Machine Translated by Google

Arquivos Internacionais de Fotogrametria, Sensoriamento Remoto e Ciências da Informação Espacial, Volume XLII-1/W2, 2019
Avaliação e Benchmarking de Sensores, Sistemas e Dados Geoespaciais em Fotogrametria e Sensoriamento Remoto, 16–17 de setembro de 2019, Varsóvia, Polônia

IMAGENS SENTINEL-2 PARA MAPEAMENTO E MONITORAMENTO DE IMPERVIOZ

EM ÁREAS URBANAS

G. Kuc 1,*, J. Chormaÿski 1

1
Universidade de Ciências da Vida de Varsóvia, Faculdade de Engenharia Civil e Ambiental, Varsóvia, Polônia - g.kuc@levis.sggw.pl

Comissão I, GT I/10

PALAVRAS-CHAVE: sentinela-2, alcance planetário, impermeabilidade, mudanças climáticas, áreas urbanas

ABSTRATO:

Hoje em dia é necessário tomar medidas para descobrir soluções inovadoras para reduzir os efeitos negativos das alterações climáticas nas áreas
urbanas. As cidades enfrentam múltiplos desafios na gestão da água e na protecção contra inundações à escala local, especialmente tendo em conta
um clima futuro incerto e uma população em rápido crescimento. A densidade das superfícies impermeáveis (telhados e pavimentos) é um elemento
chave na avaliação dos processos hidrológicos e na ocorrência do escoamento superficial – o principal componente do ciclo da água na captação
urbana. As imagens de satélite são dados poderosos e atualizados para estimar o impacto humano no espaço urbano. Destaca-se também a
possibilidade de utilização desses resultados em estudos de desenvolvimento urbano de acordo com a adaptação das cidades às mudanças climáticas.
A constelação Copernicus SENTINEL traz à tona o potencial de fornecer imagens de satélite gratuitas e de alta qualidade que permitem estimar
parâmetros relacionados à estrutura e impermeabilidade urbana. Os dados multitemporais do Sentinel-2 são amplamente utilizados para calcular os
índices de expansão urbana. O índice de diferença acumulada normalizada (NDBI) e o índice de vegetação de diferença normalizada (NDVI),
indicadores que fornecem informações sobre o efeito ilha de calor urbano, são úteis para a detecção de alterações na percentagem de impermeabilidade
em áreas urbanas. O principal objetivo desta pesquisa é a fusão de dados MSI SENTINEL-2 multitemporais e multi-resolução para desenvolver uma
abordagem nova e inovadora para melhorar a gestão da água em bacias hidrográficas urbanas em escala local, fornecendo dados de entrada valiosos para o modelo hid
Os resultados obtidos foram comparados por comparação quantitativa com o HRL de Impermeabilidade do Programa Copernicus, comparação visual
com dados do OpenStreetMap, bem como comparação qualitativa com os dados de alta resolução do Planet.

1. INTRODUÇÃO imagens. Este indicador também é sensível à nebulosidade, mas a

Devido às alterações climáticas, é necessário tomar medidas para mitigar
os efeitos negativos. As mudanças mais severas ocorrem em centros
urbanos em rápido desenvolvimento. A densidade da superfície
impermeável desempenha um papel fundamental na formação dos
processos hidrológicos e afeta o ciclo da água nas áreas urbanas. (Shuster et recursos
Porém, para fins de análise, há necessidade de utilizar dados abertos e
software de código aberto para imagens de satélite. A constelação
Copernicus SENTINEL e outros satélites baseados
os produtos são dados gratuitos de alta qualidade, capazes de estimar
parâmetros relacionados a áreas urbanas e questões ambientais
(Cornelia, 2018). Além disso, as aplicações ESA Sentinel Toolbox
(SNAP) são uma ferramenta perfeita para processamento e análise de
Observação da Terra devido à sua funcionalidade inovadora e ao
download gratuito. (ESA, 2019) Os satélites SENTINEL também
proporcionam a capacidade de validação independente dos resultados
apresentados porque o acesso à base de dados é igual para todos.
(Christiansen et al., 2018)
Atualmente, alguns produtos operacionais, como a “Camada de
Impermeabilidade de Alta Resolução Copernicus”, estão disponíveis
gratuitamente para avaliar a informação necessária, mas a frequência
das suas atualizações ainda é muito limitada (de 3 em 3 anos). Imagens
de satélite de alta resolução disponibilizam dados com revisitas em curto
espaço de tempo e encontram aplicação prática em quase todos os
campos científicos (Lefebvre et al., 2016). O mais comum e amplamente utilizado
O índice para monitorar as mudanças no uso da terra é o Índice de
Vegetação por Diferença Normalizada (NDVI). No entanto, calcular o
NDVI derivado de satélite é muitas vezes difícil, pois as imagens do
SENTINEL-2 são inerentemente ruidosas devido à contaminação
atmosférica e de nuvens, falhas no processamento de dados e mau
funcionamento do instrumento. (Robinson et al., 2017) Outro indicador
importante no mapeamento de áreas urbanas é o Índice de Acumulação
de Diferença Normalizada, que pode ser calculado usando SENTINEL-2
investigação indica que pode ser utilizado como um índice complementar
dos efeitos das ilhas de calor urbanas à superfície ao NDVI
tradicionalmente aplicado. (Macarof e Statescu, 2017) A outra vantagem é 12-
ciclo de repetição diária para que os dados possam ser usados para
resolver vários problemas ambientais. O maior desafio é combinar estes
al., 2015)de forma que seja possível obter informações mais confiáveis
sobre superfícies impermeáveis em espaços urbanos.
Outra tarefa é encontrar uma fonte valiosa de informações para validação
dos resultados da pesquisa. Isto poderia ser alcançado através da
comparação com dados de alta resolução (Planet Scope) e outros
produtos Copernicus, como a camada de impermeabilidade de alta
resolução.
2. ÁREA DE ESTUDO
A área de estudo está localizada em Varsóvia (Fig. 1) – a maior cidade
e capital da Polónia. A metrópole fica às margens do rio Vístula e a sua
população é estimada em 1,78 milhões de residentes numa grande área
metropolitana de 3,1 milhões de residentes, o que faz de Varsóvia a 8ª
capital mais populosa da União Europeia.
3. DADOS
Este estudo utilizou uma cena Sentinel-2 (data de aquisição: 08.08.2018),
imagens Planet Scope e a impermeabilidade Copernicus HRL para o
ano de 2015. Além disso, as imagens HR do Google Earth e dados do
Open Street Map foram utilizados para interpretação visual do resultados.
Todo o processamento e análise de imagens foi realizado no ESA SNAP
Desktop e QGIS Desktop.

Esta contribuição foi revisada por pares.

https://doi.org/10.5194/isprs-archives-XLII-1-W2-43-2019 | © Autores 2019. Licença CC BY 4.0. 43
Machine Translated by Google
Arquivos Internacionais de Fotogrametria, Sensoriamento Remoto e Ciências da Informação Espacial, Volume XLII-1/W2, 2019
Avaliação e Benchmarking de Sensores, Sistemas e Dados Geoespaciais em Fotogrametria e Sensoriamento Remoto, 16–17 de setembro de 2019, Varsóvia, Polônia

períodos de tempo. A impermeabilidade HRL capta a distribuição espacial

das áreas seladas artificialmente, incluindo o nível de impermeabilização do
solo por unidade de área. O nível de solo impermeabilizado (grau de
impermeabilidade 1-100%) é produzido através de uma classificação
semiautomática, baseada em NDVI calibrado. (ESA, 2019)

Figura. 1. Área de pesquisa (CLC 2018, GUGiK)

3.1 Imagens do Sentinel-2

SENTINEL-2 é uma missão europeia de imagem multiespectral de alta

resolução e ampla faixa. A especificação completa da missão dos satélites
gêmeos voando na mesma órbita, mas em fase de 180°, foi projetada para
fornecer uma alta frequência de revisitas de 5 dias no Equador. O
SENTINEL-2 carrega uma carga útil de instrumento óptico que amostra
Figura 2. Camada de Impermeabilidade de Varsóvia. (Programa Copérnico,
13 bandas espectrais: quatro bandas a 10 m, seis bandas a 20 m e três
2015)
bandas a 60 m de resolução espacial. A largura da faixa orbital é de 290
km. Os principais objetivos desta missão são aquisições globais sistemáticas
Os dados de impermeabilidade estão disponíveis para os anos de referência
de imagens multiespectrais de alta resolução aliadas a uma alta frequência
2006, 2009, 2012 e 2015 e contêm dois tipos de produtos: camadas de
de revisita, continuidade de imagens multiespectrais fornecidas pela série
estado (resolução espacial de 20m e 100m) e camadas de mudança para
de satélites SPOT e pelo instrumento USGS LANDSAT Thematic Mapper e
cada um dos períodos de 3 anos entre os 4 anos de referência (2006 -
dados de observação para o próximo geração de produtos operacionais,
2009, 2009-2012, 2012-2015 e adicionalmente para o período 2006-2012).
como mapas de cobertura do solo, mapas de detecção de mudanças no
(ESA, 2019)
solo e variáveis geofísicas. Estes objetivos de alto nível, determinados após
consulta aos utilizadores, garantirão que o SENTINEL-2 dê um contributo
3.3 Imagens do Planet Scope
significativo para temas do Copernicus, como as alterações climáticas, a
monitorização de terras, a gestão de emergências e a segurança. (ESA)
As imagens de satélite Planet Scope são capturadas como uma faixa
contínua de imagens de quadro único conhecidas como “cenas”. As cenas
podem ser adquiridas como um único quadro RGB (vermelho, verde, azul)
ou um quadro dividido com metade RGB e metade NIR (infravermelho
3.2 Camadas de alta resolução Copernicus – Grau de impermeabilidade
próximo), dependendo da capacidade do satélite. Nesta pesquisa foi
utilizada a Cena Ortolítica Analítica Planet Scope para mapeamento de
áreas urbanas. Este produto consiste em dados multiespectrais
As camadas pan-europeias de alta resolução (HRL) fornecem informações
ortorretificados da constelação de satélites que foram processados para
sobre características específicas de cobertura do solo e são complementares
permitir que os pesquisadores forneçam produtos de informação para
ao mapeamento da cobertura/uso do solo, como nos conjuntos de dados
ciência de dados e outros fins.
de cobertura do solo CORINE (CLC) (Fig. 2). Os HRLs são produzidos a
partir de imagens de satélite através de uma combinação de processamento
As imagens Planet Scope são projetadas para uma ampla variedade de
automático e classificação interativa baseada em regras.
aplicações que exigem imagens com geolocalização precisa e projeção
Desde a produção do ano de referência de 2015, a produção baseia-se
cartográfica. As imagens foram processadas para remover distorções
cada vez mais em séries cronológicas de imagens de satélite provenientes
causadas pelo terreno e podem ser usadas para muitos
de vários sensores diferentes, incluindo a combinação de dados ópticos e
ciência de dados e aplicações analíticas. Elimina o efeito de perspectiva no
de radar. A principal fonte são os satélites Sentinel (em particular Sentinel-2
solo (não nos edifícios), restaurando a geometria de um plano vertical. A
e Sentinel-1). Além dos dados de alta resolução (HR), desde 2015, foram
Cena Ortolítica Analítica do Planet Scope é ideal para processamento de
utilizadas imagens de altíssima resolução (VHR) para alguns dos produtos.
imagens de valor agregado, como classificações de cobertura do solo. As
(ESA, 2019)
imagens têm correções radiométricas aplicadas para corrigir quaisquer
artefatos do sensor e transformação para brilho no sensor. (Planeta, 2019)
Os produtos de impermeabilização fornecem informações sobre a
porcentagem e alteração da impermeabilização do solo. As áreas
urbanizadas são caracterizadas pela substituição da cobertura original
(semi-)natural do solo ou da superfície da água por uma cobertura artificial,
muitas vezes impermeável. Estas superfícies artificiais são geralmente mantidas por longos períodos

Esta contribuição foi revisada por pares.

https://doi.org/10.5194/isprs-archives-XLII-1-W2-43-2019 | © Autores 2019. Licença CC BY 4.0. 44
Machine Translated by Google
Arquivos Internacionais de Fotogrametria, Sensoriamento Remoto e Ciências da Informação Espacial, Volume XLII-1/W2, 2019
Avaliação e Benchmarking de Sensores, Sistemas e Dados Geoespaciais em Fotogrametria e Sensoriamento Remoto, 16–17 de setembro de 2019, Varsóvia, Polônia

5. RESULTADOS

Este estudo concentra-se no mapeamento de áreas urbanas para que todos os

Figura 3. Exemplo de imagem de alta resolução do Planet Scope – parte
da cidade de Varsóvia (Planet, 2018)
4. METODOLOGIA
4.1 Mapeamento de áreas construídas com NDVI
A proporção NDVI pode ser determinada a partir da contribuição do comprimento
de onda visível e dos comprimentos de onda do infravermelho próximo. A
primeira etapa incluiu a detecção de nuvens e sombras de nuvens. Esta etapa
é muito importante porque as nuvens podem impactar os resultados do NDVI.
Para este efeito, foi utilizada a máscara de nuvens preparada pela ESA para
remover nuvens das imagens.
As coberturas do solo mapeadas foram classificadas em apenas duas
categorias: superfície impermeável e todas as outras. No início, a precisão da
classificação da superfície impermeável foi avaliada principalmente
espacialmente. A discrepância espacial entre o mapa
e os limites reais nas camadas abertas do mapa de ruas foram ilustrados na
figura 4 e na figura 5.
Mostra que o limite vectorizado das áreas construídas mapeadas corresponde
estreitamente com o limite real das áreas construídas nesta parte da imagem.
Os resultados obtidos mostram que todos os índices/dados calculados
produzidos podem ser adequados para detecção de áreas urbanas. Uma
análise inicial e uma avaliação visual baseada em dados do Open Street Map
indicam que tanto o NDVI (Fig. 4) quanto o NDBI (Fig. 5)
Os índices são uma fonte confiável de informações sobre superfícies
impermeáveis em espaços urbanos.

Posteriormente, o NDVI foi calculado com o método bem conhecido como

segue:

Em seguida, a máscara impermeável foi obtida utilizando valores limite para

NDVI.
Figura 4. Comparação da superfície impermeável mapeada com base no
NDVI com o mapa de ruas aberto.
4.2 Mapeamento de áreas construídas com NDBI

O Índice de Acumulação de Diferença Normalizada (NDBI) destaca áreas
urbanas com maior refletância na faixa espectral do infravermelho de ondas
curtas (SWIR).
Portanto, o NDBI foi calculado da seguinte forma:s:
Os resultados também indicam que o limite da superfície impermeável calculado
com base no NDVI corresponde mais de perto com a impermeabilidade
mapeada no Open Street Map do que a mesma análise baseada no NDBI. Isso
pode ser causado pela resolução mais baixa da banda B11 (20 m) em
comparação com outras bandas Sentinel-2 (10 m).

No caso das imagens do SENTINEL-2, a banda SWIR tem resolução de 20 m,

portanto, antes do cálculo, foi necessário reamostrar os dados para resolução
inferior. Portanto, o resultado final também será obtido com resolução de 20 m.

4.3 Identificação de áreas urbanas com imagens do Planet Scope

A Cena Ortolítica Analítica do Planet Scope permite produzir imagens

multiespectrais de 4 bandas (azul, verde, vermelho, infravermelho próximo).
Devido à gama limitada de bandas, optou-se por utilizar aquele dos indicadores Figura 5. Comparação da superfície impermeável mapeada com base no

mais conhecidos e utilizados para mapeamento de áreas urbanas – Índice de NDBI com o mapa de ruas aberto.
Vegetação por Diferença Normalizada.
Na etapa seguinte, os resultados obtidos foram comparados com imagens de
O NDVI é calculado de forma semelhante ao SENTINEL-2: alta resolução do Planet Scope. A discrepância espacial

Esta contribuição foi revisada por pares.

https://doi.org/10.5194/isprs-archives-XLII-1-W2-43-2019 | © Autores 2019. Licença CC BY 4.0. 45
Machine Translated by Google
Arquivos Internacionais de Fotogrametria, Sensoriamento Remoto e Ciências da Informação Espacial, Volume XLII-1/W2, 2019
Avaliação e Benchmarking de Sensores, Sistemas e Dados Geoespaciais em Fotogrametria e Sensoriamento Remoto, 16–17 de setembro de 2019, Varsóvia, Polônia
entre essas coleções foi ilustrada na figura 6 e na figura 7.
Como podemos observar, o valor médio do NDVI foi apropriado para áreas
urbanas e solo descoberto em comparação com imagens de satélite de alta
resolução Planet Scope. Esse foi o melhor resultado para classificação de
áreas urbanas com o uso de imagens SENTINEL.
Figura 6. Comparação dos produtos SENTINEL-2 NDVI com Planet
Scope.
Figura 7. Comparação dos produtos SENTINEL-2 NDVI com Planet
Scope.
Com base no mapa acima, alguns erros podem ser observados na classificação
das áreas impermeáveis. Diz respeito principalmente às zonas com menor
densidade edificada e com maior predominância de zonas verdes. No entanto,
áreas com alta densidade construtiva e superfícies impermeáveis foram
classificadas como apropriadas.
Em seguida, os melhores resultados do mapeamento de superfícies
impermeáveis com base no NDVI foram comparados com as camadas de alta
resolução do Copernicus (Fig. 8). Foi identificada diferença mais significativa
entre os dois recursos. Os dados do HRL são menos detalhados em
comparação com o NDVI calculado com base nas imagens do SENTINEL-2.
Esta contribuição foi revisada por pares.
https://doi.org/10.5194/isprs-archives-XLII-1-W2-43-2019 | © Autores 2019. Licença CC BY 4.0.
Figura 8. Comparação dos produtos SENTINEL-2 NDVI com
Copernicus HRL
Como pode ser visto no mapa acima, algumas das novas áreas impermeáveis
áreas que não foram incluídas nos dados do HRL também foram identificadas
com base nas imagens do SENTINEL-2.
6. DISCUSSÃO
O objetivo desta pesquisa foi aumentar a diferenciação entre áreas construídas
e não construídas, processando
Dados do SENTINEL-2. O resultado obtido mostra que a melhor precisão foi
adquirida para o mapeamento urbano baseado em NDVI. A menor
compatibilidade espacial dos resultados do NDBI pode ser independente da
resolução das faixas utilizadas para cálculo deste indicador. Uma comparação
quantitativa dos resultados obtidos com o Grau de Impermeabilidade fornecido
no âmbito do Programa Copernicus pode ser difícil devido à discrepância
temporal. Os dados do HRL estão disponíveis para o ano de 2015, enquanto
as imagens de satélite foram adquiridas para o ano de 2018. No entanto, a
análise comparativa visual indica que as superfícies impermeáveis identificadas
com base em imagens de satélite são mais detalhadas do que os produtos
Copernicus.
7. CONCLUSÃO E TRABALHOS FUTUROS
Este estudo poderia demonstrar o valor dos dados SENTINEL para identificação
de áreas urbanizadas. Os resultados revelaram que os indicadores calculados
e o mapeamento de pegadas urbanas com imagens SENTINEL-1 são
adequados para análise de superfícies impermeáveis em cidades em rápido
desenvolvimento. Usando esses dados, podemos obter resultados semelhantes
a imagens de alta resolução que consomem muito dinheiro. O melhor resultado
foi adquirido para o indicador NDVI. No caso do NDBI é necessário aprimorar
a metodologia proposta para conseguir obter melhores resultados. Os trabalhos
futuros incidirão no refinamento da metodologia de identificação e classificação
de superfícies impermeáveis utilizando
dados de satélite SENTINEL e outros métodos. Inclui também a comparação
dos resultados obtidos com dados de UAV de alta resolução.
REFERÊNCIAS
Cornelia, Ana Maria, 2018. Vantagens de identificar a pegada urbana usando
o Sentinel-1. Congresso FIG 2018 Abraçando nosso mundo inteligente onde
os continentes se conectam: melhorando a maturidade geoespacial das
sociedades. Istambul, Turquia, 6 a 11 de maio de 2018.
Lefebvre, Antoine & Sannier, Christophe & Corpetti, Thomas, 2016.
Monitoramento de áreas urbanas com dados do Sentinel-2A:
46
Machine Translated by Google
Arquivos Internacionais de Fotogrametria, Sensoriamento Remoto e Ciências da Informação Espacial, Volume XLII-1/W2, 2019
Avaliação e Benchmarking de Sensores, Sistemas e Dados Geoespaciais em Fotogrametria e Sensoriamento Remoto, 16–17 de setembro de 2019, Varsóvia, Polônia

Aplicação à Atualização do Grau de Impermeabilidade da Camada de

Alta Resolução Copernicus. Sensoriamento remoto. 8. 606. 10.3390/
rs8070606.

Macarof P., Statescu F., 2017. Comparação de NDBI e NDVI como

indicadores do efeito de ilha de calor urbana de superfície em imagens
Landsat 8: um estudo de caso de Iasi. Atual Meio Ambiente e
Desenvolvimento Sustentável. DOI:
https://doi.org/10.1515/pesd-2017-0032

Equipe Planeta (2017). Interface do programa de aplicação Planet: In

Space for Life São Francisco, CA.
sobre Terra.
https://api.planet.com

Equipe de Desenvolvimento QGIS (ANO). Sistema de Informação

Geográfica QGIS. Projeto de Fundação Geoespacial de Código Aberto.
http://qgis.osgeo.org

Robinson, NP; Allred, BW; Jones, MO; Moreno, A.; Kimball, JS; Naugle,
DE; Erickson, TA; Richardson, AD
Um produto dinâmico do índice de vegetação por diferença normalizada
derivada do Landsat (NDVI) para os Estados Unidos contíguos.
Sensor Remoto 2017, 9 863. DOI: doi.org/10.3390/rs9080863

Shuster, William & Bonta, J & Thurston, H & Warnemuende, E & R.

Smith, D. (2005). Impactos da superfície impermeável na hidrologia das
bacias hidrográficas: uma revisão. Jornal Água Urbana - ÁGUA URBANA
J. 2. 263-275. 10.1080/15730620500386529.

SNAP - Plataforma de aplicação ESA Sentinel v2.0.2, http://step.esa.int

Esta contribuição foi revisada por pares.

https://doi.org/10.5194/isprs-archives-XLII-1-W2-43-2019 | © Autores 2019. Licença CC BY 4.0. 47