Termo genérico, que designa aquelas técnicas que modificam os ND originais das imagens de Sensoriamento Remoto com o objetivo de aproximá-los daqueles que estariam presentes na imagem caso a recepção das reflectâncias fosse perfeito. Neste contexto incluem-se: Tratamentos de problemas radiométricos derivados do mau funcionamento dos sensores, obtenção de magnitudes físicas e correção atmosférica dos dados. 1) Restauração de linhas ou pixels perdidos: Aquisição de dados com problemas pode causar linhas anomalas de pixels (linhas sem ND pretas ou com 100% de reflectância brancas), ou ainda pixels isolados com aspecto muito diferenciado dos seus vizinhos (efeito sal e pimenta ). Informação irreparavelmente perdida. Não se pode reparar o que nunca se obteve. Melhorar artificialmente o aspecto visual da imagem. Estima-se portanto o ND das linhas perdidas a partir dos NDs das linhas vizinhas. E pode ser realizado de diversas maneiras:
Estima-se portanto o ND das linhas perdidas a partir dos NDs das linhas vizinhas. E pode ser realizado de diversas maneiras: a) Substituir os ND da linha perdida por aqueles da linha anterior: b) Substituir os ND da linha perdida por aqueles da linha posterior: c) Substituir os ND da linha perdida pela média dos valores das linhas anterior e posterior: d) Utilizar uma banda auxiliar, altamente correlacionada com aquela que apresenta o problema:
2) Correção de Faixas de Ruídos Sistemáticos: Aparece principalmente em áreas de baixa radiância (lâminas de água), mas pode afetar toda a imagem. Se deve a má calibração entre os detectores que formam o sensor. Para ajustar digitalmente o sinal obtido por cada um dos detectores, se assume que se os mesmos estivessem bem calibrados, teriam histogramas parecidos. Portanto, bastaria recompor o histograma de cada sensor e ajustar aqueles que apresentam o ruído a um histograma selecionado como de referência através de uma regressão linear. a) Calcula-se a média a o desvio padrão de cada histograma parcial; b) Calcula-se o coeficiente angular da equação de regressão (bi) dividindo o desvio padrão do histograma de referência (s) pelo desvio padrão do histograma com ruído (si). c) Calcula-se o coeficiente linear da equação de regressão (ai) através dos níveis digitais médios do histograma de referência (ND) e do histograma com ruído (NDi) através da equação: d) A partir dos coeficientes calcula-se o valor corrigido pela equação:
3) Cálculo de Reflectividades: O cálculo das reflectividades das superfícies estudadas permite trabalhar com variáveis físicas de significado padrão, comparáveis em um mesmo sensor ao longo do tempo, entre diferentes sensores e entre dados de SR orbital e outros métodos de detecção da eem. Podemos dizer que a informação de reflectividade contida nos ND originais não pode ser comparada entre as diferentes bandas da mesma imagem ou entre imagens diferentes do mesmo local. Por outro lado a refletividade ou a temperatura (reais) são variáveis físicas comparáveis entre lugares e datas o que faz mais sólida a interpretação dos dados, garantindo a compatibilidade multitemporal e a análise integrada com imagens de diferentes sensores. A obtenção destas variáveis requer resolver satisfatoriamente a ação de diversos fatores. Alguns se referem ao próprio sensor (calibração), outras se referem as condições de observação (ângulo de iluminação e aquisição) e por último a elementos do meio ambiente (efeito atmosférico e topográfico, iluminação procedente de outros alvos).
3) Cálculo de Reflectividades Reflectividade Aparente (Modelo Simplificado) Reflectividade é a relação entre energia refletida e incidente. Varia portanto de 0 (superfície perfeitamente absorvente) a 1 (superfície perfeitamente reflectante). A reflectividade depende de suas características físicas e químicas, assim como das condições de observação. Além disso, é diferente dependendo da banda do eem em que estejamos trabalhando. A radiância espectral medida pelo sensor é consequência da reflexão da radiação solar procedente da superfície terrestre e está armazenada em um ND de acordo com os coeficientes de calibração específicos de cada sensor. Como conhecemos estes coeficientes de calibração podemos realizar o processo inverso e obter os valores de radiância espectral detectada pelo sensor a partir dos ND armazenados. Lsen,k = radiância espectral recebida pelo sensor na banda k (W m-2 sr-1 mm-1); a0,k e a1,k = coeficientes de calibração para a banda k NDk = Nível Digital da banda k.
3) Cálculo de Reflectividades Reflectividade Aparente (Modelo Simplificado) Por outro lado, a radiância que chega ao sensor (assumindo que a superfície terrestre tem um comportamento lambertiano) é uma função da irradiância solar, da reflectividade dos alvos e das condições de aquisição, teremos: E0,k = radiância solar no teto da atmosfera (W m-2 sr-1 mm-1); ρ*k = refletividade aparente dos alvos da banda k; θk = ângulo zenital do fluxo de eem incidente, complementar ao ângulo de elevação solar; D = fator de correção da distância Terra-Sol. J = indica o número do dia do ano e os valores do seno devem ser em radianos. Este fator varia de 0,983 (3 de janeiro) no periélio e 1,017 (4 de julho) no afélio.
3) Cálculo de Reflectividades Reflectividade Aparente (Modelo Simplificado) Parâmetros para conversão a reflectividade de imagens Landsat. = Anterior a 5 de maio de 2003 = Posterior a 5 de maio de 2003 * Os valores de radiância foram obtidos de Price (1987). Os parâmetros de calibração de Chander et al (2004). 1 2 A partir da fórmula anterior podemos calcular a reflectividade aparente como: Em resumo, para converter os ND em reflectividade primeiro tenho transformá-los em radiância (Lsen,k) a partir dos coeficientes de calibração do sensor para então obter desta radiância a reflectividade (ρ*k), conhecendo a irradiancia solar (E0,k) e a data de aquisição da imagem (da qual estimamos D e o ângulo zenital θi).
4) Correção das sombras topográficas Os efeitos decorrentes da forma do relevo relacionados as declividades e orientações das encostas são bastante notórios, especialmente em áreas de sombras. Se não levarmos em conta o efeito do relevo, a refletividade medida para um mesmo alvo em diferentes orientações do terreno implicará em problemas de reconhecimento y classificação nas classificações temáticas. Uma forma simples de eliminar o efeito topográfico é fazer um simples cociente entre duas bandas da mesma imagem. Por exemplo, utilizando as refletividades aparentes: A utilização de MDE (quando em resolução compatível com a imagem) pode-se modelar as condições de iluminação no momento de aquisição da imagem. Para isso necessitamos calcular o ângulo de incidência (γi) de uma vertente, que depende dos ângulos solares e da declividade (Civco, 1989; Colby, 1991; Conese et al., 1993).
4) Correção das sombras topográficas Onde: γi = ângulo de incidência; θi = ângulo zenital solar; θp = declividade da encosta considerada; φa = ângulo azimutal solar; φo = ângulo de orientação da encosta. Estes ângulos podem ser obtidos do MDE e da data de obtenção da imagem. Depois da obtenção do ângulo de incidência, podemos utilizar diversos métodos para compensar a diferença de radiação incidente entre as vertentes. - Método Proposto por Tiellet (1982): considera a superfície terrestre lambertiana. onde ρh,i = indica a reflectividade de um pixel i no terreno horizontal; ρi = indica a reflectividade de vertente considerada; θi = ângulo zenital solar da cena; γi = ângulo de incidência correspondente a este pixel;
4) Correção das sombras topográficas - Método Proposto por Minnaert (1941): método não lambertiano utilizado ao princípio para avaliar a rugosidade da superfície lunar. Neste método introduz-se o componente l para modelar o comportamento lambertiano dos corpos. Se l = 1, a superfície se comporta como um refletor lambertiano ideal. Como é difícil conhecer o valor de l pode-se utilizar no seu lugar um fator de correção (ck) calculado com os coeficientes da equação de regressão linear (bk e mk) entre a banda considerada e a imagem de iluminação do relevo. Assim: onde: Estas correções simples não levam em conta os efeitos da irradiância difusa. Para resolver este problema muitas alternativas surgiram mas são mais complicadas do que sua aplicação prática.