Efeito da escala de dados hiper-espectrais na extração de infomações sobre os solos da Microbacia de. Walnut Gulch-AZ. Luciano J. de O.

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

PROGRAMA DE ENSINO. 2º Período 2016

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

Anais III Simpósio Regional de Geoprocessamento e Sensoriamento Remoto Aracaju/SE, 25 a 27 de outubro de 2006

Resposta Espectral dos Solos da Microbacia de Walnut Gulch em Função do Ângulo de Visada, da Umidade e da Rugosidade Superficial

COMPARAÇÃO ENTRE TÉCNICAS PARA ANÁLISE DO COMPORTAMENTO ESPECTRAL DA CLOROFILA-A NO RESERVATÓRIO DE SALTO GRANDE (SP)

COMPORTAMENTO ESPECTRAL DE ALVOS

GEOPROCESSAMENTO. Sensoriamento Remoto. Prof. Luiz Rotta

PROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO ( X ) DOUTORADO ( X )

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

de zonas expressivas de cultivo de cana-de-açúcar e citricultura (Guimarães Júnior e Leopoldo, 1996).

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

MINIMIZAÇÃO DOS EFEITOS DA FUMAÇA SOBRE O CÁLCULO DO NDVI

PROPRIEDADES ESPECTRAIS DOS SOLOS

Radiômetros imageadores

Sensoriamento remoto 1. Prof. Dr. Jorge Antonio Silva Centeno Universidade Federal do Paraná 2016

VALIDAÇÃO DA MODELAGEM DE SEQÜESTRO DE CARBONO PARA AMBIENTES TROPICAIS DE CERRADO, POR MEIO DE DADOS AVIRIS E HYPERION.

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

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

Mapeamento do uso do solo para manejo de propriedades rurais

REFLECTÂNCIA DA FOLHA

Satélites Artificiais da Terra

Programa de Pós-Graduação em Ciências Cartográficas. Enner Alcântara Departamento de Cartografia Universidade Estadual Paulista Presidente Prudente

SENSORIAMENTO REMOTO HIPERESPECTRAL

Tecnologias de sensoriamento remoto para a identificação e monitoramento das mudanças no uso e ocupação dos solos urbanos

DETERMINAÇÃO DO ÍNDICE DE VEGETAÇÃO ATRAVÉS DE IMAGENS METEOSAT-8

APÊNDICE F SENSORES HIPERESPECTRAIS

Sensoriamento Remoto Aplicado à Geografia

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

Marco Antônio Pizarro José Carlos Neves Epiphanio Lênio Soares Galvão

IMAGENS E ESPECTROS. As imagens são representações espacializadas dos mecanismos de interação da energia radiante com a superfície;

INTRODUÇÃO AO SENSORIAMENTO REMOTO. Daniel C. Zanotta

Avaliação de alvos em áreas sob desertificação no semi-árido paraibano com base nos sensores Hyperion e LANDSAT 7 ETM+

ESTUDOS DE REFLECTÂNCIA DE AMOSTRAS DE 5 TIPOS DE SOLOS BRASILEIROS, EM CONDIÇÕES DE LABORATÓRIO

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 Aplicado à Geografia

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

Fundamentos de Sensoriamento Remoto

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

Refinamento de um método de área queimada, e validação utilizando imagens CBERS no norte de Mato Grosso, Brasil

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

UMA ABORDAGEM GERAL SOBRE UM MODELO DE CORREÇÃO ATMOSFÉRICA APLICADO AO SENSORIAMENTO REMOTO HIPERESPECTRAL

Qualidade Radiométrica das Imagens Sensor ADS40

ESTUDO DA DINÂMICA ESPECTRAL E ANGULAR DA SOJA ATRAVÉS DE SIMULAÇÕES (PROSAIL) E DADOS DOS SENSORES MODIS E HYPERION

CARACTERIZAÇÃO ESPECTRAL DO RESERVATÓRIO DE ITÁ SUL DO BRASIL

Caracterização espectral da floresta e áreas alagadas em imagens Woldview-2

USO E COBERTURA DA TERRA COMO SUBSÍDIO À AVALIAÇÃO DE SERVIÇOS AMBIENTAIS POR OPÇÕES DE MANEJO EM SISTEMAS PRODUTIVOS NA AMAZÔNIA

Sensoriamento Remoto: características espectrais de alvos. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

Sensoriamento remoto x uso do solo x transportes

Uso de Imagens de Satélite para o Estudo do Uso da Terra e Sua Dinâmica

Manipulação, Visualização e Interpretação de Imagens de Sensoriamento Remoto

Obtenção da reflectância da superfície para imagens OLI do Landsat 8 com um modelo de transferência radiativa

Potencial do sensoriamento remoto hiperespectral no estudo das perdas de solo em uma área piloto do Seridó (RN) sob processo de desertificação

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

Resposta espectral do feijão-caupi submetido a diferentes manejos de adubação

RESPOSTA ESPECTRAL DE FOLHAS DO URUCUM INFECTADA POR Oidio bixae

CAPÍTULO 7 SENSORIAMENTO REMOTO APLICADO AOS ESTUDOS GEOLÓGICOS

Radiometria e Princípios de Sensoriamento Remoto Hiperespectral

Sensoriamento Remoto. Prof. Enoque Pereira da Silva

Características espectrais de folhas retiradas de cinco espécies vegetais na região do visível e do infravermelho próximo

Caracterização Espectral de Solos Tropicais através de Componentes Principais e da Correlação entre Reflectância e Análises Químicas

Sensoriamento Remoto: Imagens orbitais e resoluções. Patricia M. P. Trindade; Douglas S. Facco; Waterloo Pereira Filho.

Questões concursos

ESTIMATIVA DE TEMPERATURA DA SUPERFÍCIE TERRESTRE UTILIZANDO DADOS DE NOAA AVHRR* RESUMO

Estimativa da Temperatura da TST

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

Aula 8 Difração. Física 4 Ref. Halliday Volume4. Profa. Keli F. Seidel

SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO

Sistema de Detecção de Desmatamento em Tempo Real. Instituto Nacional de Pesquisas Espaciais Ministério da Ciência e Tecnologia

A utilização de Imagens de Satélite Multiespectrais de Elevada Resolução Espacial para a Derivação de Batimetria

DESENVOLVIMENTO DE UM ESPECTRÔMETRO INFRAVERMELHO PARA MEDIÇÃO DE PROPRIEDADES ÓPTICAS DE ÓXIDOS E SEMICONDUTORES

Proposta de plano de monitoramento da qualidade de água dos grandes corpos d água do Distrito Federal e entorno

1. Introdução: um breve histórico

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

PALAVRAS-CHAVE: matéria orgânica, sensoriamento remoto hiperespectral, espectroscopia solos.


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

Sensoriamento Remoto Aplicado à Geografia Características das Imagens

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

Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7

10º Congresso Interinstitucional de Iniciação Científica CIIC a 04 de agosto de 2016 Campinas, São Paulo ISBN

H2T Uma ferramenta para geração de imagens a partir de dados do sensor MODIS. Etore Marcari Junior 1

Pedro Quarto Júnior I, Alexandre Cândido Xavier 2, Julião Soares de Souza Lima 3 RESUMO

COMPORTAMENTO ESPECTRAL DOS ALVOS

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

SENSORIAMENTO REMOTO HIPERESPECTRAL NO ESTUDO DE BAÍAS E SALINAS DO PANTANAL BRASILEIRO. Depart. de Geociências, , Santa Maria, RS, Brasil

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

Avaliação da influência da correção atmosférica no cálculo do índice de vegetação NDVI em imagens Landsat 5 e RapidEye

Sensoriamento Remoto II

TENDÊNCIAS CLIMÁTICAS NO CENTRO DE DESENVOLVIMENTO PETROLINA-PE/JUAZEIRO-BA. ANTÔNIO H. de C. TEIXEIRA 1

CONCEITOS RADIOMÉTRICOS

Detecção de metais potencialmente tóxicos por espectroscopia de reflectância

AVALIAÇÃO DE PROCEDIMENTO PARA CORREÇÃO DE EFEITOS DA ATMOSFERA EM AMBIENTE TROPICAL UTILIZANDO DADOS LANDSAT TM 5

COMPORTAMENTO ESPECTRAL DE ALVOS

Anais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, Brasil, 25 a 29 de abril de 2015, INPE

Sensoriamento Remoto Aplicado à Geografia

REFLECTÂNCIA ESPECTRAL DA ÁGUA

ANÁLISE DO COMPORTAMENTO ESPECTRO-TEMPORAL DE CULTURAS AGRÍCOLAS COM O USO DE IMAGENS ETM+/LANDSAT-7 E SOFTWARE SPRING

Transcrição:

Efeito da escala de dados hiper-espectrais na extração de infomações sobre os solos da Microbacia de Walnut Gulch-AZ. Luciano J. de O. Accioly EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária, CNPS- UEP Recife Rua Antonio Falcão, 42 - Recife, Pe, Brazil 512-24 oaccioly@embrapacnpsuep.br Alfredo R. Huete The University of Arizona Soil, Water and Environmental Science Dept. 429 Shantz Bldg. #38 Tucson-AZ 85721 ahuete@ag.arizona.edu Abstract: Hyperspectral data has been used in remote sensing in order to extract more information about a target. Comparissons between hyperspectral data that come from lab to field or to data extracted from an imagery involve scale issues and, frequently need the enhancement of subtle absorption bands through techniques such as the first derivative. This paper intended to study the scale issues on the soil information extraction as well as to improve this information through first derivative. Hyperspectral data were obtained from field, lab, and extracted from an scene of the Walnut Gulch Experimental Watershed (AZ). The results showed that soil information was lost when moving from large scale data set (lab and field) to small scale data set (). The first derivative was able to detect soil differences related to the presence of hematite and showed high sensitivity to the spectral contribution of small amount of green vegetation. Keywords:, hyperspectral, scale, first derivative, soils, spectroradiometry

Introdução Três tipos básicos de espectroscopia podem ser distinguidos no âmbito do sensoriamento remoto a saber: espectroscopia de laboratório, espectroscopia de campo e espectroscopia de imagem. Implícito no conceito de espectroscopia está o conceito de dados hiper-espectrais, ou seja, as curvas espectrais obtidas para um continuum de bandas. Estes dados são obtidos, normalmente, para a região de.25 a 3. µm com intervalos espectrais bastante estreitos (em muitos casos menores que 1 nm). Embora o detalhamento das curvas espectrais tenda a uma melhoria na capacidade de identificação e quantificação dos dados provenientes de sensoriamento remoto, em muitos casos a detecção de bandas de absorção extremamente estreitas e de pouca profundidade em dados hiper-espectrais necessita do uso de técnicas que resaltem a presença destas bandas. A derivada primeira é uma das técnicas que viabilizam a detecção de bandas de absorção extremamente estreitas (Cahill, 1979) permitindo a melhor diferenciação entre materiais cujas curvas espectrais são muito parecidas. Um outro problema está ligado a utilização dos dados destes tres tipos de espectroscopia para mútuas comparações entre amostras de uma mesma área (Curran, 1994). Devido as diferenças na escala em que estes dados são obtidos é de se esperar que haja perda na informação quando se compara os dados espectrais de laboratório com os de campo e, estes dois, com os dados espectrais provenientes da espectroscopia de imagem. Os objetivos deste trabalho foram: (i) comparar o conteúdo das informações espectrais de solos obtidas sob condições de laboratório, campo, e extraídas da imagem do Airborne Visible-Infrared Imaging Spectrometer (); (ii) Testar o uso da derivada primeira na extração de informações sobre os solos da Microbacia Experimental de Walnut Gulch. Material e Métodos As curvas espectrais foram obtidas para seis séries de solos presentes na microbacia experimental de Walnut Gulch no sudeste do Estado do Arizona (31.7º N e 11º W). Os dados de espectroscopia destes solos foram obtidos sob as seguintes condições: campo, amostras retiradas peneiradas e obtidas as curvas espectrais sob iluminação solar (daqui por diante referenciadas como amostras do tipo A), laboratório (medidas no Reflectance Laboratory ou, na Universidade de Brown) e extraidas do. Para as medições de campo e em amostras do tipo A foram utilizados um espectroradiômetro (Spectron modelo SE59) com cobertura espectral que vai de.45 a.9 µm e.1 µm de intervalo amostral e 15º de campo de visada (aproximadamente.4 e.5 m de raio para as áreas sensoriadas no campo e em amostras do tipo A, respectivamente). De uma a duas medições de campo foram realizadas em uma área representativa de cada série de solo, conforme indicada pelo pesquisador que fez o levantamento das séries de solos presentes na microbacia experimental de Walnut Gulch. Uma amostra extraída de cada local onde

foi feita a determinação de campo foi encaminhada ao. As curvas espectrais do foram obtidas para a faixa espectral de.4 a 2.5 µm com intervalo espectral de.5 µm. A imagem do foi obtida durante a estação seca (Maio de 1991). Após a remoção dos canais que apresentavam ruído e dos canais de supreposição as originais 224 bandas foram reduzidas para 167 bandas na faixa espectral de.46 a 2.4 µm com largura de banda da ordem de 1 nm. A imagem do (resolução espacial nominal de 2 m) foi registrada com um error aproximado de.92 pixels e corrigida para os efeitos atmosféricos usando-se o Atmosphere Removal Program (ATREM)(Gao et al., 1996). A média dos valores de reflectância de um grupo de 3 x 3 pixels extraídos de cada uma das áreas amostradas no campo foi utilizada para a obtenção das curvas espectrais do. Para melhor detectar as bandas de absorção extremamente estreitas e pouco profundas nas curvas espectroscópicas de diferentes procedencias, estas curvas foram transformadas usando-se a derivada primeira das mesmas, dada pela equação: Derivada primeira = (D 8n - D 8n - 1 ) / (8 n - 8 n - 1 ) Onde D, 8 e n representam os valores de reflectância, comprimento de onda e o número da banda, respectivamente. Para a aplicação da derivada primeira as curvas espectrais foram suavizadas através da aplicação de uma janela de 5 x 1, isto é, cada ponto da curva foi substituido pela média aritmética tomada considerando-se dois pares de pontos equidistantes e mais o ponto central cujo valor estava sendo substituido. Resultados e Discussão A Figura 1 compara os resultados da calibração da imagem do usando o programa ATREM com os dados de espectroscopia de campo numa area de solo nú. Estes resultados mostram uma boa concordância entre os dados de campo e as informações extraídas do após a correção atmosférica dada pelo ATREM. Os maiores desvios foram devidos as correções maiores do que as esperadas nas bandas de absorção de água localizadas nas proximidades de.72,.82 e.9 µm e na banda de absorção de O 2 nas proximidades de.75 µm. As curvas espectrais e os resultados da aplicação da derivada primeira a estas curvas estão exemplificados na Figura 2 para a faixa espectral de.45 a.9 µm e para as séries de solo McAllister (Fine-loamy, mixed, thermic Ustollic Haplargids) e Graham (Clayey, montmorillonic, thermic Ustollic Haplargids). McAllister é o solo mais antigo da superfície da microbacia de Walnut Gulch com coloração bastante avermelhada (2.5YR 5/6 no sistema Munsell (Munsell, 1988)) o que denota a presença de teores relativamente bem mais elevados de hematita quando comparado ao solo Graham que é, comparativamente, um solo mais novo e de coloração escura (7.5YR 3/2, na escala de Munsell (Munsell, 1988)). Para o solo McAllister a curva da derivada primeira mostra um ponto de máxima a aproximadamente.57 µm. Este ponto de máxima decresce em valor na direção dos dados obtidos em maior escala () para os dados obtidos em menor escala (). Quando comparado

à derivada primeira das curvas espectrais de alguns óxidos de ferro comumente encontrados nos solos (Figura 3) verifica-se que o referido ponto de máxima pode está associado à presença de hematita em maiores teores nas áreas ocupadas por McAllister do que nas áreas ocupadas pela série de solo Graham. Um outro ponto de máxima está localizado entre.7 e.75 µm e, para o caso das curvas espectrais de campo, pode estar associado a alta sensibilidade da derivada primeira em detectar traços de vegetação verde. É o que occorre, por exemplo, na curva espectral obtida sob condiçõe de campo para o solo McAllister onde uma cobertura vegetal verde de menos de 5% pode ser detectada pela derivada primeira. No caso das curvas espectrais extraídas do a associação deste ponto de máxima à ocorrência de vegetação verde é complicada pela presença da banda de absorção de água nas proximidades de.72 µm que não foi devidamente corrigida pelo programa de correção dos efeitos atmosféricos ATREM. Conclusões O corrente estudo mostra que o conteúdo das informações sobre as características dos solos da Microbacia Experimental de Walnut Gulch decresce à medida que a escala se reduz, mostrando ainda que dados provenientes de escalas menores (como os do ) necessitam, além de uma eficiente correção dos efeitos atmosféricos, da decomposição das curvas espectrais para eliminação das frações dos outros componentes que não o solo. Estes componentes interferiram nas curvas espectrais reduzindo o conteúdo de informações sobre os solos da microbacia. A derivada primeira mostrou-se uma tecnica bastante sensível para a detecção de bandas de absorção extremamente estreitas possibilitando a diferenciação de alguns solos da microbacia com base no teor esperado de hematita. Literatura citada Cahill, J.E. 1979. Derivative spectroscopy: undestanding its application. Am. Lab. 1979:79-85. Curran, P.J. 1994. Imaging spectrometry - its present and future role in environmental resarch. p.1-23. In J. Hill and J. Megier (ed.) Imaging spectrometry - a tool for environmental observations. Kluwer Academic Publishers, Dordrecht, The Netherlands. Gao, B.C., K.B. Heidebrecht, and A.F.H. Goetz. 1996. Atmospheric Removal Program (ATREM)Users Guide, Centre for the Study of Earth from Space, Cooperative Institute for Research in Environmental Sciences, University of Colorado, Boulder. Munsell, A.H. 1988. Munsell - A color notation. 15 th ed. Macbeth, Div. of Kollmorgen, Baltimore

1.1 1.9.8 Relação ATREM/Reflectância de campo1.2.45.55.65.75.85.95 Figura 1 Resultado da calibração dos dados do usando o programa ATREM

.4 (a) McAllister 2 (b) McAllister Reflectância.3.2 Derivada primeira 1.5 1.5.1.45.54.63.72.81.9 -.5.45.54.63.72.81.9.4 (a) Graham 2 1.5 (b) Graham Reflectância.3.2 Derivada Primeira 1.5.1.45.54.63.72.81.9 -.5.45.54.63.72.81.9 Figura 2 Curvas espectrais (a) e Derivadas primeira (b) destas curvas para os solos McAllister e Graham

12 1 Derivada Primeira 8 6 4 2-2.45.5.55.6.65.7.75.8.85.9 Goetita Hematita Folha de Walnut Figura 3 Derivada primeira para amostras de Goetita (amostra WS222-USGS), Hematita (amostra GDS76- USGS) e folha de walnut (amostra ABSREF95-USGS)