Resumo dos Conceitos Sensoriamento Remoto Prática Fotogrametria 1 Os objetos da superfície terrestre refletem e absorvem seletivamente energia eletromagnética, devido a sua diferente composição molecular. Esta característica, denominada resposta espectral dos objetos permite identificá-los numa FOTOGRAFIA AEREA ou imagem de sensoriamento remoto. SENSOR Prof. Alzir Felippe Buffara Antunes Comprimento de Ondas Azul Verde Verm. µm Comprimento de onda µm Visível µm γraio RaioX Ultra-Violeta Infra Termal Microondas Radio/TV Vermelho Espectro Visível-04 a 0.7 µm 1
Resoluções de uma imagem Resolução Espacial: refere-se a medição do menor objeto que pode ser registrado pelo sensor, ou a área que representa cada pixel no terreno. Ex: CBERS II Geoeye Ikonos Pan IKONOS MS SOPT Pan SPOT5 MS Landsat 7 Pan Resolução Espacial 0.4 1 4 5 10 20 30 (m) SPOT MS Imagem 20m x 20 m, terreno Landsat 8 MS 2
Resolução Radiométrica Por exemplo 2 n = quantidade de níveis de cinza onde: n = número de bits Uma imagem de 8 bits terá: 256 níveis de cinza (2 8 = 256). O número 10010110 é um número binário de 8 bits com valores 0 ou 1. Resolução Temporal Intervalo de tempo em dias ou horas, que o sistema demora em obter duas imagens consecutivas da mesma região sobre a Terra Resolução Espectral Inerente às imagens multiespectraise hiperespectrais Quantidade de regiões do espectro eletromagnético e pelo intervalo de comprimento de onda Estas imagens denominam-se bandas espectrais. Ex: Ikonos4 bandas 3
PRINCIPAIS SENSORES IMAGEM/Sensor Resolução Espacial Resol. Espectral Worldview 3 0.3 a 1,3 (MS)m 8 IKONOS 1 a 4m 4 Geo Eye 0,40 m 4 QUICKBIRD 0,5m 4 Exercício Prático com software MULTISPEC A- Usando a imagem LANDSAT : escolha a melhor composicação colorida que melhor apresente as classes de interesse. Área de Estudo : Guaratuba-PR Classes: Mangues, Baixios, Floresta, Solo Exposto, Mar, Baia/Rios B-Segmentação, classificação. Segmentar a imagem em10 cluster(agrupamento) e identificar as classes. CBERS IV 20m 5 LANDSAT 8 30m 7 CLASSIFICAÇÃO DE UMA IMAGEM MULTIESPECTRAL Objetiva por meio de interpretação de imagens e técnicas de processamento digital de imagem, transformar uma imagem multiespectralem uma imagem TEMATICA. Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos Imagem Temática é aquela que cada PIXEL esta associada a uma Classe. E que possui apenas uma banda Banda B? da d b dc Espaço dos Atributos Classes Banda A 4
Classificação: ordenar, descriminar e categorizar Supervisionada: utiliza a verdade de campo por amostragem; Não Supervisionada: automatizada, segmentação da imagem em clusters ou segmentos. A técnica supervisionada é a classificação controlada pelo usuário ou conhecedor da área (analista) a ser classificada; O analista seleciona na imagem amostras(áreas de treinamento) (pixels) de feições conhecidas previamente. Estas amostras devem representar o melhor possível as feições a serem classificadas; O analista deve escolher sobre a imagem amostras que representem determinada categoria, após análise estatística saber-se-á a qualidade da amostra que poderá ser ou não utilizada; Análise estatística da amostra: desvio padrão, média, histograma, elipses. Amostragem na imagem RGB Pixels Amostrados Escolhendo-se um par de bandas podemos observar a distância espectral entre duas amostras. Zonas de sobreposição ou intersecção apontam para uma confusão espectral entre classes (a) (b) Histograma : Valor Max: 25, Valor Min: 50, Desvio padrão: 2,5 n Dn 5
Regras de Decisão Para realizar uma boa seleção de amostras na imagem deve-se levar em consideração os seguintes requisitos: as amostras mais homogêneas possíveis, baixo desvio padrão; amostras representativas das categorias a serem classificadas; serem constituídas por no mínimo 15 pixels; Uma vez coletada as amostras para as diferentes classes deve-se proceder o processo de classificação de toda a imagem, por regras estatísticas de decisão(probabilidades). As mais conhecidas são : mínima distância; e máxima probabilidade(maxver); o histograma deverá ter uma distribuição próxima de uma curva normal. Classificação não Supervisionada- Segmentação MAXIMAVEROSSIMILHANÇA Considera a ponderação das distâncias entre médias dos níveis de cinza das classes, utilizando parâmetros estatísticos. Utiliza estatísticas de treinamento para calcular a probabilidade de um pixel pertencer a uma determinada classe. Examina a função de probabilidade de um pixel para cada classe e atribui o pixel à classe com a maior probabilidade.. Para que a classificação por máxima verossimilhança seja precisa o suficiente, é necessário um número elevado de "pixels", para conjunto de treinamento. A classificação não supervisionada é baseada no método da mínima distância espectral para categorizar determinado pixel. A primeira interação do algoritmo ISODATA utiliza a média dos N agrupamentos (clusters) que pode ser arbitrariamente determinada. Após a primeira iteração uma nova média para os N agrupamentos são determinadas, baseada nas posições espectrais. O processo iterativo continua até não haver mais variação significativa entre as médias. 6
Agrupamentos Baseados na mínima distância espectral Tópico Complementar: Qualidade da Classificação µ+ σ µ µ- σ Banda B 5 Agrupamentos Iniciais baseados em µ(média) e σ (desvio padrão) µ-σ µ µ+ σ Banda A Floresta A Floresta B Água Pântano A imagem classificada deve ser avaliada pois esta apenas é uma aproximação da realidade de campo. A qualidade depende: -Significância das amostras; -Regra de decisão; -Número de bandas espectrais -Resolução da Imagem Será que a classe Floresta A corresponde mesmo a Floresta A no campo? Qual o grau de concordância entre a imagem classifacada e o terreno? EXERCÍCIO Dada a imagem LANDSAT 7 do Município de Guaratuba. Segmente a imagem em 10 Clusters utilizando o algoritmo ISODATA. Salve a imagem e interprete os resultados. Terreno Imagem Faça a mesma coisa com a imagem LANDSAT 8 e observe as diferenças. Interprete os resultados. Pontos devem ser amostrados na imagem e conferidos no campo. A amostragem deve ser aleatória. 7
Conceito CORREÇÃO GEOMETRICA DE UM DADO RASTER A retificaçãoou correção geométricade uma imagem é o processo que permite a imagem assumir propriedades cartográficas de sistema de projeção e respectivas coordenadas. É uma transformação entre coordenadas de pixels (linhas,colunas) para um sistema geográfico (E,N) ou (ϕ,λ). Esta transformação é também denominada georreferenciamento da imagem; Para transformar um SISTEMA ( L,C) para um SISTEMA UTM (E,N), necessita-se de saber a relação matemática entre a IMAGEM e o TERRENO; Através de parâmetros de transformação que permita transformar IMAGEM em TERRENO Transformações: Alteração entre dois sistemas Escala, Rotação, Translação Alteração de Escala em X Rotação Alteração de Escala em Y 8
Para transformar um sistema de coordenadas em outro sistema devese conhecer os parâmetros de transformação; Estes parâmetros podem ser determinados por meio depontos de controle (groundcontrolpoints, GCP), ou seja pontos que sejam reconhecíveis e conhecidos em ambos sistemas, de maneira a formar um sistema de equações. (linha, coluna) vs (E, N) IMAGEM ORIGINAL LANDSAT 5 IMAGEM RETIFICADA Porque retificar uma imagem? Criação de mosaicos e carta imagem; Corrigir distorções; Sobre posição de informações (imagem e vetor); Extração de medidas (áreas, distâncias e perímetros); Atualização de banco de dados geográficos; Integração Sensoriamento Remoto, Geodésia (GPS) e SIG. 9
Modelos Matemáticos de Correção Geométrica de Imagens Orbitais de média resolução GIS x SR Estes tipos de transformações mais simplificadas são úteis para corrigir as deformações geométricas. NÃO LEVA EM CONSIDERAÇÃO O RELEVO. Ex.: Transformação afim no Plano e Polinomial; Fonte: ESRI, 1998 A- Transformação Afim Modelo matemático de transformação no plano. Pontos de Controle 10
Sejam as equação baseada em pontos de controle: E= a 1 xi + a 2 yi + Tx N= a 3 xi + a 4 yi + Ty onde: E, N: coordenadas UTM; xi, yi : Coordenadas da imagem bruta (linha e coluna) a 1 a 2 Tx a 3 a 4 Ty ; parâmetros de transformação que relaciona os dois sistemas. Pontos e controle e equações Pontos de controle (E,N)ou (ϕ,λ) por GPS, topografia ou mapa. X1= a1e1 + a2n1 + Tx Y1= a3e1 + a4 N2 + Ty X2= a1e2 + a2n2 + Tx Y2= a3e2 + a4 N2 + Ty X3= a1e3 + a2n3 + Tx Y3= a3e3 + a4n3 + Ty As incógnitas a1,a2,a3,a4,tx,ty necessitam de três pontos de controle para serem determinadas Coeficientes Matriz de Transformação (2 x 3): EXEMPLO: Dada a imagem LANDSAT de Curitiba foram coletados em campo e identificados na imagem os pontos GPS com precisão média de 10 metros. a1 a2 Tx a3 a4 Ty Transformação Afim ou Polinômio de 1º ordem PC> 4 pontos; 11
Depois de identificados na imagem as coordenadas podem ser relacionadas IMAGEM (L,C) GCP(UTM) 0.6049 0.7021 666546.875 7172497.625 0.9074 4.7044 666847.815 7175686.063 1.2783 7.2866 667176.875 7177785.125 0.6588 9.1427 666696.875 7178910.125 6.2490 8.9763 671315.940 7178982.312 8.6120 8.9576 673359.687 7179019.813 9.5000 4.0000 674165.940 7175112.312 8.9448 0.4788 673648.430 7172329.812 6.3410 1.9481 671432.190 7173503.562 3.9000 2.2788 669404.375 7173765.125 Seja as equações da transformação afim no plano: E= a1xi + a2yi + Tx N= a3xi + a4yi + Ty Para o ponto 1: 666546.875 = a1 0.6049 + a2 0.7021 + Tx 7172497.625= a30.6049 0. + a40.7021 + Ty, Repetindo para todos os pontos de controle ter-se-ão 20 equações a 6 incógnitas e se pode determinar a1,a2,a3,a4 Tx e Ty e depois fazer a transformacao inversa para observar a acurácia. ponto 1 GPS, E= 666.546,875 N= 7.172.497,625 m O mesmo ponto transformado ou calculado E= 666.546,123, N= 7.172.497,400m Erro ponto 1 ξx1= 666.546,875-666.540,123 = 6,8 m ξ y1= 7.172.497,625-7.172.512,400= -14,8 m Ε = ( ξ x ) + ( ξ y ) 2 1 1 1 2 2 1 ( 6, 8 ) + ( 14, 8 ) Ε = 2 E1= 16,28 metros Acurácia aceitável para resolução da imagem (landsat) erro O erro quadrático médio deve ser inferior a 1 pixel e compatível como a resolução espacial da imagem. Raio de Abrangência do erro de 1 pixel 12
Reamostragem Após a transformação pixels,em geral, têm sua posição alterada, por esta razão a imagem de saída não possui níveis de cinza. Os pixels utilizados como pontos de controle terão os mesmos níveis de cinza vizinho Próximo [x,y,z] Img.não corrigida dos pixels de referencia utilizados na transformação polinomial. Entretanto para os demais pixels, a nova posição pode não ter valores inteiros, isto significa que a nova posição pode estar no meio entre dois pixels. O valor do nível de cinza então deve ser interpolado, baseado na vizinhança. A este processo denomina-se reamostragem, o método mais comum é o Vizinho Próximo. [x,y,z] Img.corrigida EXERCICIO É atribuído ao pixel da imagem transformada o valor do contador digital do pixel mais próximo. Neste caso não existe interpolação. Corrigir a imagem LANDSAT 7 de Guaratuba a partir do MAPA topográfico de Guaratuba usando QGIS. Escolha no mínimo 6 pontos de controle e observe os erros. 13
Lembre-se: Para georreferenciaruma imagem os pontos de controle devem estar bem distribuídos sobre a imagem e serem superiores a 6; O erro quadrático médio deve ser o menor possível compatível à resolução da imagem e escala do mapeamento; A projeção e datumda imagem retificada será SEMPRE a mesmos dos pontos de controle; ESCALA DO MAPA ERRO ESPERADO RESOLUÇÃO DA IMAGEM 1: 50.000 30-35 m Landsat 30 m Pan 15 m 1: 10.000 4-6m QuickBird 50 cm 1: 2.000 0.6 1m Resolução inferior a 20 cm Quando não se pretende alterar a resolução do pixel a reamostragem por vizinho próximo é a mais indicada; 14