Simulação de uma banda pancromática para o sensor TM (Landsat 5), utilizando filtro combinado de restauração e interpolação.

Documentos relacionados
Simulação de Imagens baseada em Função de Transferência de Modulação. Giovanni de Araujo Boggione Leila Maria Garcia Fonseca N. L.

Fusão de imagens de Sensoriamento Remoto utilizando a Transformada Wavelet Haar

Motivação. Objetivos. O Problema. Integração de dados de Sensoriamento Remoto e SIG. Utilização de técnicas de PDI. Proposta de metodologia sem custo

Eduardo Henrique Geraldi Araújo Delano Menecucci Ibanez Leila Maria Garcia Fonseca Hermann Johann Heinrich Kux

COMPARAÇÃO DO DESEMPENHO DE ALGORITMOS DE NORMALIZAÇÃO RADIOMÉTRICA DE IMAGENS DE SATÉLITE

Mapeamento do uso do solo para manejo de propriedades rurais

O resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a uma

José Alberto Quintanilha Mariana Giannotti

INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO

Camila Aguirre Góes 1 Wilson Lins de Mello Filho 2 Valquíria Quirino 1 Melissa Carvalho 3

Processamento Digital de Imagens SER Prática de Laboratório

O resultado é uma série de "fatias" da superfície, que juntas produzem a imagem final. (Exemplo: o radiômetro dos satélites NOAA gira a uma

Análise de regressão linear múltipla para simulação da banda do SWIR com outras bandas espectrais

APLICAÇÃO E ANÁLISE DAS TÉCNICAS DE FUSÃO IHS E COMPONENTES PRINCIPAIS EM IMAGENS DO SATÉLITE CBERS-2B MULTISSENSORES HRC/CCD RESUMO ABSTRACT

Sensoriamento Remoto I Engenharia Cartográfica. Prof. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista

PROCESSAMENTO DE IMAGENS

Sensoriamento Remoto II

EXPANSÃO AGROPECUÁRIA NA BACIA HIDROGRÁFICA DO RIO AREIAS, TOCANTINS.

PMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO

COMPARAÇÃO ENTRE MÉTODOS DE CORREÇÃO ATMOSFÉRICA EM IMAGENS MULTIESPECTRAIS LANDSAT 8 OLI

PROCESSAMENTO DIGITAL DE IMAGENS

Sensoriamento Remoto: Giovanni A. Boggione Dezembro/2009

03/11/2009 TOPOGRAFIA SOCIAL

Resoluções das Imagens fotogramétricas e digitais. Fotogrametria e Fotointerpretação Prof. Dr. Raoni W. D. Bosquilia

Integração de Dados Ópticos e SRTM: Região de Brasília DF

Sensoriamento Remoto II

PROCESSAMENTO DIGITAL DE IMAGENS. Thales Sehn Körting

DETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8

Flávia da Fonseca Feitosa

Geoprocessamento e sensoriamento remoto como ferramentas para o estudo da cobertura vegetal. Iêdo Bezerra Sá

Vinícius Emmel Martins 2, Dieison Morozoli Da Silva 3, Sidnei Luís Bohn Gass 4

Curso de Extensão: Noções de Sensoriamento

Questões concursos

Efeito do Padrão de Distribuição dos Pontos na Interpolação do NDBI. Rúbia Gomes Morato Fernando Shinji Kawakubo Marcos Roberto Martines

RESOLUÇÃO TEMÁTICA DE IMAGEM HÍBRIDA RESULTANTE DA FUSÃO SPOT-LANDSAT RESUMO ABSTRACT

Qualidade Radiométrica das Imagens Sensor ADS40

IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES

Identificação e delimitação de áreas queimadas no Pantanal. Demerval Aparecido Gonçalves 1 Wilson Cabral de Sousa Júnior 1 Fabiano Morelli 2

Sensoriamento Remoto Aplicado à Geografia

Sensoriamento Remoto: Radiometria espectral e técnicas de análise de espectros. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Daniel C. Zanotta 14/03/2018

09/03/2017. O que é Sensoriamento Remoto? Tipos de Sensoriamento Remoto REVISÃO SENSORIAMENTO REMOTO AULA ZERO. Satélites.

UTILIZAÇÃO DE IMAGENS DO SATELITE CBERS-4 E LINGUAGEM PYTHON PARA DETERMINAÇÃO DO ÍNDICES DE VEGETAÇÃO NDVI E SAVI

Sensoriamento Remoto

Avaliação Parcial 01 - GABARITO Questões Bate Pronto. As questões 1 a 23 possuem apenas uma alternativa correta. Marque-a.

TUTORIAL. Imagens CBERS-4 5m: conheça este sensor e aprenda a realizar o download dessas imagens no site do INPE QGIS.

Pedro Quarto Júnior 1 Mileide de Holanda Formigoni 1 Alexandre Cândido Xavier 1 Julião Soares de Souza Lima 1

EFEITOS DA FUMAÇA SOBRE A DETERMINAÇÃO DO NDVI MARCELO LIMA DE MOURA LÊNIO SOARES GALVÃO

COMPARAÇÃO VISUAL ENTRE FUSÃO DE IMAGENS CBERS II B/CCD E LANDSAT 5/TM UTILIZANDO A PANCROMÁTICA CBERS II B/HRC EM SOFTWARE LIVRE

Sensoriamento Remoto e Qualidade da Água

24/05/2011. O que significa PDI? I- Introdução

SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO

PMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO

ESTRUTURA DE UMA IMAGEM E CALIBRAÇÃO RADIOMÉTRICA AULA 01. Daniel C. Zanotta 14/03/2018

APLICAÇÃO DO SENSORIAMENTO REMOTO NA AVALIAÇÃO DA QUALIDADE VISUAL DA PAISAGEM: PRIMEIROS RESULTADOS EXPERIMENTAIS

ANÁLISE ESPACIAL DA DISTRIBUIÇÃO DA VEGETAÇÃO OBTIDA POR NDVI NO ESPAÇO URBANO

Importância da alteração do Histograma de Imagem de Alta Resolução (PAN) para fusão de imagens digitais pelo método de componentes principais

COMPARAÇÃO ENTRE OS MÉTODOS DE FUSÃO IHS, PRINCIPAL COMPONENTS

Definição de sensoriamento remoto. Professor: Enoque Pereira da Silva

Rodrigo Antonio LA SCALEA, Flavio Marcelo CONEGLIAN e Selma Regina Aranha RIBEIRO. Universidade Estadual de Ponta Grossa

MODELAGEM E CRIAÇÃO DE BANCOS DE DADOS

Mapeamento do uso do solo

para a determinação da melhor composição colorida e análise visual em imagem LANDSAT 7 ETM+

COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA

GEOPROCESSAMENTO. Sensoriamento Remoto. Prof. Luiz Rotta

CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC

27/03/2017 OPERAÇÕES ARITMÉTICAS NDVI E RAZÃO DE BANDAS AULA 04 RAZÃO DE BANDAS. Ex: Realce de minerais de Ferro = ρ v / ρ A

Sensoriamento Remoto: introdução ao Processamento Digital de Imagens. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

Multiplicação e Adição de Imagens Landsat no Realce de Feições da Paisagem

Sensoriamento Remoto. Prof. Enoque Pereira da Silva

Mapeamento de Uso da Terra através de utilização de imagens CBERS

SIMULAÇÃO DE BANDAS DO SENSOR MSI/SENTINEL-2 EM LAGOS DA AMAZÔNIA E RIO GRANDE DO SUL

Estudo e Análise do Uso de Imagens do Satélite CBERS-2 - Sensor WFI para Atualização da Rede Hidrográfica - Escala 1:

Fusão de imagens dos sensores HRC e CCD para a elaboração de uma carta imagem do município de Ladário, MS

7. OPERAÇÕES ARITMÉTICAS EM IMAGENS

Sensoriamento Remoto Aplicado à Geografia Características das Imagens

processos de formação e suas inter-relações com o ambiente. As diversas combinações de fatores (clima, relevo,

PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) CONCEITOS BÁSICOS DE SR REPRESENTAÇÃO DAS IMAGENS DIGITAIS CALIBRÃÇÃO RADIOMÉTRICA. Daniel C.

Avaliação do desempenho de dois Índices de Vegetação (NDVI e SAVI) por meio de Índice de Qualidade de Imagens

COMPARAR O USO DE IMAGENS DE SATÉLITE DE MÉDIA RESOLUÇÃO COM IMAGENS DE ALTA RESOLUÇÃO

VALIDAÇÃO DAS CLASSIFICAÇÕES DAS IMAGENS DOS SATÉLITES LANDSAT 8 E SENTINEL-2 NA BACIA HIDROGRÁFICA DO CÓRREGO RIBEIRÃOZINHO/MS

Fusão de imagens aplicada a estudos urbanos: avaliação de diferentes técnicas em imagens WorldView-2

EXPERIMENTOS EM FUSÃO DE IMAGENS DE ALTA RESOLUÇÃO

UNICAP Universidade Católica de Pernambuco Laboratório de Topografia de UNICAP - LABTOP Topografia 2. Sensoriamento Remoto.

Análise da contribuição de fusão para a detecção de bordas aplicada às imagens Landsat-8/OLI

ANALISE ESPAÇO-TEMPORAL DA URBANIZAÇÃO NA ILHA DO MARANHÃO ATRAVÉS DA SUBTRAÇÃO DE IMAGENS MULTITEMPORAIS DE SENSORIAMENTO REMOTO

Correção do fenômeno NODATA na transformação de 16 para 8 bits em imagens QuickBird.

NOTA TÉCNICA INPE CRA/2016

PROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO

Fusão de imagens MODIS com NDVI do Landsat para a classificação de áreas de cultivo de Soja

AVALIAÇÃO DA ACURÁCIA POSICIONAL PLANIMÉTRICA DE IMAGENS CBERS 4 SENSOR PAN, NA REGIÃO DE ALVINÓPOLIS-MG

Definições: Sistemas Sensores

Um método simplificado de fusão de imagens. C.P Curitiba-PR- Brasil (centeno,

GEODESIGN COMERCIALIZA IMAGENS DE ALTA RESOLUÇÃO DA CONSTELAÇÃO SUPERVIEW-1 NO BRASIL

Allan Arantes PEREIRA 1 ; Thomaz Alvisi de OLIVEIRA 1 ; Mireile Reis dos SANTOS 1 ; Jane Piton Serra SANCHES 1

Realce de Imagens. Realce de Imagens

Realce de Imagens. Objetivo: Melhorar a qualidade visual da imagem.

Área verde por habitante na cidade de Santa Cruz do Sul, RS

MONITORAMENTO DE CORPOS HÍDRICOS A PARTIR DE DADOS DE SENSORIAMENTO REMOTO. Andrei Olak Alves1 Oscar Luiz Monteiro de Farias2

Transcrição:

Simulação de uma banda pancromática para o sensor TM (Landsat 5), utilizando filtro combinado de restauração e interpolação. Giovanni de Araujo Boggione 1 Érika Gonçalves Pires 1 Patrícia Azevedo dos Santos 1 Leila Maria Garcia Fonseca 2 1 Centro Federal de Educação Tecnológica de Goiás CEFET/GO Rua 75, n. 46, Setor Central, CEP: 74.055-110. Goiânia - GO - Brasil. gboggione@brturbo.com, soudaerika@yahoo.com.br, pazesantos@hotmail.com 2 Instituto Nacional de Pesquisas Espaciais - INPE Caixa Postal 515-12245-970 - São José dos Campos - SP, Brasil. leila@dpi.inpe.br Abstract. The combination of the bands of a multiespectral sensor for the simulation of a panchromatic band represents an attractive possibility for the handling of the data of remote sensing, searching for your improvement. This work presents a methodology for the simulation of the panchromatic band of sensor TM Landsat 5 through the linear combination of the spectral bands that possess spectral overlapping with the panchromatic band of reference (panchromatic band of sensor ETM+ Landsat 7). The analysis of the spectral overlapping was made using from the discretization of the spectral curves. For resampling the images in a finer grating than the original grating was used the combined filter of restoration and interpolation. After the processes of restoration and interpolation, the images had been linearly combined for the simulation of the panchromatic band, using two different methods. Visual and statistics tests were accomplished to confirm the effectiveness of the methodology. Palavras-chave: image simulation, panchromatic band, interpolation, restoration, simulação de imagens, banda pancromática, interpolação, restauração. 1. Introdução As imagens oriundas do sensoriamento remoto, que se apresentam como o principal e mais relevante dado produzido por esta tecnologia, necessitam de técnicas de tratamento e processamento, tais como: correção radiométrica, correção geométrica, registro, realce, transformação de cores, etc. O resultado deste processamento é uma imagem contendo informações específicas, extraídas e realçadas a partir das imagens originais. O objetivo deste trabalho é simular uma banda pancromática do satélite Landsat 5 TM (Thematic Mapper) através das bandas espectrais deste mesmo sensor, usando método combinado de restauração e interpolação de imagens. O presente trabalho pode contribuir nos estudos de viabilidade de futuros sensores, onde é muito comum a prática de desenvolvimento de processos de simulação antes do sensor ser construído, para que possíveis erros sejam previstos antecipadamente. Este trabalho sugere uma metodologia para simulação de bandas que consiste na manipulação das curvas espectrais de reflectância e aplicação das técnicas de restauração e interpolação de imagens para a aproximação da resolução espacial desejada. Uma grande contribuição que se espera deste trabalho é a possibilidade de integração de dados do sensor TM do satélite Landsat 5 com o sensor ETM + (Enhaced Thematic Mapper Plus) do satélite Landsat 7. 4005

2. Metodologia A simulação de uma banda a partir de outras bandas é possível somente se existir uma considerável sobreposição espectral entre a banda que se deseja simular e as bandas usadas para realizar a simulação (Mascarenhas et. al,1991). Como a banda pan compreende o intervalo espectral de 0,50 a 0,91 µm, as bandas que correspondem ao seu intervalo espectral são as bandas 2 (verde), 3 (vermelho) e 4 (infravermelho próximo), conforme mostra a Tabela 1. Desta forma, as bandas 2, 3 e 4 foram utilizadas para fazer a simulação da banda pan. Em estudos pós-lançamento, pesquisadores da NASA constataram que o intervalos espectrais das bandas do Landsat 5 sofreram alterações. Isso explica a sobreposição existente entre as bandas 2 e 3 (Figura 1). A Tabela 1 mostra as alterações ocorridas nos intervalos espectrais das bandas. Tabela 1. Intervalo espectral das bandas. Fonte: NASA, 2004 Bandas Intervalo Espectral Antes do Após o Lançamento 1 0,45 0,52 0,419 0,55 2 0,52 0,60 0,50 0,65 3 0,63 0,69 0,60 0,735 4 0,76 0,90 0,736 0,95 5 1,55 1,75 1,50 1,88 6 10,4 12,5 10,0 12,9 7 2,08 2,35 2,00 2,40 Pan 0,52 0,90 0,50 0,91 Para simular a banda pan utilizou-se um procedimento de restauração de imagens desenvolvido por Fonseca (1988) e Boggione (2003), que combina os processos de restauração e interpolação em uma única operação. Este processamento, além de recuperar a imagem degradada, modificou a grade das bandas 2, 3 e 4 para 15 m. A partir disso, a banda pan foi simulada através da combinação linear das bandas 2, 3 e 4 do Landsat 5, utilizando dois métodos distintos: Método 1 O método 1 considera que a área da curva de reflectância da banda pan seja igual a soma das áreas das curvas de reflectância das bandas 2, 3 e 4 contidas na banda pan (B2b, B3b e B4b), conforme ilustra a Figura 1. Figura 1. Curvas espectrais discretizadas. B2b= 6200,19 B3b= 5854,8244 B4b= 11199,6161 0,50 0,60 0,65 0,735 0,736 0,91 0,95 Sb2= 81,1531 Sb3= 125,1454 4006

Neste método, a simulação foi feita obedecendo a equação 1, que foi implementada como rotina no software Matlab 5.3, da MathWorks Inc.. Esta rotina permite a simulação da banda pan através da combinação linear das bandas 2, 3 e 4, determinando o valor de nível de cinza de cada pixel da nova imagem. B2b + B3b + B4b + Sb2 + Sb3 Pan = fat_a* * B2 * B3 * B4 * B2 * B3 * fat_b (1) Bpan Bpan Bpan Bpan Bpan Onde: B2b, B3b e B4b: Área das curvas de reflectância. B2, B3 e B4: Níveis de cinza. Sb2: Área de sobreposição da banda 2. Sb3: Área de sobreposição da banda 3. Bpan: Soma das áreas das bandas 2, 3 e 4. Pan : Banda pan simulada. O fator a (fat_a) é o desvio padrão da banda pan (Dpan) dividida pelo desvio padrão da banda pan simulada de referência (DS), conforme equação 2. E o fator b (fat_b) é a média da banda pan (MPan) subtraída da multiplicação do fator a pela média da banda pan simulada de referência (MS), conforme a equação 3. Estes fatores tem a finalidade de equalizar as imagens. Dpan fat _ a = (2) DS fat _ b = Mpan ( fat _ a * MS) (3) Método 2 Neste método considerou-se o valor da área da curva de reflectância da banda pan simulada igual ao valor da área da curva de reflectância da banda pan do Landsat 7 (Figura 2). Figura 2. Curvas espectrais das bandas 2, 3, 4 e Pan. BPan= 32680,50 B2b= 6200,19 B3b= 5854,8244 B4b= 11199,6161 0,50 0,60 0,65 0,735 0,736 0,91 Sb2= 81,1531 Sb3= 125,1454 0,95 Como o método 1 considera a área da curva de reflectância da banda pan como sendo a soma das áreas das curvas de reflectância das bandas 2, 3 e 4 a porcentagem de contribuição dessas é de 100%, conforme a Tabela 2. No entanto, no método 2 a porcentagem de contribuição dessas bandas é de 71%, os 29% restantes serão estimados através da operação de média. 4007

Tabela 2. Porcentagem de contribuição das bandas 2, 3 e 4. Método % B2 % B3 % B4 % Total 1 26.6 25.2 48.2 100 2 18.9 17.9 34.2 71 A simulação da banda pan de referência utilizando o método 2, foi feita obedecendo a equação 4. B2b + + + + + B3b + B4b + B2b B3b B4b B2 B3 B4 fat_a* * B2 * B3 * B4 1 * Bpan Bpan Bpan Bpan 3 Pan= Sb2 + Sb3 * B2 * B3 + fat_b Bpan Bpan (4) Onde: B2b, B3b e B4b: Área das curvas de reflectância. B2, B3 e B4: Níveis de cinza. Sb2: Área de sobreposição da banda 2. Sb3: Área de sobreposição da banda 3. Bpan: Área da banda pan do Landsat 7 (banda de referência). Pan : Banda pan simulada. 3. Um esquema simplificado dos processos utilizados na simulação é apresentado na Figura Figura 3. Esquema dos processos utilizados na simulação. Restauração Simulação 3. Análise dos resultados e conclusão Para a validação dos métodos foram utilizadas imagens de uma região do Estado do Rio de Janeiro do Landsat 5, adquiridas em 30/05/1984 e do Landsat 7, adquiridas em 09/06/2002. 4008

Comparando as imagens simuladas (Figuras 5 e 6) com a imagem original (Figura 4) observa-se que as imagens possuem algumas diferenças oriundas da grande variação temporal existente entre elas, porém observando os alvos que não sofreram grandes alterações durante os anos (água e vegetação), nota-se que a resposta espectral destes continua semelhante a da imagem original. Analisando visualmente as Figuras 5 e 6, pode-se afirmar que os dois métodos obtiveram resultados bem próximos. Figura 4. Pan Original do Landsat 7. Figura 5. Pan Simulada Método 1.. Figura 6. Pan Simulada Método 2. Figura 7. Composição Colorida - 342 (RGB). Figura 8. Subtração - método 1. Figura 9. Subtração - método 2. Analisando estatisticamente as imagens (Tabela 3), nota-se uma maior variância na imagem gerada pelo método 1. Como os valores das variâncias das imagens estão próximos, pode-se afirmar que os valores dos níveis de cinza das imagens simuladas sofreram pouca variação em relação à imagem original. 4009

Tabela 3. Estatísticas das imagens. Banda Pan Média Variância Original 30,03 139,88 Simulada Método 1 29,95 140,21 Simulada Método 2 29,75 130,19 A Tabela 4 apresenta os coeficientes de correlação obtidos entre a imagem original e as imagens simuladas. Os coeficientes de correlação obtidos em ambos os métodos foram satisfatórios, pois estão próximos de 1, o que indica uma grande proximidade com os dados originais. Tabela 4. Coeficientes de correlação. Método 1 Método 2 Coeficiente de Correlação 0,82 0,87 As Figuras 8 e 9 mostram a subtração da banda pan simulada pelos métodos 1 e 2 com a pan original, respectivamente. As regiões escuras na imagem indicam semelhanças entre as imagens, enquanto que os as regiões claras, indicam as diferenças entre as imagens. As diferenças entre as imagens são basicamente: as bordas e as feições lineares, evidenciadas com a restauração e alguns alvos diferentes existentes devido à diferença temporal entre as imagens. O perfil radiométrico foi feito para medir a variação dos níveis de cinza de uma determinada linha na imagem com a intenção clara de perceber as eventuais alterações radiométricas. Figura 10. Perfil radiométrico da banda pan original. Figura 11. Perfil radiométrico da banda pan simulada método 1. Figura 12. Perfil radiométrico da banda pan simulada método 2. 4010

Observa-se que os perfis radiométricos nas Figuras 10, 11 e 12 apresentam uma certa semelhança entre si, havendo basicamente a mesma variação de níveis de cinza entre a banda pan original e as bandas pan simuladas. Para validar a metodologia desenvolvida, utilizamos os mesmos métodos de simulação de imagem utilizando as bandas do satélite Landsat 7 ETM+, que por serem do mesmo sensor não sofreram efeitos da variação temporal. Maiores detalhes sobre simulação de banda pan com o sensor ETM+ do Landsat 7 ver Boggione et al. (2003). Para a simulação da banda pan do Landsat 7 foram utilizadas imagens da mesma região do Estado do Rio de Janeiro utilizada na simulação da pan do Landsat 5, adquiridas em 09/06/2002, a fim de comparar os resultados obtidos a partir dos dois satélites. De uma maneira geral, as imagens obtidas pelos dois métodos (Figuras 14 e 15) estão muito próximas da imagem original (Figura 13), devido ao fato de que o resultado obtido foi comparado com uma imagem da banda pan original do mesmo satélite. O que não ocorreu na análise dos resultados utilizando o satélite Landsat 5, devido ao fato deste não possuir uma banda pan, utilizou-se a banda pan original do Landsat 7 de uma data diferente para comparar com as imagens simuladas geradas a partir de imagens do Landsat 5. Figura 13. Pan Original do Landsat 7. Figura 14. Pan Simulada Método 1. Figura 15. Pan Simulada Método 2. 4011

Analisando a Tabela 5, nota-se que a variância das imagens simuladas estão bem semelhantes as da imagem original. Tabela 5. Estatísticas das imagens. BandaPan Média Variância Original 31,43 138,48 Simulada Método 1 31,36 140,80 Simulada Método 2 30,89 134,18 Observa-se na Tabela 6 que os valores dos coeficientes de correlação dos métodos 1 e 2 foram maiores do que os obtidos na simulação utilizando as imagens do Landsat 5 (Tabela 4). Tabela 6. Coeficientes de correlação. Método 1 Método 2 Coeficiente de Correlação 0,90 0,92 A simulação de uma banda pan do Landsat 5 será de grande utilidade para os usuários de Sensoriamento Remoto pois torna possível a obtenção de uma banda com características radiométricas semelhantes a uma pancromática e com tamanho do pixel de 15 metros utilizando apenas as imagens do Landsat 5. REFERÊNCIAS Boggione, G. A. Restauração de imagens do satélite Landsat-7. 2003. 160 p. (INPE-10462-TDI/929). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2003. Boggione, G. A.; Pires, E. G; Santos, P. A; Fonseca, L. M. G. Simulation of a panchromatic band by spectral combination of multispectral ETM+ bands. In: 30 th International Symposium on Remote Sensing of Environment, Honolulu, Hawai, 2003 (PS-I.5). Fonseca, L.M.G. Restauração e interpolação de imagens do satélite Landsat por meio de técnicas de projeto de filtros FIR. São José dos Campos. 148 p. (INPE-6628-TAE/30). Dissertação (Mestrado em Engenharia Elétrica) - Instituto Tecnológico da Aeronáutica, 1988. Mascarenhas, N.D.A; Banon, G.J.F; Fonseca, L.M.G. Simulation of a panchromatic band by spectral linear combination of multispectral bands. São José dos Campos, 1991. p. 321-324. Instituto Nacional de Pesquisas Espaciais INPE SCT. 4012