SIMULAÇÃO ESPECTRAL DE DADOS MULTIESPECTRAIS DO COMPORTAMENTO ESPECTRAL DE UM CORPO D ÁGUA A PARTIR DE DADOS HIPERESPECTRAIS

Transcrição

1 p SIMULAÇÃO ESPECTRAL DE DADOS MULTIESPECTRAIS DO COMPORTAMENTO ESPECTRAL DE UM CORPO D ÁGUA A PARTIR DE DADOS HIPERESPECTRAIS REJANE ENNES MARIA DE LOURDES BUENO TRINDADE GALO Universidade Estadual Paulista - UNESP Faculdade de Ciências e Tecnologia - FCT Programa de Pós-Graduação em Ciências Cartográficas Departamento de Cartografia rejane_e@yahoo.com.br, mlourdes@fct.unesp.br RESUMO - O estudo dos ecossistemas aquáticos tem sido de fundamental importância nos dias atuais, pois permite o planejamento de ações de uso sustentável deste recurso que vem sendo degradado constantemente por ações antrópicas. Nesse sentido, o Sensoriamento Remoto mostra-se uma ferramenta eficaz, por registrar a variação espacial e temporal de parâmetros indicadores da qualidade da água. Essas características aliadas ao potencial espectral de imagens hiperespectrais trouxe novas perspectivas para estudos de ambientes aquáticos, tornando possível também identificar de modo mais acurado as regiões espectrais mais influenciadas por COAs (Componentes Opticamente Ativos). O grande benefício na identificação dessas regiões espectrais é a possibilidade de analisar de modo eficiente às respostas espectrais extraídas de sensores multiespectrais tradicionais e ainda obter um melhor ajuste da abrangência espectral de bandas de sensores em construção. Assim, com o objetivo de analisar a qualidade do posicionamento e abrangência espectral das bandas de sensores multiespectrais tradicionais na identificação de COAs, uma imagem hiperespectral foi adquirida simultaneamente com a concentração de COAs em pontos amostrais georreferenciados. Após os pré-processamentos necessários, foram simuladas curvas espectrais dos sensores MODIS, CBERS/CCD e LANDSAT/TM e correlacionadas com COAs. Os resultados obtidos indicam que o sensor MODIS possui bandas espectrais melhor posicionadas para estudos em ambientes aquáticos. ABSTRACT - The study of aquatic ecosystems is important nowadays, because it allows the planning of actions for sustainable use of that resource that has constantly been degraded by human actions. Thus, the remote sensing proves to be an effective tool for recording the spatial and temporal parameters indicators of water quality. Those characteristics, combined with the potential hyperspectral images have opened new perspectives for studies of aquatic environments, making it possible to identify accurately the spectral regions affected by OACs (Optically Active Constituents). The great benefit of identifying those spectral regions is the ability of adjustment of the range of spectral bands multispectral sensors and the possibility of analyze spectral responses from traditional multispectral sensors. Thus, with the objective of analyzing the efficiency of the spectral range of traditional multispectral sensors to identify COAs, a hyperspectral image was acquired simultaneously with the concentration of OACs in georeferenced points. After the pre-processing, were simulated spectral curves of the sensors MODIS, CBERS/CCD and LANDSAT / TM and correlated with OACs. The results indicate that the MODIS spectral bands have better positioning for studies in aquatic environments. 1 INTRODUÇÃO As atividades de monitoramento e avaliação da qualidade dos corpos d água são indispensáveis para um manejo adequado e aprimoramento de sua qualidade. No Brasil, a principal rede hidrológica básica de monitoramento (Agência Nacional de Águas - ANA), realiza a coleta e análise de dados de qualidade de água em 969 rios do território brasileiro, com base em métodos convencionais de coleta, sendo realizadas 4 campanhas por ano, em 1276 estações, o que representa uma densidade de amostragem inferior a 15 x 10-5 amostras por km 2. Essa cobertura insuficiente do território brasileiro aliado à falta de agilidade entre a coleta e sua disponibilidade dos dados para o uso, torna o sistema de monitoramento falho (NOVO, 2007). É nesse contexto que a tecnologia de Sensoriamento Remoto se insere como fonte de

2 informação a ser integrada às técnicas convencionais, devido à natureza sinóptica dos dados e capacidade de imageamento de grandes áreas da superfície terrestre. Observando o grande potencial dessa ferramenta, diversas tecnologias surgiram, dentre as quais, podemos citar os sensores orbitais de altíssima resolução espectral, capazes de fornecer medidas radiométricas em bandas estreitas e contínuas para cada pixel da imagem, definindo curvas espectrais com potencial de discriminar diferentes componentes da matéria, com a vantagem de oferecer uma abrangência espacial, que viabiliza verificar a variação espacial e temporal de alvos da superfície terrestre (GREEN et al., 1998). Em se tratando de ambientes aquáticos, as contribuições são inúmeras, já que permitem investigar a origem e o deslocamento de substâncias específicas em suspensão ou dissolvidas na água que causam mudanças na sua resposta espectral (JENSEN, 2002). Todavia, imagens obtidas por sensores hiperespectrais ainda são de difícil acesso, sendo normalmente obtidas em plataformas aerotransportadas, o que aumenta o custo na aquisição de cenas, ou no caso de dados orbitais como o Hyperion, adquirem dados em faixas de imageamento de largura estreita (7,5 km), que torna o sensor inadequado para o estudo de grandes corpos d água e ainda ocorre uma baixa freqüência de recobrimento, que inviabiliza análise no tempo (NOVO, 2007). Mas, em virtude das grandes revelações científicas, a análise de dados hiperespectrais ainda possui um vasto universo de exploração. Uma das possibilidades para estudos em ambientes aquáticos é a investigação de regiões espectrais específicas, onde ocorrem intensa interação da energia eletromagnética com a água e seus Componentes Opticamente Ativos (COAs). Essa particularidade torna possível analisar de modo mais eficiente às respostas espectrais extraídas de sensores multiespectrais tradicionais e obter um melhor ajuste no posicionamento e abrangência espectral das bandas na construção de sensores multiespectrais. Análises desse tipo são de fundamental importância, visto que imagens multiespectrais possuem poucas bandas espectrais, caracterizando um sistema mais simplificado, permitindo o usuário ter total controle no processo de calibração absoluta e processamento dos dados, além de serem menos custosos (PONZONI et al., 2007). Essas características, aliadas a alta temporalidade dos dados de diversos sensores disponíveis no mercado, podem auxiliar a comunidade gestora de recursos hídricos no domínio das mudanças do comportamento dos corpos d água, facilitando a tomada de decisões. Diante disso, o presente trabalho realiza uma análise em dados obtidos com o sensor Hyperion, relacionando suas informações espectrais altamente detalhadas com a abrangência espectral de sensores multiespectrais tradicionais, buscando apresentar a eficiência da localização e abrangência espectral dos sensores multiespectrais na identificação de COAs, tornando possível a indicação de um sensor multiespectral p disponível no mercado com especificidades para estudos em ambientes aquáticos. 2 ABORDAGEM METODOLÓGICA O Reservatório de Itupararanga localiza-se no Estado de São Paulo, próximo à cidade de Sorocaba. A Figura 1 mostra sua localização no estado. As coordenadas no sistema de projeção UTM e datum WGS84, referentes à parte central do reservatório são E (m): ,185 e N (m): ,742 com e zona UTM 23. Em sua região circundante, observou-se um intenso uso agrícola, empreendimentos imobiliários e atividade pecuária, caracterizada por ser um sistema extensivo de baixa produtividade. Figura 1 Reservatório de Itupararanga SP O desenvolvimento do trabalho teve início com a realização de uma campanha de campo para medir dados limnológicos em 13 pontos de coleta para variável pigmentos totais (clorofila a + feofitina a) e 26 pontos para as demais variáveis no dia 09 de outubro de 2007, cobrindo um segmento do reservatório, em que a imagem Hyperion foi adquirida simultaneamente. Para a distribuição dos pontos de coleta e análise da água ao longo do reservatório, definiu-se um esquema de amostragem, em que utilizou-se cenas ETM+/Landsat tomadas em maio de 2003 e de maio de Em cada elemento amostral, foram coletadas as seguintes variáveis limnológicas: transparência (penetração vertical da luz solar na coluna d água com o disco de Secchi), em metros, ph, condutividade elétrica (µs/cm), temperatura, sólidos em suspensão, sólidos dissolvidos, sólidos totais, oxigênio dissolvido (mg/l), turbidez (NTU-Nephelometric Turbidity Unit) e pigmentos totais (medida indireta de clorofila em µg/l). O sistema de posicionamento Global Positioning System (GPS) foi usado para registrar a localização geográfica. Após a aquisição da imagem hiperespectral Hyperion, foram realizados pré-processamentos como remoção de pixels anômalos, correção atmosférica, ajuste geométrico, aplicação de máscaras para isolar o corpo d água, entre outros. Na remoção de pixels anômalos foi utilizada a metodologia proposta por Goodenough et al.

3 (2003) e Han et al. (2002), sendo substituída a resposta radiométrica dos pixels nas faixas ruidosas pela média de seus vizinhos na direção horizontal. Para correção dos efeitos atmosféricos da imagem Hyperion, optou-se em utilizar o módulo FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) que tem como base o código MODTRAN4, disponível comercialmente no software ENVI 4.4. Esse algoritmo procura minimizar os efeitos de espalhamento e absorção dos gases da atmosfera. O georreferenciamento da imagem foi realizado no software ENVI 4.4, utilizando-se quatorze pontos de controle sobre feições correspondentes entre a imagem Hyperion e uma imagem ETM+/Landsat, que serviu como referência. Para a transformação foi usado um polinômio do primeiro grau, adotando-se o sistema de projeção UTM, datum WGS-84 e zona UTM 23. Após o georreferenciamento, foi avaliado o resíduo em unidades de pixel, seguido pela reamostragem dos pixels da cena Hyperion pelo método de vizinho mais próximo. Na seqüência, nos pontos amostrais georrefenciados, em que se coletaram variáveis limnológicas, foram sobrepostos da imagem Hyperion, e nos pixels geograficamente correspondentes aos locais dos elementos amostrais, foram extraídas curvas espectrais a partir da média de 3x3 pixels na imagem. Para suavizar as curvas e evitar a presença de possíveis ruídos remanescentes e também reduzir as oscilações radiométricas, ainda observadas nos espectros Hyperion, os dados foram filtrados utilizando-se um filtro de média móvel simples com três pontos (bandas) (TSAI; PHILPOT, 1998). O filtro de média móvel calcula uma média dos valores espectrais de todos os pontos dentro de um intervalo discreto, com tamanho pré-especificado. Essa média então é definida como o novo valor do ponto central da janela. A aplicação do filtro nos espectros Hyperion reduziu algumas oscilações radiométricas introduzidas pela baixa razão sinal/ruído deste sensor. Após obtenção das curvas espectrais do sensor Hyperion, primeiramente delimitou-se a região espectral, em que a água é capaz de provocar alterações significativas na resposta espectral ( nm). Para verificar a aplicabilidade da localização e abrangência das bandas espectrais de sensores multiespectrais, foi feita uma simulação da resposta espectral de diferentes sensores, utilizando a abrangência espectral e o posicionamento das bandas dos sensores LANDSAT/TM, CCD/CBERS e MODIS (Produto MOD 09 - Surface Reflectance). Assim, selecionaram-se nos dados Hyperion os valores de reflectância localizados no intervalo espectral das bandas dos sensores multiespectrais, no qual, posteriormente se calculou a média para obtenção de um único valor de reflectância representativo da resposta espectral de cada banda dos sensores multiespectrais. Como o sensor Hyperion possui resolução espectral de 10 nm, em alguns casos houve a necessidade de interpolar os valores das extremidades para que houvesse uma perfeita compatibilidade abrangência espectral dos dados Hyperion com as bandas dos sensores tradicionais. p Com as curvas multiespectrais estruturadas, observou-se a relação existente entre elas e a concentração de COAs, sendo que as correlações mais elevadas mostram os sensores tradicionais com bandas espectrais melhor localizadas para estudos em ambientes aquáticos. 3 RESULTADOS As curvas espectrais obtidas a partir de dados do sensor Hyperion são apresentadas na Figura 2: Reflectância ρ (%) Comprimento de Onda (nm) Figura 2 Curvas espectrais do reservatório de Itupararanta obtidas a partir de dados do sensor Hyperion As curvas originais da imagem Hyperion do reservatório de Itupararanga (Figura 2) definem espectros que, aparentemente, apresentam forma similar, com baixa reflectância na faixa espectral considerada, com um valor máximo em torno de 6%, conforme esperado para alvos dessa natureza (GOODIN et al., 1993). A baixa reflectância da água observada na faixa dos menores comprimentos de onda (entre 436 e 450 nm, principalmente) tem sido atribuída, por alguns autores, à forte absorção pela matéria orgânica dissolvida e clorofila (GITELSON, 1992; KIRK, 1994). Nota-se um pico de reflectância máxima no verde entre 560 a 570 nm, um pequeno ponto de inflexão em torno de 630 nm, uma região de absorção no vermelho (671 nm) e picos de reflectância no infravermelho próximo (700 nm) e em 770 e 820 nm, com menor magnitude. Essas variações nos valores de reflectância mostram-se similares àquelas observadas nas curvas obtidas por Rundquist et al. (1996), Han et al. (1994) e Kirk (1994) para corpos d água com presença predominante de clorofila a. Assim, em uma análise preliminar das curvas espectrais originais, considerou-se que a radiação eletromagnética, ao atravessar a camada superior do corpo d água, foi absorvida e espalhada principalmente pelo fitoplâncton. Para a simulação foram considerados os intervalos espectrais das bandas dos sensores multiespectrais MODIS, LANDSAT/TM e CCD/CBERS, cujos comportamentos espectrais são representados nas Figuras 3, 4 e 5 respectivamente. Deve-se lembrar que as bandas espectrais selecionadas são aquelas cuja cobertura espectral abrange a região do espectro eletromagnético P1 P2 P4 P5 P6 P8 P9 P10 P12 P14 P15 P16 P18 P19 P20 P21 P22 P23 P24 P25 P26 P29 P30 P31 P32 P33

4 em que a radiação eletromagnética interage com o corpo d água, ou seja, entre 400 à 900nm. Figura 3 Curvas espectrais obtidas pela simulação da resposta espectral do Sensor MODIS a partir de dados do sensor Hyperion Figura 4 Curvas espectrais obtidas pela simulação da resposta espectral do Sensor LANDSAT/TM a partir de dados do sensor Hyperion p Das feições espectrais observadas nos dados hiperespectrais, as que apresentam uma tênue tendência visual de ocorrência em todas as representações de resposta espectral de sensores multiespectrais (Figura 3, 4 e 5), é o pico de reflectância máxima no verde entre 560 a 570. Nos Sensores MODIS e CBERS, pode-se visualizar uma leve mudança de ângulo de inclinação da curva, entre as Bandas 1 (620 a 670 nm) e 2 (841 a 876 nm) no caso do MODIS (Figura 3), e para o sensor CBERS (Figura 5) entre 3 (630 a 690 nm) e 4 (770 a 890), que pode estar indicando conjuntamente o pequeno ponto de inflexão em torno de 630 nm, a região de absorção no vermelho (671 nm) e o pico de reflectância no infravermelho próximo (700 nm), visualizadas na Figura 2 e que sobrepõem os intervalos espectrais das bandas 1 e 3 dos Sensores MODIS e CBERS respectivamente. Apesar de se tratar de uma generalização da resposta espectral, as bandas espectrais mencionadas podem trazer grandes contribuições na discriminação da resposta espectral de reservatórios com alta concentração de fitoplâncton e baixa concentração de sedimentos, que é o caso do reservatório em análise. Para corroborar as informações supracitadas, uma análise de correlação foi realizada entre valores de reflectância original medidos pelo sensor Hyperion/EO1, os simulados de acordo com a abrangência espectral dos sensores MODIS, LANDSAT/TM e CBERS/CCD com algumas variáveis limnológicas em função do comprimento de onda. A Figura 6 apresenta os correlogramas obtidos entre os valores de reflectância originais do sensor Hyperion, na faixa espectral entre 436 e 900 nm (46 bandas do Hyperion) e COAs. A finalidade é comparar a correlação obtida ao longo de todo o espectro eletromagnético com a correlação resultante da simulação das bandas espectrais dos sensores tradicionais. Figura 5 Curvas espectrais obtidas pela simulação da resposta espectral do Sensor LANDSAT/TM a partir de dados do sensor Hyperion Analisando as Figuras 3, 4 e 5, fica evidente que a informação apresentada por sensores multiespectrais perde todo o refinamento, antes verificado nos dados hiperespectrais da Figura 2. Diversas feições espectrais do corpo d água antes facilmente identificadas pelos dados hiperespectrais, nessas condições não são representadas. Figura 6 Correlação entre valores de reflectância medidos pelo sensor Hyperion/EO1 e COAs em função do comprimento de onda. Analisando a Figura 6 é possível visualizar que para sólidos em suspensão, observam-se valores não significativos de correlação, os quais podem ser explicados pelas baixas concentrações e variabilidade desses constituintes no reservatório. As maiores correlações positivas com a reflectância foram obtidas para pigmentos totais, o que é confirmado pelos valores

5 negativos de correlação entre reflectância e transparência da água. As correlações entre valores de reflectância, simulados a partir dos dados hiperespectrais para sensores multiespectrais, considerando o posicionamento e a abrangência espectral, e COAs são apresentadas na Tabela 1. Tabela 1 Correlações entre valores de reflectância simulados de sensores multiespectrais e COAs. Sensores Pigmentos Totais MODIS COAs Sólidos Transparência Totais B3 ( nm) B4( nm) B1 ( nm) B2 ( nm) LANDSAT/TM B1 ( nm) B2( nm) B3( nm) CBERS/CCD B1 ( nm) B2( nm) B3( nm) B4 ( nm) Diante dos valores de correlação apresentados na Tabela 1, observa-se que a simulação da abrangência espectral das bandas de sensores multiespectrais também indicaram correlações significativas com a variável limnologia pigmentos totais, como no correlograma representando todo o espectro da Figura 6. Para essa variável, observa-se que os valores de correção mais significativos ocorreram nas bandas espectrais posicionadas após 750 nm. Verifica-se que a abrangência espectral das bandas do sensor LANDSAT/TM estão posicionadas em locais espectrais menos estratégicos para estudos em corpos d água dos que os do MODIS e CBERS/CCD. De acordo com os dados, considerando que o reservatório apresenta predominância de fitoplâncton, o sensor MODIS mostrouse o mais adequado para estudos em ambientes aquáticos, isso em decorrência da maioria das bandas terem apresentado valores de correlação significativos com pigmentos totais e para alguns casos com a variável transparência. No caso do sensor CBERS/CCD valores de correlação significativos também foram observados, que pode ser explicado pela semelhança do posicionamento e abrangência espectral com o sensor MODIS, principalmente entre as bandas B1 (620 a 670nm) do MODIS e B3 (630 a 690 nm) do CBERS/CCD. Considerando ambientes aquáticos interiores, deve-se lembrar que apesar das vantagens aqui mostradas para o intervalo espectral das bandas MODIS, sua p resolução espacial inviabiliza análise de corpos d água menos extensos. Para o CBERS/CCD, alguns trabalhos desenvolvidos mostram sua eficiência na detecção de COAs (FERREIRA et al., 2009; ROTTA et al., 2009). 4 CONCLUSÕES A simulação espectral de dados multiespectrais do comportamento espectral de um corpo d água a partir de dados hiperespectrais mostrou que os sensores MODIS e CBERS/CCD apresentam posicionamento e abrangência das bandas espectrais mais eficientes dos que a do sensor LANDSAT/TM para estudos em ambientes aquáticos. No entanto, deve-se considerar que o reservatório analisado apresenta predominância na concentração de fitoplâncton, fazendo com que curva formada represente basicamente feições relacionadas à ocorrência desse COA. Sugere-se a realização de um trabalho similar em reservatórios com comportamentos espectrais distintos, para diagnosticar se a eficiência do posicionamento e abrangência espectral ainda permanece. Oportuno ressaltar que em nenhum momento do trabalho avaliou-se a qualidade da resposta espectral dos sensores tradicionais analisados, sendo utilizado uma estimativa desses valores de reflectância obtidos através de dados espectrais do sensor Hyperion. Assim sendo, adverte-se que a qualidade na extração de informações em ambientes aquáticos também depende da saúde dos detetores dos sensores utilizados na investigação. Ao final, resta enfatizar a importância da investigação de regiões espectrais altamente sensíveis a ocorrência de feições em estudo, buscando aprimorar cada vez mais a construção de sistemas de Sensoriamento Remoto orientados para a detecção do parâmetro de interesse. AGRADECIMENTOS Os autores agradecem às seguintes instituições e pessoas: Conselho Nacional de Desenvolvimento Cientifico e Tecnológico - CNPq, pelo auxilio financeiro destinado a essa pesquisa na forma de uma bolsa de estudo; aos pesquisadores da Faculdade de Ciências Agrárias Unesp, Campus de Botucatu, Dr. Eduardo Negrisoli e Dr. Marcelo Rocha Corrêa, por realizarem a coleta e análise limnológica nos elementos amostrais definidos no reservatório de Itupararanga e ao Dr. Lênio S. Galvão, pesquisador do INPE (Instituto Nacional de Pesquisas Espaciais), que instruiu todo o processo de préprocessamento da imagem hiperespectral Hyperion. BIBLIOGRAFIA GITELSON, A. The peak near 700 nm on radiance spectra of algae and water: relationships of its magnitude

6 and position with chlorophyll concentration. International Journal of Remote Sensing, v. 13, n. 17, p , GOODIN, D. G. et al. Analysis of suspended solids in water using remotely sensed high resolution derivate spectra. Photogrammetric Engineering and Remote Sensing: Manhattan, v. 59, n. 4, p , GOODENOUGH, D. G. et al. Processing Hyperion and ALI for forest classification. IEEE Transactions on Geocience and Remote Sensing, v. 41, n.6, p , GREEN, R. O. et al. Imaging Spectroscopy and the Airborne Visible/Infrared Imaging Spectrometer (AVIRIS). Elsevier. Remote Sensing of Environment, St. Paul, v. 65, n. 3, p , jul FERREIRA, M. S. et al. Um estudo da distribuição espacial de pigmentos totais na planície de inundação do Alto Rio Paraná a partir de imagens multiespectrais. In: XIV Simpósio Brasileiro de Sensoriamento Remoto, 2009, Natal. Anais. São José dos Campos, p HAN, L. et al. The spectral responses of algal chlorophyll in water with varying levels of suspended sediment. International Journal of Remote Sensing, Abingdon, v. 15, n. 18, p , HAN, T. et al. Detection and correction of abnormal pixels in Hyperion images, Toronto, In: Geoscience and Remote Sensing Symposium - IEEE International, p , JENSEN, J. R., Remote Sensing of the Environment: An Earth Resource Perspective, Upper Saddle River: Prentice-Hall, 2002, 544 p. KIRK, J.T.O. Light & Photosynthesis in Aquatic Ecosystems, London, Cambridge University Press, 1994, v. 2, p NOVO, E. Monitoramento de quantidade e qualidade da água e Sensoriamento Remoto, São Paulo, 2007, p.1-20, In: Simpósio Brasileiro de Recursos Hídricos, 17. Anais: Associação Brasileira de Recursos Hídricos. ROTTA, L. H. S., et al. Modelo de regressão na estimativa de sólidos em suspensão por meio de imagens multiespectrais TM-Landsat 5 e CCD-CBERS 2B - Estudo de caso:planíciie de inundação do Alto Rio Paraná. In: XIV Simpósio Brasileiro de Sensoriamento Remoto, Natal. Anais. São José dos Campos, RUNDQUIST D. C. et al. Remote measurement of Algal Chlorophyll in surface waters: the case for the first derivative of reflectance near 690 nm. Photogrammetric p Engineering e Remote Sensing, Lincoln, v. 62, n. 2, p , fev PONZONI, F. J. Calibração absoluta de sensores orbitais: conceituação, principais procedimentos e aplicação. Parêntese: São Paulo, p. TSAI F., PHILPOT W. Derivative Analyses of Hyperspectral Data. Remote sensing Environoment, St. Paul, v. 66, p , 1998.