PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS. Daniel C. Zanotta

Transcrição

1 PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS Daniel C. Zanotta

2 RAZÃO DE BANDAS Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos alvos contidos na cena. Dependendo dos canais utilizados tipos específicos de minerais e vegetação podem ser detectados. Além disso, uma imagem com sombreamento causado pelo relevo pode ter esse efeito atenuado ao se utilizar o produto resultante de uma operação por razão de bandas (correção de efeito topográfico e de iluminação). Ex: Realce de minerais de Ferro = ρ v / ρ A Realce de minerais de Argila = ρ ivm / ρ ivol TM - Landsat ρ v = Reflectância no Vermelho ρ A = Reflectância no Azul ρ ivp = Reflectância no Infravermelho Médio ρ ivol = Reflectância no Infravermelho de Ondas Longas

3 RAZÃO DE BANDAS PROCURA DE ALVOS POR RAZÃO DE BANDAS. É POSSÍVEL NOTAR A DIFERENÇA DE CONTRASTE ENTRE AS BANDAS ORIGINAIS E OS RESULTADOS DAS RAZÕES DE BANDA. B1 B2 B3 B3 / B4 B3 / B1 B5 / B7

4 RAZÃO DE BANDAS PROCURA DE ALVOS GEOLÓGICOS POR COMPOSIÇÕES DE BANDAS: B3/B4 B3/B1 B5/B7

5 RAZÃO DE BANDAS ATRAVÉS DA COMPOSIÇÃO DE BANDAS ORIGINAIS: CLASSIFICAÇÃO: CADA COR REPRESENTA UM TIPO DIFERENTE DE ROCHA PRESENTE NA CENA.

6 RAZÃO DE BANDAS ATRAVÉS DA COMPOSIÇÃO DE RAZÃO DE BANDAS: B3/B4 B3/B1 B5/B7 CLASSIFICAÇÃO: CADA COR REPRESENTA UM TIPO DIFERENTE DE ROCHA PRESENTE NA CENA.

7 RAZÃO DE BANDAS Imagem Aster: O sensor Aster (14 bandas) a bordo dos satélites Terra e Aqua tem sua potencialidade aumentada quando são feitas operações aritméticas com as bandas. Extremamente utilizado para mapeamento geológico.

8 RAZÃO DE BANDAS (ELIMINAÇÃO EFEITO SOMBRA) Exemplo sobre a questão da iluminação A e B são o mesmo alvo (IVP) : 75 (VERM) : 28 (IVP) : 160 (VERM) : 60 Razão: A = 75/28 = 2,66 B = 160/60 = 2,66 Apesar de não haver diferença nenhuma nos alvos A e B, os mesmos encontram-se em inclinações diferentes no terreno. Isso causa uma atenuação da radiação solar incidente. Um sensor enxerga naturalmente o alvo B mais escuro que o A (devido ao sombreamento maior). Seus valores de reflectância registrados serão naturalmente menores. Ao proceder a razão (divisão) das bandas, esse efeito é compensado e a imagem ganha um aspecto mais uniforme onde existem alvos idênticos (como A e B). B A

9 RAZÃO DE BANDAS (ELIMINAÇÃO EFEITO SOMBRA) Sol (VERM) (IVP) Iluminação Sombra Iluminação (VERM) (IVP)

10 SUBTRAIR IMAGENS SUBTRAIR IMAGENS SIGNIFICA SUBTRAIR PIXEL A PIXEL TODOS OS ELEMENTOS DA CENA. ESSA TÉCNICA É MUITO UTILIZADA PARA ESTUDOS DE DETECÇÃO DE MUDANÇAS OCORRIDAS EM UMA REGIÃO ENTRE DUAS DATAS DISTINTAS. (0:255) (0:255) (- 255:255) Imagem de Diferenças

11 Depois Antes ESTUDO MULTITEMPORAL O ESTUDO MULTITEMPORAL COMPREENDE A ANÁLISE FEITA A PARTIR DE UMA SEQUÊNCIA DE IMAGENS QUE COBREM O MESMO LOCAL, MAS ADQUIRIDAS EM DATAS DISTINTAS. Landsat TM1 (Queimadas) ERS1 (Queimadas) Quickbird (danos urbanos)

12 ESTUDO MULTITEMPORAL SETEMBRO 2003 JANEIRO 2004 MUDANÇAS RELACIONADAS À DANOS APÓS UM TERREMOTO MAPA BINÁRIO DE MUDANÇAS

13 Depois Antes ESTUDO MULTITEMPORAL México Abril de 2000 Mapa binário de Mudanças México Maio de 2002

14 ANÁLISE DA IMAGEM DE DIFERENÇAS Img 1 Img 2 Img Dif

15 PRÉ-PROCESSAMENTO: IMAGENS ORIGINAIS IMAGEM T 1 IMAGEM T X1 X2 2 Correção Radiométrica Registro das duas Imagens X 1 X 2 IMAGENS CORRIGIDAS

16 REGISTRO INADEQUADO DAS CENAS Mapa Binário de Mudanças Erro de Registro das Cenas Agosto 1992 Setembro 1997

17 ANÁLISE: Imagem t 1 X 1 X`1 X 2 X`2 Comparação Imagem t 2 Subtração pixel a pixel das correspondentes imagens em cada data Imagens de Diferença XD Análise Algum método de detecção de mudanças aplicado à imagem X D M Mapa de Mudanças

18 ANÁLISE DA IMAGEM DE DIFERENÇAS Img 1 Img 2 Img Dif

19 ANÁLISE: HISTOGRAMA ESPERADO PARA UMA IMAGEM DE DIFERENÇAS Não-Mudança VALORES POSITIVOS E NEGATIVOS Mudança Mudança LIMIAR LIMIAR

20 DEFINIÇÃO DO MAPA DE MUDANÇAS Mapa de Mudanças Img Diferenças

21 PONTO DE REFLEXÃO 1 1) QUAL É A PRINCIPAL FINALIDADE DE UMA RAZÃO DE BANDAS APLICADA A UM DETERMINADO MAPEAMENTO? 2) A RAZÃO DE BANDAS PRODUZ NOVAS BANDAS? 3) O QUE DEFINIRÁ QUAIS BANDAS SÃO UTILIZADAS EM UMA RAZÃO FEITA COM O OBJETIVO DE REALÇAR UM DETERMINADO ALVO? 4) POR QUE A RESOLUÇÃO ESPECTRAL DE UMA IMAGEM ESTÁ DIRETAMENTE LIGADA ÀS POSSIBILIDADES DE SE FAZER RAZÃO DE BANDAS? 5) POR QUE O RESULTADO DE UMA RAZÃO DE BANDAS REDUZ OS EFEITOS DE SOMBREAMENTO NA IMAGEM?

22 PONTO DE REFLEXÃO 2 1) O QUE DEVE DEFINIR QUAL TIPO DE IMAGEM UTILIZAR EM UM DETERMINADO ESTUDO DE DETECÇÃO DE MUDANÇAS? RESOLUÇÕES, ESPACIAL, ESPECTRAL, TEMPORAL. 2) O QUE DEVE DEFINIR A DATA DE AQUISIÇÃO DAS IMAGENS? 3) POR QUE É TÃO IMPORTANTE QUE AS IMAGENS ESTEJAM REGISTRADAS ESPACIALMENTE EM UM ESTUDO DE DM? 4) UMA IMAGEM DE SUBTRAÇÃO CONTÉM INFORMAÇÕES SOBRE AS MUDANÇAS OCORRIDAS NO TERRENO. POR QUE ELA NÃO PODE SER UTILIZADA DIRETAMENTE COMO MAPA DE MUDANÇAS? 5) UM MAPA DE MUDANÇAS BINÁRIO (ZERO OU UM) INFORMA QUAL TIPO DE MUDANÇAS QUE OCORREU NO TERRENO?

23 TM_L5:R/G/B- 3/2/1 NDVI (ou IVDN) Índices Físicos em SR Modelagem de parâmetros biofísicos dos alvos através da aritmética de bandas; Realce de feições através da criação de bandas sintéticas com alta correlação com o fenômeno e\ou alvo estudado criação de índices de: Vegetação; Água; Nuvens; Solo; Plâncton; Rochas; Etc..

24 O que são os Índices Físicos? Medidas radiométricas adimensionais determinam características físicas presentes nos dados coletados via SR; Os Índices Físicos realçam as características de interesse (i.e., Biomassa, CO 2, etc.); IDW ESTUÁRIO DA LAGOA DOS PATOS IDW a h da coluna d água

25 Através da correlação entre estes Índices Físicos e medidas físicas de interesse, é possível determinar medidas indiretas de grandezas físicas de interesse: - presença de vegetação, - concentração de CO 2, - profundidade de corpos d água; - Presença de nuvens -... A determinação destas informações é obtida através de sistemas lineares (ou não lineares) que correlacionam a o CD da imagem com o valor físico de interesse (i.e., CD vs Concentração de CO 2 )

26 Índices de vegetação Indicam a abundância relativa de vegetação (ex.: Índice de Vegetação por Diferença Normalizada NDVI ou IVDN), a atividade da vegetação, incluindo área foliar (ex.: Índice de Área Foliar - IAF), porcentagem de cobertura verde, etc.

27 SR Simple Ratio (ou RS razão Simples) Cohen (1991) sugere que o primeiro índice de vegetação verdadeiro foi a Razão Simples (SR); Razão entre o fluxo radiante no infravermelho próximo e o fluxo radiante no vermelho, como descrito por Birth e McVey (1968); Fornece relevantes informações sobre a biomassa da vegetação, sendo sensível a variações de biomassa para vegetações de grande biomassa, como florestas;

28 SR (ou RS) É um índice físico utilizado no realce da presença de vegetação; Considera a propriedade física da vegetação sadia em refletir fortemente radiações com comprimentos de onda na faixa do infravermelho próximo (IVP); Considera o fato de vegetações sadias absorverem quase a totalidade das radiações eletromagnéticas na faixa do visível;

29 É determinado dividido-se, para um mesmo dado-imagem, o valor da radiância obtido pela reflexão difusa na faixa do IVP pela radiância coletada no mesmo dado-imagem na faixa do visível (Verde); Considerando a maior reflectância na faixa do IVP do que no Visível, encontraremos valores maiores do que a unidade para a presença de vegetação saudável e entre zero e 1 para locais não vegetados (ou com vegetação fenescente).

30 SR (ou RS) Índice razão simples Matematicamente: SR = Valor_pixel(IVP)/Valor_pixel(Visível=verde) Ou para dados dos sensores TM/ETM+ da série LANDSAT: SR = Valor_Pixel(B4)/Valor_Pixel(B2) Com isto obtemos uma imagem com a vegetação realçada e os demais alvos suavizados.

31 EXEMPLOS SR ILHA DA TOROTAMA (TM_5)

32 NDVI (ou IVDN): índice de vegetação por diferença normalizada O NDVI é um índice de vegetação obtido pelo mesmo princípio físico do SR, mas com uma abordagem normalizada; Este índice relaciona as bandas vermelha e infravermelho próximo; Nos sensores TM e ETM+ da série de satélites LANDSAT são empregadas as bandas 3 e 4 (Banda vermelha e VNIR, respectivamente);

33 NDVI (ou IVDN): índice de vegetação por diferença normalizada O primeiro relato de uso de NDVI foi em 1974 por Rouse et al.; A formulação do índice de diferença normalizada para vegetação foi proposta por Kriegler et al. em 1969 como forma de identificação automática de vegetação em dados de imageamento digital; Este índice tem seus valores relacionados à quantidade de biomassa refletora de radiação em um certo pixel;

34 NDVI (ou IVDN): O NDVI é importante porque: Mudanças sazonais e interanuais no desenvolvimento e na atividade da vegetação podem ser monitoradas (i.e., ciclos fenológicos); A razão reduz muitas formas de ruído multiplicativo (i.e., diferenças de iluminação solar, sombras de nuvens, atenuações atmosféricas, variações topográficas, etc.); O NDVI é muito sensível a variações de substrato sob o dossel(i.e., solos visíveis sob o dossel). Os valores de NDVI são particularmente altos com substratos mais escuros

35 SÉRIE LANDSAT NDVI TM_5 Obs.: - NDVI entre -1 e zero: Indica a não presença de cobertura vegetal; - NDVI maior do que zero: Indica a presença relativa de vegetação.

36 SAVI Índice de Vegetação Ajustado para os Efeitos do Solo Determinado pela expressão de HUETE (1988); O IAF, definido como sendo a razão entre a área foliar de toda a vegetação por unidade de área utilizada por essa vegetação, foi calculado pela equação empírica de ALLEN et al. (2002);

37 L é constante, cujo valor mais freqüentemente usado é 0,5 (Accioly et al., 2002; Boegh et al., 2002; Silva et al., 2005); L relaciona a extinção diferencial do fluxo radiante a partir do dossel em direção ao substrato; De forma geral, para os sensores TM e ETM+ L=0,5 minimiza as variações de brilho, eliminando a necessidade de calibrações adicionais.

38 IAF índice de Área Foliar Estima a cobertura em metros-quadrados por pixel proporcionada pela cobertura vegetal;

39 NDWI (ou IADN):. índice de água por diferença normalizada O NDWI é importante porque: Permite estimar o conteúdo de água interno à vegetação, sendo muito úteis na agricultura como subsidio à cálculos de rendimento; Muito útil para estimação de redes hidrológicas, gerando máscaras dos corpos d água; Altamente correlacionado com a coluna do corpo d água (profundidade z), o que permite inferir a batimetria. O NDWI acompanha melhor as variações da quantidade de água armazenada pela vegetação do que o NDVI (Jackson et al, 2004), sendo melhor indicado para este fim.

40 NDWI (ou IADN): O NDWI pode ser determinado, empregando: Já nos sensores TM e ETM+, teremos:

41 NDWI (ou IADN): Para estimativas de batimetria, considera-se um decaimento exponencial entre a intensidade radiante refletida a partir do fundo de um corpo d água e a profundidade deste; Isto permite, a partir de dados pontuais de profundidade já conhecidos e as características da água observada (turbidez e densidade), estimar a profundidade de todo um corpo d água imageado;

42 Imagens NDWI geradas a partir de dados TM_L5, exibidas em escalas de cores (tabelas de cores)

43 NDSI (ou INDN): índice de neve por diferença normalizada Permite o realce e a identificação da presença de neve e nuvens em imageamentos multiespectrais com cobertura do infravermelho e visível; Um limiar (threshold) pode ser aplicado para separar os pixels de nuvens de neve em uma mesma cena; O Algorítmo de detecção automática de nuvens proposto por Irish (2000) usou limiar de 0,7 para o NDSI (este varia de -1 a 1);

44 NDSI (ou INDN): O valor ideal de NDSI varia de uma cena para outra; Usualmente, o maior emprego do NDSI ocorre em dados MODIS e LANDSAT(TM e ETM+); Provedores de imagens orbitais utilizam o NDSI para determinar a cobertura de nuvens sobre uma imagem;

45 Para os Sensores TM e ETM+ (série LANDSAT): Atualmente o NDSI é aplicado no monitoramento das coberturas de neve globais, estimando: Albedo terrestre médio; variáveis do balanço de radiação terrestre; Impactos climápaticos sobre a cobertura de gelo terrestre (Criosfera);

46 Exemplo do NDSI ETM+_L7 B4/B3/B2- R/G/B NDSI Realçado (*10)

47 PONTO DE REFLEXÃO 3 1) QUAIS SÃO OS VALORES MÁXIMOS E MÍNIMOS QUE O NDVI PODE ALCANÇAR? 2) É POSSÍVEL CALCULAR O NDVI DE UMA FOTOGRAFIA OU IMAGEM QUALQUER? 3) O NDVI É PROPORCIONAL À QUANTIDADE DE BIOMASSA (QUANTIDADE DE VEGETAÇÃO) PRESENTE NO PIXEL? 4) O NDVI PARA IMAGENS DE SENSORES DIFERENTES SEMPRE PRODUZ O MESMO VALOR? 5) O VALOR DE NDVI IGUAL A ZERO INDICA AUSÊNCIA TOTAL DE VEGETAÇÃO NO PIXEL?