Satélites Artificiais da Terra

Documentos relacionados
Geomática e SIGDR aula teórica 25 14/05/2013. Interpretação de imagens de detecção remota Índices de vegetação

Manipulação, Visualização e Interpretação de Imagens de Sensoriamento Remoto

Detecção Remota. Aquisição de dados. Sistema Modelo de Detecção Remota ICIST. Energia Electromagnética. Interacções com a Atmosfera

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

Interpretação Visual de Produtos de Sensoriamento Remoto

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

GEOPROCESSAMENTO. Sensoriamento Remoto. Prof. Luiz Rotta

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

O DESAFIO DOS SENSORES REMOTOS NO INVENTÁRIO DE BIOMASSA SÓLIDA. José Rafael M. Silva; Adélia Sousa; e Paulo Mesquita

Processamento Digital de Imagens. Cor

Curso de Extensão: Noções de Sensoriamento

3 - AQUISIÇÃO DE IMAGENS DE SATÉLITE

Agricultura. Integra um grande número de formatos de imagens aéreas, satélite, radar ou térmicas;

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

Sensoriamento Remoto Aplicado à Geografia Características das Imagens

COMPORTAMENTO ESPECTRAL DOS ALVOS

PMI 3331 GEOMÁTICA APLICADA À ENGENHARIA DE PETRÓLEO

Processamento de Imagens Coloridas. Prof. Adilson Gonzaga

Processamento Digital de Imagens

Aplicações Informáticas B 12º Ano

TRANSFORMAÇÕES MULTIESPECTRAIS (GLOBAIS)

7. OPERAÇÕES ARITMÉTICAS EM IMAGENS

PROCESSAMENTO DE IMAGENS

INTRODUçÃO ÀS. UNIVERSIDADE DE AVEIRO Departamento de Física Detecção Remota

Imagem Digital. Claudio Carvilhe

Introdução ao Processamento de Imagens Digitais Aula 01

Vantagens e limitações dos RGB s

Sensoriamento Remoto Aplicado à Geografia

Sensoriamento Remoto Aplicado à Geografia

Sensoriamento Remoto. Características das Imagens Orbitais

Determinação da dimensão fractal de conjunto de pontos às imagens de satélites

ANÁLISE VISUAL DE IMAGENS ORBITAIS MULTIESPECTRAIS

Cores em Imagens e Vídeo

CAPÍTULO 7 SENSORIAMENTO REMOTO APLICADO AOS ESTUDOS GEOLÓGICOS

INTRODUÇÃO AO DESENVOLVIMENTO WEB. PROFª. M.Sc. JULIANA H Q BENACCHIO

Processamento Digital de Imagens SER Prática de Laboratório

Processamento Digital de Imagens

Realce de Imagens. Realce de Imagens

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

Geomática e SIGDR aula teórica 27 21/05/2013. Sistemas activos de detecção remota

Mapeamento do uso do solo para manejo de propriedades rurais

Mudanças de Coordenadas em Sistemas de Cores

NOTA TÉCNICA INPE CRA/2016

Sistemas de Informação Geográfica Aplicados

Definição de sensoriamento remoto. Professor: Enoque Pereira da Silva

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

PROCESSAMENTO DE IMAGENS COLORIDAS

Processamento Digital de Imagens

II Semana de Geografia UNESP / Ourinhos 29 de Maio a 02 de Junho de 2006

PROCESSAMENTO DE IMAGENS DIGITAIS PARA VISÃO ROBÓTICA. Digital Image Processing for Robotic Vision

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

SENSORIAMENTO REMOTO E A VEGETAÇÃO

1. Introdução: um breve histórico

Monitoramento de Queimadas e Incêndios na Região do Parque Estadual do Jalapão em 2007, 2008 e 2009

DETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8

Sensoriamento Remoto II

Capítulo III Processamento de Imagem

COMPARAÇÃO ENTRE ÍNDICES DE VEGETAÇÃO EM IMAGEM LANDSAT 5 TM. Josilhane Da Silva¹, Thays Marcela Hamulak², Selma Regina Aranha Ribeiro³.

Luz e Cor. Luz. Onda eletro-magnética. Computação Gráfica Interativa - Gattass 10/26/2004. Luz e Cor. λ (m) f (Hertz)

IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO

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

Satélites e Sensores Orbitais

VANT para Monitoramento Hidrológico. Fabiano Cucolo 8/12/2015

PROPRIEDADES ESPECTRAIS DOS SOLOS

Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem

PMR2560 Visão Computacional Conversão e Limiarização. Prof. Eduardo L. L. Cabral

Cor SCC0251 Processamento de Imagens

A Fotogrametria Digital

Flávia da Fonseca Feitosa

Imagem bitmap. Gráfico vetorial. gráficos vetoriais

António Costa. Paulo Roma Cavalcanti

IMAGENS PARA MAPEAMENTO GEOLÓGICO E LEVANTAMENTO DE RECURSOS MINERAIS: RESUMOS PARA USO DOS CENTROS DE ATENDIMENTO A USUÁRIOS ATUS DO INPE

SENSORIAMENTO REMOTO: CONCEITOS, TENDÊNCIAS E APLICAÇÕES. Imagens de Satélites Orbitais

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

DISTRIBUIÇÃO DA COBERTURA VEGETAL NO MUNICÍPIO DE LAVRAS-MG POR MEIO DO NDVI.

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

Fundamentos sobre. Universidade Federal do Rio de Janeiro - IM/DCC & NCE. Antonio G. Thomé Sala AEP/1033. Processamento de Imagens

ARTIGO COM APRESENTAÇÃO BANNER - MONITORAMENTO AMBIENTAL

Introdução a Análise de Imagens Digitais

Características da cor

1º Lista de exercícios óptica geométrica Prof: Ricardo

USOS E Aplicações DE SENSORIAMENTO REMOTO I

As imagens. As imagens. Representação digital de imagens. As imagens Wilson de Pádua Paula Filho 1

Processamento de Imagem. Histograma da Imagem Professora Sheila Cáceres

Teoria da Cor - Fundamentos Básicos

Interpretacão de Imagens. Teresa G.Florenzano DSR/INPE

5. A COR NO PROCESSAMENTO DIGITAL DE IMAGENS DE SENSORIAMENTO REMOTO

¹ Estudante de Geografia na Universidade Estadual de Campinas (Unicamp), estagiária na Embrapa Informática Agropecuária (Campinas, SP).

COORDENADORIA DE DEFESA CIVIL MUNICÍPIO DE DUQUE DE CAXIAS - RJ

Colégio Politécnico da UFSM DPADP0024 : Processamento Digital de Imagens (Prof. Dr. Elódio Sebem)

Radiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP

CORREÇÕES RADIOMÉTRICAS

A Luz-Cor EDUCAÇÃO VISUAL 8º ANO

Operações Pontuais. 1 operando. 2 operandos. Processamento e Análise de Imagem - A. J. Padilha - v ac

Técnicas de interpretação de espectros de reflectância. Aula 5 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa

Sensoriamento Remoto

Classificação e Exemplos de Sistemas Sensores. Disciplina: Sensoriamento Remoto Prof. Dr. Raoni W. D. Bosquilia

ESTIMATIVA DO ALBEDO E TEMPERATURA DE SUPERFÍCIE UTILIZANDO IMAGENS ORBITAIS PARA O MUNICÍPIO DE BARRA BONITA SP

USO DE IMAGENS TM LANDSAT 5 PARA ANÁLISE DO ALBEDO E SALDO DE RADIAÇÃO NA BACIA HIDROGRÁFICA DO CAMARAGIBE: DESTAQUE PARA SÃO LUIZ DO QUITUNDE-AL

Cor.doc Página 1 de 5 Teoria das Cores

Transcrição:

Satélites Artificiais da Terra Os valores numéricos correspondem aos níveis radiométricos registados pelo sensor em cada uma das bandas espectrais.

Satélites Artificiais da Terra As imagens de satélite são imagens multibandas onde, para cada coordenada (x,y), existe um conjunto de valores de nível de cinzento. Cada pixel é representado por um vector, com tantas dimensões quanto forem as bandas espectrais. Tais imagens constituem-se a partir de um conjunto de imagens duma mesma cena, num mesmo instante, obtida por vários sensores com respostas espectrais diferentes.

Elementos da Imagem e o Valor de Brilho Linhas (i) 5 3 4 1 2 1 10 15 15 17 18 20 20 21 15 17 20 21 17 18 21 22 18 20 22 24 25 eixo dos X Colunas (j) 2 3 4 5 22 23 20 21 1 2 3 4 Bandas (k) O elemento da imagem (pixel) na linha 4, coluna 4, banda 1, tem como valor de brilho 22, i.e. VB4,4,1 = 22 Alcance do Valor de Brilho (8 bits) 255 127 0 Branco Cinza Preto Gradiente de Tons Cinza Associado Imagem digital de detecção remota é tipicamente composta por elementos da imagem localizados na intercepção de cada linha (i) e coluna (j), em cada banda (k). Estes dados deverão ter um registro geométrico preciso. O valor de brilho (VBijk) em cada pixel localizado é usualmente representado por um número de 0 a 255. Este valor pode ser associado e modulado no intuído de produzir um gradiente cinza num monitor, onde preto (VB = 0) a branco (VB=255).

Satélites Artificiais da Terra Banda 1 Banda 5 Banda 2 Banda 6 Banda 3 Banda 7 Banda 4

TM 1 (0,45 0,52 µm, Azul) TM 2 (0,52 0,60 µm, verde) TM 3 (0,63 0,69 µm, vermelho) TM 4 (0,76 0,90 µm, infravermelho próximo) TM 5 (1,55 1,75 µm, infravermelho médio) TM 6 (10,4 12,5 µm, infravermelho térmico) TM 7 ( 2,08 2,35 µm, infravermelho médio) Utilizado para o estudo da superfície da água, tornando-se útil na caracterização da hidrologia costeira. A sua utilidade passa ainda pela capacidade de discriminação do solo/vegetação, e da identificação das características dos níveis de poluição aquática. Fornece informação relativa ao estado de desenvolvimento da vegetação, na medida que permite observar o pico de reflectância da vegetação no existente nos comprimentos de onda correspondentes ao verde. Também é útil para a identificação das características das culturas. Este canal, ao operar na banda verde, realça na imagem, as áreas cobertas de vegetação, relativamente aos espaços construídos e às rochas e solos desnudados. Banda de grande utilidade na determinação da região de absorção de clorofila, sendo o mais sensível à diferenciação entre as várias espécies de plantas na região visível, assim como à discriminação entre vegetação e não vegetação. Tal como os canais anteriores é importante na identificação das características das plantas. A mais adequada para a determinação dos tipos de vegetação, para quantificação da biomassa, na discriminação solo/vegetação e terra/água, e na avaliação do teor de humidade do solo. Adequada na quantificação do teor de humidade presente na vegetação e nos solos, permitindo diferenciar as plantas consoante o seu estado fenológico. É também útil quando é necessário diferenciar neve e nuvens. A imagem fornecida por este canal melhora o contraste da linha de costa, pela absorção quase total desta radiação pela água. Reconhecido pela sua eficácia na análise do stress da vegetação, na disseminação do teor da humidade do solo e, sobretudo, no estudo da termicidade dos objectos, na localização de fontes de calor em meio urbano, na determinação dos níveis de poluição atmosférica. Permite a discriminação dos minerais, tipos de rochas e, aplica-se em estudos de solos. É igualmente sensível ao teor de humidade presente na vegetação. Este canal, é aquele que oferece a melhor imagem do contorno da linha de costa. Todavia, apresenta um inconveniente: a elevada sensibilidade denotada por esta banda à humidade, leva a que lugares mais húmidos apareçam como superfícies aquáticas.

Combinação de Bandas

Satélites Artificiais da Terra Devido a este facto, as imagens de satélite são também designadas por imagens multiespectrais. A forma mais comum de analisar visualmente esta informação multiespectral é combinando as bandas em conjuntos de três, fazendo corresponder cada banda a uma componente do sistema RGB (Red Green Blue), obtendo-se o que se designa por composição colorida. Quando uma imagem representa a informação registada na região do visível designa-se por pancromática.

Como se visualiza uma imagem de satélite? Modelo de cor usado em Detecção Remota Modelo RGB: Red-Green-Blue Sistema de Coordenadas de Cor RGB Vermelho (255, 0, 0) Amarelo (255, 255, 0) Magenta (255, 0, 255) Branco (255, 255, 255) Preto (0,0,0) Verde (0, 255, 0) Azul (0, 0, 255) Cyan (0, 255, 255)

Satélites Artificiais da Terra COMBINAÇÃO DE BANDAS EM RGB TM1 TM2 TM3 TM4 TM5 TM6 Síntese Aditiva TM7

O número possível de combinações C realizadas a partir de n bandas e utilizando q (3) de cada vez é: C n q n! q! n q! RED GREEN BLUE CC321 Vermelho (TM3) Verde (TM2) Azul (TM1) CC741 Ifmed (TM7) Ifprox (TM4) Azul (TM1) CC421 Ifprox (TM4) Verde (TM2) Azul (TM1) NDVI (TM4-TM3)/(TM4+TM3) TERMICA Transformação do IFterm (Banda 6)

Satélites Artificiais da Terra Tais composições, são capazes de sintetizar numa única imagem uma grande quantidade de informação facilitando a interpretação de alvos através da representação dessa informação em diferentes cores. 4,3,2 5,4,3 3,2,1

Criar uma matriz multibanda IGOT Criar uma imagem compósita com todas as bandas Visualizar várias combinações coloridas

índices

Como se melhora a visualização de uma imagem de satélite? Manipulação de contraste Extensão/Expansão do contraste (ajustamento dos níveis de cor/cinzentos á gama de NR significativos) 1. Expansão linear 2. Expansão linear com saturação nos extremos (% de valores extremos) 3. Expansão equalizada pelo histograma (em função da frequência de ocorrência) 4. Expansão específica

MELHORAMENTO DO CONSTRASTE Banda Landsat TM4 e respectivo histograma Imagem de satélite após a expansão linear do contraste e respectivo histograma

Expansão linear do contraste Formalmente, a expansão linear do contraste da imagem expressa-se através da seguinte fórmula: Em que: NR nível radiométrico na imagem final, NR nível radiométrico na imagem inicial, MIN nível radiométrico mínimo da imagem inicial, MAX nível radiométrico máximo da imagem inicial.

Expansão linear do contraste Antes Depois

MELHORAMENTO DO CONSTRASTE Imagem de satélite após expansão linear do contraste com saturação a 5% e respectivo histograma Imagem de satélite após equalização do histograma e respectivo histograma

índices

ÍNDICES DE VEGETAÇÃO Permitem avaliar quantitativamente teores de biomassa alterações ambientais nível de seca degradação ambiental (ao longo dos anos) uso generalizado devido ao comportamento espectral característico no vermelho vs infravermelho próximo Reflectância no Vermelho Reflectância no Infra Vermelho Vegetation Index Image (SAVI)

Índice de vegetação rácio (RATIO) RATIO = IVP/V Capta o contraste entre as bandas vermelho e do infravermelho próximo, valores muito altos => baixa reflecção no vermelho => (grande absorção pela clorofila) e alta reflecção no infravermelho próximo => grande teor de biomassa variação na iluminação da cena devido a efeitos topográficos são minimizados (por ser um ratio) susceptível de erros (divisão por zero) e a escala de medida resultante não é linear => não apresenta uma distribuição normal

Índice de vegetação normalizado (NDVI) NDVI = (IVP-V)/(IVP+V) = (TM4-TM3)/(TM4+TM3) variação na iluminação da cena devido a efeitos topográficos são minimizados (por ser um ratio) a escala resultante é linear valores entre -1 (outras superfícies que não vegetação) e 1 (superfícies completamente cobertas com vegetação). O 0 traduz aproximadamente áreas sem vegetação.

O NDVI pode ser usado como base para estimar propriedades da vegetação: Índice de Área Foliar biomassa concentração de clorofila na vegetação produtividade da vegetação fracção de coberto vegetal Biomassa

NDVI IGOT Leaf Area Index (LAI) Índice de Área Foliar ratio da área total de todas as folhas relativamente à área de terreno coberta pela planta. Isto significa que se uma planta tem apenas um layer de folhas todas colocadas uma ao lado das outras, o seu LAI será exactamente 1.0, porque a área das folhas será igual à área do terreno coberta pela planta. LAI é uma variável adimensional, tipicamente entre variando entre 0 para solo nu e 6 para uma floresta densa. 1 0.9 0.8 0.7 0.6 0.5 0.4 Exemplos de LAI Relação genérica entre o NDVI e LAI 0.3 0 1 2 3 4 5 6 IAF (m 2.m -2 )

Outros Índices de Vegetação Índice de vegetação transformado (TVI) TVI = (IVP-V)/(IVP+V)+0.5 Índice de vegetação transformado corrigido (CTVI) CTVI =(NDVI+0.5)/ABS(NDVI+0.5) x ABS (NDVI+0.5) Índice de vegetação transformado Thiam (TTVI) TTVI ABS (NDVI+0.5)

Outros Índices Índice 1: Rácio de Óxido de Ferro Índice 2: Rácio de Argila (hidratada)