Iniciao em Sensoriamento Remoto

as mais indicadas no mapeamento do relevo.

Para reas de densa cobertura vegetal, como a
floresta Amaznica, recomenda-se selecionar
imagens do infravermelho prximo e de radar.
Porm, se tiverem tambm um relevo muito
acentuado, (p.ex., a escarpa da serra do Mar
coberta pela mata atlntica), melhor utilizar
a do infravermelho prximo ou composies
coloridas que incluam imagem dessa banda.
Observa-se uma relao muito grande entre
a textura de uma imagem e a dissecao do
relevo (densidade de drenagem) da rea nela
representada. Assim, a partir dos diferentes
padres, formados principalmente pela textura
da imagem, identificamos as diferentes unidades
de relevo com os respectivos nveis de dissecao, como ilustram as Figs. 4.17 e 4.18.
Os padres destacados com nmeros (1 a 6)
na imagem da Fig. 4.18a e ilustrados com fotos
de campo, representam algumas das diferentes
unidades de paisagem da regio selecionada,
cuja descrio resumida apresentada a seguir:
Unidade 1 uma plancie fluvial de um
curso temporrio, formada por aluvies e
solos aluviais eutrficos distrficos, coberta
por uma caatinga aberta de estrato arbreo
(espcies pereneflias e hipoxerfilas) e
herbceo.
Unidade 2 uma rea de relevo suave
ondulado, com dissecao alta, formada por
granitos diversos indiferenciados, regossolo

distrfico eutrfico + afloramentos rochosos.

Nela domina a caatinga aberta de estrato
arbustivo e herbceo.
Unidade 3 uma rea de relevo plano, com
dissecao muito baixa, formada por rochas
do calcrio caatinga, vertissolos + cambissolo eutrfico, coberta por caatinga aberta de
estrato arbustivo e herbceo. Esta unidade,
de solos frteis, utilizada com a cultura
(irrigada) da cana-de-ucar.
Unidade 4 uma rea de relevo plano, com
dissecao muito baixa, formada por coberturas detrticas, uma associao de podzlico
vermelho amarelo eutrfico + planossolo
eutrfico. coberta por caatinga fechada de
estrato arbreo e arbustivo.
Unidade 5 caracteriza-se por relevo
ondulado, com dissecao alta (um conjunto
de relevos residuais inselbergs). formada por
granitos diversos indiferenciados, quartzitos,
granulitos e sienitos, solos litlicos eutrficos
+ afloramentos rochosos e coberta pela
caatinga fechada arbrea e arbustiva.
Unidade 6 um relevo de serra (inselberg),
com dissecao alta, formado de quartzito,
solos litlicos eutrficos extremamente
pedregosos com calhaus escuros que, ao lado
da caatinga fechada arbrea e arbustiva (na
poca seca), contribuem para os tons escuros
representados principalmente na Fig. 4.18a.

Fig. 4.17 Exemplos de feies e

unidades geomorfolgicas representadas em imagens de radar.
As imagens A, B e C, da regio de
Carajs, so do Radarsat-1.
Em (a), podemos observar o
relevo plano pouco dissecado da
regio; em (b), o relevo ondulado
com dissecao alta; e em (c),
o relevo fortemente ondulado,
muito dissecado, e o contato da
serra com o relevo plano.
Fonte: Santos et al. (1999).

66

Captulo 4 - Interpretao de Imagens

a

b
5

1
4

3
2

Fig. 4.18 Imagens MSS Landsat composio colorida 754 (RGB) da regio semirida de Juazeiro-BA, obtidas em
9 de novembro de 1982 (a), final da poca seca, e em 4 de maio de 1983 (b), no final da poca de chuva, mas
no muito representativa desta poca. Os diferentes padres de imagem representam diferentes unidades de
paisagem exemplificadas tambm nas fotos de campo (de 1 a 6). Observar como a unidade de paisagem (4) est
bem destacada na imagem da poca seca e quase indiscriminada na outra imagem, o que refora a utilidade de
imagens de diferentes pocas na obteno de informaes
Um nico tipo de imagem dificilmente
fornece toda a informao procurada. Desse
modo, podem ser exploradas imagens multiespectrais, multidatas e multissensores, pois

elas se complementam e, assim, oferecem ao

analista um grande nmero de informaes.
Como as imagens tridimensionais favorecem
a interpretao do relevo, imagens como as

67

Iniciao em Sensoriamento Remoto

do SRTM, ou MDEs obtidos de outras fontes,
podem ser integradas com imagens multiespectrais bidimensionais. Imagens multidatas,
por exemplo, podem ser analisadas em estudos
multitemporais, de deteco de mudanas no
uso da terra e nas feies de relevo. Imagens
multitemporais podem ser teis tambm
medida que determinadas feies da paisagem

so visveis em imagens adquiridas com determinados ngulos de elevao solar e azimute,

e em condies ambientais especficas. Assim,
sempre que possvel, recomendvel o uso
de imagens de pocas contrastantes (seca/
chuvosa, vero/inverno), que permitem ampliar
a obteno de informaes.
Aps a definio do objetivo e da rea de

Fig. 4.19 Mapa de rbita/ponto dos satlites Landsat-5 e 7 para a localizao de imagem. As rbitas tm uma
direo aproximada N-S e so numeradas na linha paralela do Equador. Cada rbita dividida em segmentos
numerados (pontos) indicados ao longo da linha paralela aos meridianos. No detalhe, o centro da imagem mais
prximo de Manaus (rbita/ponto de 231/62)

68

Captulo 4 - Interpretao de Imagens

estudo, o prximo passo localizar a rea e
identificar qual a rbita/ponto (sistema de
referncia) ou as coordenadas da imagem que
cobrem a rea de interesse. Para selecionar
imagens dos satlites Landsat-5 e 7 de uma
determinada rea de estudo, consultamos um
mapa-ndice (mapa de rbita/ponto) (Fig. 4.19).
Nele esto indicadas, por um sistema de coordenadas (Sistema Landsat de Referncia Universal),
as rbitas percorridas por esses satlites e
latitudes. A rea coberta por cada imagem
Landsat de 185 por 185 km, e os pequenos
crculos no mapa de rbita/ponto indicam a rea
central de cada imagem.
Nesse mapa, constata-se que a cidade de
Manaus, por exemplo, coberta pela imagem de
rbita 231, ponto 62. Procedimento semelhante
utilizado com relao s imagens obtidas de
outros satlites, consultando-se os respectivos
mapas-ndice. As grades (mapas de referncia)
Landsat e CBERS podem ser obtidas no endereo

eletrnico:
<http://www.dgi.inpe.br/siteDgi/
download.html>. De modo geral possvel
tambm selecionar a imagem de satlite da
rea de interesse a partir de suas coordenadas
geogrficas. No Catlogo de Imagens do Inpe
(http://www.dgi.inpe.br/CDSR),
as
imagens
dos satlites CBERS, Landsat e ResourceSat
podem ser selecionadas tambm pelo nome do
municpio de interesse.

69

Captulo 5
ProCessamento de Imagens
Orientaes para aplicao de tcnicas de processamento de imagens disponveis no site da editora (http://www.ofitexto.com.br) na
pgina do livro.

ma imagem digital obtida por senso5.1 Pr-Processamento

riamento remoto uma representao
O pr-processamento refere-se ao tratamatricial dos valores que correspondem intenmento preliminar dos dados brutos, com a
sidade de energia refletida ou emitida pelos
finalidade de calibrar a radiometria da imagem,
objetos da superfcie terrestre. A Fig. 5.1 ilustra
atenuar os efeitos da atmosfera, remover rudos
uma imagem digital, na qual o valor numrico de
e corrigir suas distores geomtricas (decorcada elemento de resoluo (clula ou pixel) reprerentes do processo de aquisio dos dados e
senta uma intensidade de energia e um nvel
deslocamento da plataforma) por meio de georrede cinza. Quanto maior o valor do pixel, maior
ferenciamento. Com este tipo de processamento,
a energia e maior o nvel de cinza
(mais claro, tendendo ao branco);
quanto menor o valor do pixel, menor
a energia e menor o nvel de cinza
(mais escuro, tendendo ao preto). O
valor numrico de cada elemento de
resoluo (pixel) da imagem varia de 0
(zero) a 2x. Em uma imagem do sensor
TM (satlite Landsat), por exemplo,
o valor de x 8 (28). Portanto, essa
imagem representada em 256 nveis
de cinza (0 a 255), ou seja, em 8 bits
(28), como so chamados os dgitos do
sistema binrio.
Por meio da utilizao de softwares
especializados, so aplicadas tcnicas
de processamento (operaes ou
transformaes
numricas)
nas
imagens digitais de sensoriamento
remoto. fundamental compreender
Fig. 5.1 Imagem digital representada em 256 nveis de cinza. O valor
o tipo de transformao aplicada aos
(nmero digital) de cada elemento de resoluo (pixel) representa
dados de sensoriamento remoto, para
a energia (mdia) refletida pelo(s) objeto(s) contido(s) nessa rea.
evitar perda de informao e erros Podemos observar que os valores mais baixos (objetos que absorvem
na sua anlise e interpretao. Essas muita energia) correspondem a nveis de cinza escuros e os mais altos
tcnicas podem ser agrupadas em (objetos que refletem muita energia) correspondem a nveis de cinza
trs conjuntos: pr-processamento, claros. Os valores extremos, 0 (zero) e 255, correspondem, respectivarealce e classificao de imagens.
mente, ao preto e ao branco.
Adaptado de CCRS/CCT

71

Iniciao em Sensoriamento Remoto

as coordenadas da imagem (linha e coluna) so
relacionadas com coordenadas geogrficas
(latitude e longitude) de um mapa. Desse modo,
o posicionamento da cena representada na
imagem ajustado sua localizao correspondente no terreno. Cada pixel da imagem original
relacionado (ajustado) com um ponto da superfcie representativa da Terra, que o elipsoide
de revoluo. O elipsoide utilizado derivado de
um elipsoide em um determinado datum acrescido de uma determinada altitude H, que pode
ser a altitude mdia da regio representada
pela imagem. O datum um marco determinado por meios geodsicos, de alta preciso, que
serve como ponto de referncia para todo o
levantamento da superfcie terrestre. O datum
sul-americano de 1969 (SAD69) foi o recomendado para o mapeamento sistemtico brasileiro
at o incio de 2005. A partir de ento, recomendado o uso do Sirgas (Sistema de Referncia
Geocntrico para as Amricas). O datum utilizado
pelo GPS o WGS 84 (World Geodetic System 84,
semelhante ao Sirgas) acrescido de uma determinada altitude H, que pode ser a altitude mdia
da regio representada pela imagem.
Os dados obtidos por sensoriamento remoto
so fortemente influenciados pelo relevo. Por
isso, tcnicas de pr-processamento tambm so
aplicadas visando reduzir o efeito da topografia
nas imagens. Tcnicas de pr-processamento
que alteram muito os dados originais devem ser
evitadas antes da aplicao de realce e da classificao automtica.
Em geral, para georreferenciar uma imagem,
utiliza-se uma base cartogrfica ou pontos de
controle obtidos com um equipamento GPS, ou,
ainda, outra imagem previamente corrigida, e
aplica-se uma tcnica de registro de imagem.
Uma base confivel e muito utilizada atualmente para georreferenciamento de imagens
de mdia resoluo (Aster-Terra, TM e ETM+
Landsat, CCD-CBERS etc.) so os Mosaicos de
Imagens Landsat da Nasa (https://zulu.ssc.nasa.
gov/mrsid). As imagens Landsat, disponveis no
endereo
<http://glcf.umiacs.umd.edu/data>,
tambm so ortorretificadas e podem ser utilizadas como referncia para essa finalidade. As
imagens de satlites de alta resoluo espacial

72

devem ser ortorretificadas por meio de um

modelo matemtico apropriado ou uma funo
de interpolao tridimensional baseada na
geometria e orientao do sensor. Sobre ortorretificao de imagens obtidas de sensores de alta
resoluo, sugerimos consultar Arajo (2006).
Ainda dentro do pr-processamento, cabe
destacar a restaurao de imagens, um procedimento disponvel no sistema Spring. Este tipo
de procedimento ajuda a eliminar distores e
refinar (melhorar) a resoluo espacial original
da imagem. Imagens TM, por exemplo, com
resoluo de 30 m, podero ser transformadas
em imagens com resoluo de 20 ou 15 m. Isso
permite analisar esse tipo de imagens em escalas
maiores, de at 1:25.000. Alm disso, possibilita integrar ou superpor imagens de diferentes
resolues espaciais. Desse modo, a imagem de
menor resoluo (p.ex., 30 m) reamostrada para
ficar igual imagem de maior resoluo (p.ex.,
10 m). A tcnica de reamostragem por vizinho
mais prximo muito utilizada no processo de
restaurao, pois basicamente no altera o valor
dos dados originais.

5.2 realce de Imagens

A finalidade das tcnicas de realce
melhorar a qualidade visual das imagens e
facilitar o trabalho de interpretao. A seguir, so
destacadas as tcnicas de realce mais simples e
utilizadas.
Ampliao linear de contraste: uma
tcnica simples e eficiente para destacar objetos e
feies. Consiste em expandir a distribuio dos
dados originais (concentrados em um pequeno
intervalo) para todo o intervalo possvel, por
exemplo, para 255 nveis em imagens de oito
bits, o que aumenta o contraste da imagem.
Na aplicao do aumento linear de contraste,
define-se, com base no histograma da imagem
e por meio de um cursor, o intervalo de nveis
de cinza. Os valores mnimo e mximo desse
intervalo so transformados, respectivamente,
em zero e 255 (em imagens de oito bits), sendo
todos os demais nveis de cinza da imagem
distribudos linearmente entre zero e 255. Nessa
transformao, h uma perda de informao
que pode ser significativa se houver saturao. A

Captulo 5 Processamento de Imagens

a

Fig. 5.2 Imagens da banda 3 do sensor TM-Landsat (Cachoeira Paulista - SP) e respectivos histogramas. Imagem original e
respectivo histograma (a); imagem realada por contraste linear
sem saturao e respectivo histograma (c); e imagem realada
por contraste linear com saturao e respectivo histograma (c)

Fig. 5.2 (a, b, c) mostra as imagens da

banda 3 do TM-Landsat-5 (oito bits) e seus
respectivos histogramas, no Spring. Em
(a) est representada a imagem original
e seu respectivo histograma; em (b) e (c),
as imagens, e respectivos histogramas,
resultantes da aplicao do contraste
linear com diferentes intervalos de corte.
A seleo dos intervalos de nveis de
cinza deve ser feita com o cuidado de
minimizar esse efeito. Uma saturao
mais acentuada pode ser aceita, desde
que destaque o alvo de interesse. O
controle da saturao feito pelo intrprete por meio da anlise do histograma
e da anlise visual da imagem. Ela ficar
muito escura, se saturada nos nveis
inferiores, ou muito clara, se saturada
nos nveis superiores, como mostrado na
Fig. 5.2c.
Operaes
aritmticas:
adio,
subtrao, multiplicao e diviso
de imagens tambm so tcnicas de
simples aplicao, porm mais difcil
interpretar seus resultados. A adio
e a multiplicao realam as similaridades espectrais e so eficientes para
destacar unidades de relevo e drenagem;
a subtrao e a diviso realam as
diferenas espectrais e eliminam ou
suavizam a textura da imagem e,
consequentemente, o relevo. Nesse caso,
pode ser til para destacar a cobertura
e o uso da terra, bem como cicatrizes
de eroso. Um exemplo de imagem
resultante da aplicao da tcnica de
multiplicao mostrado na Fig. 5.3.
Transformao por componentes
principais: uma transformao linear
de n variveis originais (por exemplo,
imagens multiespectrais) em n novas
variveis (componentes principais), em
que cada nova varivel uma combinao linear das variveis originais. As
novas variveis (componentes principais)
so no correlacionadas e computadas
de forma que a primeira componente
principal contenha a maior parte da

73