rasas.
vida selvagem.
101
Detecção de alterações de habitats da

Fluxo de dióxido de carbono.
vida selvagem.
Comunicação em tempo real de
Agricultura de precisão.
incêndio e desastres.
Predição e medição de incêndios e

Gestão de reservatórios.
desastres.
Gestão de faixas (APP, servidão de LTs Aplicação de substâncias retardantes

etc.). em incêndios.
Redução de risco em ações de resposta

Gestão urbana.
a incêndios e desastres.
Avaliação pré e pós eventos de

Qualidade da água costeira.
desastres.
MISSÕES PARA SEGURANÇA PÚBLICA
Vigilância marinha. Missões táticas em fronteiras.
Monitoramento de túneis. Patrulhas costeiras.
Vigilância de grandes áreas e fronteiras. -
FONTE: Longhitano (2010, p. 20)
Apesar da ampla gama de aplicação dos VANT, há algumas desvantagens

em sua utilização para o levantamento de dados, como, por exemplo, a baixa
resistência ao clima, especialmente se houver fortes ventanias, o tempo reduzido
para voo, se comparado com as aeronaves tripuladas, e apesar do seu alto nível
de detalhamento, seu percentual de cobertura da superfície também é menor.
Quanto às fotografias aéreas, também conhecidas como aerofotografias,

captadas por aviões, começaram a ser utilizadas a partir do século XX, conforme
aprendemos na Unidade 1, sendo uma das técnicas mais antigas da aplicação
do sensoriamento remoto, e continuam sendo utilizadas até hoje para diversas
finalidades, com objetivos mais específicos, podendo fornecer os dados precisos
necessários para muitos levantamentos cadastrais e planejamentos, devido a seu
alto nível de detalhamento.
Embora, geralmente montadas em aeronaves, as câmeras fotográficas

convencionais também podem ser transportadas por missões de ônibus espacial,
como as câmeras digitais (usando dispositivos de carga acoplada, os CCDs, em
vez de filme como sensor) (HORN; GRABMAIER, 2004).
102
De acordo com alguns critérios, as fotografias aéreas podem ser

classificadas em dois tipos, conforme a orientação do eixo da câmera, sendo a
fotografia vertical e a fotografia oblíqua.
Na maioria das aplicações de mapeamento, é necessária fotografia aérea

vertical. A fotografia aérea vertical é produzida com uma câmera instalada na
parte inferior da aeronave. A imagem resultante é bastante semelhante a um
mapa e tem uma escala aproximadamente constante em toda a área da imagem.
Normalmente, a fotografia aérea vertical é adquirida em estéreo, em que as
fotos sucessivas têm um grau de sobreposição para permitir a interpretação e as
medições estéreo (HORN; GRABMAIER, 2004).
Para a fotografia aérea ser considerada vertical é necessário que o eixo

óptico da câmera esteja perpendicular à superfície terrestre (JENSEN, 2009). A
Figura 12 apresenta o esquema para se obter uma figura vertical do terreno.
FIGURA 12 – FOTOGRAFIA AÉREA VERTICAL DE UM TERRENO
FONTE: Adaptada de Jensen (2009)
Quanto às fotografias oblíquas, estas são adquiridas com eixo ótico

orientado obliquamente. Essas fotografias podem ser classificadas como oblíquas
altas e oblíquas baixas, e estes termos, “alto” e “baixo”, referem-se ao ângulo de
inclinação do eixo ótico da câmara em relação à vertical em alguns graus, não há
nenhuma relação com a altura do avião.
Nas fotografias oblíquas altas, o horizonte é visível, aparentando ser uma

fotografia panorâmica, e isso se deve à inclinação do eixo ótico para a sua captura.
Na fotografia oblíqua baixa não é possível visualizar o horizonte, pois o seu eixo
ótico é menos inclinado em relação à oblíqua alta. Na Figura 13, podemos observar
o esquema do campo de visada em relação aos ângulos junto a um exemplo de
uma fotografia obtida de forma obliqua alta e baixa.
103
FIGURA 13 – (A) ESQUEMA DE UMA FOTOGRAFIA OBLÍQUA BAIXA. (B) FOTOGRAFIA AÉREA
OBLÍQUA BAIXA DE UMA PONTE
A fotografia apresentada na Figura 13 foi obtida a uma altura de

aproximadamente 183 metros e, conforme explica Jensen (2009), uma fotografia
aérea oblíqua deve ser vista de tal forma que as feições mais importantes, como a
ponte, se distanciem do analista.
Na Figura 14, é representado o esquema de captação de uma aerofoto

oblíqua alta junto a um exemplo de uma fotografia, no qual é possível visualizar
todo o horizonte.
FIGURA 14 – (A) ESQUEMA DE UMA FOTOGRAFIA OBLÍQUA ALTA. (B) FOTOGRAFIA AEREA
OBLÍQUA BAIXA, OBTIDA EM 1940
Algumas das vantagens na utilização das fotografias obliquas são descritas

por Habbecke e Kobbelt (2010), ressaltam que as fotos oblíquas apresentam
uma melhor visão intuitiva, por estarmos mais habituados a ver os objetos
lateralmente, especialmente para analistas que ainda não estão acostumados a
interpretar imagens aéreas. Apresentam, ainda, informações sobre as alturas dos
prédios, aparência e detalhes das fachadas, texturas, permitem ainda aplicações
para modelos 3D de cidades e podem ser superpostas a mapas cadastrais.
104
A configuração direcional da câmera é montada pelo operador logo no

início da missão, enquanto a aeronave ainda está estável, para que seja possível
realizar o nivelamento da forma com que se deseja obter as imagens, com seus
ângulos determinados.
Para a captura das fotografias, há os diferentes tipos de filmes que, sendo

sensíveis a diferentes faixas do espectro eletromagnético, originam fotografias que
podem ser em tons de cinza, também chamadas de pancromáticas, infravermelhas,
ou coloridas, também chamadas de normais ou naturais, ou ainda, aerofotos
coloridas infravermelhas, também denominadas de falsa-cor (CAZETTA, 2009).
A obtenção das fotografias aéreas, a partir de aviões, pode ocorrer da

seguinte forma:
A obtenção dessas fotografias ocorre por faixas percorridas por um

avião, de modo que cada fotografia da sequência de faixas tenha de
50 a 60% de sobreposição longitudinal e de 10 a 30% de sobreposição
lateral, com a finalidade de garantir o recobrimento total da área
fotografada e obter a estereoscopia. Ou seja, após a obtenção de uma
faixa de fotografias aéreas (recobrimento longitudinal), o avião retorna
por outra rota que recobre entre 10 a 30% da faixa lateral anterior
(CAZETTA, 2009, p. 8).
A sobreposição entre as fotografias aéreas permite a visualização em três

dimensões a partir da estereoscopia. Maschio (2008, p. 17) explica que:
A estereoscopia consiste na propriedade de vermos uma imagem de

dois pontos de vista ligeiramente distantes um do outro, e nossos
olhos assim o fazem, automaticamente, uma vez que cada olho recebe
uma imagem distinta. É devido a esta diferença de enquadramento,
ou perspectiva binocular, que o observador sintetiza em seu cérebro as
duas imagens, e reconfigura o espaço que observa, podendo perceber
relevo, distância e volume. Este fenômeno é cotidiano em nossa visão
(maioria dos humanos), e pode ser também simulado com imagens
estáticas ou em movimento, para experimentarmos tal sensação.
Na Figura 15, podemos analisar o comprimento da cobertura da fotografia

e o percentual de sobreposição de uma imagem para outra, podendo variar entre
50 a 60%, e uma pequena área, variando entre 10 a 30%, de sobreposição registrada
entre as três fotografias, conforme vimos anteriormente.
105
FIGURA 15 – FOTOGRAFIAS AÉREAS OBTIDAS AO LONGO DA LINHA DE VOO COM 60% DE

SOBREPOSIÇÃO
FONTE: O autor
Apesar dos diferentes níveis e maneiras de adquirir as imagens da

superfície terrestre, todos instrumentos possuem um mesmo objeto, que é garantir
a visualização e interpretação da realidade do terreno.
6 SENSORES TERRESTRES
Nos subtópicos anteriores tivemos a oportunidade de conhecer alguns
dos sensores terrestres, com princípio de funcionamento ativo e também passivo,
como, por exemplo, os radiômetros e os espectrômetros, porém, não explorados
em detalhe as suas características. Neste subtópico, discutiremos com maior
profundidade as características dos sensores terrestres.
Os sensores espectrais, em nível terrestre, são utilizados, principalmente,

para pesquisas sobre a interação e comportamento dos objetos com a radiação,
ou seja, como absorvem, refletem e emitem a radiação eletromagnética. Além
disso, compreender como funciona esse processo de interação da radiação com a
matéria é fundamental para a utilização dessa energia.
Uma vantagem importante na utilização desses sensores em nível

terrestre, é que, por coletar os dados a uma curta distância do objeto, torna-se rico
em termos de detalhes do alvo.
A radiometria ou espectrorradiometria de campo é definida como uma

técnica de sensoriamento remoto empregada para medir a parte da radiação
eletromagnética que é refletida por um objeto da superfície terrestre em condições
de campo. É o sensoriamento remoto em nível de campo, realizado próximo aos
106
alvos que se encontram em suas condições naturais. A característica que difere

os radiômetros dos espectrorradiômetros é que o primeiro opera em limitadas e
pré-selecionadas bandas espectrais, e o segundo opera em faixas espectrais mais
estreitas e contínuas do espectro eletromagnético (GONÇALVES, 1999), porém
suas aplicações possuem o mesmo objetivo.
A radiometria de campo, por exemplo, é muito utilizada nos estudos que

relacionam comportamento espectral com anomalias na planta, provocadas por
estresse, como deficiência de nutrientes. Além de ser, também, muito utilizada
em pesquisa sobre estimativas de parâmetros biofísicos usados em modelos de
crescimento de cultura. Como é o caso de o índice de área foliar (MOREIRA, 2001).
O conceito de radiometria pode ser definido como:
Um conjunto de conceitos, terminologias, relações matemáticas,

medidas instrumentais e unidades elaborados para descrever e medir
as relações e interações da radiação eletromagnética com a matéria
em termos da sua potência, polarização, conteúdo espectral e outros
parâmetros relevantes para uma determinada fonte ou configuração
do detector. O instrumento utilizado nas medições de fluxo radiante
(potência) da radiação eletromagnética é chamado radiômetro. Um
radiômetro responde a um estímulo ou sinal de radiação, alguns
detectores utilizam o monitoramento do aquecimento quando o calor
é absorvido por uma superfície. O calor absorvido também poder ser
convertido, por exemplo, em movimentos mecânicos ou em energia
elétrica (CARLESSO et al., 2019, p. 3).
Além das aplicações descritas anteriormente, os radiômetros podem ser

aplicados ainda em áreas de mineração, exploração de petróleo e de gases, sendo
extremamente útil para medir a radiação proveniente dos ambientes que serão
explorados, afim de prevenir possíveis acidentes radioativos.
Existem, hoje, vários sistemas sensores que podem ser utilizados em nível
de solo (QUADRO 9), alguns desses, e suas principais características, em quais
faixas do espectro operam e suas possíveis aplicações.
QUADRO 9 – SENSORES REMOTOS EM NÍVEL DE SOLO
Sensor Características Complementação
1) é um espectrorradiômetro
portátil, óptico-eletrônico, com a) Resolução espectral: 10
espectro contínuo; nm;
Spectron b) Faixa espectral de
2) é capaz de adquirir 256 medidas
SE-590 operação: 350 a 1100 nm;
espectrais em intervalos bastante
c) Tempo de aquisição: 1/60
estreitos, na faixa espectral
até 64/60 seg.
compreendida entre 350 e 1.100
nm do espectro eletromagnético.
107
1) sensor passivo, designado para

medir a radiação fotossintetica-
mente ativa (RFA) na região espec- a) Calibração absoluta: ± 10
tral entre 400 e 700 nm, em locais %;
Sensor onde a radiação a ser medida não é b) Tempo de resposta: 10 µs;
Quântico Ll espacialmente uniforme, por exem- c) Área sensoriada: 1 m
— 190 SA plo, dentro de dosséis agrícolas. de comprimento por
12,7mm de largura.
2) O equipamento é muito utiliza-
do em experimento de campo e em
ambiente controlado, isto é, labo-
ratório.
1) sensor passivo, desenvolvido

para estimar o índice de área foliar
de dosséis de vegetação, sendo
a) Faixa de operação: 320 a
muito prático para uso em áreas
Sensor LAI 490 nm;
agrícolas. Pode ser usado também
- 2000 b) Erro tolerável do sistema
para medir produtividade de
óptico: 1%.
dossel, vigor de floresta, deposição
de poluição do ar, estudos de
ataque de insetos etc.
1) O seu princípio de funciona-

mento baseia-se num conjunto
de lentes que coleta e focaliza a
energia emitida pelo o alvo num
Sensor a) Exatidão: ± 1 dígito;
detetor infravermelho. O detetor
Thermo- b) Resposta espectral: 8 a 14
responde e produz uma voltagem
point µm.
que é diretamente proporcional à
quantidade de energia recebida e,
consequentemente, com a tempe-
ratura do alvo.
1) é um sensor passivo, não ima-

a) Campo de visada: 14 x 4°;
geador, que opera na região es-
b) Resolução espectral: 2 nm
Sensor Ger pectral do infravermelho distan-
(300 - 1.100 nm) e 4 nm (1.100
Iris Mark- te. Por isso, é destinado a medir a
- 3.000 nm);
IV radiação emitida (temperatura de
c) Faixa espectral de
brilho) pelos alvos dentro do seu
operação: 300 a 3.000 nm.
campo de visada.
FONTE: Adaptado de Moreira (2001)
108
Outros instrumentos, em nível de solo, que são extremamente úteis,

são os Global Navigations Satellite System (GNSS), popularmente chamados de
GPS, que são um sistema de posicionamento utilizado para coletar de dados
em campo, auxiliar nos dados de navegação e aumentar a precisão dos dados
geodésicos e topográficos, determinando ângulos e distâncias para obtenção
das coordenadas da superfície terrestre. O sistema opera ininterruptamente,
garantindo a determinação de posição 24 horas por dia, em qualquer lugar,
independe das condições meteorológicas, embora tenha-se conhecimento que
essas condições podem interferir, de alguma maneira, na precisão do resultado
(ALBUQUERQUE; SANTOS, 2003).
Por fim, lembramos que, nos últimos anos, os sensores LiDAR têm ganhado
notoriedade, também, para coleta de dados em nível terrestre, sobretudo na área
florestal e arquitetura, utilizados para escanear florestas nativas e comerciais, ou
para elaboração de modelos 3D muito detalhados de construções relacionadas ao
patrimônio cultural.
109
RESUMO DO TÓPICO 1
• Há três níveis de coleta dos dados de sensoriamento remoto divididos entre:

nível de solo, nível aerotransportado e nível orbital, sendo que cada plataforma
possui suas particularidades e consequentemente resultado em produtos
distintos.

• Os sensores terrestres têm capacidade de gerar produtos com significativa
riqueza de detalhes, entretanto, são comumente utilizados em aplicações de
caráter pontual (folhas) ou pequenas extensões territoriais.
• Os sensores aerotransportados, geram imagens por meio de sensores acoplados

em uma plataforma aérea, a exemplo de aeronaves, balões, VANT etc. Estes
dados possuem níveis intermediários a detalhados e maior possibilidade de
revisita a uma mesma área a ser imageada.
• Os sensores orbitais são os mais comuns em sensoriamento remoto, sendo

acoplados em satélites, interessados na observação da Terra.
• Os sensores podem ser classificados, de uma forma geral, em função da sua fonte
de energia (passivo ou ativo), do tipo de produto que é gerado (imageadores
e não imageadores), e do seu princípio de funcionamento (varredura e não
varredura).
• Os sensores podem ser classificados ópticos, quando constituído por espelhos

e prismas de lentes, e operam na faixa do visível e infravermelho do espectro
eletromagnético.
• Os sensores ativos, diferentemente dos sensores passivos que dependem de

uma fonte de energia, possuem, por sua vez, capacidade de gerar a sua própria
fonte de energia como as micro-ondas ou pulsos de laser para obter imagens
de sensoriamento remoto.
110
AUTOATIVIDADE
1 Com a evolução do sensoriamento remoto, atualmente, existe uma ampla

gama de sensores disponíveis, com as mais diversas características. Assim,
há algumas maneiras de classificá-los para facilitar nossa compreensão
e a seleção do sensor mais adequado para cada tipo de atividade. Em se
tratando dos níveis de coletas de dados em sensoriamento remoto, assinale
(V) para alternativas verdadeiras e (F) para alternativas falsas:
( ) O nível de coleta terrestre envolve apenas fotografias tomadas por

câmeras coloridas, operadas por um analista.
( ) Os sensores orbitais, comumente caracterizados por satélites, podem
envolver sensores ativos e passivos.
( ) Os sensores aerotransportados se referem àqueles acoplados em
plataformas aéreas, ou seja, apenas aviões.
( ) Radar e LiDAR são exemplos de sensores híbridos, podendo ser
considerados ativos ou passivos, dependendo do objetivo do
imageamento.
Assinale a alternativa com a sequência CORRETA:

a) ( ) V – V – F – V.
b) ( ) F – V – F – F.
c) ( ) V – F – V – F.
d) ( ) F – V – F – V.
2 No sensoriamento remoto orbital, há uma ampla gama de dados obtidos

por sensores, acoplados a diversas plataformas. Cada um possui suas
particularidades, que resultam na qualidade dos produtos gerados, sendo,
na maior parte das vezes, as imagens. No sensoriamento orbital, que possui
um sistema de coleta de dados a partir de sensores a bordo de satélites, há
dois tipos de sensores mais comuns, divididos entre aqueles que dependem
de uma fonte de energia, e aqueles que produzem sua própria energia.
Denominamos esses tipos de sensores, respectivamente:
a) ( ) Aerotransportados e passivos.
b) ( ) Passivos e terrestres.
c) ( ) Passivos e ativos.
d) ( ) Ativos e passivos.
111
3 Durante muitas décadas os principais sensores utilizados em sensoriamento
remoto eram os aéreos. Os satélites foram desenvolvidos posteriormente,
demandando um intenso desenvolvimento científico e tecnológico. No
entanto, ao longo dos anos, os sensores aerotransportados também se
desenvolveram e se diversificaram. Assinale a alternativa que corresponde
corretamente aos três principais exemplos de sensores aéreos:
a) ( ) Satélites, aviões e VANT.

b) ( ) Aviões, balões e satélites.
c) ( ) LiDAR, radiômetro e aviões.
d) ( ) Balões, aviões e VANT.
112
TÓPICO 2 —
UNIDADE 2
CARACTERÍSTICAS DAS IMAGENS DE

1 INTRODUÇÃO
Neste tópico, nós iremos aprofundar os conhecimentos num dos temas

essenciais do sensoriamento remoto, as imagens de satélite. Durante muitos
anos, a compreensão e o domínio de processamento de imagens estiveram
restritos a um número muito reduzido de especialistas. O avanço tecnológico
que tem contribuído para o desenvolvimento do sensoriamento remoto, reflete
diretamente no principal produto resultante desta geotecnologia, as imagens.
A difusão do sensoriamento remoto em termos de distribuição de

imagens gratuitas e o crescente número de aplicações provenientes, também,
de satélites comerciais, resulta em uma ampla variedade de características de
imagens e nós, interessados nas mais diversas aplicações do sensoriamento
remoto. Precisamos estar preparados para lidar e compreender as características
dessa diversidade de imagens.
Por isso, primeiramente, relembraremos a forma como a energia

eletromagnética interage com o sensor até o processo de formação das imagens,
após a captação dos sinais para uma estação terrestre de recepção de imagens.
Também serão apresentadas algumas das características mais importantes

da estrutura de uma imagem de satélite, conhecida como estrutura matricial, e
entender quanto essa estrutura pode estar relacionada com o processamento digital
de imagens, a exemplo dos números digitais pertinentes aos pixels presentes na
estrutura de uma imagem. Aprenderemos, ainda, algumas diferenças (técnicas)
entre os formatos mais usuais em imagens de satélites.
Além disso, este tópico abordará um assunto fundamental para

orientar a escolha entre diferentes satélites e, consequentemente, suas imagens
disponíveis, ou seja, as diferentes resoluções que devem ser levadas em
consideração no momento da escolha, no processamento e nos objetivos de
aplicações em sensoriamento remoto. Para se ter uma ideia, as resoluções são
comumente divididas entre espacial, espectral, temporal e radiométrica, mas
suas particularidades serão detalhadas ao longo deste tópico.
113
Por fim, ao final deste tópico, você terá ao seu dispor uma autoatividade
para reforçar o conteúdo apresentado e para que você possa exercitar seus
aprendizados a respeito das (muitas) características das imagens de sensoriamento
remoto. Bons estudos!
2 ESTRUTURA MATRICIAL
Conforme vimos anteriormente, as imagens de satélites são constituídas,
basicamente, por amostras de energia eletromagnética que são incidias e refletidas
pela superfície terrestre, captadas pelos sensores e finalmente transformadas num
arquivo raster (imagem).
A estrutura das imagens de satélite é formada por diversas células,

organizadas lado a lado em uma matriz bidimensional, como uma grade. Essas
células são chamadas de pixel, abreviação do inglês picture element, e possuem
sua localização definida, como um sistema de coordenadas X e Y, representadas,
respectivamente, por colunas e linhas.
Cada pixel possui um valor numérico, que está associado ao nível de

radiação eletromagnética que é refletida ou emitida pela superfície terrestre,
especialmente naquele ponto do alvo, e este nível de intensidade é chamado
de nível de cinza, ou Digital Number (DN), podendo variar entre 0 (zero) a 255,
armazenado em 8 bits, em uma imagem típica em tons de cinza, derivando do
brilho máximo (branco - 255) ao valor mínimo (preto - 0) (FIGURA 16).
FIGURA 16 – ESTRUTURA MATRICIAL DE DAS IMAGENS DE SATÉLITE
FONTE: Adaptada de Crósta (1992)
Para uma interpretação mais didática, podemos analisar, na Figura 17, a

comparação em diferentes níveis de visualização da estrutura de uma imagem.
Na Figura 17A, temos uma imagem digital original de 500 linhas e 400 colunas,
na escala de 1:200.000. Na Figura 17B, temos a ampliação desta imagem, com o
zoom no centro da imagem da Figura 17A, com 100 linhas e 80 colunas, na escala
de 1:40.000. Na Figura 17C, temos 10 linhas e 8 colunas, na escala de 1:4.000,
114
TÓPICO 2 — CARACTERÍSTICAS DAS IMAGENS DE SENSORIAMENTO REMOTO
e, por fim, na Figura 17D, conseguimos visualizar o digital number, ou seja, o

nível de cinza correspondente ao brilho de cada pixel mostrado na Figura 17C
(LILLESAND, KIEFER; CHIPMAN, 2015).
FIGURA 17 – CARACTERÍSTICA ESTRUTURAL DE UMA IMAGEM DIGITAL
FONTE: Adaptada de Lillesand, Kiefer e Chipman (2015)
Podemos observar nas Figuras 17C e D que, quanto maior a iluminação

em determinadas áreas, maior será o seu digital number e, automaticamente,
mais próximo do branco, e inversamente, quanto mais escuras, menor é sua
reflectância e, automaticamente, menor será o seu digital number, tornando-os
mais próximo do preto.
Segundo Crósta (1992), essas matrizes possuem dimensões de até alguns

milhares de linhas e de colunas, por exemplo, as imagens da série Landsat geram
imagens de 6.550 x 6.550 elementos, o que significa mais de 42 milhões de pixels
para cada banda).
Para sabermos a relação entre o valor do digital number e a resposta

espectral do alvo terrestre, para uma determinada banda, podemos utilizar
a Equação 1 (PARANHOS FILHO; LASTORIA; TORRES, 2008; LILLESAND,
KIEFER; CHIPMAN, 2015):
115
Na qual:
• DN = valor do digital number registrado.

• G = efeito de ganho da banda (função da curva espectral da banda).
• L = radiância espectral medida (sobre o intervalo espectral da banda).
• B = efeito de redução da banda (também dependente da função de resposta
radiométrica).
Além das imagens matriciais (raster), conforme vimos, há também os

tipos de arquivos vetoriais (vetor), também chamados de elementares gráficos.
Moreira (2001) explica que no modelo vetorial, a localização e a aparência gráfica
são representadas por um ou mais pares de coordenadas. No modelo vetorial,
o elemento ou objeto é representado por pontos, linhas ou polígonos, conforme
podemos observar na Figura 18.
FIGURA 18 – REPRESENTAÇÃO DOS MODELOS VETORIAIS
Os pontos não possuem dimensões significativas, de acordo com a escala

em uso. Entidades como postes elétricos, hidrantes, nascentes de rios, pontos de
ônibus etc., normalmente são representadas pontualmente em mapas de escalas
grandes (ex.: 1:5.000), porém, em mapas de escalas pouco menores (ex.: 1.20.000),
os pontos são usados para representar a localização de escolas, hospitais,
prédios públicos etc. E em escalas bem pequenas, os pontos podem representar a
localização de cidades (LISBOA FILHO; IOCHPE, 1996).
As linhas podem ser aplicadas para objetos lineares, como, por exemplo,
rios, redes viárias, estruturas de rede etc. E os polígonos para representação de
estruturas bidimensionais, com a possibilidade de calcular sua área.
116
Contudo, o analista deve levar em consideração os seus objetivos

de trabalho para utilizar os dados que melhor se adéquam para realizar suas
demandas, usufruindo do melhor resultado com o emprego correto de para cada
formato, podendo integram até mesmo ambos os formatos simultaneamente em
um ambiente SIG, complementando-os.
No Quadro 10, podemos analisar uma comparação de aplicabilidade

entre os dados raster e vetorial.
QUADRO 10 – COMPARAÇÃO ENTRE OS DADOS RASTER E VETORIAL
Aspectos Formato Vetorial Formato Raster
Relações Armazena informações

Relacionamentos espaciais devem
espaciais entre sobre relacionamentos
ser inferidos.
objetos (topologia).
A cada pixel pode ser atribuído um

Pode ser mais fácil
Ligação com valor. Porém, o layer raster pode ser
associar atributos aos
banco de dados repetido n vezes, permitindo que
elementos gráficos.
cada pixel possua n atributos.
Para fenômenos
Representa melhor fenômenos
Análise, contínuos a
com variação contínua no espaço.
simulação e representação é indireta.
A simulação e modelagem são
modelagem A álgebra de mapas é
facilitadas.
limitada.
Problemas com erros O processamento pode ser mais

Algoritmos
geométricos. rápido e eficiente.
Por coordenadas (pode

Padrão X, Y e Z. Pode vir a
ser mais eficiente) e pode
ocupar mais espaço em disco
Armazenagem vir a ocupar menos espa-
comparativamente ao formato
ço em disco se compara-
vetorial.
do ao formato raster.
Depende da escala de
Escala de Depende da dimensão do pixel do
coleta ou da escala dos
trabalho terreno (resolução espacial).
dados de entrada.
Redes: concessionárias Ambientais: diagnóstico,

de água, esgoto, lixo, zoneamento, planejamento,
energia, telefonia, gerenciamento, manejo, gestão
Aplicações
transportes, bacias ambiental, fiscalização, modelagem
hidrográficas, cadastro (modelos numéricos de terreno e
etc. modelos digitais de elevação).
FONTE: Paranhos Filho, Lastoria e Torres (2008, p. 146)
117
3 CARACTERÍSTICAS E DIFERENÇAS DE IMAGENS

Toda imagem captada pelo sensor, em formato digital, é armazenada em
arquivos de computador como qualquer outro arquivo de dados. Frequentemente,
existem dois arquivos para cada imagem de sensoriamento remoto, um deles,
normalmente de pequena dimensão, destina-se às informações de cabeçalho da
imagem (identificação do satélite, do sensor, data e hora, tamanho do pixel etc.),
também chamado de header da imagem, e outro que contém os valores numéricos
correspondentes aos pixels da imagem, os quais damos a denominação de
imagem digital (FIGUEIREDO, 2005), conforme vimos anteriormente.
Com a evolução do sensoriamento remoto, hoje podemos encontrar uma

grande variedade de formatos de imagens, podendo utilizá-las conforme sua
necessidade de aplicação.
Utilizar formatos padronizados dos arquivos, especialmente das imagens,

facilita consideravelmente o processamento e manuseio dos dados, portanto, as
vezes é necessário realizar conversões para padronização.
No Quadro 11, vamos conhecer alguns dos principais formatos de com-

pressão de imagens digitais, a modo de facilitar a padronização e armazenamen-
to dos dados, além de compreender suas características e os critérios necessários
para a seleção de um formato mais adequado para algumas atividades.
QUADRO 11 – FORMATOS E CARACTERÍSTICAS DAS IMAGENS DIGITAIS
Formato Características
É um dos mais populares, amplamente utilizado,
especialmente por se tratar um formato de
TIFF (Tagged Image File arquivo bastante flexível projetado para atender
Format) às necessidades profissionais de diversos campos
e, principalmente, por ser uma compressão sem
perdas na qualidade do arquivo.
Este que embora tenha sido amplamente aceito,

tornando-se útil para compressão de fotografias
JPEG (Joint Photographic
de tom contínuo, não é o ideal para imagens
Experts Group)
de sensoriamento remoto, nem para dados
geoespaciais em geral.
É um formato indexado projetado para imagens
coloridas e em tons de cinza com uma profundidade
máxima de 8 bits e, consequentemente, não
GIF (Graphics Interchange
oferece suporte a imagens em cores reais. Oferece
Format)
suporte eficiente para codificação de paletas
contendo de 2 a 256 cores, uma das quais pode
ser marcada para transparência.
118
Este formato foi projetado como um formato de

imagem universal especialmente para uso na
Internet e, como tal, o PNG oferece suporte a três
PNG (Portable Network
tipos diferentes de imagens:
Graphics)
a) imagens em cores reais (com até 3 × 16 bits / pixel);
b) imagens em tons de cinza (com até 16 bits / pixel);
c) imagens em cores indexadas (com até 256 cores).
É um formato de arquivo simples e amplamente
usado no Windows que oferece suporte a imagens
em tons de cinza, indexadas e em cores reais.
BMP (Windows Bitmap) Também suporta imagens binárias, mas não de
maneira eficiente, já que cada pixel é armazenado
usando um byte inteiro, além de ser um formato
menos flexível para se trabalhar.
FONTE: Adaptado de Burger e Burge (2016)
A flexibilidade do TIFF o tornou um formato de troca quase universal que

é amplamente usado no arquivamento de documentos, aplicativos científicos,
fotografia digital e produção de vídeo digital (BURGER; BURGE, 2016).
A fim da melhoria da qualidade, JPEG básico sofreu algumas modificações,

surgindo então o JPEG2000, que foi reconhecido por fornecer uma alta taxa de
compressão com alta fidelidade, porém, dependendo de sua aplicação, JPEG2000
pode resultar em algumas perdas de qualidade (CAMPBELL; WYNNE, 1944).
Segundo Marques Filho e Vieira Neto (1999), o JPEG não substitui o GIF,
pois este é superior ao JPEG quando se trata de codificar imagens com poucas cores
ou grandes áreas com o mesmo valor de pixel, ainda complementa dizendo que:
O JPEG, ao contrário do GIF, distorce imagens que contenham bordas

bem definidas, isto é, transições abruptas nos valores dos pixels (o
exemplo extremo são caracteres pretos sobre fundo branco). Nestes
casos a imagem JPEG apresenta-se borrada. O bom desempenho
do JPEG é obtido com imagens fullcolor (até 8 bits/amostra) de tom
contínuo, sem transições bruscas de cores. Já o GIF é limitado a um
mapa de cores (palheta) de 256 cores (MARQUES FILHO; VIEIRA
NETO, 1999, p. 208).
De maneira geral, as técnicas de compactação com perdas não devem ser

aplicadas a dados destinados à análise ou como cópias de arquivo. A compressão
com perdas pode ser apropriada para imagens usadas para apresentar registros
visuais dos resultados do processo analítico, desde que não formem entrada para
outras análises (CAMPBELL; WYNNE, 1944).
119
4 TIPOS DE RESOLUÇÕES
Os sensores utilizados para a captura das imagens de satélite é o principal
componente que difere cada imagem gerada, e para compreender os diferentes
tipos de imagens geradas pelos diferentes sensores é essencial conhecer a sua
estrutura, conforme vimos no item anterior, e as suas resoluções.
Florenzano (2007) define resolução como a capacidade de visualização

que o sensor possui, habilitado a distinguir os objetos da superfície terrestre.
As resoluções de um sensor podem ser divididas em quatro tipos, sendo elas
a resolução espacial, resolução espectral, resolução radiométrica e resolução
temporal, na qual explicaremos detalhadamente cada uma delas, suas
características e particularidades, que influenciam diretamente nas imagens que
utilizamos em sensoriamento remoto.
A resolução espacial é a capacidade que o sensor possui de distinguir

os objetos que estão na superfície terrestre. A referência mais utilizada para a
representação da resolução espacial é o tamanho do pixel da imagem. Em geral,
só objetos maiores que a área do pixel podem ser identificados, embora isso
também dependa da reflectância e contraste entre os objetos (IBGE, 2001).
A resolução espacial depende do campo de visada (Field of View – FOV)

do sensor e também do campo de visada instantâneo (Instantaneous Field of Vew –
IFOV), conforme podemos observar na Figura 19.
FIGURA 19 – CAMPO DE VISADA DO SENSOR E O CAMPO DE VISADA INSTANTÂNEO
É importante ressaltar que IFOV não é o mesmo que resolução espacial,

é importante saber em quantos pixels é dividido o campo de visada total de
uma imagem digital. Dessa forma, os objetos menores que o tamanho de cada
pixel podem ser detectados na imagem se eles contrastarem com o fundo, como
rodovias e padrões de drenagem, por exemplo (PARANHOS FILHO; LASTORIA;
TORRES, 2008).
120
Quanto maior for a resolução espacial de um sensor, 1 m, por exemplo,

maior será o nível de detalhe sobre o alvo e menor tende a ser a área imageada.
De forma oposta, quanto menor for a resolução espacial de um sensor, 1 km, por
exemplo, menor será o nível de detalhe sobre o objeto e maior tende a ser a área
imageada (SAUSEN, 2008).
Portanto, a resolução espacial está diretamente relacionada à escala

de trabalho, sendo necessário, então, levar em consideração o seu objetivo de
trabalho e o resultado que pretende obter, para realizar a escolha da imagem com
a resolução mais adequada.
A resolução radiométrica é definida como a sensibilidade de um detector

de sensoriamento remoto medir às diferenças na intensidade do sinal à medida
que ele registra o fluxo radiante refletido, emitido ou retro difundido do terreno.
Ele define o número de níveis de sinal e, consequentemente, níveis de cinza
discrimináveis. Assim, a resolução radiométrica pode ter um impacto significativo
em nossa capacidade de medir as propriedades dos objetos da cena, pois quanto
maior for a capacidade do sensor de discernir a intensidade do sinal, maior será
sua resolução radiométrica (JENSEN, 2016).
A energia registrada pelo sensor é normalmente quantizada durante

um processo de conversão analógico-digital para 8, 10, 12 bits ou mais, e,
consequentemente, alterando os níveis de cinza. Na Figura 20, podemos comparar
seis imagens de uma mesma área com diferentes resoluções radiométricas.
FIGURA 20 – ESCALA DE CINZA CONFORME A SUA RESOLUÇAO RADIOMÉTRICA
FONTE: <https://bit.ly/32BY08d>. Acesso em: 24 de ago. 2020.
A resolução espectral refere-se ao número de bandas ou largura de bandas

espectrais que um sensor pode discriminar (FIGURA 21). Quanto mais estreita
for a largura de faixa em que opera um determinado sensor ou quanto maior o
número de bandas nele existente maior é a resolução espectral (SAUSEN, 2008).
121
FIGURA 21 – RESOLUÇÃO ESPECTRAL DOS SENSORES MSS, TM, ETM+, OLI/OLI-2 E TIRS/TIRS-
2 DOS SATÉLITES LANDSAT
FONTE: <https://landsat.gsfc.nasa.gov/wp-content/uploads/2016/10/all_Landsat_bands-
1024x488-1.png>. Acesso em: 25 de ago. 2020.
Se um sensor que opera na faixa de 0,4 a 0,5 µm, por exemplo, tem uma
resolução espectral maior que um sensor que opera na faixa de 0,4 a 0,6 µm, este
sensor será capaz de registrar pequenas variações no comportamento espectral
em regiões mais estreitas do espectro eletromagnético (NOVO, 2010).
A resolução temporal é um importante aspecto do sensoriamento remoto,

pois está relacionada com o tempo necessário de revisita do satélite a uma mesma
área. Desse modo, o sensor é capaz de capturar imagens repetidamente, sendo
bastante útil para análises envolvendo dinâmica temporal dos alvos. Exemplos
mais comuns da necessidade da resolução temporal são nas avalições de
desmatamento, monitoramento de culturas etc.
FIGURA 22 – AVALIAÇÃO MULTITEMPORAL DO DESMATAMENTO NA AMAZÔNIA ENTRE 2000,

2005 E 2010
FONTE: <https://bit.ly/2UidmdA>. Acesso em: 25 de ago. 2020.
122
RESUMO DO TÓPICO 2
• As imagens de satélite são estruturadas como uma matriz bidimensional, e

cada célula chama-se pixel, pois possui um valor numérico, diretamente
relacionado com a energia refletida e emitida pela superfície terrestre.
• A resolução espacial é a capacidade que o sensor possui de distinguir os

objetos que estão na superfície terrestre. A referência mais utilizada para a
representação da resolução espacial é o tamanho do pixel da imagem.
• A resolução radiométrica é definida com a sensibilidade do sensor de medir

as diferenças na intensidade do sinal, conforme o registro do fluxo radiante
refletido, emitido ou retro difundido do terreno. Ele define o número de níveis
de sinal (níveis de cinza) apenas discrimináveis, comumente avaliados pela
quantidade de bits que uma imagem possui.
• A resolução espectral refere-se ao número de bandas ou largura de bandas

espectrais que um sensor possui.
• A resolução temporal é um importante aspecto do sensoriamento remoto, pois

está relacionada com a frequência da passagem do satélite para a aquisição de
imagens de uma área (revisita).
123
AUTOATIVIDADE
1 A resolução espacial é uma das resoluções mais importantes no momento

da escolha de uma imagem de satélite. Ela está relacionada com o nível de
detalhamento e a distinção de objetos representados numa determinada
área. Assinale a alternativa que corresponde corretamente para o principal
elemento a ser considerado na resolução espacial de uma imagem. Assinale
a alternativa que corresponde a um dos satélites de observação da Terra
mais conhecidos por ter um amplo acervo de imagens disponibilizadas de
forma gratuita:
a) ( ) Pixel (Nível de cinza).

b) ( ) ND (Nível de cinza).
c) ( ) Pixel (Picture Element).
d) ( ) ND (Picture Element).
2 Um dos temas mais essenciais do sensoriamento remoto são as imagens de

satélites. O avanço tecnológico que tem contribuído para o desenvolvimento
do sensoriamento remoto, reflete diretamente no principal produto
resultante desta geotecnologia. As imagens são arquivos raster, formadas
por uma estrutura contendo linhas e colunas. Além da dessa estrutura, as
imagens possuem características fundamentais para sua compreensão e,
consequentemente, melhor direcionamento em aplicações. Marque V para
alternativas verdadeiras e F para alternativas falsas:
( ) As imagens são formadas por estruturas tridimensionais, contendo

linhas, colunas e profundidades.
( ) A interseção entre linhas e colunas de uma grade raster formam células,
conhecidas como pixel.
( ) Cada pixel possui um valor numérico, que está associado ao nível de
radiação eletromagnética que é refletida ou emitida pela superfície
terrestre, especialmente naquele ponto do alvo, e este nível de intensidade
é chamado de nível de cinza ou Digital Number (DN).
( ) Uma imagem pode conter milhares de pixels em sua estrutura. O
conjunto de pixels é comumente denominado de Digital Number (DN)
e contém linhas e colunas em seu interior, referentes à intensidade de
energia eletromagnética captada pelo sensor.

a) ( ) F – V – V – V.
b) ( ) F – F – V – V.
c) ( ) V – V – V – F.
d) ( ) F – V – V – F.
124
3 O sensoriamento remoto acompanhou a evolução tecnológica, de um modo geral,
a tal ponto que o formato de imagens digitais também é uma necessidade de
escolha quando trabalhos com informações provenientes desta disciplina. Desse
modo, toda imagem captada por um sensor, é armazenada em arquivos
computacionais, assim como qualquer outro arquivo de dados. Atualmente,
há uma variedade razoável de formatos de imagens digitais adequados
para o sensoriamento remoto, sendo eles:
a) ( ) TIFF e XLS.
b) ( ) GIF e XLS.
c) ( ) JPG2000 – TIFF.
d) ( ) JPG2000 e DOC.
125
126
TÓPICO 3 —
UNIDADE 2
PLATAFORMAS DE AQUISIÇÃO DE IMAGENS
1 INTRODUÇÃO
Como temos acompanhado, o sensoriamento remoto envolve, além de

seus fundamentos teóricos, uma gama de processos tecnológicos que seguem em
constante evolução. Uma das grandes vantagens que tem amadurecido ao longo
dos no entorno do sensoriamento remoto é a crescente disponibilidade de dados,
sejam eles gratuitos ou comerciais.
O impulso da ciência e tecnologia tem sido bem aproveitado pelo

sensoriamento remoto, a Geoespatial World estimou que, desde o lançamento do
primeiro satélite, o Sputnik, em 1957, tenham sido lançados cerca de 8.378 satélites,
sendo que em meados de 2018 tínhamos 4.994 satélites orbitando a Terra, sendo
que desse número, 7 satélites orbitavam outros planetas (DATTA. 2020). Os
dados de 2020, segundo a Union of Concerned Scientists (UCS, 2020) e o site Statista
(MAZAREANU, 2020), eram de pouco mais de 2.000 satélites orbitando a Terra.
Todavia, não é tarefa fácil precisar o número de satélites de observação

da Terra que a orbitam atualmente. Nos últimos anos, houve muitos lançamentos
provenientes de agências espaciais do mundo todo, a exemplo: National
Aeronautics and Space Administration (NASA), Instituto Nacional de Pesquisas
Espaciais (INPE), European Space Agency (ESA), Indian Space Research Organisation
(ISRO), dentre muitos outros.
NOTA
Os satélites de observação da Terra são os mais comuns em sensoriamento

remoto, isso porque eles têm como objetivo o levantamento de dados sobre os recursos
naturais, meteorológicos e cartográfico, além da capacidade do monitoramento das
mudanças ambientais e territoriais. Em resumo, são satélites lançados com a intenção de
fazer observações do planeta Terra. Podem variar significativamente entre características de
resoluções espaciais, espectrais, radiométricas, entre outras.
127
Dada a sua relevância, os satélites de observação da Terra são os de maior

interesse para muitas disciplinas que se dedicam a desenvolver aplicações do
sensoriamento remoto. A tal ponto que, atualmente, existe o Grupo de Observações
da Terra (Group on Earth Observations – GEO), que é uma parceria voluntária entre
governos e organizações internacionais que colabora para maximizar benefícios e
investimentos em observações da Terra através do sensoriamento remoto.
DICAS
Para saber mais detalhes acerca do GEO (Group on Earth Observations),

acesse: https://www.earthobservations.org/g_faq.html.
Por isso, neste tópico, iremos conhecer algumas características dos

principais satélites de observação da Terra, com especial interesse para os satélites
de distribuição gratuita de imagens.
Também iremos explorar algumas das principais plataformas de

distribuição gratuita de dados de sensoriamento remoto, fundamentais para
todos os interessados na utilização e diversas aplicações desse tipo de informação.
Desejamos que, ao final deste tópico, você tome conhecimento dos

principais satélites de observação da Terra e seja capaz de acessar as plataformas
de distribuição gratuita de dados em sensoriamento remoto. Bons estudos!
2 EXEMPLOS DE SENSORES GRATUITOS E COMERCIAIS

Em consequência das constantes evoluções no sensoriamento remoto, o
número de satélites de observação da Terra tem se expandido rapidamente. Essa
é uma vantagem significativa para analistas interessados em estudos aplicados
utilizando dados de sensoriamento remoto. Isso porque, com o crescimento do
número de satélites em órbita da Terra, aumentam também a disponibilidade
de dados. Basta notar que, em 1972, contávamos apenas com o Landsat 1 (antes
denominado de ERTS-1), único satélite a distribuir gratuitamente imagens para
observação da Terra.
Antes disso, relembremos brevemente alguns dos principais marcos do

sensoriamento remoto, especificamente do lançamento de satélites, conforme
explicado por Florenzano (2008, p. 26):
128
TÓPICO 3 — PLATAFORMAS DE AQUISIÇÃO DE IMAGENS
O desenvolvimento de satélites artificiais teve início na década de

1950 com o lançamento do SPUTNIK-1, no dia 4 de outubro de 1957,
pela antiga União das Repúblicas Socialistas Soviéticas, URSS. Em
fevereiro de 1958, os Estados Unidos lançaram seu primeiro satélite:
o Explorer-1. Após o sucesso dessas experiências, o homem colocou
satélites artificiais em órbita de quatro outros astros do sistema Solar:
em 1959, o Luna I, em torno do Sol; em 1966, o Luna X, em torno da
Lua; em 1971, o Marine IX, em torno de Marte; e, em 1975, o Venua IX,
em torno de Vênus. Em 1993, o Brasil lançava o seu primeiro satélite, o
SCD-1 (Satélite Brasileiro de Coleta de Dados-1).
DICAS
É possível ter uma ideia da quantidade de satélites que orbitam a Terra

atualmente, (operantes e inoperantes) através do projeto Stuff in Space, que mostra a
localização, em tempo real, dos satélites e, entre eles, claro, os de observação da Terra.
Além disso, o site N2YO apresenta algumas informações mais detalhadas dos principais
satélites já lançados. Podemos acessar essas informações em: http://stuffin.space/; e https://
www.n2yo.com/.
Agora, em 2020, contamos facilmente, com um número maior que 10

satélites de distribuição gratuita de dados, sem contar com a possibilidade de
acesso de dados antigos (também chamados de “acervo”) de satélites, atualmente,
inoperantes. Esse número se refere apenas aos satélites de distribuição gratuita,
a lista aumenta significativamente quando incluímos os sensores de distribuição
comercial (pagos).
Os recursos naturais e o meio ambiente da Terra estão em mudanças

contínuas em resposta à evolução natural e às atividades humanas.
Para compreender o complexo inter-relacionamento dos fenômenos
que causam estas mudanças é necessário fazer observações com uma
grande gama de escalas temporais e espaciais. A observação da Terra
por meio de satélites é a maneira mais efetiva e econômica de coletar
os dados necessários para monitorar e modelar estes fenômenos,
especialmente em países de grande extensão territorial (SANTANA;
COELHO, 1999, p. 203).
A seguir, serão apresentados os principais satélites de distribuição gratuita,

os de maior para a comunidade científica no entorno do sensoriamento remoto e,
posteriormente, alguns dos principais satélites comerciais da atualidade.
Iniciaremos pelo satélite Landsat-8, um dos mais populares atualmente, e

que integra a série dos satélites Landsat, pioneiros em imageamento sistemático
mundial para distribuição gratuita de imagens.
129
O satélite Landsat-8 é o último satélite lançado da série Landsat, e em plena

atividade, sendo uma iniciativa da National Aeronautics and Space Administration
(NASA), e sua história se inicia com o lançamento do satélite ERTS-1 (Earth Land
Resources), posteriormente denominado de Landsat-1, no dia 23 de julho de 1972.
Antes, vamos relembrar, rapidamente, algumas das características principais do
satélite Landsat-1, que irá nos permitir compreender a evolução até para o atual
Landsat-8.
O Landsat-1 foi equipado com dois sensores, sendo o Return Beam Vidicon
(RBV) e o Multiespectral Scanner (MSS), sendo que o MSS se tornou o principal
sensor de imageamento deste satélite, tendo 80 m de resolução espacial.
NTE
INTERESSA
No ano de 1976, as imagens do Landsat-1 foram usadas para uma pesquisa na

zona costeira do Canadá. Nessa pesquisa foram relevados alguns recursos desconhecidos,
mas o que mais chamou atenção foi uma pequena ilha, até então desconhecida, tendo
aproximadamente 20 km² na costa nordeste de Labrador. Em homenagem ao satélite
que muito contribuiu para essa descoberta, a ilha recebeu o nome de Landsat Island (Ilha
Landsat).
Se você desejar saber mais detalhes dessa história bastante curiosa envolvendo dados
de sensoriamento remoto, acesse: https://web.archive.org/web/20090320122145/https://
landsat.gsfc.nasa.gov/news/news-archive/dyk_0001.html/.
De 1972, primeiro lançamento da série Landsa-2, outros anos que

marcaram lançamentos destes satélites foram em 1975 com o Landsat-2, 1978
com o Landsat-3, 1982 com o Landsat-4, 1984 com o Landsat-5, 1993 com o
Landsat-6, 1996 com o Landsat-7 e 2013 com o Landsat-8, ainda em atividade de
imageamento global (FIGURA 23). E, ainda, o satélite Landsat-9 que está sendo
construído e preparado para lançamento no início de 2021.
Da série, chama atenção o satélite Landsat-5, o que ficou maior tempo em

operação e oferece um amplo acervo de imagens globais da superfície terrestre.
O satélite Landsat-7, embora tenha apresentado falhas operacionais em 2003, foi
bastante inovador por conta de seu sensor Enhanced Thematic Mapper Plus (ETM+),
que apresentava bandas multiespectrais com 30 m de resolução espacial, banda
pancromática disponível para fusão com 15 m de resolução espacial e banda termal
(intervalo espectral do infravermelho termal) com 60 m de resolução espacial.
Uma informação muito relevante é que, embora todos satélites da série

Landsat estejam inoperantes, com exceção do Landsat-8, é possível obter imagens
de acervo para os anos em que os satélites permaneceram ativos e imageando
130
a superfície da Terra. Apenas o Landsat-6, que passou por falhas técnicas e

não teve sucesso para se manter em órbita e, portanto, não realizou nenhuma
atividade de imageamento. Os acervos para aquisição gratuita de imagens
da série Landsat nós veremos no próximo subtópico, intitulado Plataformas de
distribuição de imagens gratuitas.
FIGURA 23 – SÉRIE DE SATÉLITES LANDSAT
FONTE: <https://landsat.gsfc.nasa.gov/wp-content/uploads/2020/03/Landsat_
timeline_20200318_title.gif>. Acesso em: 18 ago. 2020.
Voltando ao ano de 2013, especificamente a 11 de fevereiro de 2013, data

que ocorreria o lançamento do Landsat-8 (FIGURA 24). O Lansat-8 possui uma
órbita síncrona ao Sol (hélio-síncrona ou Sol-síncrona) quase polar, orbitando a
Terra a 705 km de altitude e completando sua órbita a cada 99 minutos. Essas
características permitem que o satélite tenha um ciclo de repetição de órbita
(resolução temporal) de 16 dias.
FIGURA 24 – ILUSTRAÇÃO DO SATÉLITE LANDSAT-8
FONTE: <https://bit.ly/35kwWMp>. Acesso em: 18 ago. 2020.
131
O Landsat-8 possui dois sensores de imageamento acoplados, sendo o

Operational Land Imager (OLI) e o Thermal Infrared Sensor (TIRS), e as características
das bandas de cada sensor são apresentadas no Quadro 12.
QUADRO 12 – BANDAS DOS SENSORES OLI E TIRS DO SATÉLITE LANDSAT-8
Sensor Banda Nome da Banda Intervalo Espectral

1 Azul Costeiro 0,43 – 0,45μm
2 Azul 0,45 – 0,51μm
3 Verde 0,53 – 0,59μm
4 Vermelho 0,64 – 0,67μm
OLI 5 Infravermelho Próximo (NIR) 0,85 – 088μm
6 Infravermelho Médio (SWIR) 1,57 – 1,65μm
7 Infravermelho Médio (SWIR) 2,11 – 2,29μm
8 Pancromática 0,50 – 0,68μm
9 Cirrus (Nuvens) 1,36 – 1,38μm
10 Infravermelho Termal 10,6 – 11,19μm
TIRS
11 Infravermelho Termal 11,5 – 12,51μm
FONTE: Adaptado de <https://landsat.gsfc.nasa.gov/landsat-8/landsat-8-overview/>. Acesso em:
18 ago. 2020.
Além da resolução espectral, há outras características fundamentais para

o sucesso e ampla difusão na utilização de imagens do satélite Landsat-8, algumas
delas especificadas no Quadro 13.
QUADRO 13 – PRINCIPAIS CARACTERÍSTICAS DO LANDSAT-8
Operational Land Imager (OLI) e o Thermal

Instrumento/Sensor
Infrared Sensor (TIRS)
Operadora/Instituição NASA (National Aeronautics and Space
Responsável Administration)
País Estados Unidos
Situação Atual Ativo
Lançamento 02/11/2013
Altitude 705km
Órbita Hélio-síncrona
Faixa Imageada 185km
Área Imageada 170 x 183km
132
Tempo de Duração da Órbita 99 min.

Horário da Passagem 10h / 12h
Resolução Temporal (Período
16 dias
de Revisita)
Resolução Radiométrica 12bits redimensionados para 16bits
Pancromático: 15m | Multiespectral: 30m |
Resolução Espacial
Termal: 100m reamostrada para 30m
FONTE: Adaptado de <http://www.dgi.inpe.br/documentacao/satelites/landsat>. Acesso em: 18
ago. 2020.
Vale lembrar que o Landsat-9 está em construção e tem previsão de

lançamento para meados de 2021, quando se juntará ao Landsat-8 em órbita, com
diferença de 8 dias em sua fase. Ele será equipado de dois sensores, o Operational
Land Imager 2 (OLI-2) e o Thermal Infrared Sensor 2 (TIRS-2).
DICAS
Para conhecer os detalhes da missão Landsat-9, você pode acessar o canal

Landsat Science no site da NASA: https://landsat.gsfc.nasa.gov/landsat-9/landsat-9-mission-
details/.
Atualmente, outro projeto muito relevante para o sensoriamento remoto e

que possui imagens de distribuição gratuita, refere-se à série de satélites Sentinel,
que integram o Copernicus Programme da União Europeia e gerenciado pela
European Space Agency (ESA).
Essa série de satélites teve início com o lançamento do Sentinel-1, em abril

de 2014, seguido pelos satélites Sentinel-2 lançado em junho de 2015, Sentinel-3,
em fevereiro de 2016, Sentinel-4 (aguardando conclusão e lançamento) e Sentinel-5
(aguardando lançamento) e Sentinel-5P lançado em outubro de 2017.
Dessa série, serão destacados, a seguir, o satélite Sentinel-1, acompanhado

de um sensor ativo de radar de abertura sintética (Synthetic Aperture Radar –
SAR) e o Sentinel-2, mais popular dos satélites da série e o de maior interesse
para a observação da Terra e diversos mapeamentos que demandam dados de
sensoriamento remoto, acompanhado de um sensor multiespectral.
133
Desse modo, o Sentinel-1 inaugurou a recente série de satélites gerenciados

pela ESA, em meados de 2014 e, portanto, permanecendo ativo até presente.
Esse é um satélite que opera ao longo do dia e noite, em função de seu radar
(SAR) em banda C (sensor ativo) que permitem adquirir imagens independente
das condições climáticas, a exemplo da presença das nuvens, que são muito
prejudiciais aos sensores ópticos.
É importante ressaltar que o Sentinel-1 divide em dois satélites, o Sentinel-

1A e Sentinel-B, que opera numa única órbita em diferença de 180º, sendo
que cada satélite possui um ciclo de revisita de 12 dias. Logo, os dois satélites
disponibilizam imagens de radar com uma resolução temporal de seis dias.
A resolução espacial das imagens disponibilizadas varia conforme a

polarização de aquisição em que os satélites operam, conforme o Quadro 14:
QUADRO 14 – CARACTERÍSTICAS DAS IMAGENS SENTINEL-1
Ângulo Resolução Largura de

Modo Polarização
Incidente Espacial Faixa
HH/HV, VV/VH, HH,

SM 20° – 45° 5×5m 80 km
VV
HH/HV, VV/VH, HH,
IW 29° – 46° 5 × 20 m 250 km
VV
HH/HV, VV/VH, HH,
EW 19° – 47° 20 × 40 m 400 km
VV
22° – 35°
WV 5×5m 20 × 20 km HH, VV
35° – 38°
FONTE: <http://processamentodigital.com.br/2018/08/03/radar-caracteristicas-da-missao-
sentinel-1/>. Acesso em: 18 ago. 2020.
Em relação às polarizações de aquisição mencionadas no Quadro 14,

essas são divididas em modos de dupla polarização, sendo o HH/HV ou VV/
VH, ou ainda em modos de polarização única HH ou VV. O Sentinel-1 ainda
apresenta quatro modos de aquisição das imagens, sendo o Stripmap Mode (SM),
Interferometric Wide Swath Mode (IW), Extra-Wide Swath Mode (EW) e o Wave Mode
(WV), conforme ilustrado na Figura 25.
134
FIGURA 25 – MODOS DE AQUISIÇÃO DE IMAGENS DO SENTINEL-1
FONTE: <https://bit.ly/2GQNnqq>. Acesso em: 18 ago. 2020.
Um dos satélites mais importantes e que tem sido amplamente utilizado

em pesquisas e trabalhos técnicos em nível mundial é o Sentinel-2. Também
gerenciado pela ESA e integrante do Programa Copernicus da União Europeia,
esse é um satélite multiespectral de observação da Terra. O Sentinel-2 também é
composto por uma constelação de dois satélites colocados numa mesma órbita,
em fases de 180º, com períodos de revisita de 10 dias, resultando numa resolução
temporal de cinco dias para as imagens Sentinel-2 (FIGURA 26).
FIGURA 26 – ILUSTRAÇÃO DO SATÉLITE SENTINEL-2
FONTE: <https://bit.ly/3pirphr>. Acesso em: 18 ago. 2020.
Um importante diferencial que tem contribuído para a utilização de suas

imagens nas mais diversas aplicações é, justamente, o indicativo da relevância
do conjunto de resoluções dos satélites de sensoriamento remoto. Isso quer dizer
que, a rápida aceitação e a vasta utilização do Sentinel-2 resultam da vantajosa
relação entre sua resolução espacial (10 m em algumas bandas), resolução
radiométrica (12 bits) e principalmente da sua alta resolução temporal (cinco
dias). As características do satélite Sentinel-2 são apresentadas no Quadro 16.
135
QUADRO 16 – PRINCIPAIS CARACTERÍSTICAS DO SENTINEL-2
Instrumento/Sensor Multi-Spectral Instrument (MSI)

Operadora/Instituição Responsável ESA (European Space Agency)
União Europeia (união económica e
País
política de 27 Estados-membros)
Situação Atual Ativo
Sentienel-2A: 23 de junho de 2015;
Lançamento
Sentinel-2B: 7 de março de 2017
Altitude 786km
Órbita Hélio-síncrona
Faixa Imageada 290km
Área Imageada 100 x 100 km
Tempo de Duração da Órbita 98,46 minutos
Horário da Passagem 10h:30m
Resolução Temporal (Período de
5 dias
Revisita)
Resolução Radiométrica 12 bits
10 m; 20 m; 60 (dependendo das
Resolução Espacial
bandas)
FONTE: Adaptado de <https://sentinel.esa.int/web/sentinel/missions/sentinel-2>. Acesso em: 18
ago. 2020.
O sensor MSI dos satélites Sentinel-2 possui boa resolução espectral,

apresentando 13 bandas, divididas entre três resoluções espaciais (10 m, 20 m e
60 m) (QUADRO 17):
QUADRO 17 – BANDAS DO SENSOR MSRI NOS SATÉLITES SENTINEL-2
Comprimento de Resolução
Banda Nome da Banda
Onda Central Espacial
1 AerosSol 442 nm 60 m
2 Azul 49 nm 10 m
3 Verde 559 nm 10 m
4 Vermelho 665 nm 10 m
5 Red Edge 1 704 nm 20 m
136

8 Infravermelho Próximo (NIR) 833 nm 10 m
8A Red Edge 4 864 nm 20 m
9 Vapor D’Água 945 nm 60 m
10 Cirrus (Nuvens) 1376 nm 60 m
Infravermelho Médio 1
11 1.613 nm 20 m
(SWIR)
Infravermelho Médio 2
12 2.202 nm 20 m
(SWIR)
FONTE: Adaptado de <https://go.nasa.gov/2Uj5EzV>. Acesso em: 18 ago. 2020.
Outra iniciativa que resulta em distribuição gratuita de imagens,

interessadas na observação da Terra através de sensoriamento remoto, é o
Programa CBERS. O Satélite Sino-Brasileiro de Recursos Terrestres (China-Brazil
Earth-Resources Satellite – CBERS) é fruto de uma parceria internacional, que teve
início em 1988, entre o Instituto Nacional de Pesquisas Espaciais (INPE) e a China
Academy of Space Technology (CAST).
Neste acordo inicial, foram previstas a construção, lançamento

e operação de dois satélites de sensoriamento remoto, segundo
uma divisão de trabalho e custos de 30% para o Brasil e 70% para a
China. Posteriormente, para os satélites seguintes à primeira família,
esta partição passou a ser equitativa. O controle da operação dos
satélites também seria compartilhado, com parte do tempo sob a
responsabilidade brasileira e parte sob o controle chinês. As políticas de
distribuição das imagens adquiridas pelas estações de cada país seriam
de responsabilidade e autonomia de cada um. A internacionalização
da recepção dos dados do CBERS seria estabelecida em comum acordo
(EPIPHANIO, 2009, p. 2001).
Inicialmente, o acordo previa a construção dos satélites CBERS-1 e

CBERS-2. Em 2004, foi assinado um acordo complementar para a construção do
CBERS-2B, e, em 2002, assinou-se um novo acordo para a construção dos satélites
CBERS-3 e CBERS-4 (EPIPHANIO, 2009; 2011).
DICAS
Para conhecer todos os detalhes da história do Programa CBERS e as caracte-

rísticas de cada um dos satélites lançados até o momento, acesse o site oficial do programa,
através do Instituto Nacional de Pesquisas Espaciais (INPE): http://www.cbers.inpe.br/.
137
A ordem de lançamentos iniciou-se com o CBERS-1, em 14 de outubro

1999, que se manteve operacional até julho de 2003. O CBERS-2 foi lançado no
dia 21 de outubro de 2003, operando até o final de 2007. O CBERS-2B foi lançado
em 17 de setembro de 2007, mantendo-se ativo até maio de 2010. O CBERS-3 foi
lançado em 9 de dezembro de 2013, este foi o único satélite que não teve sucesso
em suas operações. Devido a uma falha num dos estágios do veículo lançador, o
CBERS-3 não alcançou sua órbita prevista.
Os dois primeiros satélites da série CBERS levam a bordo três sensores

para observação da superfície da Terra: Imageador de Amplo Campo
de Visada (WFI); Câmera de Alta Resolução (CCD) e Imageador
por Varredura de Média Resolução (IRMSS). A resolução temporal
(frequência de imageamento) do sensor WFI é de cinco dias, enquanto
a da CCD e do IRMSS é de 26 dias. No CBERS-2B, o sensor IRMSS
foi substituído pela Câmera Pancromática de Alta Resolução − HRC,
com resolução espacial de 2,7 metros. O sensor HRC cobre apenas 27
quilômetros e leva 130 dias para uma cobertura completa da Terra.
A bordo dos satélites CBERS funciona também um dispositivo para
coleta de dados, em apoio à operação do Sistema Brasileiro de Coleta
de Dados Ambientais (FLORENZANO, 2008, p. 31).
Com exceção do CBERS-3, todos os outros satélites do Programa CBERS

realizaram imageamento sistemático da superfície da Terra e tem suas imagens
de acervo disponíveis para download, a partir de plataformas on-line, conforme
veremos no próximo subtópico Plataformas de distribuição de imagens gratuitas.
Atualmente, há dois satélites do Programa CBERS em órbita, o CBERS-4

(FIGURA 27), lançado em 7 de dezembro de 2014, distribuindo suas imagens
desde então, e o CBERS-4A, lançado em 20 de dezembro de 2019, ainda em fase
de testes de suas primeiras imagens.
FIGURA 27 – ILUSTRAÇÃO DO SATÉLITE CBERS-4
FONTE: <http://www.cbers.inpe.br/img/satelites/cbers4.jpg>. Acesso em: 18 ago. 2020.
O CBERS-4 conta com quatro sensores, sendo a Câmera Pancromática

e Multiespectral (PAN), Câmera Multiespectral Regular (MUX), o Imageador
Multiespectral e Termal (IRS) e a Câmera de Campo Largo (WFI) (QUADRO 18).
138
QUADRO 18 – BANDAS DOS SENSORES DO SATÉLITE CBERS-4
Sensores MUX PAN IRS WFI
0,50-0,90 µm
0,51-0,85 µm (Pan)
0,45-0,52 µm (B) 0,45-0,52 µm (B)
(Pan) 1,55-1,75 µm
0,52-0,59 µm (G) 0,52-0,59 µm (G)
Bandas 0,52-0,59 µm (G) (SWIR)
0,63-0,69 µm (R) 0,63-0,69 µm (R)
Espectrais 0,63-0,69 µm (R) 2,08-2,35 µm
0,77-0,89 µm 0,77-0,89 µm
0,77-0,89 µm (SWIR)
(NIR) (NIR)
(NIR) 10,40-12,50 µm
(TH)
5 m (B1) / 10 m 40 m (B1 a B3) /

Resolução 20 m 64 m
(B2 a B4) 80 m (B4)
Largura
da Faixa 120 km 60 km 120 km 866 km
Imageada
Aponta-
não ±32º não não
mento
Resolução
Temporal
(Período 26 dias 26 dias 26 dias 5 dias
de
Revisita)
Resolução
Radiomé- 8 bits 8 bits 8 bits 10 bits
trica
FONTE: Adaptado de <http://www.cbers.inpe.br/sobre/cameras/cbers3-4.php>. Acesso em: 19

ago. 2020.
Como se observa no Quadro 18, o CBERS-4 é um satélite com características

bastante satisfatórias para diversas aplicações em sensoriamento remoto, com
destaque para a quantidade de sensores e, consequentemente, sua resolução
espectral (quantidade de bandas). A Banda 1 do sensor PAN (0,51-0,85 µm) conta
com resolução espacial de 5 m, um diferencial para satélites de imageamento e
distribuição gratuita de imagens.
139
ATENCAO
Atualmente, dois dos maiores projetos que monitoram o desmatamento

da Amazônia ocorrem por meio da aplicação de imagens de sensoriamento remoto,
especialmente imagens de sensores do satélite CBERS-4, sob a coordenação do Instituto
Nacional de Pesquisas Espaciais (INPE). O DETER realiza levantamentos rápidos de evidências
de alteração da cobertura florestal, utilizando imagens do sensor WFI (64 m de resolução
espacial) do satélite CBERS-4 e imagens do satélite Indian Remote Sensint Satllite (IRS), com
56 m de resolução espacial. O Programa de Monitoramento do Desmatamento da Floresta
Amazônica Brasileira por Satélite, mais conhecido como PRODES, realiza o monitoramento
do desmatamento por corte raso na Amazônia Legal, divulgando as taxas anuais (oficiais)
de desmatamento nessa região. Para isso, o PRODES faz uso massivo de imagens do satélite
CBERS-4, além dos satélites Landsat-8 e IRS-2.
Até aqui, apresentamos alguns dos principais sensores de distribuição

gratuita de imagens. E antes de encerrarmos este subtópico, faremos uma breve
apresentação de alguns dos principais satélites comerciais ativos ou já inoperantes,
mas que continuam tendo suas imagens comercialidades em acervo. Devido à
grande disponibilidade de satélites comerciais atualmente, optaremos por listar
apenas nome, resolução espacial, situação (ativo/inativo) e empresa ou país
responsável por cada satélite (QUADRO 19), para que você tenha conhecimento e,
quando necessário, possa recorrer às empresas que comercializem suas imagens.
QUADRO 19 – EXEMPLOS DE SATÉLITES COMERCIAIS
Satélite Resolução Espacial Situação Empresa/País
Centre National
Multiespectral: 2 m /
Pléiades Ativo d’Etudes Spatiales
Pancromático: 0,5 m
(CNES) / França
Instituto de Pesquisa
KOMPSAT- Multiespectral: 1,6 m
Ativo Aeroespacial da Coreia
3A / Pancromático: 0,4 m
(KARI) / Coréia do Sul
Multiespectral: 6 m / Airbus Defence and

SPOT-7 Ativo
Pancromático: 1,5 m Space / França
Multiespectral: 1,24 Maxar Technologies

WorldView-3 m / Pancromático: Ativo (antes DigitalGlobe) /
0,3 m Estados Unidos
140
Maxar Technologies
Multiespectral: 4 m / (antes Space Imaging
IKONOS Inativo
Pancromático: 1 m e DigitalGlobe) /
Estados Unidos
Kazakhstan Gharysh
KazEOSat-2 6,5 m Ativo Sapary (KGS) /
Cazaquistão
GaoFen-1 Multiespectral: 8 m /
Inativo Space Will / China
(GF-1) Pancromático: 2 m
Maxar Technologies
Multiespectral: 2,4 m
QuickBird Inativo (antes DigitalGlobe) /
/ Pancromático: 0,6 m
Estados Unidos
Maxar Technologies
GeoEye-1 Inativo (antes DigitalGlobe) /
Pancromático: 0,5 m
Estados Unidos
Twenty First Century
TH 01 Ativo Aerospace Technology
Pancromático: 2 m
(21AT) / Singapura
SkySat Planet Labs / Estados
0,8 m Ativo
(Constelação) Unidos
PlanetScope Planet Labs / Estados
3m Ativo
(Constelação) Unidos
FONTE: O autor
As informações obtidas através de imagens de sensoriamento remoto

são importantes para gerar informações que subsidiem diversos órgãos ou
empresas para o planeamento ambiental e territorial, sejam em ambientes rurais
ou urbanos. Como vimos, a crescente disponibilidade dos dados, especialmente a
distribuição gratuita, tem fomentado constantemente a obtenção de resultados e
o desenvolvimento de novas metodologias, que vêm se adequando à qualidade e
quantidade de dados disponíveis (FLORENZANO, 2008). Tudo isso tem somado
para manter o sensoriamento remoto como uma das principais disciplinas
relacionadas ao desenvolvimento tecnológico em escala global.
3 PLATAFORMAS DE AQUISIÇÃO DE IMAGENS GRATUITAS

Como vimos, atualmente, temos uma grande disponibilidade de imagens
de sensoriamento remoto ao nosso dispor. As imagens comerciais, são negociadas
a partir de empresas autorizadas pelas detentoras dos satélites, enquanto as
imagens de distribuição gratuitas ficam disponíveis na internet, para todos que
141
tenha interesse em adquiri-las, sem custo algum, apenas mediante registro e

identificação. Assim, veremos a seguir as principais plataformas de distribuição
de imagens gratuitas.
Começaremos pela plataforma do Earth Explorer, mantida pelo United

States Geological Survey (USGS). As principais imagens oferecidas se referem
a toda série de satélites Landsat, em diferentes níveis de correções, além de
processamentos derivados, a exemplo de produtos de área queimada (Burned
Area – BA), dinâmica da extensão da água superficial (Dynamic Surface Water
Extent – DSWE), dentre outros.
Além disso, essa plataforma disponibiliza inúmeros dados de sensoriamento

remoto, a maioria deles voltados para o território norte-americano. No entanto,
de nosso interesse, ainda é possível adquirir imagens da missão SRTM (banda C e
banda X), sensor Advanced Very-High ReSolution Radiometer (AVRHH) da National
Oceanic and Atmospheric Administration (NOAA), produtos do Moderate-ReSolution
Imaging Spectroradiometer (MODIS) a bordo das plataformas Acqua e Terra.
A plataforma Earth Explorer também disponibiliza imagens do satélite

Sentinel-2 (apenas nível de correção L1C). O acesso pode ser realizado através
do endereço eletrônico: https://earthexplorer.usgs.gov/ e a aquisição das imagens
pode ser efetuada mediante cadastro gratuito na plataforma.
O United States Geological Survey (USGS) também mantém a plataforma

Global Visualization Viewer (GloVis), que dentre outros satélites disponíveis,
destacam-se as imagens disponíveis do sensor hiperespectral Hyperion e do sensor
multiespectral Advanced Land Imager (ALI) acoplados ao satélite Earth Observing
One (EO-1), imagens dos sensores AWiFS e LISS-3 do satélite Indian Remote Sensing
(IRS), imagens do satélite OrbView-3, dos satélites da série Landsat, do Sentinel-2
e imagens de Radar da missão SRTM. O acesso é realizado por meio do endereço
eletrônico: https://glovis.usgs.gov/app?fullscreen=0 e exige cadastro de usuário
para aquisição das imagens.
Uma plataforma de aquisição de imagens muito comum é o Catálogo

de Imagens, mantido pela Divisão de Geração de Imagens (DGI) do Instituto
Nacional de Pesquisas Espaciais (INPE). O Catálogo de Imagens tem em seu
acervo imagens de diversos satélites, mas chamamos a atenção para toda a série
Landsat, imagens dos satélites indianos Resourcesat-1 e Resourcesat-2 e, sua
principal característica, a disponibilização das imagens de todos os satélites da
série CBERS (sino-brasileiro), inclusive as imagens do recém operante CBERS-
4A, ainda em fase de calibração das primeiras imagens.
O catálogo de imagens é dividido em três portais:
142
• As imagens dos satélites AQUA, CBERS4, DEIMOS, LANDSAT8, NOAA-

20, RESOURCESAT1, RESOURCESAT-2, S-NPP, TERRA e UK-DMC2 estão
disponíveis através do endereço eletrônico: www.dgi.inpe.br/catalogo.
• As imagens dos satélites CBERS-2, CBERS-2B, LANDSAT-1, LANDSAT-2,
LANDSAT-3, LANDSAT-5 e LANDSAT-7 estão disponíveis no endereço
eletrônico: www.dgi.inpe.br/CDSR.
• E as imagens do satélite CBERS-4A estão disponíveis em: www2.dgi.inpe.br/
catalogo/explore.
Todas as aquisições são gratuitas, mas necessitam da realização de cadastro.
A Agência Espacial Europeia (European Space Agency – ESA) também

mantém sua plataforma de distribuição de imagens, denominada Copernicus Open
Access Hub. Atualmente, a plataforma disponibiliza imagens das constelações de
satélites Sentinel-1, Sentinel-2 e Sentinel-3. Também, mediante cadastro, é possível
acessar a plataforma através do endereço eletrônico: https://scihub.copernicus.
eu/dhus/#/home.
O instituto Geofísico da University Alaska Fairbanks mantém a plataforma

Alaska Satellite Facility (ASF), que é uma continuidade do projeto da estação
terrestre de rastreamento e processamento de imagens de satélites. O interesse do
ASF é concentrado em imagens de Radar de abertura sintética (Synthetic-Aperture
Radar – SAR). Portanto, na plataforma é possível realizar download de imagens
dos satélites ALOS (sensores PALSAR e AVNIR-2), RADARSAT, ERS, JERS-1,
SEASAT, AIRSAR, dentre outros sensores ativos. O acesso é gratuito, exigindo
apenas um cadastro de usuário, através do endereço eletrônico: https://search.
asf.alaska.edu/#/.
No Brasil, há duas plataformas que disponibilizam imagens da missão

SRTM. O primeiro, chamado Brasil em Relevo e mantido pela Empresa Brasileira
de Pesquisa Agropecuária (EMBRAP), distribui imagens de Radar SRTM banda C
(90 m de resolução espacial), organizadas de acordo com as unidades federativas
brasileiras e distribuídas em cenas compatíveis com a articulação de cartas
topográficas na escala de 1:250.000. A aquisição das imagens é livre e dispensa
qualquer cadastro prévio, através do endereço eletrônico: https://www.cnpm.
embrapa.br/projetos/relevobr/.
A outra plataforma brasileira está relacionada ao projeto Topodata, que

distribui imagens SRTM banda C, mas, na época, reamostradas para resolução
espacial de 30 m. Além disso, outra expressiva vantagem do Projeto Topodata
são os produtos derivados geomorfométricos das imagens SRTM para todo
o território nacional, a exemplo de altitude, curvaturas verticais e horizontais,
declividade, divisores e talvegues, orientação de vertentes e relevo sombreado. O
acesso não necessita de cadastro e está disponível através do endereço eletrônico:
http://www.dsr.inpe.br/topodata/index.php.
143
E
IMPORTANT
É importante lembrar que o Projeto Topodata foi um grande avanço para

Modelos Digitais de Elevação (MDE) do território brasileiro. Na época, a missão SRTM
disponibilizava o acesso apenas para imagens da banda C, com 90 m de resolução espacial.
O projeto, liderado pelos pesquisadores Márcio de Morisson Valeriano e Dilce de Fátima
Rosseti, ambos do Instituto Nacional de Pesquisas Espaciais (INPE), fizeram um esforço
de interpolação e reamostragem dos dados, atingindo uma resolução espacial de 30 em
todas as imagens que recobriam o Brasil. O Projeto teve início em 2008 e, somente em
2014, o USGS passou a liberar imagens de Radar nativas da banda X da SRTM, com 30 m
de resolução espacial. Além disso, o Projeto Topodata foi inédito, no sentido de criar um
amplo bando de dados geomorfométrico sistematicamente organizado para todo o Brasil.
Por último, apresentamos a plataforma Sistema de Análise Temporal da

Vegetação (SATVeg), gerenciada pela EMBRAPA. O SATVeg não disponibiliza
imagens de satélite, mas produtos derivados dos processamentos dessas imagens,
nesse caso, os índices espectrais para análise da vegetação NDVI (Normalized
Difference Vegetation Index ou Índice de Vegetação por Diferença Normalizada) e o
EVI (Enhanced Vegetation Index ou Índice de Vegetação Realçado) e seus respectivos
perfis temporais (na forma de gráficos). Os dados podem ser acessados através
do endereço eletrônico: https://www.satveg.cnptia.embrapa.br/satveg/login.
html, mediante cadastro na plataforma.
Essas são as iniciativas de maior difusão no Brasil para disponibilização

de imagens gratuitas e dados de sensoriamento remoto. Antes de encerrar este
subtópico, é importante lembrarmos que há uma série de outros dados espaciais,
derivados ou não de imagens, que contribuem para as diversas aplicações do
sensoriamento remoto. No Brasil, há inúmeras iniciativas para aquisição destes
dados espaciais. Por não ser objetivo deste item, indicaremos apenas o portal
da iniciativa oficial do governo brasileiro, a Infraestrutura Nacional de Dados
Espaciais (INDE). A INDE tem por objetivo catalogar, integrar e disponibilizar
dados espaciais que sejam produzidos ou mantidos por instituições
governamentais brasileiras, e que são fundamentais para a inter-relação com
dados de sensoriamento remoto. O portal não necessita de cadastro e pode ser
acessado através do endereço eletrônico: https://www.inde.gov.br/.
Como vimos, a importância do acesso a dados de sensoriamento remoto

e, consequentemente, dados espaciais é algo fundamental para obtenção de
bons resultados. A quantidade de dados reflete na diversidade de metodologias
e caminhos que podem ser seguidos, resultando em diferentes aplicações do
144
O acesso aos dados relevante, como revela a criação do Group on Earth Ob-
servation (GEO). O GEO surgiu de uma parceria de mais de 100 governos nacio-
nais e mais de 100 organizações participantes, todos interessados em planejar um
futuro no qual decisões e ações para o benefício da humanidade sejam pautadas
em observações da Terra. O GEO afirma que o acesso total e aberto aos dados, in-
formações e conhecimentos de observação da Terra é crucial para a humanidade
pois enfrenta desafios sociais, econômicos e ambientais sem precedentes.
DICAS
• Baixe imagens dos satélites CBERS-4, CBERS-4A e série Landsat, através do website
http://www.dgi.inpe.br/catalogo.
• Assista ao vídeo Baixar imagens de satélite do Catálogo de Imagens do INPE,
disponibilizado pelo canal Geoaplicada no YouTube, o qual explica detalhadamente
como conseguir o acesso às imagens dos satélites CBERS-4, CBERS-4A e série Landsat:
https://www.youtube.com/watch?v=CerATBCheLM,
• As imagens do satélite CBERS-4A também podem ser adquiridas pelo endereço:
http://www2.dgi.inpe.br/catalogo/explore. O INPE disponibiliza um Manual de uso que
contém todos os caminhos necessários para solicitar o download dessas imagens.
• Para o download das imagens dos satélites da série Landsat, disponibilizadas pela
plataforma Earth Explorer, utilize o endereço: https://earthexplorer.usgs.gov/.
• Você pode consultar o vídeo Download de imagens Landsat no site EarthExplorer,
também disponibilizado pelo canal Geoaplicada no YouTube, que ensina todas as
etapas para registro e aquisição das imagens dos satélites da série Landsat. Acesse:
https://www.youtube.com/watch?v=WKp4cp-CcKI.
DICAS
A leitura complementar traz o artigo intitulado Satélites brasileiros de

observação da Terra: balanço e perspectivas, de José Carlos Neves Epiphanio, um dos
pesquisadores brasileiros que esteve diretamente ligado ao desenvolvimento dos satélites
da série CBERS (Satélite Sino-Brasileiro de Recursos Terrestres, ou China-Brazil Earth-
Resources Satellite). Nesta publicação, o autor aborda um panorama geral dos avanços
sobre o desenvolvimento dos satélites CBERS e, ao final do artigo, aponta importantes
considerações para futuras missões de observação da Terra. Há, ainda, no artigo, uma
sistematização de dados (tabulares) das missões brasileiras de observação da Terra e
apontamentos acerca da preferência e opiniões de usuários a partir de uma revisão
bibliográfica de trabalhos que utilizam dados das missões brasileiras. Para a leitura completa
e detalhada do artigo, você pode acessar o endereço eletrônico: http://marte2.sid.inpe.br/
rep/dpi.inpe.br/marte2/2013/05.29.00.23.22.
145
SATÉLITES BRASILEIROS DE OBSERVAÇÃO DA TERRA: BALANÇO E

PERSPECTIVAS
José Carlos Neves Epiphanio
Introdução
O Brasil é um país de grandes dimensões territoriais e diversidade de

características físicas, biológicas, ecológicas, climáticas e de uso. Vem experimen-
tando um acentuado desenvolvimento agrícola e ao mesmo tempo convive com
uma crescente pressão para que seu desenvolvimento se dê em bases sustentáveis.
Para que se possa conhecer, planejar e gerenciar essa diversidade e desenvolvi-
mento, um instrumento necessário são os dados gerados por sensores a bordo de
satélites. Junto com sistemas de informações e outras tecnologias, formam uma
base importante para o conhecimento e conservação da natureza, o planejamento
do uso da Terra e a gestão da produção nos seus mais diversos aspectos.
A geração de dados básicos de sensoriamento remoto tem duas origens

básicas: produção autóctone por sistemas do próprio país ou produção por
sistemas sob domínio de fontes externas ao país. Historicamente, o Brasil tem
sido importador líquido de dados de sensoriamento remoto gerados por satélites.
Tradicionalmente, pelos sistemas Landsat e SPOT, e atualmente, por uma
plêiade de satélites nas suas mais diversas características e resoluções (Radarsat,
RapidEye, Ikonos, IRS etc.). Salvo pelo período de 1999-2009, com os dados
gerados pelo sistema CBERS, o país dependeu exclusivamente de fontes externas
de dados de sensoriamento remoto orbital tanto para fins de pesquisa científica
como nos mais diversos programas operacionais de observação da Terra, fossem
privados ou governamentais.
Neste trabalho, faz-se uma análise do programa de observação da Terra

orbital que o país implantou e do seu desenvolvimento presente e próximo futuro.
Ao mesmo tempo, apresentasse uma perspectiva do cenário de missões de obser-
vação da Terra à luz da avaliação dos usuários de dados de sensoriamento remoto.
O Programa Brasileiro de Observação da Terra
O Brasil tem seu Programa Espacial descrito no documento “Programa

Nacional de Atividades Espaciais 2005-2014” (AEB, 2005), com período de
abrangência de 2005 a 2014. Neste documento constam as diversas missões em
que o Brasil, em princípio, deveria se envolver. Especialmente no campo de
146
observação da Terra, constam quatro grandes programas: Programa de Satélites

de Sensoriamento Remoto (SSR), Programa Sino Brasileiro de Satélites de
Recursos Terrestres (CBERS), Programa de Coleta de Dados (SCD) e Programa
de Radar de Abertura Sintética (RADAR). No programa SSR, faz-se menção ao
uso da Plataforma Multimissão.
Se observarmos o PNAE à luz da realidade, vemos que dois SCD (Satélites

de Coleta de Dados) foram lançados com sucesso e estão em operação há mais
de 15 anos. Porém, tiveram descontinuidade em suas construções. Quanto ao
Radar, o programa de cooperação com a Alemanha foi descontinuado e não há
outro programa em efeito. O programa SSR está em efeito, com uma missão em
pleno andamento (Amazônia-1, desenvolvimento autônomo do Brasil), cujo
lançamento está previsto para 2014 (TBC – “a ser confirmado”) e outra em vias
de entrar em efeito (Sabiá-Mar, em cooperação com a Argentina). O programa
CBERS (China Brazil Earth Resources Satellite) está em pleno efeito, com três
satélites lançados com sucesso (1999, 2003 e 2007), o CBERS-3 (Epiphanio, 2011)
está com lançamento previsto para 2013 e o CBERS-4 para lançamento dois anos
após o do CBERS-3. Vê-se que o programa brasileiro de observação da Terra tem
encontrado sua concretização basicamente nos satélites CBERS, desenvolvidos
em cooperação de longo prazo com a China. Os três satélites que foram lançados
operaram por tempo maior do que suas vidas úteis projetadas, mas já foram
desativados. Dois outros fazem parte de acordos assinados e estão em construção.
Desde inícios de 2010, o Brasil não dispõe de dados de sensoriamento remoto
gerados de forma autônoma.
Os dados gerados pelos satélites CBERS-2 e 2B (Epiphanio, 2007, 2009, 2011)

têm tido um papel marcante junto à sociedade brasileira nos mais diversos campos
de pesquisa e aplicações. Embora o número de cerca de um milhão de imagens
distribuídas seja uma das faces mais visíveis do programa, há outras que devem
ser consideradas. Uma dessas é quem fez uso dessas imagens e a outra é quais
foram os usos dessas imagens. Quanto ao quem, houve um aumento significativo
no número de pessoas/usuários que passaram a fazer acessos e pedidos das
imagens em relação ao que se tinha até o advento do CBERS-2. Entre o início das
operações do CBERS-2 e atualmente, passou-se de cerca de cerca de 1.000 usuários
para mais 60.000. Atualmente, toda e qualquer faculdade de ensino, instituição
pública ou ONG ligadas às áreas afeitas ao sensoriamento remoto (geografia,
agronomia, geologia, oceanografia, engenharia florestal, engenharia ambiental,
meio ambiente etc.) utiliza as imagens CBERS em seus programas de pesquisa e em
seus projetos. Quanto a quais usos, segundo pesquisa (Silva et al., 2009) feita com
mais de 2.000 usuários, viu-se que os usos são os mais diversos possíveis. As dez
maiores indicações de uso foram: cartografia, degradação ambiental, agricultura,
topografia, geografia, ecossistemas, reflorestamento, geotecnologia, hidrologia
e consultoria. Haviam sido sugeridas 30 categorias de aplicações e todas elas
tiveram menção. Na categoria “outras”, houve 9,4% de indicações, sugerindo que
os usos são mais abrangentes do que os que se havia sugerido.
147
Preferência dos Usuários
Da pesquisa mencionada, que pode dar indicações importantes para a

definição de novas missões para o Brasil, foi possível auferir a importância de
cada um dos sensores presentes no CBERS-2B. A Tabela 2 dá uma indicação de
como os usuários qualificaram a carga útil do CBERS-2B. Numa análise rápida
vê-se que a carga considerada mais importante para os usuários é a CCD, pois
70,7% dos usuários a consideraram como sendo de importância superior a 60%, e
apenas 7,2% dos usuários a consideraram como tendo importância inferior a 10%.
Em seguida ficaram as câmeras HRC e a WFI.
Os dados apresentados na Tabela 2, aliados às indicações de aplicações

preferenciais, merecem algumas considerações. A primeira é que as características
de resolução espacial e frequência de revisita da CCD parecem se ajustar mais
perfeitamente às necessidades das aplicações dos usuários (agricultura, meio
ambiente etc.) por cobrir uma gama maior de aplicações. A WFI possui um amplo
campo de visada e uma resolução espacial mais inferior (vide Epiphanio, 2009), o
que a distância daquelas aplicações mais afeitas à CCD. Ao mesmo tempo, dada
a natureza das aplicações da WFI, é natural que um menor número de usuários
individuais tivesse projetos para esse tipo de dado, ainda mais considerando que a
WFI conta com apenas duas bandas espectrais. A HRC foi considerada a segunda
câmera em ordem de importância pelos usuários. Embora esta câmera tivesse
apenas uma banda pancromática e uma frequência de revisita muito baixa (cerca
de 130 dias), ainda assim, foi importante para muitos usuários. Porém, é mister
ressaltar que mais de 20% dos usuários a consideraram de baixa importância.
Outras informações emergiram da pesquisa mencionada anteriormente.

A Tabela 3 mostra que o conjunto das câmeras do CBERS-2B foi classificado como
adequado em mais de 50% para 77,7% dos usuários. Apenas 1,5% dos usuários
consideraram o conjunto como inadequado.
Ao serem indagados sobre qual característica da câmera CCD que

gostariam de verem melhorada em relação à CCD (Tabela 4), 61,3% dos usuários
indicaram a resolução espacial. Porém, a Tabela 5 mostra que quando se coloca a
alta resolução espacial em relação aos aspectos multiespectral e tempo de revisita,
há um relaxamento quanto à demanda de resolução espacial de 2,5m para 5,0m
em favor da multiespectralidade e do menor tempo de revisita.
A sequência natural de escolha de um sensor passa pela definição inicial

da missão. Não obstante, uma questão importante quando se procura definir
uma missão é que deve ser considerado que os usuários têm uma história de
uso de diversos sensores e que eles podem ter preferências por um ou por outro
sensor, em função de suas necessidades. Porém, numa pesquisa geral como a que
foi feita e cujos dados estão sendo aqui apresentados, não se tem uma missão
específica em mente nem é possível estabelecer um fator de ponderação entre as
diversas missões (aplicações) que pudesse ser aplicada aos dados. Tendo essas
considerações em conta, vê-se que o sensor preferencial dos usuários (Tabela
148
6) é um do tipo da CCD (XS, resolução espacial em torno de 20m e frequência

de revisita menor que um mês). Deve ser considerado nessa análise que muitos
usuários podem não ter conhecimento ou não terem tido contato com os outros
tipos de sensores tratados na pergunta; daí o cuidado que se deve ter ao analisar
esse tipo de dado.
As questões levantadas na pesquisa anterior não cobrem todos os

aspectos necessários à definição de uma missão nem devem ser consideradas
como definitivas em termos de indicação cabal do que seria mais útil ao país.
Há certos problemas que são altamente importantes para o país, mas que são
de interesse direto (em termos de disponibilidade de dados) de poucos usuários
(geralmente usuários institucionais). Por exemplo, o projeto DETER (http://
www.obt.inpe.br/deter/index.html) necessita de dados de alta frequência
temporal, não é exigente quanto à resolução espacial e é executado por poucas
pessoas e instituições. Não obstante, é de alta relevância para o país. Por outro
lado, considere um dado de muito alta resolução espacial. Vislumbram-se um
número muito grande de usuários e instituições interessados neste tipo de dado,
não se configurando uma concentração de instituições ou de usuários. Portanto,
se fosse levado em consideração apenas o número de usuários/instituições,
poderia haver a tendência a se achar que o dado de alta resolução teria muito
maior importância em relação ao de baixa resolução. Porém, isso pode não ser
uma verdade indiscutível. Ao discutir missões espaciais quando os recursos são
escassos é preciso que se leve em conta e se tente qualificar bem a maximização
de benefícios e beneficiários. E essa qualificação não pode levar em conta apenas
o número de usuários interessados num tipo de dado, nem tampouco considerar
apenas a relevância concentrada de um determinado problema. É necessário que
a arte da maximização de benefícios seja exercida – notadamente em função da
grande variedade de problemas, interesses e beneficiários envolvidos.
O Brasil tem se caracterizado por ter um setor agrosilvipastoril forte,

diversificado e em expansão, um segmento ambiental variado em aspectos e
dimensões, recursos naturais variados e importantes, uma área oceânica e costeira
de grandes proporções, um parque urbano complexo e variado. Muitos outros
aspectos peculiares ao país poderiam ser acrescidos, mas esses são os que mais se
destacam e cobrem boa parte do interesse do sensoriamento remoto. A definição
de uma missão única, que atendesse a todos os interesses desses segmentos de
forma eficiente, é praticamente impossível. Mesmo porque cada um deles ainda
tem subdivisões de interesses, o que levaria a uma dificuldade ainda maior
definição de uma missão única.
Além dos aspectos finalísticos propriamente ditos das missões, há que

se considerar os interesses relacionados aos processos envolvidos no projeto,
processos, construção, manutenção e operação dos satélites. Devem ser
buscadas inovações e melhorias de diversas naturezas. Por outro lado, deve ser
considerado que o país não dispõe de recursos financeiros infinitos para abranger
todas as missões desejadas e necessárias. É preciso que haja uma seleção entre as
muitas possibilidades de missões e inovações. Para isso, devem ser estabelecidos
149
compromissos entre interesse, importância, abrangência, custos etc. Outro campo

de análise é o que envolve o número e a qualificação dos beneficiários. Isso quer
dizer que uma determinada missão pode beneficiar diretamente muitos usuários
(por exemplo, em empresas, ONGs, governo etc.), que utilizem os dados gerados
de uma forma assídua. Por outro lado, pode haver missões que exijam pesquisas
mais aprofundadas e desenvolvimentos mais intensos para que os resultados
possam, eventualmente, vir a ser operacionalizados de forma mais abrangente.
Neste caso, os beneficiários diretos podem ser poucos, mas os indiretos podem
aumentar com o passar do tempo, à medida que resultados mais operacionais ou
novos usos para os produtos gerados pela missão sejam vislumbrados. Pode-se
ilustrar este raciocínio com imagens de satélites meteorológicos. Os beneficiários
imediatos das imagens e dados propriamente ditos são os poucos organismos
meteorológicos, porém os beneficiários das informações geradas a partir desses
produtos são inúmeros. Assim, não se pode pensar numa missão levando em
conta apenas os usuários diretos e imediatos dos dados.
Considerações para Futuras Missões de Observação da Terra
Novos satélites de observação da Terra, além dos já descritos, poderão

der definidos com lançamentos para além do ano 2017. Embora o horizonte
de lançamento esteja distante, a definição da missão e, consequentemente, da
carga útil deve ser feita com antecedência. Para tal definição, e diante do que
aqui apresentado sucintamente, é preciso que sejam estabelecidas algumas
premissas básicas, que elenco a seguir: devem contribuir para os programas
de estudo das respostas dos ecossistemas às ações naturais e humanas; devem
continuar contribuindo para o conhecimento, levantamento e monitoramento
dos recursos naturais; devem permitir avanços no monitoramento de culturas
agrícolas e uso e cobertura da Terra; devem contribuir para o entendimento dos
mecanismos que contribuem para os processos de mudanças globais; devem
contribuir para o desenvolvimento e aplicação de métodos de controle ambiental;
devem contribuir para o entendimento de aspectos e processos importantes
de áreas urbanas, continentais, costeiras e oceânicas; devem contribuir para o
entendimento dos processos de intervenção humana no meio ambiente; devem
contribuir para as metodologias de levantamento e conservação da biodiversidade;
devem contribuir para o estudo e conservação dos corpos d´água interiores e
dos ecossistemas costeiros; devem contribuir para prevenir e analisar eventos
relacionados a desastres naturais; devem contribuir para um entendimento da
evolução histórica dos fenômenos e alterações históricas ocorridos na superfície
terrestre; devem assegurar a continuidade da missão CBERS-3/4; e devem embutir
inovações tecnológicas na sua concepção e construção. Essas premissas, embora
não exaustivas, devem balizar a definição e requisitos da missão.
FONTE: EPIPHANIO, J. C. N. Satélites brasileiros de observação da Terra: balanço e perspectivas.

In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO (SBSR), 16., 2013, Foz do Iguaçu.
Anais [...]. São José dos Campos: INPE, 2013. p. 2218-2225. Disponível em: http://marte2.sid.
inpe.br/rep/dpi.inpe.br/marte2/2013/05.29.00.23.22. Acesso em: 24 ago. 2020.
150
RESUMO DO TÓPICO 3
• Os satélites de observação da Terra são de fundamental interesse para muitas

disciplinas que se dedicam a desenvolver aplicações ou mesmo que dependem
diretamente de dados provenientes do sensoriamento remoto.
• Ao longo dos anos, as tecnologias têm avançado rapidamente e que o

sensoriamento remoto tem se beneficiado diretamente desse cenário. As
constantes evoluções, sobretudo no número de satélites de observação,
tornaram-se uma significativa vantagem para analistas interessados ou
dependentes de dados para diversos estudos.
• Os principais satélites de observação da Terra possuem suas imagens

disponíveis gratuitamente, como toda a série de satélites Landsat, os satélites
do Programa CBERS e as mais recentes constelações dos satélites Sentinel-2.
• Atualmente, existem inúmeros satélites de observação da Terra que têm

suas imagens comercializadas e, quando há necessidade de aquisição dessas
imagens, mediante ordem de compra, temos também uma ampla gama de
opções a serem avaliadas de acordo com a aplicação desejada.
• Podemos ter acesso gratuito a imagens de sensores de distribuição gratuita,

através de plataformas nacionais e internacionais que colocam essas imagens
à nossa disposição, à exemplo do Catálogo de Imagens (INPE), Earth Explorer
(USGS), Copernicus Open Access Hub (ESA), entre outras.
• Os dados de sensoriamento remoto, através de satélites de observação da Terra,

são essenciais para decisões e ações em benefício da humanidade, podendo
contribuir em iniciativas de enfrentamento à desafios sociais, econômicos e
ambientais.
CHAMADA

151
AUTOATIVIDADE
1 Comumente, dividimos os satélites entre gratuitos e comerciais. Os satélites

de distribuição gratuita de imagens possuem ampla difusão e levam dados
ao alcance de todos os interessados. Os satélites comerciais, por outro lado,
possuem algumas particularidades e diferenciais, mas têm sua distribuição
controlada, mediante aquisição comercial. Assinale a alternativa que
corresponde ao satélite de observação da Terra mais conhecido por ter um
amplo acervo de imagens disponibilizadas de forma gratuita:
a) ( ) CBERS-5C.
b) ( ) KOMPSAT-3.
c) ( ) Landsat-9A.
d) ( ) Landsat-8.
2 Atualmente, as plataformas de distribuição de dados de sensoriamento

remoto se tornaram muito populares, existindo algumas plataformas
controladas por diferentes países e detentoras de diferentes direitos de
distribuição de imagens de sensoriamento remoto. Assinale a alternativa
que corresponde à principal plataforma de aquisição de imagens de
sensoriamento remoto no Brasil:
a) ( ) Catálogo de Imagens.
b) ( ) Caderno de Imagens.
c) ( ) SatVeg.
d) ( ) Infraestrutura Nacional de Dados Espaciais.
3 A série Landsat teve início em 1972 com o satélite Landsat-1 (antes

denominado de ERTS-1), consagrando-se como uma iniciativa pioneira
da National Aeronautics and Space Administration (NASA), sendo o primeiro
satélite de observação da Terra a adquirir imagens sistematicamente de toda
superfície terrestre. Atualmente, é possível adquirir milhares de imagens
de toda a série Landsat gratuitamente, através de diferentes plataformas.
Assinale a alternativa correta no que se refere à plataforma de distribuição
gratuita de imagens da série Landsat:
a) ( ) Copernicus Open Access Hub.

b) ( ) Projeto Topodata.
c) ( ) Earth Explorer.
d) ( ) Infraestrutura Nacional de Dados Espaciais.
152
REFERÊNCIAS
ALBUQUERQUE, P. C. G.; SANTOS, C. C. GPS para iniciantes. São José dos
Campos: INPE, 2003.
ANAC – AGÊNCIA NACIONAL DE AVIAÇÃO CIVIL. Existem diferenças entre

drones, aeromodelos, VANT e RPA? ANAC, Brasília, 25 jul. 2019. Disponível em:
https://www.anac.gov.br/acesso-a-informacao/perguntas-frequentes/drones/
existem-diferencas-entre-drones-aeromodelos-vant-e-rpa. Acesso em: 20 ago. 2020.
BURGER, W.; BURGE, M. J. Digital image processing: an algorithmic introduction

using Java. 2. London: Springer, 2016.
CAMPBELL, J. B.; WYNNE, R. H. Introduction to remote sensing. 5. ed. New

York: The Guilford Press, 1944.
CARLESSO, F. et al. Conceitos básicos de radiômetros de substituição elétrica

para medidas da Irradiância Solar total. Revista Brasileira de Ensino de Física,
São Paulo, v. 41, n. 2, 10p., jan. 2019. Disponível em: https://www.scielo.br/scielo.
php?pid=S1806-11172019000200418&script=sci_arttext. Acesso em: 20 ago. 2020.
CAZETTA, V. O status de realidade das fotografias aéreas verticais no contexto

dos estudos geográficos. Pro-posições, Campinas, v. 20, n. 3, p. 71-86, 2009.
CRÓSTA, A. P. Processamento digital de imagens de sensoriamento remoto. 4

ed. Campinas: IG/UNICAMP, 1992.
DATTA, A. How many satélites orbit Earth and why space traffic management
is crucial. Geospatial World, [S. l.], 23 ago. 2020. Disponível em: https://bit.
ly/2IyFGWg. Acesso em: 20 ago. 2020.
DI MAIO, A. et al. Formação continuada de professores – sensoriamento remoto.

São José dos Campos: AEB, 2008.
EPIPHANIO, J. C. N. CBERS 3/4: características e potencialidades. In: SIMPÓSIO

BRASILEIRO DE SENSORIAMENTO REMOTO (SBSR), 15., 2011, Curitiba.
Anais [...]. São José dos Campos: INPE, 2011. p. 9009-9016. Disponível em: http://
marte.sid.inpe.br/attachment.cgi/dpi.inpe.br/marte/2011/07.14.19.08/doc/p1222.
pdf. Acesso em: 20 ago. 2020.
EPIPHANIO, J. C. N. CBERS: estado atual e futuro. In: SIMPÓSIO BRASILEIRO

DE SENSORIAMENTO REMOTO (SBSR), 14., 2009, Natal. Anais [...]. São José dos
Campos: INPE, 2009. p. 2001-2008. Disponível em: http://marte.sid.inpe.br/col/dpi.
inpe.br/sbsr@80/2008/11.18.12.46/doc/2001-2008.pdf. Acesso em: 20 ago. 2020.
153
EPIPHANIO, J. C. Satélites de sensoriamento remoto. São José dos Campos:
INPE, 2002.
FIGUEIREDO, D. Conceitos básicos de sensoriamento remoto. Brasília: CONAB,

2005. (Apostila). Disponível em: http://www.clickgeo.com.br/wp-content/
uploads/2013/04/conceitos_sm.pdf. Acesso em: 8 jul. 2020.
FLORENZANO, T. G. Os satélites e suas aplicações. São José dos Campos:

SindCT, 2008.
FLORENZANO, T. G. Iniciação em sensoriamento remoto. São Paulo: Oficina

de Textos, 2007.
GAMA, F. F. Correção radiométrica de imagens de radar de abertura real. São

José dos Campos: INPE, 1999.
GIONGO, M. et al. LiDAR: princípios físicos e aplicações florestais. Pesquisa

Florestal Brasileira, Colombo, v. 30, n. 63, p. 231-244, 2010. Disponível em: https://
pfb.cnpf.embrapa.br/pfb/index.php/pfb/article/view/148. Acesso em: 8 jul. 2020.
GONÇALVES, L. L. Influência da umidade do solo na resposta espectral de solo

exposto via espectrorradiometria de campo. 1999. 120 f. Dissertação (Mestrado
em Tecnologia Ambiental e Recursos Hídricos), Universidade de Brasília, 1999.
Disponível em: http://ptarh.unb.br/wp-content/uploads/2017/01/LuzidethL.pdf.
Acesso em: 8 jul. 2020.
IBGE – INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Introdução

ao processamento digital de imagens. Rio de Janeiro: IBGE, 2001. Disponível em:
https://biblioteca.ibge.gov.br/visualizacao/livros/liv780.pdf. Acesso em: 8 jul. 2020.
HABBECKE, M.; KOBBELT, L. Automatic registration of oblique aerial images

with cadastral maps. ECCV Workshop on Reconstruction and Modeling of
Large Scale 3D Virtual Environments, p. 253–266, jan. 2010. Disponível em:
https://link.springer.com/chapter/10.1007%2F978-3-642-35740-4_20. Acesso em: 8
jul. 2020.
HORN, J. A.; GRABMAIER, K. A. Aerial cameras. In: HORN, J. A.; GRABMAIER,

K. A. Principles of remote sensing: introductory textbook. 3. ed. Enschede:
International Institute for Geo-Information Science and Earth Observation, 2004.
p. 61-73.
JENSEN, J. R. Introductory digital image processing: a remote sensing perspective.

4. ed. North Carolina: Pearson series in Geographic Information Science, 2016.

terrestres. 2. ed. São José dos Campos: Parêntese Editora, 2009.
154
LILLESAND, T. M.; KIEFER, R. W.; CHIPMAN, J. W. Remote sensing and image
interpretation. 7. ed. New York: John Wiley & Sons, 2015.
LISBOA FILHO, J. L.; IOCHPE, C. Introdução a sistemas de informações

geográficas com ênfase em banco de dados. Viçosa: UFV, 1996. (Apostila).
Disponível em: http://www.dpi.ufv.br/~jugurta/papers/sig-bd-jai.pdf. Acesso
em: 8 jul. 2020.
LONGHITANO, G. A. VANT para sensoriamento remoto: aplicabilidade na

avaliação e monitoramento de impactos ambientais causados por acidentes com
cargas perigosas. 2010. 148 f. Dissertação (Mestrado em Engenharia) – Escola
Politécnica da Universidade de São Paulo, 2010. Disponível em: https://www.
teses.usp.br/teses/disponiveis/3/3138/tde-10012011-105505/publico/Dissertacao_
George_Alfredo_Longhitano.pdf. Acesso em: 8 jul. 2020.
MARQUES FILHO, O.; VIEIRA NETO, H. Processamento digital de imagens.

Rio de Janeiro: Brasport, 1999.
MASCHIO, A. V. A estereoscopia: investigação de processos de aquisição, edição

e exibição de imagens estereoscópicas em movimento. 2008. 231 f. Dissertação
(Mestrado em Desenho Industrial) – Faculdade de Arquitetura, Artes e Comunicação
da Universidade Estadual Paulista “Júlio de Mesquita Filho”, 2008. Disponível em:
https://repositorio.unesp.br/handle/11449/89749. Acesso em: 8 jul. 2020.
MAZAREANU, E. Number of satélites in orbit – major countries 2020. Statista,

[S. l.], 1º set. 2020. Disponível em: https://www.statista.com/statistics/264472/
number-of-satellites-in-orbit-by-operating-country/. Acesso em: 25 set. 2020.
MIRANDA, E. E. (coord.). Brasil em Relevo. Campinas: Embrapa Monitoramento

por Satélite, 2005. Disponível em: http://www.relevobr.cnpm.embrapa.br. Acesso
em: 21 ago. 2020.
MOREIRA, A. et al. A tutorial on synthetic aperture radar. IEEE Geoscience and

Remote Sensing magazine, [S. l.], v. 1, n. 1, p. 6-43, mar. 2013. Disponível em:
https://www.researchgate.net/publication/257008464_A_Tutorial_on_Synthetic_
Aperture_Radar. Acesso em: 21 ago. 2020.
MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de

aplicação. São José dos Campos: INPE, 2001. Disponível em: http://mtc-m12.sid.
inpe.br/col/sid.inpe.br/sergio/2004/10.20.14.47/doc/INPE%208465.pdf. Acesso
em: 21 ago. 2020.
MUNARETTO, L. VANT e drones: a aeronáutica ao alcance de todos. 2. ed. São

Paulo: Edição independente, 2017.
NOVO, E. M. L. M. Sensoriamento remoto: princípios e aplicações. 4. ed. São

Paulo: Bucher, 2010.
155
PARANHOS FILHO, A. C.; LASTORIA, G.; TORRES, T. G. Sensoriamento
remoto ambiental aplicado: introdução as geotecnologias. Campo Grande: Ed.
UFMS, 2008.
ROSA, R. Introdução ao sensoriamento remoto. 7. ed. Uberlândia: EDUFU, 2009.
SANTANA, C. E.; COELHO, J. R. B. O projeto CBERS de satélites de observação

da Terra. Parcerias Estratégicas, Brasília, v. 4, n. 7, p. 203-209, 1999. Disponível em:
http://seer.cgee.org.br/index.php/parcerias_estrategicas/article/viewFile/89/82.
Acesso em: 21 ago. 2020.
SAUSEN, T. M. Desastres naturais e geotecnologias: sensoriamento remoto. São

José dos Campos: INPE, 2008.
ULABY, F. T.; MOORE, R. K.; FUNG, A. K. Microwave remote sensing: active

and passive: microwave remote sensing fundamentals and radiometry. Norwood:
Artech House, 1981.
UCS – UNION OF CONCERNED SCIENTISTS. USC Satellites database [...].

Union os Concerned Scientists, Cambridge, 1º abr. 2020. Disponível em: https://
www.ucsusa.org/resources/satellite-database. Acesso em: 21 ago. 2020.
VALERIANO, M. M. TOPODATA: guia para utilização de dados geomorfológicos

locais. São José dos Campos: INPE, 2008. Disponível em: http://mtc-m16c.sid.
inpe.br/col/sid.inpe.br/mtc-m18@80/2008/07.11.19.24/doc/publicacao.pdf. Acesso
em: 21 ago. 2020.
156
UNIDADE 3 —
PARA OBSERVAÇÃO DA
TERRA: INTERPRETAÇÕES E
DIFERENTES APLICAÇÕES
• compreender as principais áreas de aplicação do sensoriamento remoto;
• avaliar as características e necessidades para a escolha de imagens de

sensoriamento remoto adequadas de acordo com as necessidades de
aplicação;
• distinguir os principais elementos para interpretação de imagens captadas

por sensores remotos;
• considerar a importância dos dados de sensoriamento remoto para

tomada de decisão em diferentes escalas de planejamento.
PLANO DE ESTUDOS
Esta unidade está dividida em três tópicos. No decorrer da unidade,
você encontrará autoatividades que têm o objetivo de reforçar o conteúdo
apresentado.
TÓPICO 1 – ANÁLISE E INTERPRETAÇÃO DE IMAGENS
TÓPICO 2 – PROCESSAMENTO DE IMAGENS ORBITAIS
TÓPICO 3 – PRINCIPAIS APLICAÇÕES DO SENSORIAMENTO REMOTO
157
CHAMADA
Preparado para ampliar seus conhecimentos? Respire e vamos

em frente! Procure um ambiente que facilite a concentração, assim absorverá
melhor as informações.
158
TÓPICO 1 —
UNIDADE 3
ANÁLISE E INTERPRETAÇÃO DE IMAGENS
1 INTRODUÇÃO
Neste tópico, nós relembraremos as bandas espectrais captadas pelos

sensores remotos e discutiremos a importância da combinação das cores (RGB),
conhecida no sensoriamento remoto como composição colorida de imagens,
relevante para a associação das cores entre cada banda obtida nos diferentes
intervalos do espectro eletromagnético.
Na sequência, serão abordados os principais elementos necessários para a

fotointerpretação de imagens em sensoriamento remoto. Tendo em vista que as
imagens captam informações da superfície terrestre, sua interpretação ultrapassa a
associação de cores e envolve também as questões relacionadas à textura, padrão,
formas e outros elementos para fotointerpretação. Nesse sentido será discutida a
relevância e as técnicas de fotointerpretação, bem como os exemplos de cada um
dos principais elementos para interpretação de imagens de sensoriamento remoto.
O tópico ainda apresenta a importância e as etapas para a classificação

de imagens, bem como as principais técnicas e algoritmos utilizados para
classificação automática de imagens de satélite.
Atualmente, há uma gama de dados de sensoriamento remoto

disponibilizados gratuitamente. Desse modo, o tópico se encerra com a
apresentação de critérios e características essenciais para a escolha adequada de
imagens em sensoriamento remoto.
Para reforçar tudo que estudarmos ao longo deste tópico, você terá
disponível uma autoatividade para praticar os conhecimentos aqui adquiridos.
Bons estudos!
2 COMPOSIÇÕES COLORIDAS DE IMAGENS

Conforme apresentado nas unidades anteriores, os sensores remotos de
observação da Terra são, em geral, multiespectrais. Isso significa que os sensores
captam radiação eletromagnética em diferentes comprimentos de ondas (visível ou
159
UNIDADE 3 — SENSORIAMENTO REMOTO PARA OBSERVAÇÃO DA TERRA: INTERPRETAÇÕES E DIFERENTES APLICAÇÕES
infravermelho, por exemplo) e as disponibilizam na forma de arquivos matriciais

(imagens) correspondentes a cada um dos intervalores espectrais imageados pelo
sensor, na qual são comumente chamadas de “bandas” (Figura 1).
FIGURA 1 – EXEMPLOS DE BANDAS DO SATÉLITE CBERS-4, SENSOR PAN
Legenda: A) banda 2 (verde): 0,52 – 0,59µm; B) banda 4 (infravermelho próximo): 0,77 – 0,89µm.
FONTE: O autor
No entanto, a capacidade do sistema visual humano não é capaz de

diferenciar mais de 30 níveis de cinza, mas quando se trata da identificação de
cores, nosso sistema visual avança para algumas dezenas de milhares de cores
passíveis de discernimento (CRÓSTA, 1992).
Além disso, a sintetização das bandas numa única imagem é capaz de

agregar informação de diferentes intervalos espectrais, e para isso utilizamos a
composição colorida. Esse é um dos tratamentos mais comuns em sensoriamento
remoto, que utiliza a composição de cores em três bandas, visando facilitar a
interpretação das imagens.
Em sensoriamento remoto, o sistema de cores RGB (Red, Green, Blue) é

o mais utilizado para composição de imagens, considerado como um modelo
aditivo de um tripleto de bandas, que são associadas às cores vermelho, verde e
azul (Figura 2). Esse modelo de cores determina a intensidade de RGB de acordo
com os valores digitais de brilho das bandas (ND).
FIGURA 2 – SISTEMA ADITIVO DE CORES RGB
FONTE: <https://www.hisour.com/pt/rgb-color-model-24867/>. Acesso em: 28 jul. 2020.
160
TÓPICO 1 — ANÁLISE E INTERPRETAÇÃO DE IMAGENS
O sistema de cores RGB foi determinado por Thomas Young (1773-1829),

que relevou os princípios da teoria básica das cores. O autor percebeu que variar
a quantidade relativa das cores vermelho, verde e azul numa determinada
superposição, resultaria numa gama de outras possibilidades de tons e cores.
Além disso, Young observou que qualquer uma das cores entre o vermelho, verde
e azul (RGB) não poderiam ser produzidas com a mistura de apenas duas dessas
cores. Dessa forma, essas três cores foram chamadas de cores primárias aditivas,
visto que seus efeitos resultam da adição entre elas (CRÓSTA, 1992).
A vantagem na utilização do sistema de cores RGB em sensoriamento re-

moto consta na liberdade de combinações derivadas das três cores e aplicadas a três
bandas (Figura 3), implicando em uma variedade de composições coloridas que
podem ser manipuladas para obtenção de diferentes contrastes (MENESES, 2012).
FIGURA 3 – EXEMPLOS COMPOSIÇÃO (COLORIDA) DE BANDAS NO SISTEMA DE CORES RGB
FONTE: Meneses (2012, p. 125)
Dessa forma, nas imagens coloridas, as cores dos alvos terrestres

dependerão da quantidade de energia refletida e captada pelo sensor – associada
a cada valor de ND contido num pixel – e resultantes da mistura das cores
segundo o processo aditivo. De acordo com Florenzano (2011), a associação de
cores expressa a característica espectral de cada alvo, ou seja, a água, a vegetação
e áreas construídas são, consequentemente, representadas por cores diferentes
em imagens coloridas.
161
Dentre as composições coloridas mais comuns, está a de cor-verdadeira

(real color) e as composições de falsa-cor (false color), conforme ilustrado nas
Figuras 4, 5, 6 e 7, exemplificadas a partir de composições coloridas de bandas do
satélite Landsat 8, sensor OLI.
FIGURA 4 – COMPOSIÇÃO COLORIDA EM COR-VERDADEIRA DAS BANDAS R4 G3 B2 DO

SATÉLITE LANDSAT 8, SENSOR OLI
FONTE: O autor
FIGURA 5 – COMPOSIÇÃO COLORIDA EM FALSA-COR (VEGETAÇÃO) DAS BANDAS R5 G4 B3

DO SATÉLITE LANDSAT 8, SENSOR OLI
FONTE: O autor
162
FIGURA 6 – COMPOSIÇÃO COLORIDA EM FALSA-COR (AGRICULTURA) DAS BANDAS R6 G5 B4

DO SATÉLITE LANDSAT 8, SENSOR OLI
FONTE: O autor
FIGURA 7 – COMPOSIÇÃO COLORIDA EM FALSA-COR (CONTRASTE TERRA/ÁGUA) DAS

BANDAS R5 G6 B4 DO SATÉLITE LANDSAT 8, SENSOR OLI
FONTE: O autor
A composição colorida em cor-verdadeira, na Figura 4, é muito comum

por coincidir com a experiência da visão humana, associando as Bandas 4
(intervalo espectral da luz visível vermelha), Banda 3 (intervalo espectral da luz
visível verde) e Banda 2 (intervalo espectral da luz visível azul), respectivamente
aos canais RGB. Já as composições coloridas em falsa-cor, a exemplo da Figura 5,
associa respectivamente ao sistema de cores RGB, a Banda 5 (intervalo espectral
163
do infravermelho próximo), Banda 4 (intervalo espectral da luz visível vermelha)

e Banda 3 (intervalo espectral da luz visível verde). Nessa composição, a vegetação
é representada em tons avermelhados, contribuindo para melhor distinguir suas
variações, e contrastes com outros alvos terrestre.
Além das composições coloridas apresentadas nas Figuras 4, 5, 6 e 7,

há muitos outros exemplos de combinações, conforme os indicados a seguir,
utilizando as bandas espectrais do satélite Landsat 8, sensor OLI:
• Falsa-cor (realce de áreas urbanas): R7 G6 B4.

• Penetração atmosférica: R7 G6 B5.
• Saúde vegetal: R5 G6 B2.
• Cor-natural com atenuação atmosférica: R7 G5 B3.
• Infravermelho curto: R7 G5 B4.
DICAS
Aprenda a fazer composição colorida de imagens do satélite Landsat 8,

utilizando o QGIS (SIG Livre) assistindo ao vídeo do canal Geocast Brasil na plataforma
YouTube, QGIS 3.10: Composição Colorida RGB com Três Bandas. Disponível em: https://
www.youtube.com/watch?v=IH7McHlkZTk.
Logo, a associação dos canais RGB nas respectivas bandas, demanda

conhecimento nos intervalos espectrais de cada banda e nas características
espectrais dos alvos de interesse na imagem (Quadro 1).
QUADRO 1 – PRINCIPAIS APLICAÇÕES DAS BANDAS DO SATÉLITE LANDSAT 8, SENSOR OLI
Satélite Landsat 8 – Sensor OLI

Intervalo
Banda Principais Aplicações
Espectral
Análise de corpos hídricos costeiros.
Delineamento entre solo/vegetação.
2 (Azul) 0,45 – 0,51 μm
Diferenciação entre vegetação conífera
e decídua.
3 (Verde) 0,53 – 0,59 μm Destaque da vegetação verde (sadia).
Absorção de clorofila.
4 (Vermelho) 0,64 – 0,67 μm Diferenciação de características
vegetais.
164
5 (Infravermelho Análise da biomassa foliar.

0,85 – 0,88 μm
Próximo) Delineamento de corpos hídricos.
6 (Infravermelho Diferenciação da unidade na vegetação.

1,57 – 1,65 μm
de Ondas Curtas) Diferenciação entre nuvem e neve.
7 (Infravermelho
2,11 – 2,29 μm Mapeamento hidrotermal.
de Ondas Curtas)
FONTE: O autor
Portanto, percebemos que a composição colorida permite uma gama de

possibilidades de interpretação dos alvos terrestres em imagens de sensoriamento
remoto, e que a escolha de três bandas em intervalos espectrais distintos deverá ser
associada ao sistema de cores RGB, de acordo com os interesses de visualização
para cada objetivo de mapeamento (urbano, vegetação, lavouras, água etc.).
Consequentemente, a escolha das bandas e seus respectivos intervalos

espectrais implica um conhecimento mínimo das principais aplicações das bandas
de satélite e seus respectivos intervalos espectrais. Além disso, a disponibilidade
das bandas poderá variar de acordo com o sensor que se está trabalhando, bem
como a resolução espectral (número de bandas) imageadas por esse sensor.
3 ELEMENTOS DE FOTOINTERPRETAÇÃO
As imagens provenientes de sensores remotos contêm diversas informações
acerca da superfície terrestre. Qualquer alvo ou objeto disposto sobre a superfície
e que esteja em interação com energia eletromagnética, é capaz de ser imageado
por sensores, o que faz das imagens de sensoriamento remoto, um dado espacial
muito relevante para diversas áreas do conhecimento, a exemplo da Geografia
(interessada no relevo, nas águas, na vegetação etc.), da Geologia (interessada nas
características espectrais das rochas superfícies), da Agronomia (interessada no
monitoramento da agricultura), entre muitos outros temas.
Todavia, para que o analista possa aproveitar as informações contidas

nas imagens melhor maneira possível e de modo completo, esse precisará ter
conhecimentos específicos de análise (visual) de imagens, técnica também
conhecida como fotointerpretação.
A observação da Terra segundo uma perspectiva aérea permite aos

cientistas e ao público em geral identificar objetos, padrões e as
interações entre o homem e o seu planeta, que poderiam nunca ser
completamente compreendidos se as observações fossem limitadas a
uma visada a partir da superfície terrestre (JENSEN, 2009, p. 130).
165
Essa técnica significa interpretar fotografia ou imagens para identificar

alvos nelas representados, e dar um significado a esses alvos (FLORENZANO,
2002). Do mesmo modo, a Sociedade Americana de Fotogrametria e Sensoriamento
Remoto, afirma que fotointerpretação é o ato de examinar imagens com a finalidade
de identificação de alvos e determinação dos seus significados (ASPRS, 1960).
Portanto, quando identificamos áreas de cultivo, manchas urbanas, rios,

represas, estradas e outros alvos, estamos realizando uma fotointerpretação das
imagens de satélite (Figura 8).
FIGURA 8 – EXEMPLO DE FOTOINTERPRETAÇÃO DE ALVOS EM IMAGEM DO SATÉLITE

LANDSAT 8, SENSOR OLI. COMPOSIÇÃO COLORIDA R6 G5 B4
FONTE: O autor
A interpretação dos alvos nas imagens nem sempre é uma atividade

simples. Há alguns fatores que influenciam diretamente, a saber: resolução
espacial e radiométrica, composição colorida e know-how do analista. Outro fator
fundamental para a interpretação das imagens está relacionado à capacidade
de distinguir alvos em diferentes perspectivas, ou seja, a perspectiva de campo
(horizontal) e a perspectiva das imagens (vertical), conforme ilustrado na Figura 9.
FIGURA 9 – PERSPECTIVAS DISTINTAS DA FLORESTA AMAZÔNICA
Legenda: A) visão horizontal (campo); B) visão vertical (imagem de satélite).

FONTE: A) <https://bit.ly/3kqFO7u>; B) <https://bit.ly/3lswXDL>. Acesso em: 30 jul. 2020.
166
A fotointerpretação está ainda relacionada à acuidade visual do

intérprete, o conhecimento (know-how) em sensoriamento remoto e da área de
estudo, e com o conhecimento das características do sensor (resoluções ou datas
de imageamento), a uma fundamentação teórica acerca dos elementos que se
pretende extrair informações das imagens, do reconhecimento da área geográfica
e da preambulação dos aspectos de dúvida em posteriores atividades de campo.
As imagens obtidas por sensores remotos, qualquer que seja o seu

processo de formação, registram a energia proveniente dos objetos
da superfície observada. Independentemente da resolução e escala, as
imagens apresentam os elementos básicos de análise e interpretação, a
partir dos quais se extraem informações de objetos áreas, ou fenômenos
(FLORENZANO, 2002, p. 42).
Por isso, para que seja possível obtermos bons resultados em uma
fotointerpretação, há alguns elementos reconhecidos que podem nos orientar,
enquanto intérpretes, sendo eles: tonalidade/cor; textura; tamanho; forma e
padrão dos alvos.
A tonalidade ou cor estão diretamente relacionadas à fotointerpretação

utilizando imagens pancromáticas ou composições coloridas. As imagens
pancromáticas apresentam tonalidades em diferentes níveis de cinza (entre o
branco e o preto). A variação dos níveis de cinza, está relacionada, de acordo com
Florenzano (2011) com a reflexão da luz (energia eletromagnética), ou seja, alvos
que tendem a refletir menos energia (maior absorção) terão tons mais escuros de
cinza, enquanto alvos que refletem mais energia (menor absorção) se apresentarão
com tons mais claros de cinza (Figura 10).
FIGURA 10 – DIFERENTES TONS DE CINZA REFERENTES ÀS LAVOURAS, BANDA 8 (NIR –

848NM) DO SATÉLITE SENTINEL-2, SENSOR MSI
FONTE: O autor
167
NOTA
O nível de cinza está relacionado aos Números Digitais (ND) das imagens, que,
por sua vez, dependem da intensidade do fluxo de radiação que é captado pelo sensor.
Posteriormente, a radiação é convertida num sinal elétrico e proporcionalmente convertido
num ND, associado a cada pixel de uma imagem.
Assim, conseguimos diferenciar diferentes tons de cinza na Figura

10, que estão relacionados com o a presença e vigor da vegetação. Quando
fotointerpretamos essa imagem, é possível diferenciar alguns pivôs centrais, por
tons mais claros de cinza e áreas onde a lavoura foi colhida ou ainda está no
estágio inicial do plantio, em tons de cinza mais escuros. Uma boa técnica para
considerar a tonalidade na fotointerpretação é estabelecer limiares para classes,
por exemplo, escuras, médias e claras.
A cor está diretamente relacionada com o processo de composição

colorida das imagens, através da associação de três bandas no sistema de cores
RGB. Neste caso, as cores dos alvos podem conforme duas situações, a exemplo
da quantidade de energia refletida pelos alvos. Outra situação, está relacionada
às escolhas das bandas e, consequentemente, seus intervalos espectrais, que
resultarão em inúmeras possibilidades de composição colorida (cor-verdadeira
ou falsa-cores), a exemplo da Figura 11.
FIGURA 11 – IMAGEM EM COMPOSIÇÃO COLORIDA FALSA-COR R8 G4 B3 DO SATÉLITE

SENTINEL-2, SENSOR MSI
FONTE: O autor
168
Quando consideramos a cor como elemento de fotointerpretação, há

uma facilitação para distinguir alvos, pois o olho humano tem capacidade de
distinguir um maior número de cores quando comparados a tons de cinza.
Quando observamos a Figura 11, há ainda mais possibilidades de classificação
dos alvos, se compararmos à imagem pancromática, tendo em vista as diferentes
cores apresentadas pelos pivôs centrais (tons avermelhados) e as demais áreas de
plantio (tons variando entre marrom e verde-escuro). Assim, podemos considerar
que as cores estão diferentemente relacionadas com as áreas de plantio e colheita,
ou ainda, com o estágio de desenvolvimento e vigor das lavouras.
A textura se refere ao aspecto dos alvos na imagem, mais especificamente

da homogeneidade ou heterogeneidade superficial, podendo ser considerada
como uma grandeza abstrata na técnica de fotointerpretação. Podemos entender
que a textura das imagens é resultado da variação de diferentes níveis de cinzas
em um grupo de pixels, que individualmente não são passíveis de interpretação.
A variação da textura numa imagem dependerá do tipo de alvo, da resolução
espacial da imagem, da escala de trabalho
De certa forma, a textura dos alvos na imagem irá variar conforme a

variação dos níveis de cinza que os representa. Quanto maior a variação do nível
de cinza, mais heterogênea será a superfície do alvo e, consequentemente, mais
rugosa será sua textura, e vice-versa (Figura 12).
FIGURA 12 – DIFERENTES TEXTURAS DOS ALVOS NA IMAGEM (LANDSAT 8, SENSOR OLI)
A) textura lisa referente a reflorestamentos; B) textura rugosa referente à vegetação florestal

nativa.
FONTE: O autor
A classificação da textura pode variar de fina a grosa ou de lisa a

áspera. Como podemos observar na Figura 12, embora ambos alvos se refiram
à vegetação, há uma diferença expressiva em sua textura. A vegetação nativa,
é formada por diferentes espécies, variando em idade e altura biomassa foliar,
por isso, os indivíduos refletem energia de modo diferentes e, portanto, há uma
heterogeneidade nos níveis de cinza dos pixels, resultando numa textura rugosa.
169
Por outro lado, o reflorestamento é formado por uma mesma espécie,

plantadas em datas bastante próximas, com biomassa foliar semelhante e de igual
crescimento. Logo, energia refletida possui comportamento equivalente e, por
isso, há uma homogeneidade nos níveis de cinza dos pixels, resultando numa
textura lisa.
“A textura ainda possui relevância na identificação de unidades de

relevo: a textura lixa corresponde a áreas de relevo plano, enquanto que a textura
rugosa corresponde a áreas de relevo acidentado e dissecado pela drenagem”
(FLORENZANO, 2002, p. 44).
O tamanho dos alvos é um elemento de interpretação variável de acordo

com a escala de representação das imagens. De acordo com Florenzano (2011),
em função do tamanho dos alvos na imagem, podemos distinguir, por exemplo,
áreas residenciais de industriais, grandes vias principais de ruas de tráfego local,
pequenas ravinas de grandes voçorocas, agricultura de subsistência de uma
agricultura comercial e assim por diante (Figura 13).
FIGURA 13 – DIFERENTES TAMANHOS DE ALVOS EM IMAGEM DE ALTA RESOLUÇÃO
A) área residencial (construções menores); B) área industrial (construções maiores); C) rua de

tráfego local (vias estreitas); D) avenida principal (vias largas).
FONTE: O autor
170
A forma é um dos elementos mais facilmente identificados em imagens.

Isso por que, conseguimos distinguir com clareza, formas irregulares de formas
regulares, formas retangulares de formas circulares e assim por diante. Precisamos
compreender, ainda, que a forma dos alvos varia drasticamente quando observada
numa imagem (perspectiva vertical) daquela observada em campo (perspectiva
horizontal).
Como você pode imaginar, os diferentes objetos dispostos na superfície

terrestre possuem uma infinidade de formas, e é justamente essa variedade que
usamos em nosso benefício na fotointerpretação (Figura 14).
FIGURA 14 – VARIAÇÃO DA FORMA DE ALVOS NA IMAGEM (LANDSAT 8, SENSOR OLI)
FONTE: O autor
Como podemos observar na Figura 14, estradas são facilmente

identificadas por sua forma linear e retilínea, os talhões de reflorestamento também
possuem forma regular, todos retangulares e sistematicamente planejados. Em
contrapartida, os rios possuem formas retilíneas, porém irregulares. Algumas
áreas de vegetação nativa também mantiveram seu padrão irregular. Assim, é
possível classificar as formas dos alvos diante da fotointerpretação, variando de
regular a irregular.
Com relação à forma dos alvos, podemos adotar a premissa de que, objetos
de formas irregulares tendem a ser indicadoras de alvos naturais (floresta, lagoas,
feições de relevo etc.), enquanto objetos que possuem formas regulares, tendem a
indicar alvos superficiais ou antropogênicos, como áreas agrícolas, vias de acesso,
ocupação urbana planejada e assim por diante (FLORENZANO, 2011).
171
O padrão se refere ao arranjo ou organização espacial dos objetos na

imagem. O padrão pode ser classificado entre aleatório, sistemático, circular,
centrípeto, oval, curvilinear, linear, radial, retangular, hexagonal, pentagonal,
octagonal etc. Percebemos, também, que os objetos podem ter padrões que
caracterizam sua origem natural, a exemplo das redes de drenagem, ou origem
antrópica, como padrões regulares, a exemplos das divisões de quadras urbanas
numa cidade (JENSEN, 2009), conforme podemos analisar na Figura 15.
FIGURA 15 – PADRÕES SISTEMÁTICO E DE FORMA RETANGULAR DOS QUARTEIRÕES DE

BARCELOS (PLANO CERDÁ), ESPANHA
FONTE: <https://www.gifex.com/fullsize-en/2011-01-24-12816/Satellite_map_of_downtown_
Barcelona_2004.html>. Acesso em: 3 ago. 2020.
Além dos principais elementos de fotointerpretação apresentados

anteriormente, há ainda outros elementos que você poderá aplicar para tornar o
processo de fotointerpretação mais completo, sendo eles: a localização dos alvos,
sombras, tendência de altura, densidade, posição e informações adjacentes ao alvo.
Como você pôde perceber, muitos elementos possuem uma relação direta
na fotointerpretação e, por isso, devemos interpretá-los de maneira integrada,
para uma melhor assertividade na identificação dos alvos, como é o exemplo
da relação entre cor e textura, tamanho e forma, padrão e forma e assim por
diante. Por isso, Jensen (2009) afirma que um bom fotointérprete utiliza de forma
integrada os elementos de interpretação de imagens, e evita pensar em cada um
individualmente (Figura 16).
172
FIGURA 16 – PREVALÊNCIA DOS ELEMENTOS DE INTERPRETAÇÃO DE IMAGENS
De acordo com Jensen (2009), a interpretação de uma imagem é baseada no

uso dos elementos de fotointerpretação, por isso, identificar os tons ou cores dos
pixels representa a atividade de primeira ordem (primária) na fotointerpretação
de imagem.
Na sequência, você poderá observar os elementos secundários e terciá-

rios, que além dos tons e cores, preocupam-se com os arranjos espaciais dos al-
vos. Por último, os elementos de ordem superior, representam a associação de
diversos métodos.
Embora não seja considerado um elemento de fotointerpretação,

o conhecimento de campo da área de estudo é fundamental para se obter
bons resultados. Podemos afirmar que quanto maior for o conhecimento do
intérprete da área de estudo, maior será a quantidade de informação que ele
poderá extrair de uma imagem. Por isso, afirmamos que as atividades de campo
são praticamente indispensáveis em grande parte dos trabalhos que utilizam
sensoriamento remoto, e, consequentemente, é uma atividade que faz parte da
fotointerpretação de imagens.
A interpretação visual de fotos e, decorrentemente, de imagens de

satélite e de radar, baseia-se, portanto, na percepção do intérprete,
o qual deverá estar familiarizado com o local de trabalho. Torna-se
interessante, portanto, a realização de um estudo das características
geográficas da região onde o levantamento foi realizado. O
conhecimento prévio da vegetação predominante, do tipo climático, do
relevo, dos principais tipos de cultivo, entre outros aspectos percebidos
na área de estudo, pode evitar problemas futuros (FITZ, 2008, p. 118).
Além disso, há uma técnica bastante comum que auxilia na

fotointerpretação de imagens, conhecida como chave de interpretação. Esse
método consta num quadro que sintetiza algumas características mais relevantes
da classe identificadas em campo, a descrição da classe e uma correspondência
com os principais elementos interpretados na imagem.
173
4 CRITÉRIOS PARA ESCOLHA DE IMAGENS EM

Como você já estudou, há, atualmente, uma ampla variedade de produtos
derivados do sensoriamento remoto, tanto gratuitos, quanto comerciais. Soma-se
a isso, uma vasta gama de possibilidades de aplicações do sensoriamento remoto
em diferentes temas.
Desse modo, escolher corretamente os dados de sensoriamento remoto

para um determinado estudo ou trabalho a ser desenvolvimento, não é tarefa tão
simples quanto parece. Seja, ora pela gama de dados disponíveis, ora pela falta
destes mesmos dados, a depender da localização, do período ou dos objetivos
que demandam tais dados.
Para a correta escolha de produtos de sensoriamento, é necessário

considerar alguns princípios físicos do sensoriamento remoto, a característica
das diferentes plataformas, possíveis soluções para determinados problemas que
exigem o uso de sensoriamento remoto e, por fim, a disponibilidade dos dados
(Figura 17).
FIGURA 17 – PREVALÊNCIA DOS ELEMENTOS DE INTERPRETAÇÃO DE IMAGENS
FONTE: <https://miro.medium.com/max/700/1*0oQP7tYmxrsuTXiBcf5j9Q.jpeg>. Acesso em: 5

ago. 2020.
Conhecer os princípios físicos do sensoriamento remoto é regra básica

para uma correta seleção de dados. É improvável escolher uma imagem aérea de
altíssima resolução espacial, em detrimento de uma imagem de satélite de média
resolução espacial, se analista não souber o que significa e qual a importância da
174
resolução espacial para imagens de sensoriamento remoto. A escolha das bandas

corretas para realizar uma composição colorida, também exige conhecimentos
a respeito dos intervalos espectrais que cada sensor é capaz de distinguir
(resolução espectral).
A resolução espacial precisa ser avaliada, pois há uma relação direta

com o tamanho da área a ser representada, ou seja, quanto menor a extensão
territorial para ser estudada, maior a necessidade de uma alta resolução espacial.
De um modo geral, os Veículos Aéreos Não Tripulados (VANT) não possuem
autonomia suficiente para imagear áreas extensas, por exemplo, um município,
portanto, se há necessidade de elaborar um mapeamento de toda área de um
município, o ideal é optar por imagens de satélite de alta ou média resolução
espacial (entre 120 m a 3 m). Isso porque, embora os VANT tenham capacidade de
captar imagens de altíssima resolução espacial (~3 cm), estes demandariam um
longo período e altos custos de deslocamento para mapeamento, além de que não
seriam necessários tais níveis de detalhamento, em termos de resolução espacial,
para elaborar mapeamentos de extensas áreas de um município (Figura 18).
FIGURA 18 – DIFERENÇA ENTRE PLATAFORMAS E RESOLUÇÕES ESPACIAIS EM

FONTE: O autor
Ademais, as altas resoluções espaciais tendem a distinguir objetos menores

(carros, contêineres, árvores), enquanto médias ou baixas resoluções espaciais
fornecerão uma visão geral de determinadas áreas (florestas, grandes áreas de
cultivo, mancha urbana), e utilização menos números de cenas (Figura 19).
Por sua capacidade de imageamento de grandes áreas, consequentemente

os satélites são capazes de coletar grandes quantidades de dados rapidamente,
numa única cena.
175
FIGURA 19 – EXEMPLO DA RELAÇÃO ENTRE TAMANHOS DE CENAS E AS PLATAFORMAS DE

FONTE: O autor
Porém, lembre-se de que nem sempre a resolução espacial mais alta será
a mais adequada simplesmente porque oferece mais detalhes. Se o objetivo for
identificar grandes áreas – a exemplo do desmatamento da Amazônia –, médias
resoluções espaciais poderão ser soluções mais adequadas.
A resolução espectral, relacionada ao número de bandas e comprimento

de onda de cada banda do sensor, destaca-se, pois alguns processamentos
demandam bandas de intervalos espectrais específicas. A resolução espectral
dos satélites irá influenciar, por exemplo, nas possibilidades de composições
coloridas das imagens.
Outro exemplo comum é a utilização de índices de vegetação para avaliação

de lavouras. Alguns índices demandam a utilização de bandas no intervalo do
infravermelho próximo (Near Infrared – NIR). Alguns sensores aerotransportados,
como modelos específicos de VANT, não contam com sensores que captam
imagens nesse intervalo espectral.
O tempo de revisita do sensor (resolução temporal) é igualmente

importante. Se há necessidade de um acompanhamento em curto período de
tempo, plataformas aéreas – principalmente os VANT – são mais adequados,
desde que não seja uma área extensa. Isso porque, para obter novas imagens,
basta deslocar-se para a área de interesse e planejar um novo voo. Se o interesse
de monitoramento é menos exigente (semanas, meses ou anos), a resolução
temporal dos satélites é mais adequada.
O tempo de revisita dos satélites também varia conforme a plataforma,

podendo ser a cada cinco dias, 16 dias, dentre outros períodos. Mas lembre-se,
o tamanho da área a ser imageada continuará sendo importante para a melhor
escolha dos dados de sensoriamento remoto.
176
Por fim, é preciso avaliar os custos das imagens. Uma das diferenciações
mais comuns em sensoriamento remoto é a divisão entre satélites gratuitos ou
comerciais. Os satélites gratuitos são distribuídos, de um modo geral, por agências
espaciais estatais (INPE, ESA, NASA) e possuem um aspecto comum: resoluções
espaciais médias ou baixas, além do tempo de revisita conforme o período pré-
definido da órbita do satélite.
Já os satélites comerciais envolvem custos para compra das imagens. Atu-

almente, existe um número bastante grande de satélites comerciais em órbita, com
as mais variadas características. A principal vantagem consta nas altas resoluções
espaciais e na possibilidade de programação de órbita para obtenção de imagens
em dias específicos. Geralmente, custo e resolução espacial têm uma relação inversa.
Outro aspecto a ser considerado é o uso dos VANT ou a compra de

imagens aéreas (sensores aerotransportados). A aquisição dessas plataformas, dá
ao analista a liberdade de escolher o exato momento para imagear determinadas
áreas, além da altíssima resolução espacial. No entanto, além do valor de
investimento em plataformas próprias, o imageamento de grandes áreas, essa
plataforma não será a mais adequada, ou a periodicidade de imageamento poderá
não justificar os custos de compras de tais plataformas.
A característica do trabalho ou da problemática que exige uma solução

por dados de sensoriamento remoto está no centro dos critérios para escolha
das imagens. Como vimos, o tamanho da área, as características espectrais dos
objetos a serem imageados, o tempo de monitoramento dos custos envolvidos.
DICAS
Veja dicas simples para aprender a escolher imagens de satélite no

vídeo Como Escolher uma Imagem de Satélite com 4 Passos Simples! Disponível
no canal Anderson Medeiros – ClickGeo no YouTube: https://www.youtube.com/
watch?v=QqnLZA84ytk&feature=emb_logo.
Recomenda-se que alguns questionamentos sejam realizados antes da

escolha de imagens de sensoriamento remoto:
• Quais objetivos, tempo para execução e orçamento disponível?

• Qual resolução espacial e intervalos espectrais atendem aos objetivos do trabalho?
• Qual o custo de imageamento e compra das imagens?
• Como será realizado o processamento dos dados?
• Qual produto resultante do processamento das imagens?
177
RESUMO DO TÓPICO 1
• Os satélites têm capacidade de capturar imagens em diferentes intervalos

espectrais, distinguindo-os no que chamados de bandas. As bandas podem
ser combinadas num sistema de cores, resultando em imagens coloridas e,
dependendo das bandas selecionadas, teremos imagens no que chamamos cor-
verdadeiras ou falsa-cor.
• Existem princípios bem definidos que orientam o reconhecimento de objetos

em imagens de sensoriamento remoto, numa técnica conhecida como
fotointerpretação.
• Além do conhecimento do conhecimento dos elementos de fotointerpretação,

atividades de campo e o conhecimento do contexto geográfico da área de
estudo são fundamentais para identificação de objetos em imagens de
• Com o avanço tecnológico do sensoriamento remoto, surgiram diversas plata-

formas, satélites e sensores (gratuitos e comerciais). E que a escolha de imagens
corretas envolve alguns critérios, como os objetivos do trabalho, o tamanho da
área a ser imageada e a necessidade de monitoramento da área (revisitas).
178
AUTOATIVIDADE
1 Uma técnica bastante comum em sensoriamento remoto é a mesclagem de

três bandas numa única imagem, capaz de agregar informação de diferentes
intervalos espectrais e facilitar sua interpretação. A essa técnica, utiliza-se
um sistema de cores, de modelo aditivo, aplicado sobre um tripleto de
bandas, associadas às cores vermelho, verde e azul. Dessa forma, assinale
a alternativa que correspondente corretamente ao nome desta técnica, bem
como o seu sistema de cores.
a) ( ) Composição colorida e falsa-cor.

b) ( ) Mesclagem e CMYK.
c) ( ) Composição colorida e RGB.
d) ( ) Composição colorida e CMYK.
2 Sabemos que, atualmente, há uma gama de possibilidades de imagens

de sensoriamento remoto à disposição para as mais diversas aplicações.
Também por isso, escolher as características de imagens que melhor
atendam para determinadas aplicações pode não ser uma tarefa tão simples
quanto parece.
A afirmação anterior indica a necessidade de definição de alguns critérios
básicos para correta escolha de imagens de sensoriamento remoto. Marque
a alternativa que melhor representa os critérios a serem avaliados:
a) ( ) Objetivos e orçamento disponível – Resolução espacial e intervalos

espectrais – Tamanho da área de estudo e necessidade de revisita
(avaliação multitemporal) – método de processamento e custo de
aquisição das imagens.
b) ( ) Resolução espacial e intervalos espectrais – Tamanho da área de estudo
e necessidade de revisita (avaliação multitemporal) – Disponibilidade
de veículos para atividades de campo – método de processamento e
custo de aquisição das imagens.
c) ( ) Tamanho da área de estudo e local de armazenamento das cenas –
Resolução espacial e intervalos espectrais – Disponibilidade de veículos
para atividades de campo – Notebook para visualização das imagens.
d) ( ) Necessidade de atividades de campo – Tamanho da área de estudo e
tempo necessário para voos com VANT – método de processamento
e custo de aquisição das imagens – Tamanho da área de estudo e
disponibilidade de veículo para percorrer toda a área.
3 Imagens do sensoriamento podem representar diversos alvos na superfície

terrestre. Um dos desafios pode ser a correta interpretação desses alvos,
por meio de técnicas conhecidas como fotointerpretação, essas que são
realizadas a partir de alguns elementos a serem interpretados nas imagens.
179
Observe os objetos em destaque na imagem a seguir e identifique alguns
elementos que contribuem para sua identificação.
FONTE: O autor
I- Área urbana (cidade).

II- Agricultura Irrigada.
III- Solo exposto (área colhida).
IV- Vegetação Florestal (Natural).
V- Rio.
( ) Cor: azul escuro/preto – Textura: lisa – Padrão: irregular – Forma: Linear.

( ) Padrão: regular – Forma: circular – Textura: lisa – Cor: verde/verde
fluorescente.
( ) Textura: rugosa – Cor: verde/verde escuro – Forma: indefinida – Padrão:
irregular.
( ) Cor: lilás/azul – Forma: retangular – Padrão: regular – Textura: rugosa.
( ) Forma: retangular – Padrão: regular – Cor: rosa claro/branco – Textura: lisa.
Assinale a alternativa com a sequência CORRETA:

a) ( ) V – II – IV – I – III.
b) ( ) II – III – I – IV – V.
c) ( ) I – V – IV – II – III.
d) ( ) V – II – I – IV – III.
180
TÓPICO 2 —
UNIDADE 3
PROCESSAMENTO DE IMAGENS ORBITAIS
1 INTRODUÇÃO
Acadêmicos, vimos até aqui que, embora as imagens de sensoriamento

remoto contenham uma ampla gama de informações acerca de objetos dispostos
na superfície terrestre, a extração de conhecimento exige uma percepção bastante
específica para interpretação das imagens, ao conjunto de elementos observados
e as premissas consideradas, damos o nome de fotointerpretação.
Todavia, além da possibilidade de fotointerpretação, há uma série

de técnicas que podem ser aplicadas para o processamento de imagens de
sensoriamento remoto. Muitas dessas técnicas, executadas a partir de softwares
específicos, conhecidos como Sistemas de Informações Geográficas (SIG), têm se
desenvolvido expressivamente nos últimos anos e possibilitado análises cada vez
mais completas e proveitosas para tomadas de decisões em diversas áreas do
conhecimento.
Neste tópico, você irá conhecer algumas das principais técnicas de

Processamento Digital de Imagens (PDI), métodos de classificação de imagens
de satélite e compreender como a utilização de SIG é fundamental para embasar
processos de decisão e diretrizes nos mais diversos projetos, planos e ações que
demandem geoinformação em seu escopo.
Ao final deste tópico, estará disponível uma autoatividade para que você
possa reforçar o conteúdo que foi aprendido. Bons estudos!
2 PROCESSAMENTO DIGITAL DE IMAGENS (PDI)

O Processamento Digital de Imagens (PDI) pode ser entendido como um
conjunto de técnicas, associadas a softwares especializados em sensoriamento
remoto, que utilizam imagens a fim de melhorar os aspectos visuais, fornecer
subsídios para interpretação e extrair informações das imagens (Figura 20). As
técnicas de PDI resultam da evolução das tecnologias no entorno do sensoriamento
remoto, e contribui para a ampliação das possibilidades de integração de diversos
tipos de dados espaciais, análise e derivação de geoinformação.
181
FIGURA 20 – PROCESSAMENTO DE DADOS E GERAÇÃO DE INFORMAÇÃO
FONTE: O autor
A Figura 20 representa a importância do PDI para imagens de

sensoriamento remoto, das quais os dados são adquiridos ainda brutos e
que pouco favorecem a compreensão dos fenômenos terrestre ou embasam
diretrizes para favorecer tomadas de decisões. No entanto, quando esse dado
é processado e interpretado, é possível transformá-lo em informação, capaz de
transmitir significados e compreensões num determinado contexto, além de
fundamentar conhecimentos de determinados fenômenos. Meneses e Almeida
(2012a) definem o PDI como:
Um segmento importante do processamento digital de imagens

consiste na execução de operações matemáticas dos dados, visando as
suas transformações em imagens de melhores qualidades espectrais
e espaciais e que sejam mais apropriadas para uma determinada
aplicação. O que significa que o processamento de imagens de
sensoriamento remoto é orientado para cada tipo de problema
(MENESES; ALMEIDA, 2012a, p. 82).
A técnica mais comum do PDI é a combinação de bandas através de um

tratamento de cores, na qual chamamos de composição colorida. Dada a sua
relevância para o sensoriamento remoto, dedicamos um item pormenorizando
o processo de associação de cores, as bandas e seus intervalos espectrais mais
comuns para a observação da Terra, como você estudou anteriormente.
Nesse momento, você aprenderá mais de outras técnicas de PDI, que

sequenciam a composição colorida e são fundamentais no que se refere ao
tratamento de imagens de sensoriamento remoto, são elas: correção geométrica,
correção radiométrica, realce de contraste/manipulação de histograma, fusão de
bandas e álgebra matricial.
A correção geométrica é comumente aplicada para corrigir distorções ou

deslocamentos nas imagens, que podem ser causadas pelo processo de tomada
da imagem pelo sensor ou pela distorção influenciada pelo relevo. Essa correção
é essencial para comparação de imagens, mapeamentos multitemporais e fusão
de bandas.
182
TÓPICO 2 — PROCESSAMENTO DE IMAGENS ORBITAIS
ATENCAO
Uma análise multitemporal é a comparação de imagens ao longo dos anos

para uma mesma localidade da superfície terrestre. São amplamente aplicados em estudos
de desmatamento, expansão urbana, uso e cobertura da Terra, dentre outros. De maneira
simples, pense que uma cidade possuía 10km² no ano de 2005, e por uma série de fatores, a
cidade cresceu, surgiram novos bairros e agora, no ano de 2020, o núcleo urbano aumentou
para 18km². Para essa avaliação, podemos utilizar três imagens de satélite que recobrem a
cidade, a primeira de 2005, uma intermediária para o ano de 2010 e uma atual para o ano de
2020. Portanto, faremos uma análise multitemporal da expansão da área urbana dessa cidade.
Há dois tipos de correções geométricas mais conhecidos, sendo o

georreferenciamento e a ortorretificação. Enquanto o georreferenciamento está
interessado em identificar pontos de controle – numa imagem de referência ou
coletados em campo –, para corrigir deslocamentos em seu posicionamento,
a ortorretificação consta na correção de distorções que afetam a geometria da
imagem, causadas pelo relevo (morros e vales).
O georreferenciamento, que é amplamente empregado para correções

geométricas, o sistema de coordenadas é fundamental. Isso porque é preciso
tomar pontos de controle numa determinada área do espaço geográfico, ou a
partir de uma imagem de referência, sendo esse processo também conhecido
como registro, de modo fazer uma correspondência entre a imagem deslocada
e um posicionamento reconhecido por um sistema de coordenadas, para
finalmente representar a imagem relativa a uma superfície curva da Terra, num
plano horizontal (Figura 21).
O processo de registro de imagens geralmente é feito manualmente.

Neste caso o operador escolhe uma feição pontual, identificável, na
imagem a corrigir e na imagem referência. O conjunto de pontos é
chamado de pontos de controle, que servem para modelar a função de
distorção entre as duas imagens. Esta tarefa é lenta, árdua e sujeita a
erros, justamente porque possui o fator humano, que muitas vezes não
tem experiência suficiente para realizá-la (DURÁN, 2014, p. 3).
183
FIGURA 21 – EXEMPLO DE REGISTRO DE IMAGEM, UTILIZANDO PONTOS DE CONTROLE DE

UM MAPA DE REFERÊNCIA E PONTOS HOMÓLOGOS NA IMAGEM
FONTE: Crósta (1992, p. 161)
Um roteiro bastante comum que para correção geométrica de imagens

consta na seleção das imagens, geração das amostras (pontos de controle)
coletados em campo ou aquisição de uma imagem de referência para tomada
dos pontos de controle, registro e avaliação da acurácia do posicionamento da
imagem georreferenciada.
Os procedimentos mais comuns para avaliação da acurácia posicional são

regulamentos pelo Padrão de Exatidão Cartográfica (PEC), através do Decreto
nº 89.817/84 (BRASIL, 1984) e previstos através das diretrizes do Produtos
Cartográficos Digitais (PEC-PCD). O PEC-PCD, de acordo com DSG (2016), baseia-
se na estatística de 90 dos pontos coletados (pontos de controle), com relação às
coordenadas de campo ou dos produtos de referência, nos pontos homólogos
estabelecidos na imagem a ser corrigida. Para que a acurácia da imagem seja
enquadrada numa das classes do PEC-PCD, as diferenças de coordenadas entre
pontos de controle e pontos homólogos devem ser iguais ou inferiores ao Erro
Máximo (EM) e Erro Padrão (EP) estabelecidos.
DICAS
O Padrão de Exatidão Cartográfica é regulamentado através do Decreto nº

89.817/1984 que estabelece as instruções reguladoras das normas técnicas da cartografia
nacional. No Capítulo II, Seções I e II, é possível entender a classificação de uma carta
quanto à exatidão, e as classes de cartas, respectivamente. A leitura pode ser realizada
através do endereço eletrônico: http://www.planalto.gov.br/ccivil_03/decreto/1980-1989/
D89817.htm.
184
A correção radiométrica é outra correção largamente aplicada a imagens

de sensoriamento remoto, sobretudo proveniente de sensores orbitais (satélites),
embora sua utilização seja ligeiramente mais complexa se comparada à correção
geométrica. É conhecida também conhecida como sendo calibração radiométrica
ou correção atmosférica.
Para entender a correção radiométrica, precisaremos relembrar alguns

fundamentos básicos do sensoriamento remoto, já explicados no Tópico 2, da
Unidade 1, deste livro didático. O primeiro aspecto é recapitular a radiação
eletromagnética proveniente do sol e que ultrapassa o topo da atmosfera e incide
sobre os alvos na superfície da Terra.
Parte dessa radiação é espalhada na atmosfera e não chega ao alvo, outras

frações da radiação chegam ao alvo e podem ser absorvidas ou refletidas. A
radiação refletida e emitida pelos alvos é o que o sensor acoplado a um satélite
capta para transformá-la em imagem. No entanto, parte daquela radiação
espalhada na atmosfera também pode ser captada pelo sensor, sendo esse um
dos principais motivos que justificam a correção radiométrica em imagens.
NOTA
Segundo o dicionário Michaelis, a atmosfera pode ser entendida como uma

“esfera gasosa que envolve a Terra, constituída essencialmente de oxigênio e nitrogênio”
ou uma “camada gasosa que envolve qualquer objeto planetário” (ATMOSFERA, 2020, s.p.).
Em sensoriamento remoto, os efeitos da atmosfera estão relacionados com a camada
gasosa que envolve o Planeta Terra, na qual a energia solar interage e também por onde os
sensores captam energia eletromagnética refletida ou emitida pelos alvos terrestres.
Portanto, a radiação é captada pelo sensor e transformada num sinal

elétrico, que é proporcionalmente convertido em Números Digitais (ND). Cada
ND representará a intensidade do fluxo radiante associada a cada pixel que, por
fim, formará a estrutura da imagem na qual já estudamos.
Lembremos também que o ND está diretamente relacionado com a

medida proporcional da radiância ou reflectância de todos os alvos contidos num
mesmo pixel. Finalmente, o fluxo proporcional de radiância ou reflectância que
resultará nos NDs, está associado com os diferentes intervalos espectrais que,
consequentemente, o sensor é capaz de captar e transformar em diferentes bandas.
185
Desse modo, podemos entender que a intensidade da radiação

eletromagnética proveniente da luz do sol sobre atenuação e algumas distorções
pela interferência dos diferentes componentes da atmosfera. A respeito disso,
Zullo Junior (1994, p. 1) afirmou que:
A relação entre valores digitais de imagens e a reflectância ou

radiância das superfícies observadas é afetada pelas perturbações
próprias do sensor, incluindo a resolução radiométrica e dinâmica dos
dados, pelos efeitos devidos à presença da atmosfera e, também, pelo
perfil do relevo terrestre. O conhecimento destes fatores é, portanto,
de grande importância para seja possível distinguir as variações
relacionadas com a captura dos dados pelos satélites, das variações
referentes às próprias grandezas medidas e que realmente interessam
nas aplicações.
Assim, a correção radiométrica é importante para remover ruídos (na

forma de linhas ou pontos), a falta de informações causadas pela interferência
atmosférica na energia refletida e, posteriormente, captada pelo sensor, para
reduzir os efeitos causados pelo espalhamento da energia pela atmosfera, ou
ainda, para corrigir falhas efêmeras provocadas no sensor no instante da captação
da imagem (Figura 22).
FIGURA 22 – EXEMPLO DE CORREÇÃO RADIOMÉTRICA
Legenda: A) imagem distorcida com presença de ruídos (linhas). B) imagem resultante do

processo de correção atmosférica e livre de ruídos.
FONTE: <https://regi.tankonyvtar.hu/en/tartalom/tamop425/0027_DAI6/images/DAI611.png>.
Acesso em: 6 set. 2020.
A solução proposta pela correção radiométrica permite um reescalonamento

dos ND em grandezas radiométricas, permitindo que o analista possa realizar
cálculos que envolvam tais valores através de razão de bandas (como veremos
mais adiante), permite uma comparação mais assertiva entre valores espectrais
entre diferentes bandas ou imagens captadas em épocas diferentes, ou, ainda,
melhorar o aspecto visual e minimizar distorções espectrais das imagens.
186
O ajuste do realce de contraste refere-se às técnicas aplicadas na

manipulação do histograma das imagens, objetivando melhorar sua qualidade
visual para interpretação humana de determinados procedimentos. Meneses e
Almeida (2012b) ressaltam que:
Nem sempre os contrastes entre os objetos são totalmente percebidos

pelo intérprete, porque com frequência, as variações de cinza dos
pixels das imagens são restritas a uma pequena diferença digital. Isso
pode ser constatado quando uma imagem original, que não tenha sido
modificada por qualquer forma de processamento, é exposta na tela do
computador. Visualmente, os valores dos níveis de cinza serão muito
próximos entre si, e os detalhes texturais e espectrais da imagem não
são facilmente identificados (MENESES; ALMEIDA, 2012b, p. 103).
O contraste nas imagens de sensoriamento remoto está diretamente re-

lacionado com os níveis de cinzas (ND), portanto, o realce do contraste consiste
na equalização dos valores dos níveis de cinza, geralmente, para fins de melhor
diferenciação visual entre objetos que possuam valores similares e aspecto homo-
gêneo na imagem, e, portanto, dificultam a identificação de padrões (Figura 23).
FIGURA 23 – EXEMPLO DE REALCE DE CONTRASTE EM IMAGEM DE SATÉLITE
A) imagem sem realce de contras; B) realce linear de contraste a partir da equalização de

histograma.
FONTE: O autor
187
Os ND das bandas de sensores remotos podem ser avaliados por meio de

um gráfico, geralmente de barras, em que a altura das barras indica a quantidade
de números de pixels num determinado nível de cinza. De acordo com Meneses
e Almeida (2012b), essa representação estatística da distribuição das frequências
dos pixels por níveis de cinza é conhecida como histograma. Dessa forma, para
realizarmos o contraste, é necessário que se faça uma verificação prévia e posterior
equalização do histograma, sendo essas tarefas bastante úteis para realçar o
contraste das imagens.
O histograma de uma imagem é simplesmente um conjunto de números

indicando o percentual de pixels naquela imagem que apresentam
um determinado nível de cinza. Estes valores são normalmente
representados por um gráfico de barras que fornece para cada nível
de cinza o número (ou o percentual) de pixels correspondentes na
imagem. Através da visualização do histograma de uma imagem
obtemos uma indicação de sua qualidade quanto ao nível de contraste
e quanto ao seu brilho médio (se a imagem é predominantemente clara
ou escura). (MARQUES FILHO; VIEIRA NETO, 1999, p. 55).
As técnicas mais conhecidas para realce de contraste em imagens são

os realces por equalização do histograma, operações aritméticas de bandas,
transformações do espaço de cores, descorrelação de bandas e principais
componentes (MENESES; ALMEIDA, 2012b).
O realce de contraste é igualmente aplicável a imagens coloridas, conforme

explicam Marques Filho e Vieira Neto (1999, p. 57), a “imagem é decomposta
de alguma forma (por exemplo, em seus componentes R, G e B) e para cada
componente é calculado o histograma correspondente”.
A fusão de bandas é um dos principais processamentos em sensoriamento

remoto, isso porque seus resultados estão relacionados a significativos ganhos em
termos de resolução espacial e, consequentemente, níveis de detalhamento em
diversos tipos de mapeamentos. Logo, a fusão de bandas consiste na combinação
de uma imagem em composição colorida de menor resolução espacial e uma
imagem pancromática de melhor resolução espacial (Figura 24).
FIGURA 24 – REPRESENTAÇÃO DO PROCESSO DE FUSÃO E A MELHORIA NA RESOLUÇÃO

ESPACIAL DAS IMAGENS
FONTE: O autor
188
Lembremos que os satélites capturam diversas imagens em diferentes

faixas espectrais – as bandas –, e podemos associar três dessas bandas num sistema
de cores RGB, para finalmente obter uma imagem em composição colorida.
É a partir da composição colorida que a fusão se manifesta. Quando

fazemos a composição colorida, consequentemente a imagem resultante terá a
mesma resolução espacial das bandas escolhidas. Vamos usar o sensor OLI do
satélite Landsat 8 como exemplo. Utilizamos as bandas 5 (0,85 – 0,88 μm, NIR), 4
(0,64 – 0,67 μm, Red) e 3 (0,59 – 0,59 μm, Green), respectivamente para composição
colorida em RGB. A imagem resultante terá, portanto, a resolução espacial de 30
m, conforme as bandas de submetidas ao sistema de cores.
Todavia, além das bandas multiespectrais (com resolução espacial de

30 m), o sensor Landsat 8/OLI possui uma única banda pancromática (Banda 8:
0,50 – 0,67 μm) que possui resolução espacial de 15 metros, portanto, fusionar
as bandas multiespectrais e pancromática proporciona ganhos significativos em
termos de níveis de detalhamento e, por conseguinte, resultando numa imagem
com melhor resolução espacial (Figura 25).
FIGURA 25 – EXEMPLO DE FUSÃO DE BANDAS
A) composição colorida de imagens multiespectrais (Landsat 8/OLI, R5 G4 B3); B) resultado da

fusão da imagem RGB com banda 8 pancromática.
FONTE: O autor
É importante ressaltar que, embora a fusão de bandas deva ser

preferencialmente realizada entre bandas de um mesmo sensor capturadas na
mesma data, há possibilidade de fusionar imagens de diferentes sensores e datas
de aquisição.
189
NOTA
A fusão de bandas também é conhecida pelo termo pansharpening. Além

disso, há diferentes métodos de fusão de bandas, como a transformação IHS, a Análise de
Componentes Principais (PCA), a Wavelet Transform (WT), Gram-Schimidt, entre outros.
Você pode conhecer alguns deles através da leitura indicada a seguir:
FONSECA, L.; NAMIKAWA, L.; CASTEJON, E.; CARVALHO, L. PINHO, C.; PAGAMISSE, A. Image
fusion for remote sensing applications. In: ZHENG, Y. Image fusion and its applications.
London: IntechOpen, 2011. p. 153-178. Disponível em: https://www.intechopen.com/books/
image-fusion-and-its-applications/image-fusion-for-remote-sensing-applications. Acesso
em: 14 out. 2020.
Finalmente, há algumas premissas a serem observadas quando se trata da

fusão de bandas. Precisamos estar atentos à utilização de imagens multiespectrais
e pancromática em datas aproximadas de imageamento; entender que a fusão
de bandas promove ganhos especificamente em resolução espacial, sendo que
as informações espectrais e radiométricas permanecem as mesmas na imagem
resultante da fusão; o posicionamento das cenas deve coincidir para evitar
distorções na imagem fusionada; os intervalos espectrais das bandas devem ser
complementares para evitar prejuízos de cores.
A álgebra matricial é uma técnica de processamento bastante versátil

em termos de aplicações do sensoriamento remoto. Sendo as imagens arquivos
de estrutura matricial, essas podem ser facilmente submetidas a álgebras de
imagens (Figura 26), através de operações aritméticas como, por exemplo, a
soma, subtração, multiplicação e divisão, sendo considerada uma análise “pixel a
pixel” da imagem (MARQUES FILHO; VIEIRA NETO, 1999).
E
IMPORTANT
A álgebra matricial é realizada através da operação comumente conhecida

por álgebra de mapas, mas também denominada de álgebra de imagens, aritmética de
bandas ou álgebra de mapas. De acordo com Barbosa et al. (1998), a álgebra de mapas
indica um procedimento de análise espacial que produz novos dados a partir de funções
de manipulação aplicadas a uma ou mais imagens, que compõem uma linguagem
especializada para realização de operações, tanto num sentido matemático, quanto
cartográfico (espacial). As funções habitualmente empregadas são de caráter matemático,
referindo-se à soma, divisão, multiplicação ou divisão de imagens.
190
FIGURA 26 – REPRESENTAÇÃO DE ÁLGEBRA MATRICIAL, A PARTIR DA DIFERENÇA ENTRE

DUAS BANDAS (NIR – VIS)
FONTE: Meneses e Almeida (2012c, p. 144)
Meneses e Almeida (2012c) explicam que dentre as operações aritméticas,

a soma é normalmente utilizada para realçar similaridades entre diferentes
bandas ou imagens de datas distintas.
A multiplicação pode ser aplicada para realçar informações texturais do

relevo. A subtração é bastante emprega para detectar mudanças temporais de
determinadas áreas (change detection). E a divisão ou razão de bandas é usada
para discriminar variações sutis de reflectância dos alvos, sendo o principal
exemplo de razão de bandas e, consequentemente, de álgebra matricial, os índices
espectrais da vegetação.
3 CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE

Como vimos anteriormente, há uma série de elementos que facilitam o
processo de fotointerpretação, ou seja, na identificação de alvos ou conjuntos
de objetos em imagens de sensoriamento remoto. Logo, outra possibilidade
fundamental para extrair informações de imagens é por meio de sua classificação.
O sensoriamento remoto tem como um dos seus principais objetivos a

extração das informações contidas nas imagens e a sua codificação em
documentos que possam ser lidos nas formas de tabelas, gráficos ou
mapas. Para extrair informações das imagens é necessário estabelecer
métodos de análises com regras claras e lógicas, para que possam
ser replicadas por qualquer analista na interpretação do significado
do dado. Essas regras estabelecem critérios para a análise dos
elementos que compõem a paisagem, utilizando-se das propriedades
da cor, tonalidade, textura, estrutura, sombras e homologia, que são
específicas de cada classe de alvo. Isso é o que dispõem os métodos
de interpretação, herdados da experiência com a fotointerpretação
(MENESES; SANO, 2012, p. 191).
191
A classificação é o processo de extração de informações das imagens,

através da correspondência entre valores de pixels – ou conjunto de pixels – e
determinadas classes preestabelecidas pelo analista. Dada a importância do
reconhecimento dos objetos nas imagens para fins de mapeamento, esse é um
dos principais campos de aplicação e desenvolvimento do sensoriamento remoto
(SANTOS; PELUZIO; SAITO, 2010).
Dessa forma, as imagens são submetidas a processamentos que as

interpretam de maneira automática ou semiautomática, considerando os valores
dos pixels (individuais ou conjuntos), com a finalidade de reconhecer padrões e
objetos homogêneos contidos nessa imagem que, posteriormente, serão associadas
com determinadas classes a serem mapeadas na superfície terrestre, a exemplo de
vegetação florestal, água, área construída, lavoura etc.
O processo de classificação é realizado comumente por um classificador,

que se refere a um algoritmo de computação implementa processos específicos
para interpretação automática ou semiautomática das imagens.
Ao longo dos anos foram desenvolvidos vários classificadores, abordagens

e estratégias para classificação de imagens. Portanto, é essencial compreender
suas principais características, para que estejamos preparados para escolher o
classificador mais adequado para determinados tarefas (SANTOS; PELUZIO;
SAITO, 2010).
A classificação de imagens irá resultar, de um modo geral, em mapas

temáticos e esse processo consta, basicamente, da transformação de dados
contidos nas imagens em informação representadas nos mapas.
ATENCAO
Enquanto os mapas contêm informação, as imagens obtidas de sensores

remotos contêm dados brutos, que só se tornam informação após a sua interpretação
e classificação. Basicamente, um dado não tem capacidade de transmitir certos
conhecimentos, enquanto a informação (dado já tratado), apresenta valor significativo
agregado e sentido lógico para quem os interpreta.
Antecedendo o processo de classificação das imagens, igualmente à

fotointerpretação, as atividades de campo podem render maior assertividade
aos resultados. A coleta de informações em campo (in loco) é útil tanto para a
coleta de amostras e correspondência com os alvos representados nas imagens,
quanto para posterior validação dos resultados da classificação. A própria
192
fotointerpretação também auxilia o analista a escolher amostras corretamente,

que serão empregadas no treinamento do algoritmo para classificação, conforme
veremos a seguir, a respeito das diferentes abordagens para classificação.
As abordagens para classificação de imagens dividem-se em duas, a

saber, as classificações supervisionadas ou não supervisionadas. As classificações
supervisionadas, como o próprio nome sugere, exigem a supervisão ou capacidade
interpretativa do analista. Isso quer dizer que a imagem será classificada com
base em determinados parâmetros e a partir de amostras da imagem, sugeridas
para o algoritmo (FITZ, 2008).
O processo de escolha de amostras na imagem também é chamado

de treinamento, momento em que o analista identifica e lança amostras que
representem um mesmo alvo (e classe de mapeamento).
As amostras deverão refletir alvos representativos e serão coletadas

conforme a variação dos mesmos na imagem (Figura 27). Dessa forma, essa é
uma abordagem que envolve a interação e o conhecimento do analista das
características na área de interesse.
FIGURA 27 – AMOSTRAS (CIRCULARES) COLETADAS EM DIFERENTES ALVOS NUMA IMAGEM

DE SATÉLITE
FONTE: O autor
Por outro lado, as classificações não supervisionadas são aquelas que

dispensam informações ou tratamentos prévios de qualquer classe de interesse.
Logo, o algoritmo é quem faz a interpretação e diferenciação de classes, divididas
e agrupadas conforme semelhança na resposta espectral dos pixels. O trabalho
193
do analista consta, somente após à classificação, em identificar os agrupamentos

resultantes, conforme as classes correspondentes na área de estudo (SANTOS;
PELUZIO; SAITO, 2010).
Há duas situações em que a opção pelos classificadores não supervisionados

pode ser escolhida, quando não se tem conhecimentos suficientes acerca do
número e característica das classes a serem mapeadas, ou quando há intenção de
realizar uma classificação exploratória da imagem, para uma identificação prévia
de possíveis classes existentes.
Além das abordagens a serem escolhidas para a classificação de imagens,

é necessário optar também pela estratégia de classificação, ou simplesmente pelo
tipo de classificação a ser empregada. As mais comuns e amplamente utilizadas são
os tipos a pixel a pixel, regiões, baseada em objetos, além da mineração de dados.
A estratégia pixel a pixel utiliza apenas informação espectral, analisando va-

lores individualmente de cada pixel que compõe a estrutura da imagem (Figura 28).
FIGURA 28 – EXEMPLO DE CLASSIFICAÇÃO PIXEL A PIXEL
FONTE: Meneses e Sano (2012, p. 205)
A estratégia por regiões está associada à segmentação das imagens.

Segmentação é o processo de agrupamentos de pixels com características espectrais
semelhantes, formando uma única região na imagem e, posteriormente, denotando
um mesmo alvo, ou ainda, uma mesma classe de mapeamento (Figura 29). A
segmentação é seguida do treinamento, no qual o analista escolhe determinadas
regiões – resultantes da segmentação – utilizando-as como amostras para uma
classificação supervisionada.
A estratégia por regiões considera, além da informação espectral de cada

pixel, a informação espacial interessada na relação de vizinhança dos pixels.
Logo, reconhecerá áreas homogêneas na imagem, separando-as em diferentes
regiões (conjuntos de pixels).
194
FIGURA 29 – EXEMPLO DE CLASSIFICAÇÃO POR REGIÕES
Legenda: A) imagem segmentada em regiões; B) imagem classificada.

FONTE: O autor
A análise de imagens baseada em objetos (Geographic-object-based

Image Analysis – GEOBIA), também conhecida como classificação orientada a
objetos, utiliza informações espectrais e contextuais (espaciais, temporais e de
vizinhança) para detecção de objetos (geoespaciais) e classificação de imagens.
Sua principal vantagem consta na avaliação, além da informação estritamente
espectral, também dos objetos segmentados nas imagens, considerando textura e
forma dos objetos (BAATZ e SCHÄPE, 1999; BLASCHKE, 2010).
Há um significativo avanço em relação à classificação pixel a pixel, conforme

explica Blaschke (2010, p. 2): “O paradigma do pixel está começando a mostrar
rachaduras e os métodos GEOBIA estão fazendo progressos consideráveis em
direção a um fluxo de trabalho de extração de informações espaciais, necessárias
ao planejamento, bem como para muitos programas de monitoramento”.
A GEOBIA provocou um relevante avanço no que tange à classificação de

imagens, sobretudo na possibilidade de agregação de grandes volumes de dados
a serem analisados, de diferentes fontes de dados. A respeito disso, Fayyad,
Shapiro e Smyth (1996) afirmam a capacidade técnica de análise e compreensão
desses grandes conjuntos de dados, por vezes, não acompanham a capacidade de
coleta e armazenamento.
Partindo dessa necessidade, buscou-se por desenvolvimento de

ferramentas e técnicas computacionais que fossem capazes de extrair informações
e conhecimento útil de volumes de dados cada vez maiores. Assim, recentemente,
têm-se incorporado técnicas de mineração de dados para classificação de imagens.
A mineração de dados é uma etapa para extrair padrões (modelos)

de dados [...] como preparação de dados, seleção de dados, limpeza
de dados, incorporação de conhecimento prévio apropriado e
interpretação adequada dos resultados da mineração, que garantem
que o conhecimento útil seja derivado dos dados (FAYYAD; SHAPIRO;
SMYTH, 1996, p. 29).
195
Embora tenhamos a nosso dispor um amplo aparato tecnológico que

contribui para classificações de imagens cada vez mais assertivas, as validações
de classificações são atividades comuns a serem consideradas após o processo
de classificação. As validações podem ser feitas em visitas de campo, a partir de
pontos amostrais, ou de maneira automático, sendo a mais comum, a matriz de
confusão empregando índice Kappa.
É importante relembrar que o resultado das classificações é, de modo

geral, apresentado por meio de mapas, representando as classes consideradas
durante a classificação da imagem.
DICAS
Indicamos para leitura, um artigo de aplicação prático de classificação de

imagens, utilizando estratégias de mineração de dados na Amazônia brasileira.
SAITO, E. A.; ESCADA, M. I.; FONSECA, L. M. G.; KÖRTING, T. S. Análise de padrões de
desmatamento e trajetória de padrões de ocupação humana na Amazônia usando técnicas
de mineração de dados. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO – SBSR,
15., 2011, Curitiba. Anais [...]. São José dos Campos: INPE, 2011. p. 5463-5470. Disponível em:
http://marte.sid.inpe.br/col/dpi.inpe.br/marte/2011/07.06.13.19/doc/p0747.pdf.
Agora que já conhecemos as abordagens e estratégias mais utilizadas

na classificação de imagens. Na Figura 30 podemos analisar o mapa de uso e
cobertura da Terra finalizado, resultante de uma classificação por regiões.
FIGURA 30 – MAPA DE USO E COBERTURA DA TERRA RESULTANTE DE CLASSIFICAÇÃO POR

REGIÕES
FONTE: Braz et al. (2018, p. 110)
196
Caro acadêmico, como vimos, a classificação de imagens é tema relevante

para o sensoriamento remoto e igualmente amplo. Além das abordagens e
estratégias, há ainda os algoritmos classificadores utilizados para cada situação,
que dependerão de qual Sistema de Informações Geográficas (SIG) será utilizado
nesse processo.
4 SISTEMA DE INFORMAÇÕES GEOGRÁFICAS (SIG):

MAPEAMENTO E TOMADA DE DECISÃO
Os Sistemas de Informações Geográficas (SIG) são um conjunto de
ferramentas computacionais, responsáveis pela coleta, armazenamento,
integração, processamento, análise e disponibilização de dados geográficos
(georreferenciados). Sua aplicação colabora sobremaneira com a agilidade no
processamento de informações, monitoramento, planejamento e tomada de
decisão relativas ao espaço geográfico (ROSA, 2007).
E
IMPORTANT
Em termos gerais, pode-se depreender que o processo

decisório consiste no desencadeamento das ações realizadas
no decorrer de um estudo, plano ou projeto que envolvam
a possibilidade de escolha por um ou outro direcionamento
dado no quadro das opções existentes. A decisão final pode
vincular-se, assim, ao somatório das decisões tomadas ao
longo dos procedimentos realizados, ou somente a partir
das conclusões finais tiradas de ações estáticas concebidas
no processo. Essas questões estão vinculadas à concepção
epistemológica do decisor ou dos decisores – entendidos
como aqueles atores que participam do processo decisório
com real ingerência sobre ele (FITZ, 2008, p. 140).
O primeiro SIG marca a evolução da cartografia, através de novas

tecnologias, em meados do início da década de 1960. O responsável pela criação
do primeiro SIG foi o canadense Roger Tomlinson, a partir da necessidade da
criação de um inventário nacional dos recursos naturais do Canadá (SMITH;
GOODCHILD; LONGLEY, 2015).
Durante os anos 1970, desenvolveram-se fundamentos tecnológicos

voltados para a cartografia. A partir disso, surgiram análises espaciais de
elementos cartográficos a partir de softwares computacionais. Até então, apenas
grandes organizações utilizavam SIG em sistemas de grande porte. A maioria
197
das aplicações estava voltada ao mapeamento digital, com funções analíticas.

Nos anos 1980, com a popularização e barateamento das estações de trabalho,
computadores pessoais e bancos de dados, o uso de SIG foi difundido com a
incorporação de diversas habilidades para análise espacial (CÂMARA et al., 1996).
De acordo com Davis e Câmara (2001), os SIG são compostos pela interface
com o usuário, entrada e integração de dados, funções de consulta e análise
espacial, visualização e plotagem, armazenamento e recuperação dos dados (na
forma de banco de dados), conforme representado na Figura 31.
FIGURA 31 – ARQUITETURA DE SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS
FONTE: Davis e Câmara (2001, p. 3, capítulo 3)
Câmara (1995) evidencia as principais respostas que um SIG pode oferecer

para algumas tomadas de decisão (Quadro 2).
QUADRO 2 – EXEMPLOS DE SOLUÇÕES ATENDIDAS PELO USO DE SIG
Análise Pergunta Geral Exemplo
Condição “O que está...” “Qual a população desta cidade?”

“Quais as áreas com declividade acima
Localização “Onde está...?”
de 20°?”
“Esta terra era produtiva há 5 anos
Tendência “O que mudou...?”
atrás?”
Roteamento “Por onde ir...?” “Qual o melhor caminho para o metrô?”
“Qual a distribuição da dengue em
Padrões “Qual padrão...?”
Fortaleza?”
“O que acontece “Qual o impacto no clima se
Modelos
se...?” desmatarmos a Amazônia?”
FONTE: Adaptado de Câmara (1995)
198
Logo, com as imagens de sensoriamento remoto se tratando de arquivos

digitais, passíveis de inúmeros processamentos, coube aos SIG serem responsáveis
pelo seu tratamento digital.
Para Florenzano (2005), a aproximação do sensoriamento remoto aos

SIG sempre esteve interligada. Ambas geotecnologias têm uma vasta aplicação.
Entretanto, há ainda muito potencial a ser explorado, no que tange aos estudos
da informação geográfica. Isso ocorre em grande parte devido à deficiência
na formação inicial e à falta de formação continuada de muitos profissionais,
essencial para acompanhar os crescentes avanços tecnológicos. Por isso as
funções de um SIG aliadas à sua capacidade para processamento de imagens de
sensoriamento remoto são fundamentais para variados tipos mapeamentos, níveis
de planejamento e, consequentemente, tomadas de decisões mais assertivas.
NOTA
As geotecnologias podem ser entendidas como as novas tecnologias ligadas

à informação geográfica, e que promovem avanços significativos no desenvolvimento
de pesquisas, em ações de planejamento, em processos de gestão, manejo e em tantos
outros aspectos relacionados à estrutura do espaço geográfico. Este avanço tecnológico
das geotecnologias, têm como destaque os Sistemas de Informações Geográficas (SIG),
evolução das técnicas de geoprocessamento avanços na área de sensoriamento remoto
(FITZ, 2008). Esse termo tem sido utilizado, mais recentemente, como forma de agregar as
diferentes tecnologias utilizadas nos processamentos de dados espaciais (BILIENKI JÚNIOR;
BARBASSA, 2012).
Florenzano (2011) explica que no SIG, cada tipo de informação é

armazenado em uma camada, chamada de plano de informação (layer). Os dados
podem ser armazenados e representados no formato vetorial (pontos, linhas e
polígonos) e matricial (grades e imagens). À medida que informações temáticas
são integradas com o uso de SIG, geram-se novas informações ou mapas derivados
dos originais, bem como a análise espacial e a modelagem dos ambientes que
possibilita projetar cenários futuros (FLORENZANO, 2011).
Os SIG se tornaram fundamentais para o tratamento da informação

geográfica e, consequentemente, para diversos tipos de planejamento
(especialmente o ambiental e territorial). Dada a sua versatilidade para atividades
de mapeamentos e ampla gama de funções para processamento de imagens de
sensoriamento, a adoção dos SIG no processo de tomada de decisão é tem se
tornado essencial, conforme ilustrado no Quadro 3.
199
QUADRO 3 – EXEMPLOS DE TAREFAS ÚTEIS PARA PLANEJAMENTO, REALIZADAS POR SIG
Tarefas do Planejamento Funções atribuídas ao SIG

Espacializar dados temáticos; representar e gerar
Avaliar os elementos que classificações; expressar, espacialmente, processos
compõem o meio físicos, biológicos e populacionais; definir
estabilidade de encostas.
Representar a história e as mudanças produzidas

pelo homem; avaliar causas e consequências
históricas de ações específicas, por exemplo,
Analisar fatos dentro
o desmatamento; representar a evolução ou
de uma abrangência
expansão de diferentes fenômenos, por exemplo, os
temporal
climatológicos; mapear a dinâmica territorial pelos
tipos de produção e uso da terra; mapear aptidões
territoriais; identificar impactos ambientais.
Sobrepor informações politemáticas para produção

de mapas de síntese; avaliar a dinâmica do uso da
Relacionar fatos
terra em relação a outros temas, como tipos de
climas, solos, declividade etc.
Determinar possíveis causas de impactos e predizer
futuras consequências ambientais; mensurar a
Elaborar prognósticos
qualidade dos recursos ambientais; Modelagem de
cenários futuros.
Zonear territórios de acordo com abordagens

preestabelecidas; identificar áreas de acordo com
Propor zoneamentos
sua vocação para proteção, refúgio de hábitats,
desenvolvimento econômico, lazer etc.
Representar alternativas mitigadoras ou de

resolução de conflitos; projetar planos, a exemplo
Elaborar alternativas
de reflorestamentos, desenvolvimento econômico
para gestão e ação
etc.; selecionar alternativas para manejo dos
recursos naturais; monitorar os ambientes.
FONTE: Santos (2004, p. 132)
Desse modo, a aplicação dos SIG permite uma multiplicidade de usos e

visões possíveis, aliando técnicas de geoprocessamento, sensoriamento remoto
e tratamento da informação geográfica. Tais sistemas possibilitam, ainda, a
integração de diversas bases de dados, a exemplos de dados cadastrais de censos
urbanos, imagens de satélites, Modelos Digitais de Terreno (MDE), dentre outros
exemplos, oferecendo mecanismos para manipulação da informação espacial útil
para tomada de decisão (CÂMARA et al., 1996).
200
DICAS
Existem diversas possibilidades de aplicações dos SIG, aliando informações

extraídas de imagens de satélites, e que resultam em boas propostas para atividades de
planejamento. Indicamos para leitura um artigo que utiliza SIG, dados de sensoriamento
remoto (ótico e radar), e outros dados espaciais, para propor a elaboração de um
mapeamento para aptidão agrícola no município de Itaberá (SP).
BARROS, A. C.; TABLIARINI, F. S. N.; GARCIA, Y. M.; MINHONI, R. T. A.; BARROS, Z. X.; ZIMBACK,
C. R. L. Mapeamento da aptidão agrícola das terras por meio de análise multicritério. Revista
de Ciências Agrárias, Lisboa, v. 42, n. 2, p. 295-304, 2019. Disponível em: https://revistas.
rcaap.pt/rca/article/view/17293/14140.
Portanto, os produtos resultantes do tratamento da informação geográfica

em SIG, bem como do processamento de imagens de sensoriamento remoto,
corroboram para o apoio à decisão de gestores, através do direcionamento dos
procedimentos por meio de uma metodologia que possa responder às dúvidas e
necessidades dos tomadores de decisão (FITZ, 2008).
201
RESUMO DO TÓPICO 2
• Existem processamentos específicos para imagens de satélites, denominados

de Processamento Digital de Imagens (PDI), que são um conjunto de técnicas
que têm por objetivo melhorar os aspectos visuais, fornecer subsídios para
interpretação e extrair informações de imagens de sensoriamento remoto.
• Podemos extrair informações de imagens de satélites de modo automático,

através da classificação de imagens, que se apoia em análises de pixels, regiões
e objetos contidos nas imagens.
• Sistemas de Informações Geográficas (SIG) são um conjunto de ferramentas

computacionais, responsáveis pela coleta, armazenamento, integração,
processamento, análise e disponibilização de dados geográficos
(georreferenciados).
• A integração entre sensoriamento e SIG é fundamental para diversas aplicações,

nas quais a informação geográfica se faz importante, a exemplo de diversos
tipos de planejamento e tomadas de decisão.
202
AUTOATIVIDADE
1 O Processamento Digital de Imagens (PDI) pode ser entendido como

um conjunto de técnicas, associadas a softwares especializados em
sensoriamento remoto que utilizam imagens a fim de melhorar os aspectos
visuais, fornecer subsídios para interpretação e extrair informações das
imagens. Assinale a alternativa que indica os principais processamentos
aplicados às imagens no sensoriamento remoto:
a) ( ) Download da Imagem – Correção Geométrica – Correção do

Histograma – Realce das Cores – Reprojeção.
b) ( ) Correção Radiométrica – Correção Geométrica – Correção do
Histograma – Real de Contraste – Álgebra Linear.
c) ( ) Correção Geométrica – Realce de Contraste – Fusão de Imagens –
Download da Imagem – Correção Espectral.
d) ( ) Correção Radiométrica – Realce de Contraste – Correção Geométrica
– Álgebra Matricial – Fusão de Bandas.
2 A criação do primeiro Sistema de Informações Geográficas (SIG) data

do início da década de 1960, no Canadá. A partir da década de 1980,
a popularização e o barateamento de tecnologias computacionais
contribuíram para a difusão no uso de SIG. Daí em diante, o avanço das
(geo)tecnologias tem colaborado de maneira ativa na evolução dos SIG.
Considerando sua relevância para o sensoriamento remoto, apresente uma
definição de SIG e cite ao menos um exemplo, de uma solução atendida
pelo seu uso.
3 De acordo com Santos, Peluzio e Saito (2010) a classificação é o processo

de extração de informações das imagens, através da correspondência
entre valores de pixels – ou conjunto de pixels – e determinadas classes
preestabelecidas. Dada a importância do reconhecimento dos objetos
nas imagens para fins de mapeamento, esse é um dos principais campos
de aplicação e desenvolvimento do sensoriamento remoto (SANTOS;
PELUZIO; SAITO, 2010). Assinale verdadeiro (V) para as alternativas
corretas e falso (F) para as alternativas erradas, levando em consideração as
estratégias de classificação de imagens:
( ) A classificação por regiões está associada à grandes regiões da superfície

terrestre, que são segmentadas a partir das cores semelhantes na imagem
e posteriormente relacionadas automaticamente às classes definidas
pelo SIG.
203
( ) A classificação por regiões está associada à segmentação das imagens que,
por sua vez, é o processo de agrupamento de pixels com características
espectrais semelhantes.
( ) A análise de imagens baseada em objetos (GEOBIA) é também conhecida
como classificação orientada a objetos, e tem como principal vantagem
a consideração das informações espectrais e contextuais (espaciais,
temporais e de vizinhança) para detecção de objetos e classificação de
imagens.
( ) A classificação pixel a pixel utiliza apenas informação espectral,
analisando valores individualmente de cada pixel que compõe a
estrutura da imagem.
Assinale a alternativa que apresenta a sequência CORRETA:

a) ( ) V – F – F – F.
b) ( ) F – V – V – V.
c) ( ) V – F – V – F.
d) ( ) F – V – F – V.
204
TÓPICO 3 —
UNIDADE 3
PRINCIPAIS APLICAÇÕES DO SENSORIAMENTO

REMOTO
1 INTRODUÇÃO
Caro acadêmico, daremos início, a partir de agora, ao último item desta uni-
dade. Foi uma longa jornada aqui, repleta de conhecimentos do fascinante mundo
do sensoriamento remoto. Esperamos que este livro tenha sido de grande utilidade
para você, e que tenha fornecido todo o suporte necessário para sua aprendizagem.
Neste tópico serão abordadas as principais aplicações do sensoriamento

remoto, voltadas tanto para a análise dos fenômenos naturais, quanto dos
fenômenos antrópicos e, ao final, iremos analisar dois fenômenos específicos,
relacionados aos desastres naturais, que são impulsionados principalmente pelas
ações antrópicas.
Dentre os fenômenos naturais possíveis de aplicar dados de sensoriamento

remoto, temos a previsão do tempo, estimativa da velocidade e direção dos ventos,
monitoramento dos aerossóis, qualidade da água, sedimentos em suspensão,
densidade e qualidade da vegetação etc.
Quanto aos fenômenos antrópicos os dados de sensoriamento remoto

podem ser aplicados para realizar análises multitemporais de uso e cobertura da
Terra, monitorar a expansão urbana e, principalmente, apoiar o planejamento de
desastres que, frequentemente, são impulsionados pela ação do homem.

FENÔMENOS NATURAIS
É certo que a natureza está em constantes mudanças, seja em função da
dinâmica dos seus processos físicos, em resposta à evolução natural, ou devido a
ações antrópicas que agravam estes processos.
205
Para colaborar com a compreensão deste complexo inter-relacionamento

dos fenômenos naturais é necessário fazer observações com uma grande gama
de escalas temporais e espaciais. A observação da Terra por meio de satélites é a
maneira mais efetiva e econômica de coletar os dados necessários para monitorar e
modelar estes fenômenos, especialmente em países de grande extensão territorial,
como o Brasil, por exemplo (SAUSEN, 2020).
Com o rápido desenvolvimento dos satélites a partir da década de 1970,

principalmente com sistemas voltados para a análise de recursos terrestres, houve
um salto significativo com pesquisas direcionadas a analises ambientais, tanto
em âmbito quantitativo quanto qualitativo, oferecendo um amplo arcabouço de
benefícios às comunidades.
Esses dados de sensoriamento remoto utilizados para analisar a dinâmica

dos fenômenos naturais podem ser aplicados nas mais diferentes áreas, por
exemplo, na climatologia, hidrologia, alterações na superfície da Terra, como
erosões e queimadas naturais, que apesar de serem acelerados devido a ações
antrópicas, podem ocorrer de formas naturais também, vulcões, furacões etc., pois
estes fenômenos deixam marcas na paisagem, o que torna possível ser registrado
por sistemas sensores.
A partir da análise desses fenômenos e a compreensão dos seus processos,

é possível realizar eficientes diagnósticos, e aplicar estes resultados para conceber
possíveis alternativas, como criar planos de manejo eficientes, por exemplo. Ao
utilizar os dados de sensoriamento remoto, temos algumas vantagens sobre os
diversas materiais que podem gerados por estes sistemas sensores, conforme
pontua Sausen (2020, s.p.):
• sua visão sinótica, que permite ver grandes extensões de área em

uma mesma imagem;
• sua resolução temporal que permite a coleta de informações em
diferentes épocas do ano e em anos distintos, o que facilita os
estudos dinâmicos de uma região;
• sua resolução espectral que permite a obtenção de informações
sobre um alvo na natureza em distintas regiões do espectro,
acrescentando assim uma infinidade de informações sobre o
estado dele;
• sua resolução espacial, que possibilita a obtenção de informações
em diferentes escalas, desde as regionais até locais, sendo este
um grande recurso para estudos abrangendo desde escalas
continentais, regiões até um quarteirão.
Quanto aos satélites meteorológicos, há uma ampla gama de possíveis

aplicações destes dados gerados, na qual iremos discutir detalhadamente a
seguir, iniciando pela mais comum, que estamos mais familiarizados, que é a
utilização desses para poder realizar a previsão do tempo, que a partir da análise
da cobertura de nuvens, os especialistas em meteorologia podem estimar uma
precipitação, delimitar áreas com ocorrências de precipitação e mapear áreas com
chuvas intensas (FLORENZANO, 2011).
206
TÓPICO 3 — PRINCIPAIS APLICAÇÕES DO SENSORIAMENTO REMOTO
No Brasil, nós podemos ter acesso a uma ampla variedade de dados

meteorológicos, de forma gratuita, através do CPTEC (Centro de Previsão do
Tempo e Estudos Climáticos), sendo disponibilizado, além de dados de previsão
do tempo, dados da qualidade do ar, dados observacionais etc.
DICAS
É possível ter acesso à plataforma do Centro de Previsão do Tempo e Estudos

Climáticos através do endereço eletrônico https://www.cptec.inpe.br/.
Além da previsão do tempo, os dados atmosféricos são de grande valia

para a alerta de desastres naturais, tornando possível a minimização dos prejuízos
materiais:
A compreensão dos fenômenos atmosféricos tem ganhado relevada

importância, devido aos prejuízos materiais e de vidas humanas
que o desconhecimento destes fenômenos pode ocasionar. Partindo
do pressuposto que tais prejuízos podem ser minimizados, ou até
mesmo evitados, grandes recursos têm sido aplicados à meteorologia
em todos os países do mundo, tanto para o desenvolvimento da
previsão do tempo, quanto para a climatologia. Tais recursos não se
restringem apenas aos centros de pesquisa e previsão do tempo, mas
abrangem uma fabulosa rede internacional de informações e coleta
de dados, mantida pelos países que integram a OMM (Organização
Meteorológica Mundial) (FERREIRA; CAMARGO JUNIOR, 2002, p. 8).
Uma outra forma de aplicação os dados dos satélites meteorológicos é

estimar a velocidade do vento, sendo essa uma grande vantagem dos satélites
geoestacionários, na qual é possível capturar imagens frequentes de uma
mesma área. A velocidade do vento pode ser estimada a partir do cálculo do
deslocamento da nuvem nas duas imagens e dividindo-se então pelo intervalo de
tempo entre estas imagens (CONFORTE, 2002). Esses dados podem ser aplicados
para analisar a velocidade dos ventos a partir de tempestades, tornados, furacões
etc., ocorrentes em determinadas áreas. Os ventos estimados por esse método são
chamados de ventos de trilha de nuvem ou vento de deriva de nuvem.
Além de estimar os ventos, há técnicas que possibilitam estimar a

precipitação, e estas podem ser divididas em três categorias, sendo a que utilizam
dados das faixas do visível, do infravermelho e do micro-ondas. Quanto às
técnicas do visível e do infravermelho, estas possuem as seguintes características:
207
As técnicas de utilização do visível e do infravermelho compartilham

de uma característica em comum, pois a radiação não penetra
através da nuvem. Técnicas de visível e infravermelho estimam a
precipitação caindo da parte inferior da nuvem com base na radiação
proveniente do topo ou do lado da nuvem, dependendo da geometria
de visualização. Todos os esquemas de estimativa de precipitação no
visível e no infravermelho são necessariamente indiretos, portanto,
essa técnica de estimação é conhecida como técnicas indiretas de
avaliação da precipitação, pois estes sensores não medem diretamente
a precipitação (KIDDER; HAAR, 1995, p. 308).
E as técnicas de micro-ondas, a partir das imagens de radar, possuem as

seguintes características:
Quanto a técnica de micro-ondas, as gotículas de nuvem interagem

apenas fracamente com a radiação. A vantagem da faixa de micro-
ondas do espectro é que a radiação de micro-ondas penetra nas
nuvens. As gotas do tamanho da precipitação interagem fortemente
com a radiação de micro-ondas, o que permite sua detecção pelos
sensores nesta faixa (KIDDER; HAAR, 1995, p. 331).
Muito tem se falado do monitoramento de aerossóis, estes que podem

ser definidos como partículas sólidas em suspensão na atmosfera, e podem ter
origem tanto natural, sendo essa uma emissão primária (SEINFELD; PANDIS,
2006), quanto antropogênica, ou seja, produzida indiretamente ou diretamente
pelo homem, trata-se de uma emissão secundária, na qual está ocorrendo com
maior frequência nos últimos anos, desencadeando a poluição atmosférica com
maior intensidade.
Podemos exemplificar, como aerossóis primários, os aerossóis marinhos,

poeira do solo, emissões vulcânicas e partículas biogênicas, estas não apresentam
grandes preocupações para a qualidade do meio ambiente (LUCCA, 2009). Quanto
às emissões secundárias, formados por diversos processos físicos e químicos,
podemos citar a queima de combustíveis, emissão industrial, queimadas etc.
(ANDRADE, 2019; SEINFELD; PANDIS, 2006). Quanto às partículas de aerossóis,
Artaxo et al. (2006) alertam para a seguinte questão:
Partículas de aerossóis em suspensão na atmosfera influenciam

fortemente o balanço radiativo da atmosfera e o clima, a química
da atmosfera, visibilidade, e a saúde das pessoas expostas às altas
concentrações de partículas, desde a escala local até as escalas regional e
global. Os efeitos radiativos diretos globais dos aerossóis em suspensão
na atmosfera são muito complexos e constituem uma das mais
relevantes consequências da poluição antrópica global, com um efeito
de resfriamento que contrabalanceia, em parte, o efeito de aquecimento
global dos gases de efeito estufa. Os aerossóis podem ser constituídos
de partículas, por exemplo, de sulfato, que predominantemente
espalham a radiação, enquanto que as partículas de carbono grafítico
absorvem a radiação, aquecendo a atmosfera. As partículas de aerossóis
também servem como núcleos de condensação de nuvens, afetando a
microfísica, bem como o tempo de residência das nuvens. O transporte,
deposição, a química e os efeitos radiativos das partículas dependem
grandemente de sua composição química, da distribuição de tamanho
e morfologia das mesmas (ARTAXO et al., 2006, p. 169).
208
Com a utilização das novas ferramentas atribuídas ao sensoriamento

remoto, torna-se possível monitorar as emissões destas partículas na atmosféricas,
a fim de auxiliar nas análises e tomadas de decisão.
DICAS
O website Windy possibilita realizar análises de diversos fenômenos

meteorológicos como, por exemplo, rajadas de vento, aerossóis, massas de poeira,
concentração de monóxido de carbono etc., em todo o mundo e em tempo real, de forma
totalmente gratuita. Você pode acessar a plataforma através do caminho: www.windy.com.
E além da plataforma on-line, também é possível obter o aplicativo para celulares, seja para
sistemas Android ou IOS.
Esses são apenas alguns exemplos, dentre as vastas opções existentes

atualmente, do que pode ser realizado com a utilização dos sensores voltados
para a meteorologia.
Quanto aos satélites voltados para os recursos terrestres, temos também

um amplo leque de opções de possíveis aplicações, seja para monitoramentos,
análises multitemporais, cruzamento de dados etc., para, conforme vimos ao
longo do livro, acompanhar a dinâmica da superfície e auxiliar com possíveis
tomadas de decisão.
O sensoriamento remoto para ambientes aquáticos, seja natural, como

rios, lagos, mares e oceanos, ou artificiais, construídos ou transformados pelo
homem, como lagos artificiais, represas e rio retificados (FLORENZANO, 2011),
tornou-se indispensável para o monitoramento destes ambientes.
Falaremos a seguir de algumas aplicações do sensoriamento remoto em

ambientes aquáticos, especialmente dos naturais.
Barbosa (2019) discorre sobre algumas especificações do sensoriamento

remoto voltado para os ambientes aquáticos:
Devido as propriedades de interação da agua com a luz (radiação

eletromagnética), o sensoriamento remoto em ambientes aquáticos,
denominado de sensoriamento da cor da água, utiliza principalmente
sensores passivos, tendo a radiação solar como fonte de radiação e
a região do espectro eletromagnético entre 400 e 900 nm como faixa
mais adequada para as aplicações. A cor da água natural e uma
característica óptica resultante dos processos de interação da luz solar
com a água e seus constituintes, e que por isso contem informação
espectral relativa a composição da coluna de agua. As variações de
209
cor são determinadas pela concentração e composição das partículas

e das substancias dissolvidas que absorvem e espalham a radiação
solar direta e difusa do céu que penetra na água. Um dos desafios
na interpretação das cores da água e identificar e extrair a radiação
emergente da coluna d’água, dado que o sinal registrado pelos
sensores orbitais e fortemente afetado pela atmosfera e pela reflexão
especular na superfície da água. Além disso, a modelagem dos
constituintes, a partir dessa informação radiométrica, não é uma tarefa
trivial, especialmente em ambientes opticamente complexos, como é o
caso de águas interiores (BARBOSA, 2019, p. 24).
Conservar a qualidade da água doce disponível para consumo é um de-

safio, com o agravamento dos poluentes nos corpos hídricos, que geralmente são
provenientes do escoamento superficial que advém das áreas mais altas, e tam-
bém com a ausência da vegetação ao redor dos copos d’água, também conhecida
como Área de Proteção Permanente (APP), os ambientes aquáticos estão cada vez
mais vulneráveis, portanto, realizar um controle desses ambientes, com análises e
planos de manejo adequados, faz-se extremamente necessário (Figura 32).
FIGURA 32 – EXEMPLO DE MONITORAMENTO DA QUALIDADE DA ÁGUA E AVALIAÇÃO DAS

CONSIDERAÇÕES DE APP EM BACIAS HIDROGRÁFICAS
FONTE: Silva (2018, p. 101)
É importante ressaltar que o que ocorre nos ambientes aquáticos é, quase

sempre, reflexo do uso e cobertura da Terra em seu entorno. É possível com o
sensoriamento remoto, por exemplo, mapear e monitorar a bacia hidrográfica
onde há corpos d’água, a fim de facilitar detectar as fontes de poluição do
ambiente aquático, entretanto, para obter informações mais a fundo da qualidade
da água, são necessárias análises químicas de amostras de água dos ambientes
(FLORENZANO, 2011), porém, é possível estabelecer preliminarmente os pontos
de coleta através da análise das imagens de sensoriamento remoto, por exemplo.
210
O monitoramento da qualidade da água se faz necessário para conhecer

os pontos problemáticos e o comportamento da dinâmica do ambiente aquático.
Conforme dito, os trabalhos de campo são essenciais para a coleta de amostras de
água, com o objetivo de identificar os agentes poluidores (VILELA, 2010), porém,
estes trabalhos podem apresentar custos altos e, dependendo da dimensão da
área de interesse, não é possível chegar até o corpo hídrico.
Dito isso, a utilização do sensoriamento remoto torna-se uma alternativa

de extrema valia para certas atividades, proporcionando constante auxílio para
monitoramento com menor curso financeiro. Vamos agora elencar algumas outras
alternativas de aplicação do sensoriamento remoto para ambientes aquáticos,
tanto para regiões costeiras quanto continentais.
O sensoriamento remoto aplicado para a oceanografia, por exemplo, é

algo imprescindível para auxiliar no monitoramento dos oceanos, este que possui
um papel fundamental para a sociedade, conforme explica Kampel (2002):
O comércio internacional se utiliza muito dos meios marinhos, e pro-

gramas de defesa nacionais são cada vez mais dependentes de opera-
ções navais. Da mesma forma, os recursos pesqueiros abastecem uma
fração significativa da proteína consumida mundialmente. Além dis-
so, a física, química, biologia e geologia dos oceanos são fundamentais
para o desenvolvimento e gerenciamento desses recursos vivos. Os
oceanos também, assimilam grande, se não a maior parte da poluição
antropogênica, desde derramamentos de óleo, esgotos domésticos e
industriais, até lixo atômico (KAMPEL, 2002, p. 7).
Algumas das atividades que podem ser desenvolvidas na oceanografia

através da utilização do sensoriamento remoto são: o monitoramento da
temperatura da superfície do mar, ressurgências, cor da água, concentrações
superficiais de clorofila, gerenciamento costeiro, boias rastreadas por satélite,
qualidade da água costeira etc. No Quadro 4, nós podemos observar algumas das
capacitações do sensoriamento remoto voltado para os oceanos.
QUADRO 4 – CAPACIDADE DO SENSORIAMENTO REMOTO DOS OCEANOS
Faixa Micro-ondas Micro-ondas

Visível Infravermelho
Espectral passivo ativo
a) radiômetros; a) radares
a) radiômetros; b) infraverme- Radiômetros imageadores;
Tipo de
b) multiespec- lhos; de micro-ondas b) radares
sensor trais. c) espectrôme- passivo. altímetros;
tros. c) escaterômetros.
Temperatura
Temperatura
de brilho e
Parâmetro de brilho da Altura da
Cor do mar. rugosidade da
primário superfície do
superfície do
superfície do mar.
mar.
mar.
211
a) altura dinâmica;
b) correntes geos-
tróficas;
a) temperatura
a) concentração c) geoide oceânico;
subpele e
de clorofila; d) batimetria;
salinidade da
b) concentração e) velocidade e
Temperatura da superfície do
Parâmetro de material em direção do vento;
pele da superfície mar;
derivado suspensão; do mar. b) chuva;
f) altura de onda;
c) turbidez da g) espectro de
c) conteúdo de
água; onda;
vapor d’água na
d) batimetria. h) ondas internas;
atmosfera.
i) exsudações
naturais;
j) óleo no mar.
FONTE: Souza (2009, p. 13)
No caso do óleo no mar é um tanto mais complicado porque, apesar dos

radares orbitais disponíveis atualmente serem capazes de delimitar a área coberta
pelo derrame de óleo, a baixa resolução temporal torna os dados insuficientes
para que se estude o processo de dispersão da mancha. Nesse caso, dados
complementares de modelos de dispersão, assim como a utilização de dados de
sensoriamento remoto aéreo são recomendáveis (SOUZA, 2003).
Portanto, compreendemos que o sensoriamento remoto não está limitado

a geração e interpretação de dados na forma de imagens. Por exemplo, dados
de pressão, temperatura e umidade em diferentes níveis da atmosfera são
rotineiramente coletados por serviços meteorológicos, através do emprego de
balões e foguetes meteorológicos. Informações científicas de diferentes níveis
atmosféricos também são coletadas por métodos de rádio sondagens operadas
tanto por estações terrestres, como a bordo de satélites (KAMPEL, 2002).

FENÔMENOS ANTRÓPICOS
Os ambientes construídos ou transformados pela ação do homem ocupam
a maior parte dos continentes. O homem transforma os espaços por meio da
derrubada das matas, da implantação de pastagens e cultivos, da construção
de estradas, portos, aeroportos, represas, da retificação e canalização de cursos
d’água, da implantação de indústrias e áreas urbanas (FLORENZANO, 2011).
Possuir uma ferramenta para monitorar o desempenho dessas atividades,

acompanhando as transformações do espaço ao longo do tempo, torna-se indis-
pensável, portanto, o sensoriamento remoto contribui, assim como o acompanha-
mento dos fenômenos naturais, a planejar e acompanhar, essas transformações
ocasionadas pelo homem.
212
A queimada é uma das principais atividades nocivas, impulsionadas

pelo homem, que vem tomando dimensões gigantescas. Os incêndios florestais
costumeiros e extensos, quando não há um planejamento e monitoramento destas
áreas, são considerados a principal ameaça às unidades de conservação, devido
às consequências ambientais, desgastes dos combatentes e gastos excessivos para
combater, colocando em alto risco a sobrevivência das florestas.
Para auxiliar no processo de monitoramento das queimadas, o

sensoriamento remoto, junto às geotecnologias existentes, apresenta satisfatórios
resultados, proporcionando uma visão geral desse advento, como a distribuição
espaço-temporal, ou seja, onde e quando acontecem, em diferentes escalas, além
da relação do fogo com questões socioambientais, reconhecer os tipos de incêndio
ocorrentes etc. O levantamento desses dados possibilita maiores êxitos ao combate
e prevenção dos incêndios.
A disponibilidade de informações detalhadas e atualizadas da localização

e extensão das áreas queimadas é fundamental para avaliar perdas econômicas
e efeitos ecológicos, monitorar mudanças no uso e cobertura da Terra e elaborar
modelos atmosféricos e de impactos climáticos devidos à queima de biomassa
(SILVA; ROCHA; ANGELO, 2013).
No Brasil, devido ao intenso aumento da ocupação do seu território

nas últimas décadas, a frequência de queimadas aumentara significativamente.
Segundo Florenzano (2011), utiliza-se do fogo, principalmente, para à expansão
das fronteiras agrícolas, que é o limite entre áreas agropecuárias e um ambiente
natural, ou seja, é usado na substituição de florestas e savanas por pastagens e
culturas, na remoção do material seco acumulado e na renovação de áreas de
pastagens e de cultivos agrícolas.
As queimadas não são consideradas desastres naturais, diferenciando-se

dos incêndios florestais por serem uma prática bastante antiga dos agricultores,
porém, quando fogem do controle, podem causar incêndios de grandes extensões
em áreas florestais (KAZMIERCZAK, 2015).
Visto a importância e bom do desempenho dos dados obtidos através do

sensoriamento remoto frente à desastres naturais, muitas vezes impulsionados
pelo homem, veremos a seguir alguns casos específicos de desastres e como o
sensoriamento remoto apresenta-se durante estes eventos.
213
DICAS
A frequência de queimadas aumentara de forma significativa nas últimas

décadas. Pensando nisso, o INPE disponibiliza, de forma totalmente gratuita, dados dos
focos de calor de todo o território nacional, além de ter a opção de filtrar os dados de
todos os continentes. O banco de dados disponível para download vai de 1998 até os dias
atuais, com a opção de diversos satélites para efetuar a análise e obter os dados. Você
pode acessar a plataforma através do endereço eletrônico: http://queimadas.dgi.inpe.br/
queimadas/bdqueimadas.
Uma operação de combate a um incêndio florestal envolve seis fases,

conforme explica Kazmierczak (2015), sendo elas: detecção, comunicação,
mobilização, chegada ao local, estudo da situação e combate ao incêndio. Nesses
casos, o sensoriamento remoto pode “Contribuir na detecção e no monitoramento
de incêndios e no combate a eles, com a geração de informações (mapa de uso
e cobertura, atualização de estradas e aceitos etc.) antes, durante o incêndio ou
após sua extinção” (KAZMIERCZAK, 2015, p. 189).
Com a influência direta do homem na dinâmica natural do ambiente, os

processos naturais podem sofrer maiores intensidades, ocasionando possíveis
desastres naturais. A pensar nisso, Sausen e Lacruz (2015) elaboraram um esquema
das etapas de gestão de desastres, ou seja, o que pode ser realizado, através
da utilização de produtos de sensoriamento remoto, para prevenir possíveis
desastras e, após a sua ocorrência, possíveis maneiras de avaliar e realizar um
planejamento (Quadro 5).
QUADRO 5 – ETAPAS DE GESTÃO DE DESASTRES
Etapa de prevenção/ Etapa de avaliação/

Etapa de prevenção e
perigo imediato (Pré- priorização/planejamento
alerta (Pré-desastre)
desastre) (Pós-desastre)
Uso de mapa-imagem da
Cobertura regional ou área afetada para avaliações
Elaboração de cenários
local inicias da extensão e
magnitude do evento.
Há mais tempo para

modelagem dos Resolução temporal alta Priorização das ações.
eventos
214
Uso de sensoriamento
Disposição de dados em Planejamento de
remoto para derivar
tempo quase real reconstrução.
parâmetros/variáveis
É importante
considerar tanto a Rápida disponibilidade Monitoramento das ações
resolução espacial do produto final de reconstrução.
como a espectral
Para essas ações, a

Para essa etapa,
depender do desastre, as
a depender do
Para essa etapa, podem imagens com resolução
desastre, podem ser
ser utilizados dados do espacial média a altíssima
utilizados dados do
Modis, NOAA/AVHRR são bastante úteis, como as
Landsat, CBERS, Spot,
e DMC do Modis, Landsat, Spot,
QuickBird, Ikonos,
Ikonos, QuickBird, GeoEye
ALI, Modis e AVHRR
e WorldView.
FONTE: Adaptado de Sausen e Lacruz (2015)
É fato que, ao longo do tempo, ocorrem no planeta processos físicos

de diferentes intensidades que fazem parte de sua dinâmica natural, como
deslizamentos, terremotos, erupções vulcânicas e inundações. Esses processos
sempre aconteceram, independentemente da ação do homem, conforme explicam
Saito, Soriano e Londe (2015).
No entanto, quando existe a interação desses processos com grupos

sociais localizados em áreas específicas, causando prejuízo às
atividades econômicas, ambientais ou humanas, acontecem os
desastres naturais. A qualificação “natural” indica que a força motriz
dos processos provém de um ou mais dos seguintes componentes:
geológico, hidrológico, climatológico e meteorológico. Os impactos
ocasionados podem ser acentuados por fatores socioeconômicos,
como a falta de planejamento urbano e de uma implantação efetiva de
políticas públicas para a prevenção de desastres (SAITO; SORIANO;
LONDE, 2015, p. 23).
Portanto, pensar em prevenir possíveis desastres através de monitoramentos

e planejamentos, faz-se necessário pensar nas melhores ferramentas disponíveis
para trabalhar nesses processos, pois, conforme aprendemos ao longo deste livro,
há um amplo campo de satélites e sensores disponíveis para serem utilizados,
entretanto, é necessário saber suas especificações e quais apresentariam melhores
resultados ao cumprir os objetos de seu trabalho.
Com o intuito de colaborar com a compreensão dessas especificidades

comentadas anteriormente, no Quadro 6 são apresentados alguns exemplos de
banda, comprimento de onda, satélites e sensores que podem ser bastante úteis
para estas atividades voltadas para os desastres naturais.
215
QUADRO 6 – SATÉLITES E SENSORES ADEQUADOS PARA APLICAÇÃO EM DESASTRES NATURAIS
Comprimento
Banda Útil para Satélites/Sensores
de onda
a) Mapemanto da vegetação,
Aqua/Modis
uso do solo, áreas urbanas, rede
GeoEye/MS e PAN
de drenagem (informação útil
Ikonos/MS e PAN
para a gestão de desastres);
IRS/Liss e PAN
b) Mapeamento de cicatrizes de
Kompsat/MSC
deslizamento;
Landsat/MSS, TM,
c) Avaliação de danos de
ETM+ e OLI
terremotos, deslizamentos e
NOAA/AVHRR
incêndios florestais;
Pleiades/Hiri
d) Mapeamentos para apoiar a
0,4 mm – 0,7 QuickBird/MS e
Visível gestão de desastres
mm PAN
e) Elaboração de mapas
RapidEye/Reis
urbanos;
ResourceSat/Liss,
f) Planejamento de
PAN e AwiFS
infraestrutura;
Spot/HRV, HRVIR,
g) Preparação e resposta a
HRG, P, M e
desastres;
Vegetation
h) Estudos de topografia
Terra/Modis e Aster
e gradiente de bacias de
WorldView/PANe
drenagem;
MS
i) Cartografia de precisão.
Aqua/Modis
a) mapeamento de vegetação, GeoEye/MS
geologia, geomorfologia, rede de Ikonos/MS
drenagem (informação útil para IRS/Liss
Infraverme- a gestão de desastres); Landsat/MSS, TM,
0,7 mm – 1,0
lho próxi- b) Mapeamento de inundação; ETM+ e OLI
mm
mo c) Preparação e resposta a NOAA/AVHRR
desastres; Pleiades/Hiri
d) Estudos de topografia e QuickBird/MS
gradiente de bacias de drenagem. RapidEye/Reis
ResourceSat/Liss
Spot/HRV, HRVIR,
a) Detecção de fogo ativo; HRG, P, M e
b) Identificação de focos de Vegetation
incêndio; Terra/Modis e Aster
Infraverme- 3,0 mm – 14 c) Mapeamento de cicatrizes de WorldView/PAN e
lho termal mm áreas queimadas; MS
d) Preparação e resposta a Aqua/Modis
desastres; NoaA/AVHRR
e) Detecção de erupção vulcânica. Terra/Modis e Aster
216
a) Modelo digital de elevação

(informação útil para eventos
de deslizamentos e terremotos e
para gestão de desastres);
b) Mapeamento de subsistência
do terreno que podem causar
queda de construções;
c) Identificação do terreno e
deformação da Terra;
d) Mapeamento de áreas
inundadas especialmente em
regiões que ocorrem grandes Cosmo-Skymed
coberturas de nuvens; Radarsat/SAR
Micro- e) Caracterização do volume e Risat-1
ondas 0,1 cm – 100 cm descarga de rios; SRTM
(radar) f) Previsão e mapeamento de TanDEM-X/SAR
inundação; TerraSAR-X/SAR
g) Feições de deslizamentos, Sentinel-1
movimentos de deslizamentos,
mapeamento geológico,
prevenção de desastres,
planejamento e supervisão de
redes de infraestrutura para a
fase de mitigação e recuperação;
h) Preparação e resposta a
desastres;
i) Estudos de topografia
e gradiente de bacias de
drenagem.
FONTE: Sausen e Lacruz (2015, p. 83-84)
Um dos desastres mais comuns, não só no Brasil como no resto do mundo,

é a inundação, acarretando diversas perdas tanto social quanto economicamente,
por atingir uma grande quantidade de pessoas simultaneamente.
Sausen e Narvaes (2015) explicam que os dados de sensoriamento remoto

podem monitorar as águas de inundações mapear as áreas que potencialmente
podem ser afetadas e apoiar ações de prevenção, sendo possível utilizá-los de
forma eficiente e operacional nas mais diversas fases da gestão de desastre de
inundação. Para obter um resultado satisfatório dos monitoramentos, caso seja
analisando os desastres em tempo real, recomenda-se a utilização de imagens
ópticas de alta ou altíssima resolução aliadas a dados de radar, com o intuito de
aumentar a precisão das informações geradas.
A integração dos dados históricos com os de eventos atuais auxilia na

identificação, caracterização e análise dos eventos de desastres naturais, e,
combinada com outras informações complementares, como dados topográficos,
217
socioeconômicos e de declividade, relevo e drenagem, possibilita a geração de

mapas de áreas de perigo, vulnerabilidade e de risco, devendo esses mapas serem
considerados no momento de criação dos planos diretores e de contingência (DI
GREGORIO; SALTO; SAUSEN, 2015).
DICAS
A leitura complementar traz o artigo intitulado Aplicações de sensoriamento

remoto para o monitoramento do desmatamento da Amazônia, de autoria de Humberto
Navarro de Mesquita Júnior e colaboradores, e se propõe a apresentar algumas das
potencialidades, de forma prática, do sensoriamento remoto, especialmente no que se
refere ao monitoramento e controle do desmatamento na Amazônia. Esse é um excelente
exemplo de como podemos nos apropriar das geotecnologias para estudos de fenômenos
naturais (floresta) e antrópicos (desmatamento). Para a leitura completa e detalhada do
artigo, você pode acessar o endereço eletrônico: http://marte.dpi.inpe.br/col/dpi.inpe.br/
sbsr@80/2006/11.15.23.56.56/doc/6835-6842.pdf.
218
APLICAÇÕES DE SENSORIAMENTO REMOTO PARA O

MONITORAMENTO DO DESMATAMENTO NA AMAZÔNIA
Humberto Navarro de Mesquita Júnior

Márlon Crislei da Silva
Neide Yoko Watanabe
Rafael Lúcio Esteves
Introdução
Para fins de planejamento econômico, o governo brasileiro instituiu

a chamada Amazônia Legal, englobando todos os Estados da macrorregião
Norte (Acre, Amapá, Amazonas, Pará, Roraima, Rondônia e Tocantins), o Mato
Grosso, e parte do Maranhão (porção a oeste do meridiano 44°), perfazendo,
aproximadamente, 5,2 milhões de Km2 (IBGE, 2000). Desse total, a área com
fisionomia florestal ocupa cerca de 4 milhões de km2.
Atualmente, a floresta Amazônica ainda subsiste preservada em mais

de 85% da sua extensão. Apesar da significativa área preservada, a evolução
do desflorestamento tem sido objeto de preocupação por parte de diversas
entidades, governamentais ou não, sobretudo nos últimos anos. Assim, diversos
esforços foram empreendidos visando à proteção e o manejo de espécies da
fauna e da flora brasileiras.
Neste contexto o Instituto Brasileiro do Meio Ambiente e dos Recursos

Naturais Renováveis – IBAMA exerce papel fundamental. Criado, pela Lei nº
7.735, em 22 de fevereiro de 1989, tem por objetivos, entre outros, monitorar as
transformações do meio ambiente e dos recursos naturais e manter a integridade
das áreas de preservação permanente e das reservas legais.
Data de 1996/1997 o início do projeto de monitoramento do desmatamento

da Amazônia Legal realizado no Centro de Sensoriamento Remoto (CSR-IBAMA),
com a finalidade de monitorar as alterações na cobertura vegetal nativa da floresta
Amazônica, utilizando-se para tanto, de imagens do satélite LANDSAT. A partir
de 2004, com a disponibilização gratuita do catálogo de imagens CBERS, e da
implementação do Plano de Ação para a Prevenção e Controle do Desmatamento
na Amazônia Legal, o programa tomou novo impulso.
A partir de 2005 passaram a ser utilizadas, intensivamente, imagens do

sensor CCD do satélite CBERS-2, o que, segundo Elias Júnior (2005), representou
para o IBAMA: significativa redução dos custos de aquisição de imagens; acesso
219
facilitado às imagens pelos diversos setores; redução da burocracia na distribuição

de imagens; possibilidade de cobertura de todo território nacional, mais de uma
vez por ano, e a popularização do uso de imagens de satélite.
O monitoramento do desmatamento da Amazônia é realizado através de

vários projetos, merecendo destaque, dentre os que utilizam produtos obtidos com
sensoriamento remoto, o Projeto de Monitoramento do Desflorestamento na Ama-
zônia Legal (PRODES) e o Projeto de Detecção de Áreas Desflorestadas em Tempo
Real (DETER), ambos desenvolvidos pelo Instituto de Pesquisas Espaciais (INPE).
O PRODES revela, anualmente, taxas de desflorestamento ocorrido

nesse período na Amazônia Legal. O seu objetivo é fazer um levantamento da
interferência humana na floresta Amazônica, dentro dos limites da Amazônia
Legal Brasileira. Para isso empregam-se imagens LANDSAT, que são classificadas
e interpretadas. A comparação de imagens obtidas em anos sucessivos permite,
então, avaliar o desflorestamento no período (CÂMARA et al., 1996).
No entanto, do ponto de vista de estratégias públicas, a temporariedade

dos dados PRODES é insuficiente como base de ação governamental. Como os
dados são agregados por Estado e publicados, no mínimo, seis meses após as
ocorrências dos eventos de desmatamento, os governos federal e estadual não
podem se antecipar à dinâmica de mudança do uso da terra na Amazônia. Fez-
se necessário, desta forma, complementar os dados do PRODES com outras
iniciativas que permitissem uma ação preventiva de combate às atividades ilícitas
de desmatamento (VALERIANO et al., 2005).
Uma das medidas adotadas foi a criação do sistema de Detecção de Áreas

Desflorestadas em Tempo Real (DETER) que, contudo, somente se viabilizou com
o lançamento, no ano de 1999, do sensor MODIS (Moderate Resolution Imaging
Spectroradiometer), a bordo do satélite TERRA. Este sensor possui características
de resolução temporal, espacial e espectral favoráveis ao monitoramento de
alterações no uso e cobertura da Terra.
O DETER é parte das atividades do Plano de Ação para a Prevenção e

Controle do Desmatamento na Amazônia Legal, e tem como objetivo fornecer
rapidamente aos órgãos de controle ambiental informações periódicas dos
eventos de desmatamento, para que o governo possa tomar medidas de contenção
e repressão. A produção pelo sistema, de informações das regiões onde estão
ocorrendo novos desmatamentos, em curtos intervalos, disponibiliza à sociedade
brasileira uma ferramenta inovadora de suporte à gestão de terras na Amazônia.
O sistema encontra-se em operação desde dezembro de 2004 (INPE, 2005).
Assim, o IBAMA, utilizando um sistema integrado de alerta (que permite,

em tempo quase real, a detecção, através de imagens de satélite, do desmatamento)
combinado com ações planejadas e ordenadas de fiscalização, busca a integridade
das áreas protegidas, bem como o cumprimento das exigências da reserva legal
e das áreas de preservação permanente nas propriedades privadas, ações estas
apoiadas em planos gerados a partir de informações de sensoriamento remoto.
220
Resultados
O Projeto de Monitoramento de Desmatamento da Amazônia,

desenvolvido pelo CSRIBAMA, visa, prioritariamente, subsidiar, orientar e apoiar
o planejamento das ações de fiscalização, com vistas a reduzir o desmatamento
ilegal, a queimada, a exploração madeireira e outros ilícitos ambientais.
Para tanto, o IBAMA utiliza, principalmente, a análise de imagens CBERS,

MODIS, LANDSAT e dos dados PRODES e DETER.
A elaboração de materiais com informações do desmatamento, pelo CSR-

IBAMA, baseada, em sua maioria, nos produtos dos sistemas PRODES e DETER
(INPE), teve como principais metas:
• Fornecer, aos Grupos de Trabalho de Proteção Ambiental do IBAMA,

subsídios para o planejamento de ações de controle do desflorestamento, com
a identificação de áreas prioritárias para combate ao desmatamento.
• Produzir material de apoio às operações de fiscalização do IBAMA.
• Analisar a provável ocorrência de delitos ambientais, como, por exemplo,
desmatamento e queimada de floresta nativa, sob a forma de manifestação em
Processos Administrativos referentes a Autos de Infração. Entre as atividades
desenvolvidas destacam-se as a seguir explicitadas.
Identificação de áreas prioritárias para combate ao desmatamento
Definição de áreas prioritárias de vigilância e intervenção, para ações

de fiscalização, no ano de 2006, mediante a análise de dados quantitativos de
desmatamento e de remanescentes florestais, obtidos a partir das publicações
anuais PRODES.
Para a definição destas áreas prioritárias foi estabelecido um ranking de

municípios, a partir da utilização dos seguintes critérios:
1. Área desmatada acumulada nos anos de 2003 a 2005.

2. Área de floresta remanescente em 2005.
3. Área média dos polígonos de desmatamento.
4. Evolução do desmatamento 2003/2004 e 2004/2005.
Esses critérios foram aplicados para os municípios responsáveis por

75% do desmatamento, no período 2003-2005, correspondendo a um total de 95
municípios.
Para cada critério foi elaborado um ranking de municípios e, posteriormente,

um final, sendo que, o ranking relativo aos três primeiros critérios correspondeu
a um ordenamento decrescente dos valores.
221
O ranking baseado no último critério ordenou os municípios mais

críticos da seguinte maneira: em primeiro, os que apresentaram dois aumentos
consecutivos no valor de desmatamento anual; em segundo, os que apresentaram
redução no período 2003/2004 e aumento no período 2004/2005; em terceiro, os
que apresentaram aumento no primeiro período e redução no período seguinte e,
por último, os que apresentaram duas reduções consecutivas.
Calculando a média dos quatro critérios definidos anteriormente, foi

elaborado um ranking final, do qual foram extraídos os quarenta municípios
prioritários para ações de combate aos ilícitos ambientais.
Identificação de alteração de cobertura vegetal por análise de imagens

orbitais
De forma complementar aos dados DETER são gerados, também,

indicativos de desmatamento, através da utilização de imagens orbitais.
A identificação aqui tratada é, normalmente, realizada em áreas de

interesse específico, tais como Unidades de Conservação, Terras Indígenas e
regiões de abrangência de Operações de Fiscalização, com produção de mapas
indicativos de desflorestamento e de apoio logístico.
Para tanto, são utilizadas imagens, em sua maioria provenientes dos

satélites CBERS e LANDSAT. Estas imagens, por método de comparação visual
em época anterior e posterior à data de interesse da análise, dão origem a feições
vetoriais, definindo porções de alteração da cobertura vegetal da região analisada.
Destaque-se que a análise comparativa de imagens é também utilizada

para maior detalhamento da informação espacial, bem como conferência da
integridade dos polígonos gerada pelo DETER.
Manifestação técnica em processos administrativos
Imagens de satélite são também utilizadas para respaldar manifestações

técnicas em Processos Administrativos oriundos de Autos de Infração referentes
a desmatamentos e queimadas ocorridos na Amazônia Legal.
Assim, com frequência são utilizadas imagens dos satélites CBERS, LAND-
SAT e MODIS, com a finalidade de definir data e extensão aproximada do dano
ambiental, configurando, na maioria das vezes, prova segura e científica do fato.
Conclusão
A utilização dos dados do DETER, que é um sistema de identificação das

áreas desmatadas, contribui para aumentar a agilidade na produção de materiais
de apoio à fiscalização, visando maior eficiência na intervenção e contenção dos
desmatamentos ilegais, por parte do Poder Público.
222
A produção de Mapas Indicativos, com a individualização dos polígonos
de desmatamento, possibilita uma maior precisão, temporal e espacial, das ações
de campo, bem como uma estimativa de área do desflorestamento a ser autuado.
A elaboração de mapas-guia de desmatamento, bem como a definição de

municípios prioritários da Amazônia Legal, para ações de fiscalização e vigilância,
auxilia, significativamente, o planejamento das operações de fiscalização e
definição de áreas prioritárias de vigilância e intervenção, considerando a
dinâmica de evolução do desmatamento.
A criação e a constante atualização de bancos de imagens georreferenciadas

fornecem suporte para a identificação e a caracterização de alterações na cobertura
vegetal, bem como para a melhoria na qualidade dos indicativos utilizados para a
vistoria em campo, contribuindo nas ações de fiscalização.
FONTE: MESQUISA JÚNIOR, H. N.; SILVA, M. C.; WATANABE, N. Y.; ESTEVES, R. L. Aplicações de
sensoriamento remoto para o monitoramento do desmatamento da Amazônia. In: SIMPÓSIO
BRASILEIRO DE SENSORIAMENTO REMOTO – SBSR, 13., 2007, Florianópolis. Anais [...]. São José
dos Campos: INPE, 2007. p. 6835-6842. Disponível em: http://marte.dpi.inpe.br/col/dpi.inpe.br/
sbsr@80/2006/11.15.23.56.56/doc/6835-6842.pdf. Acesso em: 26 set. 2020.
223
RESUMO DO TÓPICO 3
• A observação da Terra por meio de satélites é a maneira mais efetiva e econômica

de coletar os dados necessários para monitorar e modelar os fenômenos naturais
e antrópicos, especialmente em áreas de grandes extensões territoriais.
• A partir da análise dos fenômenos e a compreensão dos seus processos, é

possível realizar eficientes diagnósticos e aplicar estes resultados para conceber
possíveis alternativas.
• A integração dos dados históricos com os de eventos atuais auxilia na

identificação, caracterização e análise dos eventos de desastres naturais, e,
combinada com outras informações complementares, possibilita a geração de
mapas de áreas de perigo, vulnerabilidade e de risco etc.
CHAMADA

224
AUTOATIVIDADE
1 O sensoriamento remoto possui, atualmente, diversas aplicações, dentre

elas as que estão interessadas no monitoramento dos fenômenos naturais,
especialmente aqueles de interesse para proteção ambiental. Assinale a
alternativa que corresponde corretamente à exemplos de aplicações do
sensoriamento remoto no estudo dos fenômenos naturais:
a) ( ) Expansão urbana e temperatura do ar.

b) ( ) Temperatura da superfície e tráfego urbano.
c) ( ) Composição colorida e RGB.
d) ( ) Dinâmica da vegetação e qualidade das águas superficiais.
2 Os ambientes construídos ou transformados pela ação do homem ocupam

a maior parte dos continentes e, por isso, encontrar alternativas para
monitoramento e avaliação do impacto das atividades antrópicas já se
relevou uma tarefa indispensável nos últimos anos. O sensoriamento remoto
contribui diretamente nessas tarefas. Dessa forma, assinale a alternativa
CORRETA a respeito dos exemplos de aplicações do sensoriamento remoto
no estudo dos fenômenos antrópicos:
a) ( ) Desmatamento e dinâmica das marés dos oceanos.

b) ( ) Desmatamento e expansão urbana.
c) ( ) Expansão urbana e densidade da vegetação nativa.
d) ( ) Qualidade das águas e umidade do solo.
3 As queimadas, quando causadas intencionalmente, são uma das principais

atividades nocivas e poluidoras para o meio ambiente. No Brasil, devido
ao intenso aumento da ocupação do seu território, nas últimas décadas,
a frequência de queimadas aumentou significativamente, impulsionadas,
principalmente, pela queima criminosa da vegetação visando à expansão
das fronteiras agrícolas, limite entre áreas agropecuárias e um ambiente
natural, ou seja, são usadas na substituição de vegetação por pastagens e
culturas. O sensoriamento remoto pode contribuir no monitoramento e
alertas de queimadas, através de:
a) ( ) Processamento de imagens e obtenção de focos de calor por meio da

temperatura da superfície.
b) ( ) Processamento de imagens e visualização das chamas em tempo real.
c) ( ) Processamento de imagens para avaliação da vegetação natural e
materiais potencialmente favoráveis às queimadas.
d) ( ) Processamento de imagens para avaliar áreas favoráveis para
queimadas e expansão da agropecuária.
225
REFERÊNCIAS
ASPRS – American Society for Photogrammetry and Remote Sensing. Manual of
photographic interpretation. Bethesda: ASPRS, 1960.
ANDRADE, I. S. Análise da dispersão de aerossóis em Cubatão-SP por meio

de técnicas de sensoriamento remoto. 2019. 118f. Dissertação (Mestrado em
Tecnologia Nuclear) – Instituto de Pesquisas Energéticas e Nucleares – IPEN-
CNEN/SP. São Paulo, 2019.
ARTAXO, P. et al. Efeitos climáticos de partículas de aerossóis biogênicos e

emitidos em queimadas na Amazônia. Revista Brasileira de Meteorologia, São
José dos Campos, v. 21, n. 3a, p. 168-189, 2006.
ATMOSFERA. In: MICHAELIS dicionário brasileiro da língua portuguesa. São

Paulo: Melhoramentos, c2020. Disponível em: https://michaelis.uol.com.br/
moderno-portugues/busca/portugues-brasileiro/atmosfera/. Acesso em: 8
set. 2020.
BAATZ, M.; SCHÄPE, A. Objected oriented and multiscale image analysis in

semantic network. In: INTERNATIONAL SYMPOSIUM ON OPERATIONAL
REMOTE SENSING, 1999, Enschede. Proceedings […]. Enschede: IEEE Xplore,
1999. pp. 1-7
BARBOSA, C. C. F. Princípios físicos do sensoriamento remoto aquático.

In: BARBOSA, C. C. F.; NOVO, E. M. L. M.; MARTINS, V. S. Introdução ao
sensoriamento remoto dos sistemas aquáticos. São José dos Campos: INPE,
2019, p. 23-52.
BARBOSA, C. C. et al. Operadores zonais em álgebra de mapas e sua aplicação

a zoneamento ecológico-econômico. In: Simpósio Brasileiro de Sensoriamento
Remoto – SBSR, 9., 1998, Santos. Anais [...]. São José dos Campos: INPE, 1998. p.
487-500.
BIELENKI JÚNIOR, C.; BARBASSA, A. P. Geoprocessamento e recursos hídricos:

aplicações práticas. São Carlos: EdUFSCar, 2012.
BLASCHKE, T. Object based image analysis for remote sensing. ISPRS Journal
of Photogrammetry and Remote Sensing, [S. l.], v. 65, p. 2-16, 2010.
BRASIL. Decreto nº 89.817, de 20 de junho de 1984. Estabelece as instruções

reguladoras das normas técnicas da cartografia nacional. Brasília, DF: Diário
Oficial [da] União, 1984. Disponível em: http://www.planalto.gov.br/ccivil_03/
decreto/1980-1989/D89817.htm. Acesso em: 28 ago. 2020.
226
BRAZ, A. M. et al. Áreas verdes e temperatura da superfície na cidade de Três
Lagoas/MS. Revista Formação, Presidente Prudente, v. 25, n. 45, p. 93-122, maio/
ago., 2018.
CÂMARA, G. Modelos, linguagens e arquiteturas para bancos de dados

geográficos. 1995. 227f. Tese (Doutorado em Computação Aplicada) – Programa
de Pós-Graduação em Computação Aplicada. Instituto Nacional de Pesquisas
Espaciais, São José dos Campos, 1995.
CÂMARA, G. et al. Anatomia de sistemas de informações geográficas. São José

dos Campos: INPE, 1996.
CONFORTE, J. C. Tecnologia espacial no estudo de fenômenos atmosféricos.

São José dos Campos: INPE, 2002.
CRÓSTA, A. P. Processamento digital de imagens de sensoriamento remoto.

Campinas: UNICAMP, 1992.
DAVIS, C.; CÂMARA, G. Arquitetura de sistemas de informação geográfica. In:

CÂMARA, G.; DAVIS, C.; MONTEIRO, A. M. V. Introdução à ciência da geoin-
formação. São José dos Campos: INPE, 2001. p. 1-35. (Capítulo 3). Disponível
em: http://mtc-m12.sid.inpe.br/col/sid.inpe.br/sergio/2004/04.22.07.43/doc/publi-
cacao.pdf. Acesso em: 28 ago. 2020.
DI GREGORIO, L. T.; SAITO, S. M.; SAUSEN, T. M. Sensoriamento remoto para

a gestão (de risco) de desastres naturais. In: SAUSEN, T. M.; LACRUZ, M. S. P.
Sensoriamento remoto para desastres. São Paulo: Oficina de Textos, 2015, p. 43-64.
DURÁN, G. B. Correção geométrica automática de imagens de satélite: uma

contribuição nos estudos urbanos. In: Congresso Brasileiro de Geógrafos, 7., 2014,
Vitória. Anais [...]. Vitória: Universidade Federal do Espírito Santo, 2014. p. 1-11.
DSG – Diretoria de Serviço Geográfico. Norma da especificação técnica para

controle de qualidade de dados geoespaciais (ET-CQDG). Brasília, DF: Exército
Brasileiro, 2016.
FAYYAD, U.; SHAPIRO, G. P.; SMYTH, P. The KDD process for extracting useful
knowledge from volumes of data. Communications of the ACM, [S. l.], v. 39, n.
11, p. 27-34, nov., 1996.
FERREIRA, S. H. S.; CAMARGO JUNIOR, H. Tecnologia espacial na previsão do

tempo. São José dos Campos: INPE, 2002.
FITZ, P. R. Geoprocessamento sem complicação. São Paulo: Oficina de Textos,

2008.
FLORENZANO, T. G. Imagens de satélite para estudos ambientais. São Paulo:

Oficina de textos, 2002.
227
FLORENZANO, T. G. Geotecnologias na Geografia aplicada. Difusão e acesso.
Revista do Departamento de Geografia (USP), São Paulo, v. 17, p. 24-29, 2005.
FLORENZANO, T. G. Iniciação em sensoriamento remoto. 3. ed. São Paulo:

Oficina de Textos, 2011.

terrestres. Tradução de José Carlos Neves Epiphanio. São José dos Campos:
Parênteses, 2009.
KAMPEL, M. Sensoriamento remoto aplicado à oceanografia. São José dos

Campos: INPE, 2002.
KAZMIERCZAK, M. L. Sensoriamento remoto para incêndios florestais. In:

SAUSEN, T. M.; LACRUZ, M. S. P. Sensoriamento remoto para desastres. São
Paulo: Oficina de Textos, 2015, p. 175-207.
KIDDER, S. Q.; HAAR, T. H. V. Satellite meteorology: an introduction. San

Diego: Academic Press, 1995.
LUCCA, S. Sensoriamento remoto de aerossóis em alta resolução espacial na

região amazônica. 2009. 139f. Dissertação (Mestrado em Ciências) – Universidade
de São Paulo. São Paulo, 2009.
MARQUES FILHO, O.; VIEIRA NETO, H. Processamento digital de imagens.

Rio de Janeiro: Brasport, 1999.
MENESES, P. R. Modelos de cores aplicados às imagens. In: MENESES, P. R.;

ALMEIDA, T. Introdução ao processamento de imagens de sensoriamento
remoto. Brasília, DF: UnB; CNPq, 2012. p. 121-137.
MENESES, P. R.; ALMEIDA, T. Distorções e correções dos dados da imagem. In:

MENESES, P. R.; ALMEIDA, T. (Org.). Introdução ao processamento de imagens
de sensoriamento remoto. Brasília, DF: UnB; CNPq, 2012a. p. 82-102.
MENESES, P. R.; ALMEIDA, T. Ampliação histogrâmica de contraste. In:

MENESES, P. R.; ALMEIDA, T. (org.). Introdução ao processamento de imagens
de sensoriamento remoto. Brasília, DF: UnB; CNPq, 2012b. p. 103-120.
MENESES, P. R.; ALMEIDA, T. Aritmética de bandas. In: MENESES, P. R.;

ALMEIDA, T. (Org.). Introdução ao processamento de imagens de sensoriamento
remoto. Brasília, DF: UnB; CNPq, 2012c. p. 138-152.
MENESES, P. R.; SANO, E. E. Classificação pixel a pixel de imagens. In:

MENESES, P. R.; ALMEIDA, T. (org.). Introdução ao processamento de imagens
de sensoriamento remoto. Brasília, DF: UnB; CNPq, 2012. p. 191-208.
228
ROSA, R. Introdução ao sensoriamento remoto. Uberlândia: EDUFU, 2007.
SAITO, S. M.; SORIANO, E.; LONDE, L. R. Desastres naturais. In: SAUSEN, T.

M.; LACRUZ, M. S. P. Sensoriamento remoto para desastres. São Paulo: Oficina
de Textos, 2015, p. 23-40.
SANTOS, R. F. Planejamento ambiental: teoria e prática. São Paulo: Oficina de

Textos, 2004.
SANTOS, A. R; PELUZIO, T. M. O.; SAITO, N. S. SPRING 5.1.2 passo a passo:

aplicações práticas. Porto Alegre: CAUFES, 2010.
SAUSEN, T. M. Sensoriamento remoto e suas aplicações para recursos naturais.

INPE, São José dos Campos, 20 set. 2020. Disponível em: http://www3.inpe.br/
unidades/cep/atividadescep/educasere/apostila.htm#tania. Acesso em: 20 set.
2020.
SAUSEN, T. M.; LACRUZ, M. S. P. Sistemas sensores e desastres. In: SAUSEN, T.

M.; LACRUZ, M. S. P. Sensoriamento remoto para desastres. São Paulo: Oficina
de Textos, 2015, p. 69-81.
SAUSEN, T. M.; NARVAES, I. S. Sensoriamento remoto para inundação e

enxurrada. In: SAUSEN, T. M.; LACRUZ, M. S. P. Sensoriamento remoto para
desastres. São Paulo: Oficina de Textos, 2015, p. 119-142.
SEINFELD, J. H.; PANDIS, S. N. Atmospheric chemistry and physics from air

pollution to climate change. 2. ed. New Jersey: Willey & Sons, Inc., 2006.
SILVA, R. A. Geotecnologias aplicadas as alterações ambientais em áreas de

preservação permanentes (APPs) da bacia hidrográfica do Ribeirão Campo
Triste/Três Lagoas-MS (2006-2016). 2018. 248f. Dissertação (Mestrado em
Geografia) – Programa de Pós-Graduação em Geografia. Universidade Federal
de Mato Grosso do Sul, Três Lagoas, 2018.
SILVA, T. B.; ROCHA, W. de J. S. da F.; ANGELO, M. F. Quantificação e análise

espacial dos focos de calor no Parque Nacional da Chapada Diamantina - BA. In:
SBSR – Simpósio Brasileiro de Sensoriamento Remoto, 16., 2013, Foz do Iguaçu.
Anais [...]. São José dos Campos: INPE, 2013. p. 6969-6976.
SMITH, M. J.; GOODCHILD, M. F.; LONGLEY, P. A. Geoespatial analysis: a

comprehensive guide to principles techniques and software tools. 5. ed. Leicester:
Troubador Publishing, 2015.
SOUZA, R. B. Sensoriamento remoto dos oceanos. Espaço e geografia, Brasília,

DF, v. 6, n. 1, p. 123-145, 2003.
229
SOUZA, R. B. Introdução à oceanografia por satélites. In: SOUZA, R. B.
Oceanografia por satélites. 2. ed. São Paulo: Oficina de Textos, 2009.
VILELA, M. A. M. A. Metodologia para monitoramento da qualidade da água de

reservatórios utilizando sensoriamento remoto. 2010. 120f. Dissertação (Mestrado
em Engenharia Civil) – Universidade Federal de Uberlândia. Uberlândia, 2010.
ZULLO JUNIOR, J. Correção atmosférica de imagens de satélite e aplicações.

1994. 191f. Tese (Doutorado em Engenharia Elétrica) – Faculdade de Engenharia
Elétrica e Computação, Universidade de Campinas, Campinas, 1994.
230

Sensoriamento Remoto I

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Sensoriamento Remoto I

Enviado por

Direitos autorais:

Formatos disponíveis

Sensoriamento Remoto I

Prof. Adalto Moreira Braz

Revisão, Diagramação e Produção:

Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

Braz, Adalto Moreira

Sensoriamento remoto I. / Adalto Moreira Braz. – Indaial:

230 p.; il.

1. Sensoriamento remoto. - Brasil. II. Centro Universitário

A aplicação do sensoriamento remoto é fundamental para o atual

Este livro coloca à disposição dos acadêmicos uma série de discussões

A Unidade 1 aborda os aspectos históricos do sensoriamento

Na Unidade 2 serão apresentadas as principais características dos sen-

A terceira e última unidade do livro trata da importância da análise

Desejamos uma boa e agradável leitura!

Prof. Adalto Moreira Braz

Na Educação a Distância, o livro impresso, entregue a todos os acadêmicos desde 2005, é

Assim, a UNIASSELVI, preocupando-se com o impacto de nossas ações sobre o ambiente,

Aproveito o momento para convidá-lo para um bate-papo sobre o Exame Nacional de

Olá, acadêmico! Iniciamos agora mais uma disciplina e com ela

Com o objetivo de enriquecer seu conhecimento, construímos, além do livro

Conte conosco, estaremos juntos nesta caminhada!

TÓPICO 1 — HISTÓRIA E EVOLUÇÃO DO SENSORIAMENTO REMOTO......... 3

TÓPICO 2 — PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO.............. 21

UNIDADE 2 — SATÉLITES, SENSORES E NÍVEIS DE COLETA: DIFERENTES

TÓPICO 1 — SATÉLITES E SENSORES IMAGEADORESCOMPARADOS.......... 77

TÓPICO 2 — CARACTERÍSTICAS DAS IMAGENS DE SENSORIAMENTO

UNIDADE 3 — SENSORIAMENTO REMOTO PARA OBSERVAÇÃO DA

TÓPICO 1 — ANÁLISE E INTERPRETAÇÃO DE IMAGENS................................. 159

TÓPICO 2 — PROCESSAMENTO DE IMAGENS ORBITAIS................................. 181

TÓPICO 3 — PRINCIPAIS APLICAÇÕES DO SENSORIAMENTO

ORIGEM, HISTÓRIA E CONCEITOS

• compreender o princípio da origem do sensoriamento remoto e a sua

• conhecer o Programa Espacial Brasileiro, desde seu surgimento,

• entender os fundamentos do sensoriamento remoto, a partir do seu

• entender o conceito de radiação e espectro eletromagnético, e os processos

• perceber os aspectos fundamentais do comportamento espectral dos

TÓPICO 1 – HISTÓRIA E EVOLUÇÃO DO SENSORIAMENTO REMOTO

TÓPICO 2 – PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO

Preparado para ampliar seus conhecimentos? Respire e vamos em

HISTÓRIA E EVOLUÇÃO DO SENSORIAMENTO

Neste tópico, nós daremos início ao admirável mundo do sensoriamento

Inicialmente, iremos compreender a origem do sensoriamento remoto, ou

Vamos conhecer também o Programa Espacial Brasileiro (PEB), que visa

Por fim, veremos os fundamentos do sensoriamento remoto, quais as

No final deste tópico, você estará apto a realizar as autoatividades para

2 PRINCÍPIOS DO SURGIMENTO DO SENSORIAMENTO

• 1860-1960: criação da fotografia e posterior desenvolvimento da fotografia aérea;

Joseph Nicéphore Niepce (1763-1833) apresentou o primeiro resultado

No início de 1840, o francês François Arago intercedeu a utilização de

FIGURA 1 – FOTOGRAFIAS AÉREAS OBTIDAS UTILIZANDO POMBOS COMO PLATAFORMAS DE

FONTE: Adaptada de Baumann (2014)

FIGURA 2 – POMBO SENDO PREPARADO COMO PLATAFORMA DE SENSORIAMENTO REMOTO

FONTE: <https://bit.ly/2I9WK5i>. Acesso em: 21 set. 2020.

Um personagem importante desse período de aprimoramento da

Entretanto, as dificuldades em controlar os balões e pipas para conseguir

FIGURA 3 – FOTOGRAFIA AÉREA PANORÂMICA TIRADA POR GEORGE R. LAWRENCE, EM SÃO

FONTE: Jensen (2009, p. 72)

Portanto, para que as fotografias aéreas se tornassem algo mais prático e

No início da Primeira Guerra Mundial, ocorrida entre 1914 e 1918, utili-

Na Figura 4A, vemos o fotógrafo durante o voo para capturar a fotografia

FIGURA 4 – FOTOGRAFIA AÉREA DURANTE A PRIMEIRA GUERRA MUNDIAL

FONTE: Adaptada de Baumann (2014)

Em 1930, as fotografias coloridas começam a tomar formas, e a partir

De acordo com Baumann (2014), a partir da década de 1920, os primeiros