Vous êtes sur la page 1sur 34

DEPARTAMENTO DE GEOGRAFIA

SENSORIAMENTO REMOTO
Dr. Regis Alexandre Lahm

Prof. Adjunto do FFCH/GEOGRAFIA e FENGE/ENGENHARIA CIVIL - PUCRS


Conceitos Básicos de Sensoriamento Remoto
Coordenador do Laboratório de Tratamento de Imagens Digitais e Geoprocessamento do FFCH/GEO/PUCRS
e-mail lahm@pucrs.br

Sensoriamento Remoto (SR) é uma técnica de aquisição e análise das informações


sobre as propriedades físico-químicas de objetos de interesse, ou fenômenos dinâmicos da
superfície terrestre, com base nas interações da radiação eletromagnética com os alvos e o
meio-ambiente (Fig. 1).
Entre os muitos conceitos de SR, um dos mais utilizados é: "A tecnologia que permite
a aquisição de informações de diferentes alvos ou fenômenos na superfície da Terra ou
dentro de sua atmosfera, sem o contato físico com os mesmos".
O processo de aquisição ou coleta de dados, compreende uma fonte de radiação
eletromagnética (REM), normalmente o Sol, e um dispositivo eletro-óptico-mecânico,
denominado sensor. O sistema sensor capta a REM na forma de níveis discretos de energia
refletidos e/ou emitidos pelos alvos, de maneira seletiva em relação ao comprimento de onda.
O registro energético é convertido em sinal elétrico pelos detetores e, posteriormente,
amplificados por circuitos eletrônicos para serem transmitidos em uma determinada
freqüência às estações receptoras em Terra.

Sensores Remotos

Sistemas óptico eletrônicos capazes de detectar e registrar sob a forma de imagens o


fluxo de energia radiante (REM) que é refletido ou emitido por diferentes alvos ou fenômenos
na superfície da Terra. Exemplo : Máquina fotográfica.

Nas estações, os sinais são gravados digitalmente em fitas magnéticas de alta


densidade (HDT's) e posteriormente formatadas em fitas compatíveis ao computador (CCT's)
ou CD (Compact Disk) nos laboratórios de processamento e produção de imagens.
DEPARTAMENTO DE GEOGRAFIA

O produto gerado, do qual podemos extrair as informações, pode ser de dois tipos: o
tipo fotográfico (papel preto e branco ou colorido) e o tipo digital. A interpretação dos dados
pode ser feita visualmente, ou através de rotinas computacionais que permitem por exemplo,
mediante a classificações automáticas, supervisionadas ou não, elaborar mapas temáticos.

Figura 1 - Representação do processo de aquisição de uma imagem de satélite (Fonte:


AUADA, 1996).

Entre as muitas vantagens da utilização do SR como sistema de aquisição de dados,


podemos destacar: a capacidade de aquisição repetitiva e rápida de uma grande quantidade de
informações; o recobrimento de grandes áreas; o baixo custo relativo; a alta resolução
atualmente obtida a partir de diferentes tipos de sensores; e a integração com os Sistemas de
Informações Geográficas (SIG's). Não pode-se esquecer, também, o caráter multidisciplinar
do SR, pois permite a interação com várias outras ciências, como por exemplo: a Geografia,
Geologia, Engenharias, Biologia, Economia, Oceanografia e Meteorologia.

Radiação eletromagnética (REM)

As informações da superfície terrestre e da atmosfera serão armazenadas pelo sensor


sob a forma de imagem através da transferencia de energia (Radiação Eletromagnética,
DEPARTAMENTO DE GEOGRAFIA

REM). A energia utilizada nesse processo é proveniente de uma fonte, como por exemplo o
Sol. Toda matéria a uma temperatura absoluta acima de zero° K emite energia. O fluxo de
energia citado na definição de sensores remotos, nada mais é que um facho da REM. A REM
proveniente do Sol, viaja através do cosmos, penetra na atmosfera terrestre, interage com um
alvo e retorna ao sistema óptico eletrônico (sensor), estrategicamente colocado em órbita
terrestre.

São características da REM :

- propagação no vácuo (não necessita de um meio específico para propagação)


- velocidade constante de 300.000 Km/s
- sua propagação se dá de forma ondulatória e magnética
- possuir um comprimento de onda (λ) e uma freqüência (f)

A energia é obtida através da expressão : E= mc2


onde :
E= energia m= massa c= velocidade
A velocidade é obtida através da expressão: C=λf. A velocidade sendo constante, torna
inversamente proporcionais as variáveis λ f. Isso é aumentando-se λ diminui-se f e vice-versa.
A variável λ é o comprimento entre duas cristas de onda e a variável f sua altura. Devido a
variação de λ e f diferentes tipos de REM irão compor o que chamamos de
espectroeletromagnético.
O espectroeletromagnético esta compreendido entre a radiação gama que possuí
λ) pequeno e uma alta freqüência (f) até as ondas de rádio onde o
comprimento de onda (λ
λ) é grande e baixa freqüências (f) . Se uma fonte pudesse emitir todos
comprimento de onda (λ
os tipos de REM conhecidos na física aplicada, entre essas duas grandezas estariam dispostos
outros diferentes tipos de REM, a saber : Radiação Gama / Raios X / ultravioleta / Visível /
infravermelho / Microondas / UHF / VHF / Ondas de Rádio. Então da variação do
λ) e da freqüência (f) origina-se os tipos diferentes de REM (Fig.2).
comprimento de onda (λ
DEPARTAMENTO DE GEOGRAFIA

A região do espectro óptico (visível ao infravermelho próximo) é a mais utilizada em


SR da superfície terrestre. O sensor detecta a radiação eletromagnética refletida pela
superfície e mede sua intensidade em diferentes comprimentos de onda do espectro
eletromagnético. As característica radiométricas e espectrais da onda refletida são comparadas
com as características da onda incidente, usando-se fontes calibradoras internas de referência
para a determinação da reflectância da superfície.

Figura 2- Espectro eletromagnético evidenciando as janelas espectrais dos


raios gama, a região do visível, infravermelho, e microondas.

Interação da REM com um alvo na superfície terrestre

Quando a REM proveniente de uma fonte, atinge um alvo, esse alvo pode :

Refletir a REM de volta ao cosmos (reflectância)


DEPARTAMENTO DE GEOGRAFIA

Absorver a REM (absortância)


Transmitir a REM entre outros alvos (transmitância)

Na maioria das vezes trabalha-se com uma região do espectroeletromagnético a qual


denominamos espectro solar, na porção do espectro conhecida como refletido.
A REM que interage com alvo se não for absorvida ou transmitida pode ser refletida
pelo mesmo de volta ao cosmos sendo detectada pelo sensor.
O espectro solar se estende do ultravioleta, passa pelo visível e chega no
infravermelho. Na região do visível ( região do espectroeletromagnético que é perceptível
pelo olho humano) podemos situar as 3 cores aditivas primárias estando elas em função do
aumento do comprimento de onda e decréscimo da freqüência na seguinte ordem : azul,
verde e vermelho. Dessas 3 cores aditivas primárias originam-se as cores subtrativas
conhecidas como magenta , ciano e amarelo. O branco é a soma do azul , verde e vermelho
e o preto a soma do magenta, ciano e amarelo.
A região do infravermelho não é percebida pelo olho humano, somente o sensor
programado para tal pode detectar alvos nesse comprimento de onda.
Existem alvos a serem estudados que são melhor identificados no infravermelho, um
exemplo é a vegetação e outros no visível, como por exemplo a malha viária.

Teoria Básica das cores

O olho humano pode distinguir 30 tipos diferentes de tons de cinza. No entanto para
distinguirmos cores esse número passa para dezenas de milhares, podendo o olho humano
diferenciar um máximo de 7 milhões de cores. Logo, é mais conveniente analisar uma
imagem colorida. A teoria das cores é o segredo para a análise visual e interpretação de
imagens em sensoriamento remoto.
Para entender-se o processo de formação das cores, é necessário conhecer alguns
fundamentos básicos da sua teoria.

O intérprete do Sensoriamento Remoto retira e entende as informações provenientes


de uma imagem se utilizando de 3 propriedades básicas :
DEPARTAMENTO DE GEOGRAFIA

1- Tonalidade : Refere-se a cor ou brilho dos alvos que compõe uma cena
2- Textura : É a combinação da magnitude e a freqüência da variação tonal em uma cena. A
textura é produzida pelo efeito conjunto de todas as pequenas feições que compõe uma cena.
A tonalidade e a textura tem relações íntimas, sem variações de tonalidade, não haverá
nenhuma mudança de textura.
3- Informações de contexto : Refere-se a localização de tons e texturas, em relação a atributos
conhecidos no terreno de forma implícita. São conclusões óbvias que chegamos em uma
determinada cena. Exemplo: Uma estrada interrompida sendo visualizada em foto aérea. Pela
informação de contexto, pode-se deduzir que a interrupção pode se dever a uma ponte ou um
túnel.
Essas 3 propriedades básicas podem ser facilmente interpretadas em imagens
monocromáticas e pancromáticas.
Em 1790, Thomas Young, revelou o princípio da teoria das cores. Ele viu que
projetando luz branca através de filtros vermelhos, azuis e verdes, produzindo círculos
separados, diversos efeitos eram obtidos.
Onde os 3 círculos coincidam, a luz branca era produzida, caracterizando a soma das 3
cores primárias. Quando 2 círculos somente coincidiam, era produzida outra cor diferente, a
saber :
Vermelho + Azul = Magenta
Vermelho + Verde = Amarelo
Azul + verde = Ciano

Ele notou que as cores vermelho, verde e azul, não eram produzidas por mistura de
apenas 2 delas, então estas foram denominadas por ele de CORES PRIMÁRIAS ADITIVAS.
Young também percebeu um efeito complementar. Quando ele subtraia uma cor das 3
primárias, numa composição, a saber :
Luz Branca - Luz Vermelha = ciano
Luz Branca - Luz Verde = magenta
Luz Branca - Luz Azul = amarelo
DEPARTAMENTO DE GEOGRAFIA

Notou ele também que a soma de magenta + ciano + amarelo originava a cor preta, e que:

Magenta + Amarelo = Vermelho


Ciano + magenta = Azul
Amarelo + ciano = Verde
Young então denominou as cores amarelo, ciano e magenta como CORES
PRIMÁRIAS SUBTRATIVAS.
Da união das 8 cores, obtêm-se 16.227.000 cores nos hardwares atuais, sendo esse
valor obtido da potência 256 3 .

A Atenuação da REM pela atmosfera

A interação da REM proveniente do Sol com a camada atmosférica da Terra causa


inúmeros problemas para o sensoriamento remoto. A atmosfera terrestre é formada por
diferentes tipos de gases, partículas em suspensão, gotas de água, poeira entre outros corpos.
A REM saindo do vácuo e penetrando nesse complexo gasoso é espalhada por alguns
componentes e absorvida por outros. Um dos principais problemas é o espalhamento da REM
λ) de sua radiação. O azul é
que será tanto maior quanto menor for o comprimentos de onda (λ
o comprimento de onda mais espalhado na parte do visível, seguido pelo verde e após o
vermelho. λ),
O espalhamento será tanto menor quanto maior for o comprimento de onda (λ
logo regiões do infravermelho terão um espalhamento mínimo, pois seus comprimentos de
onda são maiores.

Perguntas interessantes:
DEPARTAMENTO DE GEOGRAFIA

PORQUE O CÉU É AZUL?

A resposta está em como os raios solares interagem com a atmosfera. Quando a luz
passa através de um prisma, o espectro é quebrado num arco-íris de cores. Nossa atmosfera
faz o mesmo papel, atuando como uma espécie de prisma onde os raios solares colidem com
as moléculas e são responsáveis pelo dispersão do azul.

Quando olhamos a cor de algo, é porque este "algo" refletiu ou dispersou a luz de uma
determinada cor associada a um comprimento de onda. Uma folha verde utiliza todas as cores
para fazer a fotossíntese, menos o verde, porque esta foi refletida. Devido ao seu pequeno
tamanho e estrutura, as minúsculas moléculas da atmosfera difundem melhor as ondas com
pequenos comprimentos de onda, tais como o azul e violeta. As moléculas estão espalhadas
através de toda a atmosfera, de modo que a luz azul dispersada chega aos nossos olhos com
facilidade. Luz azul é dispersada dez vezes mais que luz vermelha.

A luz azul tem uma freqüência ( ciclos de onda por segundo ) que é muito próximo da
freqüência de ressonância dos átomos, ao contrário da luz vermelha. Logo a luz azul
movimenta os elétrons nas camadas atômicas da molécula com muito mais facilidade que a
vermelha. Isso provoca um ligeiro atraso na luz azul que é reemitida em todas as direções
num processo chamado dispersão de Rayleigh ( Físico inglês do século 19 ). A luz vermelha,
que não é dispersa e sim transmitida, continua em sua direção original, mas quando olhamos
para o céu é a luz azul que vemos porque é a que foi mais dispersada pelas moléculas em
todas as direções. Luz violeta tem comprimento de onda menor que luz azul, portanto
dispersa-se mais na atmosfera que o azul. Porque então não vemos o céu violeta ? Porque não
há suficiente luz ultravioleta. O sol produz muito mais luz azul que violeta.

Quando o céu está com cerração, névoa ou poluição, há partículas de tamanho grande
que dispersam igualmente todos os comprimentos de ondas, logo o céu tende ao branco pela
mistura de cores. Isso é mais comum na linha do horizonte.
DEPARTAMENTO DE GEOGRAFIA

No vácuo do espaço extraterrestre, onde não há atmosfera, os raios do sol não são
dispersos, logo eles percorrem uma linha reta do sol até o observador. Devido a isso os
astronautas vêem um céu negro.
Em Júpiter o céu também é azul porque ocorre o mesmo tipo de dispersão do azul na
atmosfera do planeta como na Terra. Porém em Marte o céu é cor de rosa, ja que há excessiva
partículas de poeira na atmosfera Marciana devido à presença de óxidos de ferro originários
do solo. Se a atmosfera de Marte fosse limpa da poeira, ela seria azul, porém um azul mais
escuro já que a atmosfera de Marte é muito mais rarefeita.

POR QUE O POR DO SOL E A ALVORADA SÃO AVERMELHADOS?

Quando o sol está no horizonte, a luz leva um caminho muito maior através da
atmosfera para chegar aos nossos olhos do que quando está sobre nossas cabeças. A luz azul
nesse caminho foi toda dispersada , a atmosfera atua como um filtro , e muito pouca luz azul
chega até você, enquanto que a luz vermelha que não é dispersada e sim transmitida alcança
nossos olhos com facilidade. Nessa hora a luz branca está sem o azul.

Durante a dispersão da luz nas moléculas ocorre o fenômeno de interferência


destrutiva em que a onda principal se subdivide em várias outras de menor intensidade e em
todas direções, porém mantendo a energia total conservada. O efeito disto é que a luz azul do
sol que vinha em linha reta passa a ir em todas as direções. Ao meio dia todas as direções
estão próximas de nós mas no entardecer a dispersão leva para longe do nosso campo de visão
o azul já que a luz solar percorre uma longa tangente na circunferência da terra até chegar aos
nossos olhos.

Além disso, o vermelho e o laranja tornam-se muito mais vívidos no crepúsculo


quando há poeira ou fumaça no ar, provocado por incêndios, tempestade de poeira e vulcões.
Isso ocorre porque essas partículas maiores também provocam dispersão com a luz de
comprimento de onda próximos, no caso o vermelho e laranja.
DEPARTAMENTO DE GEOGRAFIA

Quando o sol está no horizonte, a luz leva um caminho muito maior através da
atmosfera para chegar aos nossos olhos do que quando está sobre nossas cabeças. A luz azul
nesse caminho foi toda dispersada , a atmosfera atua como um filtro , e muito pouca luz azul
chega até você, enquanto que a luz vermelha que não é dispersada e sim transmitida alcança
nossos olhos com facilidade. Nessa hora a luz branca está sem o azul.

Durante a dispersão da luz nas moléculas ocorre o fenômeno de interferência


destrutiva em que a onda principal se subdivide em várias outras de menor intensidade e em
todas direções, porém mantendo a energia total conservada. O efeito disto é que a luz azul do
sol que vinha em linha reta passa a ir em todas as direções. Ao meio dia todas as direções
estão próximas de nós mas no entardecer a dispersão leva para longe do nosso campo de visão
o azul já que a luz solar percorre uma longa tangente na circunferência da terra até chegar aos
nossos olhos.

Além disso, o vermelho e o laranja tornam-se muito mais vívidos no crepúsculo


quando há poeira ou fumaça no ar, provocado por incêndios, tempestade de poeira e vulcões.
Isso ocorre porque essas partículas maiores também provocam dispersão com a luz de
comprimento de onda próximos, no caso o vermelho e laranja.

POR QUE AS NUVÉNS SÃO BRANCAS ?

Nas nuvens existem partículas ( gotas de água ) de tamanhos muito maiores que o
comprimento de ondas da luz ocorrendo dispersão generalizada em todo o espectro visível e
iguais quantidades de azul, verde e vermelho se juntam formando o branco.
O espalhamento da REM explica a tonalidade azul do céu na atmosfera terrestre. O
comprimento de onda do azul é a primeira cor percebida pelo olho humano e é a mais
espalhada na atmosfera na região do visível, por ter um comprimento de onda menor que o
verde e o vermelho.

Quando o sensor captar informações de diferentes alvos na superfície da Terra nos


comprimentos de onda do visível, as informações componentes dos alvos imageados serão
DEPARTAMENTO DE GEOGRAFIA

acrescidas desta contribuição atmosférica. Em outras palavras, a informação recebida pelo


sensor é o somatório da reflectância do alvo mais a contribuição atmosférica. Para efeitos de
estudos quando utilizamos comprimentos de onda do visível, a contribuição atmosférica pode
ser estimada através de técnicas de regressão entre comprimentos de onda do visível (máximo
de espalhamento da REM na atmosfera) e do infravermelho (mínimo de espalhamento da
REM na atmosfera), de uma mesma cena.

A composição química e a estrutura atômica do material exercem influência nos


processos moleculares e eletrônicos que governam as interações da onda com a matéria. As
propriedades físicas da superfície, como a rugosidade e a declinação do relevo afetam a
reflectância devido a fatores geométricos relacionados com a configuração angular relativa do
sistema fonte-alvo-sensor.

A visualização de uma imagem qualquer esta diretamente relacionada com o poder de


resolução da mesma.

A resolução das imagens em sensoriamento remoto, nada mais é do que uma relação
entre grandezas. Pode-se relacionar 3 tipos de resoluções que definem espacialmente uma
imagem digital associadas a uma resolução temporal.

• Resolução Espacial: É o tamanho da célula mínima imageada no terreno. Em função da


resolução espacial é que pode-se distinguir os diferentes alvos na cena. A resolução espacial
mede a menor separação entre os diferentes alvos numa áreas imageada. A célula mínima em
uma imagem orbital é denominada de "pixel", que é a abreviatura na língua inglesa das
palavras PICture ELement.

O sensor TM do sistema LANDSAT-5 tem uma resolução de 30 X 30 metros, isto


significa, que seu "pixel" é de 30 metros, que corresponde no terreno a uma área imageada de
900 m2 . Quanto melhor for a resolução espacial do sensor maior será o detalhamento da
cena. Aerofotos convencionais, por exemplo, podem ter uma resolução de 0,45 X 0,45 metros,
e com uma resolução dessa ordem, pode-se distinguir alvos do tamanho de automóveis, ruas e
DEPARTAMENTO DE GEOGRAFIA

lotes. Com a resolução do LANDSAT pode-se distinguir apenas manchas de cidades,


denominadas de manchas urbanas, é impossível distinguir um arruamento detalhado e muito
menos automóveis. É importante lembrar que a definição da resolução do sensor para a
realização de estudos em diferentes áreas, com diferentes alvos será de acordo com o objetivo
do estudo. Para realizar-se o cálculo do IPTU de uma cidade com sensoriamento remoto, o
"pixel" deveria girar em torno de 1 X 1 metro, no mínimo. Já para estudarmos a expansão
urbana de uma grande metrópole pode-se trabalhar com um "pixel" de proporções de 30 X 30
metros. Mas, para um estudo meteorológico deve-se trabalhar com um "pixel" de 1 X 1 km,
no mínimo, pois assim tem-se uma área imageada maior, possibilitando a visualização de
entradas de frente fria nos continentes.

• Resolução Espectral: É a dimensão do comprimento de onda utilizado para compor


a cena de estudo em relação ao espectro eletromagnético. Pode-se obter imagens em qualquer
parte do espectro, por exemplo no visível, no infravermelho, na região de microondas, na
região de raios-X. A resolução espectral de um sensor será em função do número de
comprimentos de onda que ele obtém em uma dada cena, sendo denominada de banda
espectral.

Por exemplo, a resolução espectral do sensor TM/LANDSAT - 5 é de 7 bandas


espectrais, já a o satélite meteorológico METEOSAT tem uma resolução espectral de 2
bandas.

• Resolução Radiométrica: É referente ao brilho de uma imagem, sendo a quantidade


de luz que poderá estar disponível em uma cena. Para a visualização, as imagens são geradas
em tons de cinza. A visualização de imagens coloridas nada mais é do que um artifício
utilizado, tendo por base a teoria básica das cores.

Os "hardwares" atuais que equipam a maioria dos sensores hoje utilizados tem uma
resolução radiométrica de 256 tons de cinza (0 até 255). Um tom de cinza de valor zero, terá
na imagem uma cor preta (o alvo transmite ou absorve energia), e um tom de cinza no valor
DEPARTAMENTO DE GEOGRAFIA

255, terá uma cor branca (o alvo reflete energia), desse modo um valor de 127,5 terá uma cor
intermediária (cinza), pois é a metade de 255. Em outras palavras, o sensor atribui números a
cada pixel em uma imagem digital e essa informação é decodificada sob a forma de brilho em
função do número atribuído pelo sensor. Ë importante lembrar que o valor de cada pixel, que
representa sua resolução radiométrica é geralmente denominado de Contador Digital (CD), ou
Nível Digital (ND).

Isso ocorre porque os sensores para recursos naturais em sua maioria estão
8
programados em 8 bits. Isso caracteriza o número dois elevado a oitava potência (2 ), que é
256.

Sensores Imageadores Orbitais

Em órbita, hoje, existem inúmeros satélites imageando a superfície da Terra. Dentre


estes, um dos mais importantes e utilizados é o satélite norte-americano Land Satellite ou
LANDSAT-5, lançado em março de 1984.

A bordo do LANDSAT-5, operam dois sistemas sensores: o sensor MSS


(Multispectral System Scanner) e o sensor TM (Thematic Mapper). O TM é um dispositivo de
varredura eletro-óptico-mecânico, semelhante ao MSS mas com amplas melhorias em relação
às características espectrais, radiométricas e espaciais. Este sensor é sensível a sete (7) bandas
espectrais, sendo três na região visível do espectro eletromagnético (bandas 1, 2 e 3), uma
banda no infravermelho muito próximo (banda 4), duas bandas no infravermelho próximo
(bandas 5 e 7), e uma banda no infravermelho termal (banda 6).

As bandas espectrais do sensor TM do LANDSAT-5 possuem aplicações distintas na


avaliação de recursos naturais, especialmente no que diz respeito ao mapeamento geológico,
atividades de planejamento urbano, monitoramento de áreas degradadas e de risco ambiental
(tabela 1).
DEPARTAMENTO DE GEOGRAFIA

O campo de visada instantâneo ou IFOV ( Angular Instantaneous Field of View) do


TM é de 120x120m na banda 6, e 30x30m para as bandas 1, 2, 3, 4, 5 e 7. Esta alta resolução
espacial na região do espectro refletido, permite observar pequenos segmentos de área, como
por exemplo, parcelas agriculturadas

O conjunto de detectores do TM está arranjado na forma de uma matriz de 16x6


fotodetectores de silício (bandas 1,2 ,3 e 4) e de antimoneto de índio (bandas 5 e 7), com mais
4 detectores termais de Telureto de Mercúrio-cádmio (HgCdTe) para a banda termal,
resultando em um matriz com 100 detetores. Esta disposição permite que o imageamento de
uma cena ocorra simultaneamente para as sete bandas, cobrindo uma área de 185 x 185 km.

Tabela 1 - Principais aplicações das diversas bandas espectrais do sensor TM do LANDSAT-


5. Fonte: FREDEN e GORDON JR. (1983).

Banda Faixa espectral (µm) Res. Radiométrica Aplicações


0,45-0,52 0,8% NEρ Estudos de sedimentos na água
1 (azul) (NE=Noise-equivalent) Mapeamento de águas costeiras

0,52 - 0,60 Mapeamento de estradas e áreas


2 (verde) 0,5% NEρ urbanas, sedimentos em suspensão
Mapeamento da vegetação
0,63-0,69 Mapeamento de estradas, áreas
3 (vermelho) 0,5% NEρ urbanas, solo exposto
Diferenciação de espécies vegetais
0,76-0,90 Levantamento da biomassa
4 (infraverm. muito próximo) 0,5% NEρ Relevo
Mapeamento de corpos d’água
1,55-1,75 Mapeamento de corpos d’água
5 (infraverm. próximo) 1,0% NEρ Umidade da vegetação
Discriminação de tipos de rochas
10,40-12,50 Stress térmico em vegetação
6 (infraverm. termal) _____ Propriedades termais do solo
2,08-2,35 Mapeamento geológico
7 (infraverm. próximo) 2,4% NEρ Zonas hidrotermalizadas
DEPARTAMENTO DE GEOGRAFIA

3.1.3. Imagens Digitais

Uma imagem digital é um arranjo de números complexos ou reais representados por


um número finito de bits. Existem diversas categorias de imagens, as quais podem
representar, por exemplo: a luminância de objetos em uma cena (fotografia); a absorção
característica dos tecidos do corpo (imagem de raios-X); a temperatura de uma região
(imagem do infravermelho termal); as propriedades eletrogeométricas de um alvo (imagem de
DEPARTAMENTO DE GEOGRAFIA

radar); o campo geomagnético de um local (imagem geofísica), entre muitas outras (JAIN,
1989).

Em Sensoriamento Remoto, uma imagem pode ser conceituada como: “uma medida
da intensidade de radiação eletromagnética, refletida ou emitida pelos materiais que
compõem a superfície terrestre”.

A imagem digital é constituída por um conjunto de elementos discretos de informação


-“pixels” - arranjados na forma de uma matriz bidimensional no formato “raster”. Cada
“pixel” corresponde a uma mesma unidade de área imageada no terreno e à qual é atribuído
um valor numérico, referido como nível de cinza ou DN (“digital number”). Este valor
representa a radiância integrada dos diferentes objetos presentes em uma dada área da
superfície, cujo tamanho (resolução espacial) varia em função das diferentes plataformas
orbitais.

Os valores de radiância dos pixels originais de uma imagem orbital podem muitas
vezes ser modificados por problemas técnicos nas fases de aquisição, registro e transmissão
dos dados, por variações na altitude do satélite e geometria de imageamento, ou por fatores
ambientais. Estas influências podem ser minimizadas por técnicas de correções radiométricas,
geométricas e atmosféricas, as quais procuram restaurar o valor real de radiância dos objetos
de uma cena.

No caso do reconhecimento do terreno por sensoriamento remoto, os efeitos


ambientais mais relevantes sobre as imagens, são: a contribuição atmosférica, os efeitos da
topografia e a densidade de cobertura vegetal sobre o terreno.

16
DEPARTAMENTO DE GEOGRAFIA

Uma analogia com a estatística

Uma imagem sendo composta por pixels com um atributo radiométrico tem uma
configuração disposta de linhas e colunas. Essa configuração é a mesma de uma matriz
matemática, formada por n linhas x n colunas. Essa matriz pode ser tratada estatisticamente
por possuir uma população de pixels com suas respectivas medidas de dispersão.

Pode-se realizar operações aritméticas entre bandas diferentes, somar uma banda com
outra, diminuir uma banda de outra e multiplicar e dividir bandas entre si, criando-se as
chamadas imagens sintéticas.

Um exemplo de uma janela de uma imagem de 2 X 4 pixels

10 5
10 6
10 6
9 8

Dessa janela de uma imagem orbital, pode-se facilmente identificar algumas medidas
de dispersão da população de pixels que a constitui, por exemplo :

Média = 8
Desvio padrão = 2,25
Variância = 5

Também pode-se através da rotina de operações entre bandas obter uma outra imagem
multiplicando-se a janela acima pela seguinte janela

17
DEPARTAMENTO DE GEOGRAFIA

8 4
5 6
7 3
2 9

Obtendo-se o seguinte resultado :

80 20
50 36
70 18
18 72

Qualquer operação matemática ou estatística pode ser realizada entre imagens de


diferentes comprimentos de onda.

Processamento de Imagens Digitais

O propósito dos sistema de processamento e tratamento de imagens digitais é melhorar


a qualidade da imagem, para facilitar a interpretação visual (realce) ou o discernimento
automático de informações de interesse (classificação).
As técnicas de realce de imagens digitais podem ser divididas em duas categorias
principais: Realce no Domínio Espacial e Realce no Domínio Espectral.
As técnicas de Realce no Domínio Espacial ou filtragens do tipo convolução, são
transformações pixel a- pixel que não dependem apenas do nível de cinza do “pixel”
processado, mas também do valor do níveis de cinza dos pixels vizinhos, na imagem original.
Neste caso, a definição de filtragem é vinculada ao conceito de distribuição ou freqüência
espacial dos valores de brilho dos “pixels”.
O Realce no Domínio Espectral são operações pixel-a-pixel que utilizam-se de
técnicas de modificação de histogramas das imagens, operações aritméticas em imagens ou
ainda de técnicas de rotação dos eixos do espaço “n” dimensional (n = ao número de bandas

18
DEPARTAMENTO DE GEOGRAFIA

espectrais da imagem), que representa a distribuição dos valores de DN’s dos pixels entre as
bandas.
• Modificação de Histogramas: A manipulação de contraste em uma imagem consiste
em um reescalonamento dos níveis de cinza do histograma desta imagem, através de uma
equação matemática denominada função de transformação radiométrica. O novo valor de
brilho a ser atribuído ao pixel processado, depende exclusivamente do valor original,
independente dos valores da vizinhança. Os seguinte tipos de funções de transformação são
aplicadas na modificação histogrâmica: linear, logarítmico, exponencial, equalização de
histograma, fatiamento (“slicing”), entre outros.
Neste trabalho foram utilizados a ampliação linear de contraste e equalização de
histogramas.
Ampliação linear de contraste: Aumenta o contraste de uma imagem através da
expansão dos níveis de cinza da imagem original. Neste caso, a função de transformação dos
valores de brilho da imagem original é a equação da reta: y = f(x) = ax + b, onde “y” é o novo
valor de DN; “x” é o valor original de DN; o coeficiente “a” exerce o efeito de expansão do
histograma; e “b” é o valor de “offset”, ou o fator de incremento que controla a intensidade
média da imagem final, definido pelos limites mínimos e máximos fornecidos pelo usuário.
Equalização de histogramas: É uma técnica de realce de contraste não-linear, que
reduz o contraste em área muito claras ou muito escuras na imagem. Esta técnica considera a
distribuição cumulativa da imagem original, para gerar uma imagem resultante, cujo
histograma será aproximadamente uniforme.
Entretanto, estes métodos atuam sobre bandas espectrais de forma individual e podem
não serem eficientes na análise de imagens multiespectrais, devido a presença de informação
redundante em cada uma das bandas. Neste caso, as técnicas matemáticas de razão de bandas
e rotação espectral tem sido muito utilizadas na diminuição da correlação entre as bandas
espectrais.
Nesta pesquisa, o processamento digital das imagens visou fundamentalmente a
discriminação espectral de alvos para a geração de mapas temáticos de uso e cobertura do
solo, através da técnica de classificação automática supervisionada.

19
DEPARTAMENTO DE GEOGRAFIA

Classificação é o processo de extração de informação em imagens para reconhecer


padrões e objetos homogêneos e são utilizados em Sensoriamento Remoto para mapear áreas
da superfície terrestre que correspondem aos temas de interesse.
A informação espectral de uma cena pode ser representada por uma imagem espectral,
na qual cada "pixel" tem coordenadas espaciais x, y e uma espectral L, que representa a
radiância do alvo em todas as bandas espectrais, ou seja para uma imagem de X bandas,
existem X níveis de cinza associados a cada "pixel" sendo um para cada banda espectral. O
conjunto de características espectrais de um "pixel" é denotado pelo termo atributos
espectrais. Os classificadores podem ser divididos em classificadores "pixel a pixel" e
classificadores por regiões (INPE, 98).

Os classificadores "pixel a pixel", utilizam apenas a informação espectral de cada pixel


para definir regiões homogêneas. Estes classificadores podem ser separados em métodos
estatísticos (utilizam regras da teoria de probabilidade) e determinísticos (não utilizam
probabilidade). O resultado da classificação digital é apresentado por meio de classes
espectrais (áreas que possuem características espectrais semelhantes), uma vez que um alvo
dificilmente é caracterizado por uma única assinatura espectral. É constituído por um mapa de
"pixels" classificados, representados por símbolos gráficos ou cores, ou seja, o processo de
classificação digital transforma um grande número de níveis de cinza em cada banda espectral
em um pequeno número de classes em uma única imagem.

Quando o critério de decisão depende da distribuição de níveis de cinza em vários


canais espectrais as técnicas são definidas como de classificação multiespectral. O primeiro
passo em um processo de classificação multiespectral é o treinamento. Treinamento é o
reconhecimento da assinatura espectral das classes. Existem basicamente duas formas de
treinamento: supervisionado e não-supervisionado.
Quando existem regiões da imagem em que o usuário dispõe de informações que permitem a
identificação de uma classe de interesse, o treinamento é dito supervisionado. Para um
treinamento supervisionado o usuário deve identificar na imagem uma área representativa de
cada classe. É importante que a área de treinamento seja uma amostra homogênea da classe
respectiva, mas ao mesmo tempo deve-se incluir toda a variabilidade dos níveis de cinza.

20
DEPARTAMENTO DE GEOGRAFIA

Recomenda-se que o usuário adquira mais de uma área de treinamento, utilizando o maior
número de informações disponíveis, como trabalhos de campo, mapas, etc. Para a obtenção de
classes estatisticamente confiáveis, são necessários de 10 a 100 "pixels" de treinamento por
classe. O número de "pixels" de treinamento necessário para a precisão do reconhecimento de
uma classe aumenta com o aumento da variabilidade entre as classes (INPE, 98).

A técnica de classificação multiespectral "pixel a pixel" utilizada neste trabalho foi a


Máxima Verossimilhança – MAXVER. MAXVER é o método de classificação, que considera
a ponderação das distâncias entre médias dos níveis digitais das classes, utilizando parâmetros
estatísticos. Os conjuntos de treinamento definem o diagrama de dispersão das classes e suas
distribuições de probabilidade, considerando a distribuição de probabilidade normal para cada
classe do treinamento. Para duas classes com distribuição de probabilidade distintas, as
distribuições representam a probabilidade de um "pixel" pertencer a uma ou outra classe,
dependendo da posição do "pixel" em relação a esta distribuição. Pode ocorrer uma região
onde as duas curvas sobrepõem-se, indicando que um determinado "pixel" tem igual
probabilidade de pertencer às duas classes. Nesta situação estabelece-se um critério de decisão
a partir da definição de limiares.

O limiar de aceitação indica a % de "pixels" da distribuição de probabilidade de uma


classe que será classificada como pertencente a esta classe. Um limite de 99%, por exemplo,
engloba 99% dos "pixels", sendo que 1% serão ignorados (os de menor probabilidade),
compensando a possibilidade de alguns "pixels" terem sido introduzidos no treinamento por
engano, nesta classe, ou estarem no limite entre duas classes. Um limiar de 100% resultará em
uma imagem classificada sem rejeição, ou seja, todos os "pixels" serão classificados. Para
diminuir a confusão entre as classes, ou seja, reduzir a sobreposição entre as distribuições de
probabilidades das classes, aconselha-se a aquisição de amostras significativas de alvos
distintos e a avaliação da matriz de classificação das amostras. A matriz de classificação
apresenta a distribuição de porcentagem de "pixels" classificados correta e erroneamente.
Uma matriz de classificação ideal deve apresentar os valores da diagonal principal próximos a
100%, indicando que não houve confusão entre as classes. No entanto, esta é uma situação

21
DEPARTAMENTO DE GEOGRAFIA

difícil em imagens com alvos de características espectrais semelhantes. Para diminuir a


confusão entre as classes, aconselha-se a análise individual das amostras.

Comportamento Espectral de Alvos

A assinatura espectral dos materiais da superfície é resultado de processos eletrônicos


(transições atômicas) e processos vibracionais (transições moleculares) ao longo do espectro
eletromagnético.

As feições ou bandas espectrais de um material são definidas por depressões ou picos


negativos na curva de reflectância deste material. Estas feições refletem a absorção da
radiação pelos átomos ou moléculas dos constituintes presentes no objeto analisado
(MENESES e FERREIRA JR., 1995).

A figura 3, ilustra a forma da assinatura espectral dos materiais mais comumente


analisados em sensoriamento remoto.

R
e 60
f
l
e solo exposto
c seco
t 40
â
n
c
i vegetação
a 20
sadia
(%)
água

0,4 0,8 1,2 1,6 2,0 2,4


Comprimento de ( m)
onda
Figura 3 Assinatura espectral dos principais materiais encontrados na superfície
terrestre.

22
DEPARTAMENTO DE GEOGRAFIA

Os solos são originados a partir do intemperismo químico e/ou físico das rochas fonte,
sendo constituídos por quantidades variáveis de partículas sólidas inorgânicas (minerais
primários e/ou minerais secundários), matéria orgânica, ar e água intersticial ou inclusa no
retículo cristalino dos minerais.

Esta complexa mistura, afeta as propriedades espectrais dos solos de maneira variável,
em função principalmente da sua composição físico-química e condições superficiais.

O solo apresenta um comportamento espectral bastante característico, com uma curva


de reflectância ascendente desde os comprimentos de onda do visível até o infravermelho,
conforme demonstra a figura 3.

Muitas das feições de absorção na reflectância espectral dos solo são devidas a
presença de Ferro. Estas feições são causadas por efeitos de campo cristalino ou transferência
de carga envolvendo íons de ferro. Por exemplo, o pronunciado decréscimo na reflectância,
em direção ao comprimento de onda do azul se estendendo ao ultravioleta é uma característica
da reflectância espectral de todos os tipos de solos. Esta pronunciada diminuição é decorrente
da forte transferência de carga Fe-O (HUNT, 1980). Outras bandas de absorção
freqüentemente ocorrem próximo a 0.70 e 0.87 µm (STONER e BAUGARDENER, 1980)
devido a transição eletrônica do íon Fe+3. Outros fatores que influenciam a reflectância dos
solos são: a textura, teor de umidade, e quantidade de matéria orgânica.

A textura de um solo, é definida pela porcentagem relativa de partículas de diferentes


diâmetros. As partículas com diâmetro menor que 0,002 mm são denominadas argilas, de
0,002 a 0,05 mm como silte, e de 0,05 até 2,0 mm como areia.
Como observado para o caso das rochas, os solos constituídos por partículas
transparentes possuem alta reflectância a medida que diminui o tamanho de grão, e o oposto
ocorre para os minerais ditos opacos.

23
DEPARTAMENTO DE GEOGRAFIA

Os solos com uma porcentagem grande de argila e silte, retém bastante umidade, pois
são solos com grande superfície específica e pouca porosidade, ao contrário dos solos
arenosos. Esta relação entre a granulometria do solo e o conteúdo de umidade, representam
significativas mudanças na resposta espectral de um solo.

Estudos de BOWERS e HANKS (1965), em solos sílticos demonstraram a relação


existente entre o decréscimo de reflectância espectral ao longo de todo espectro com o
aumento do teor de umidade do solo.

Com relação a quantidade de matéria orgânica, BAUGARDENER et al. (1970),


comenta que um teor acima de 2.0% ocasionaria um mascaramento das feições de absorção
dos solos. De maneira geral, o conteúdo de matéria orgânica tem forte influência na faixa
espectral do visível ao infravermelho médio, em uma razão inversa às taxas de energia
refletida, ou seja quanto maior o teor de matéria orgânica e um solo menor a sua reflectância
espectral.

Condições como a rugosidade, conteúdo de umidade e a presença de resíduos de


plantas são fácil e freqüentemente alteradas pelo intemperismo e formas de cultivo. As
mudanças nestas condições tem sido interpretadas como indutora de efeitos na reflectância
espectral de solos (IRONS et al., 1989 in ASRAM, 1989).

Comportamento espectral da vegetação

A vegetação verde tem um comportamento espectral bastante característico, conforme


demonstra a figura 3, sendo função principalmente da estrutura do “dossel” e da composição
interna da vegetação, mudanças neste parâmetros ocasionam variações tonais nas imagens.
Segundo KOFFLER (1992), os principais fatores que interferem na reflectância da
cobertura vegetal são:
• o número de camadas de folhas: o aumento de camadas aumenta a reflectância até
um certo número, quando se tem a reflectância máxima;

24
DEPARTAMENTO DE GEOGRAFIA

• a arquitetura foliar: folhas orientadas horizontalmente mostram uma reflectância


maior que folhas de padrão vertical;
• a distribuição das plantas no terreno: os padrões de crescimento e espaçamento
afetam a relação entre os componentes das plantas e do solo, e a relação entre área
sombreada e não sombreadas;
• o “stress” hídrico;
• os efeitos do substrato: tipos de solos, restos culturais, plantas daninhas;
• os tratos culturais: limpeza, adubação, irrigação;
• o estágio de desenvolvimento: época de plantio, índice de área foliar, biomassa,
porcentagem de cobertura do solo.

Na figura 3, observa-se que na região do visível, a REM que atinge as folhas verdes é
quase totalmente absorvida, sendo que muito pouca é transmitida através das folhas ou
refletida. Isso ocorre, devido às duas fortes bandas de absorção que ocorrem nos λ do azul e
do vermelho, centradas em torno de 0,45 µm e 0,65 µm, e que são causadas pela absorção da
clorofila presente nas folhas. Ao absorver a cor azul e vermelha, a folha utiliza a energia
eletromagnética destes comprimentos de onda para processar a fotossíntese. O pico de
reflectância no verde (± 0,54µm), entre 10% a 20%, nos aparece visualmente mais intenso
devido a enorme sensitividade do olho humano à cor verde.

Quando a planta se encontra em um estado de deficiência hídrica conhecido como


“stress”, a produção de clorofila decresce, ocasionando a diminuição da quantidade de energia
absorvida entre 0,45 µm e 0,65 µm, tendo como conseqüência um aumento de reflectância
nestes λ, particularmente em 0,65 µm (vermelho) causando o fenômeno conhecido como
amarelecimento ou clorose. Neste caso como o vermelho é a REM mais refletida, a sensação
visual será a de ver a vegetação com cores avermelhadas.

Todas as absorções que são devidas aos pigmentos presentes nas folhas, são causadas
por transições eletrônicas dentro das complexas moléculas dos pigmentos. Como estas

25
DEPARTAMENTO DE GEOGRAFIA

transições requerem mais altas energias do que às moleculares, as bandas eletrônicas de


absorção irão ocorrer nas regiões do ultravioleta e do visível.

A partir do final do λ da cor vermelha, a partir de 0,69 µm, a reflectância sofre um


abrupto aumento, atingindo no IV um patamar continuo de reflectância em torno de 50%.
Nesta região a vegetação verde saudável é caracterizada pela alta reflectância, alta
transmitância e baixa absortância, quando comparada com a porção visível do espectro. Essa
alta reflectância e transmitância no IVP, é um resultado da separação dos processos físicos
que governam as altas freqüências e baixas freqüências de absorção, em função da complexa
estrutura celular interna das folhas das plantas e ausência de pigmentos clorofilados.

No visível, diferentes tipos de vegetação mostram respostas espectrais muito similares


entre si, já no infravermelho próximo, culturas vegetais diferentes produzem diferenças na
reflectância, sendo deste modo o intervalo de maior interesse na discriminação de tipos
diferentes de vegetação.

Na região do IVM (1,2 a 3,0 µm), a resposta espectral da vegetação verde é função da
quantidade de água total presente na folha, isto é, da água em toda estrutura foliar. As fortes
bandas de absorção que a água provoca são devidas aos processos de vibrações moleculares
da água. Para a água, a banda de vibração fundamental com a mais alta freqüência é em 2660
nm. As bandas em 1900 nm, 1400 nm, 1100 nm e 900 nm, são todas “overtones” e
“combination tones” que tem menores probabilidades de transições e são assim
sucessivamente bandas mais fracas que as fundamentais. As outras duas bandas fundamentais
da água são em 2740 nm e 6300 nm. Dois picos de reflectância ocorrem em 1600 nm e 2200
nm, entre as bandas de absorção da água.

As características de reflectância de uma folha, é portanto fundamental para o


conhecimento da resposta espectral de uma planta ou de uma cobertura vegetal. Entretanto, os
dados de uma única folha ao serem extrapolados ou aplicados no estudo da cobertura vegetal,
deve levar em consideração que em termos percentuais, a reflectância da cobertura vegetal é
consideravelmente menor que a de uma folha isoladamente, devido à atenuação da REM pelas

26
DEPARTAMENTO DE GEOGRAFIA

variações no ângulo de iluminação, orientação das folhas, geometria das copas,


sombreamentos, e etc. Além disso, as propriedades espectrais da cobertura vegetal são
dinâmicas, e estão intimamente ligadas com os mecanismos vitais da planta e com as
variações sazonais (MENESES e FERREIRA JR., 1995).

Uma técnica bastante usa em estudos da vegetação são as razões entre bandas que
utilizam-se dos comprimentos de onda do vermelho e infravermelho próximo, para distinção
da vegetação de outros alvos do terreno, baseados na alta reflectância da vegetação no IR e
sua baixa reflectância no vermelho (devido a absorção deste comprimento de onda pela
clorofila). A limitação do uso destes índices para estudos da cobertura do solo ocorre quando
existe vegetação sem atividade fotossintética (palha/resteva). Neste caso, o material irá ter um
comportamento espectral similar ao solo que já não existe o pico de absorção no vermelho
devido à clorofila.

Comportamento espectral da água

As propriedades ópticas/espectrais da água são compreendidas através do


entendimento dos fenômenos de refração e transmissão na interface AR/ÁGUA, e da absorção
e espalhamento do volume líquido. Os componentes do volume líquido são as moléculas
d’água, as partículas em suspensão, fitoplânctons (clorofila) e a substância amarela.

Na interação da REM com a água, uma pequena parcela de energia incidente é


refletida pela superfície do corpo d’água, outra parte e refletida pelo material que constitui o
fundo deste corpo, e a fração mais importante é aquela refletida pelos materiais em suspensão,
quando existentes. De maneira geral, a água pura apresenta baixa reflectância na região do
visível, e absorve praticamente a totalidade da radiação incidente no IVP e IVM, ou seja
quase nada de energia é refletida nestes intervalos de λ.
A água através dos mecanismos de absorção e espalhamento, atua como um filtro
óptico para a REM na faixa do visível, atenuando fortemente os comprimentos de onda do
vermelho e do azul.

27
DEPARTAMENTO DE GEOGRAFIA

A transmissão da luz diminui com o aumento da turbidez da água, isto faz com que as
águas com alto teor de material em suspensão (águas turvas), reflitam maiores quantidades de
radiação incidente. Além das mudanças de cor da água, as partículas em suspensão desviam
os comprimentos de onda de máxima transmitância em direção aos maiores λ.

A água contém fitoplânctons como uma de suas características espectrais mais


complexas, e em diferentes proporções com elementos que absorvem e espalham a luz de
acordo com a espécie e a idade da população. A presença de clorofila acarreta a ocorrência de
fortes bandas de absorção com picos ao redor de 0,440 µm e outro em 0,675 µm. No restante
do espectro, a absorção decresce com o aumento do comprimento de onda.

HUNT e SALISBURY (1970), descreveram em seu trabalho o espectro da água,


considerando para o estado líquido três absorções fundamentais em 3,160 µm, 2,940 µm
(vibrações de alongamento) e em 6,600 µm (vibrações de curvatura de ligação).

O comportamento espectral da água em seus diferentes estados físicos é encontrado


em detalhe em BOWKER et al., 1985.

Processamento Digital de Imagens Coloridas

A compreensão e entendimento das técnicas de processamento digital de uma imagem


colorida é fundamental em SR, uma vez que o olho humano pode discriminar com muito mais
facilidade cores do que tons de cinza.
O uso de técnicas de realce de cores, como por exemplo, na supressão da sombra e
realce da assinatura espectral de rochas, solos e vegetação são particularmente importantes
para mapeamento litológico por geólogos que utilizam imagens multiespectrais (KRUSE e
RAINES, 1984).

Especialmente, hoje, com o aperfeiçoamento dos Sistemas de Informações


Geográficas (SIG), as transformações no espaço de cores estão sendo extensivamente

28
DEPARTAMENTO DE GEOGRAFIA

investigadas para integração de dados e realce visual (WELCH e EHLERS, 1987; HARRIS et
al., 1990; CHAVEZ et al., 1991) ou para aperfeiçoamento das técnicas de classificação de
imagens multiespectrais (MUNECHIKA et al., 1993).

Existem muitas maneiras de geração de uma imagem de composição colorida a partir


de um conjunto de dados multiespectrais como uma imagem TM. A mais simples é o uso das
três bandas separadas nos canais R, G e B. Outra é o uso da técnica de razões, que permitem a
entrada de mais de três bandas a serem combinadas. A terceira opção é a produção de uma
imagem principal componente.

As cores podem ser definidas, descritas ou organizadas através dos métodos de


“espaço de cores”, sistemas de coordenadas ou modelos coloridos. O espaço RGB é o modelo
mais usual para visualização em monitores coloridos-CRT (cathode ray tube) e pode ser
geometricamente representado como um cubo, onde cada cor, é definida pelas suas
coordenadas.

Na origem dos três eixos há ausência de cores, e quando adicionamos iguais


quantidades da cor vermelho, verde e azul, formam-se diferentes níveis de cinza, cada vez
mais claros, até a cor branca.

BIBLIOGRAFIA

ALFOLDI, T.T. 1982. Remote sensing for water quality monitoring. In: Remote sensing for
resource management. Ed. C.Johansen e J. L. Sanders, p. 317-328.

ALVAREZ, J. A., MARTINS, L. R. 1981. Estudo da Lagoa dos Patos. Pesquisas, v. 14, pp.
41-66.

ASMUZ, H. E, ASMUZ, M. L., TAGLIANI, P. R. 1986. O estuário da Lagoa dos Patos:


Um problema de planejamento costeiro. In: III Encontro Brasileiro de Gerenciamento
Costeiro, Fortaleza. s/n.

29
DEPARTAMENTO DE GEOGRAFIA

AYUP, R. N. 1986. Aspectos da dinâmica sedimentar do Rio de La Plata Exterior e


plataforma interna adjacente. Dissertação (Mestrado) - UFRGS. Porto Alegre. 224 p.

BARTOLUCCI, L.A.; ROBINSON, B. F. ; SILVA, L.R. 1977 Field measurements of the


spectral response of natural waters. Photogrammetric Engineering and Remote
Sensing, Vol.43, 5 pp595-598.

BORDAS, M., BORCHE CASALAS, A., SILVEIRA, A.L. 1984. Circulação e dispersão em
sistemas costeiros e oceânicos. Caso da Lagoa dos Patos. In: II Simpósio Brasileiro
sobre Recursos do Mar, CIRM/UERJ. s/n.

BOWDEN, K. F. 1967. Circulation and diffusion. Washington D. C. American Association


for the Advancement of Science, S. L. v. 83, pp. 15-36.

CALLIARI, L. J. 1980. Aspectos sedimentológicos e ambientais na região estuarina da


laguna dos Patos. Dissertação (Mestrado) - UFRGS. Porto Alegre. 143 p.

CHAVES, P. S. 1975. Atmospheric, solar and MTF corrections for ERTS digital imagery.
Proc. Amer. Soc. of Photog., Falls Church, VA.

CHEN, H. S. 1985. Space Remote Sensing Systems. Los Angeles, Academic Press. 252 p.

CURRAN, P. J. 1985. Principles of Remote Sensing. New York, Longman. 282 p.

DAVIES, J. L. 1973. Geographical variation in coastal developement. New York, Hafner.


204 p.

DELANEY, P.V. 1965. Fisiografia e geologia de superfície da palnície costeira do Rio


Grande do sul. Escola de Geologia, UFRGS, Vol.6.

DUNTLEY, S.Q. 1963 Ligh and the sea, journal of the optical socity of America.
Photogrammetric Engineering and Remote Sensing, v. 51, n. 4, pp. 83-93.

DYER, K. R. 1972. Sedimentation in estuaries. In: BARNES, R. S. R. e GREEN, J. ed. The


Estuarine Environment. London, Applied Science Publ. pp. 10-32.

EASTMAN, J. R. 1992. IDRISI Version 4.0. Technical Reference. Worcester, Clark


University. 221 p.

ENGESPAÇO INDÚSTRIA E COMÉRCIO. 1990. SITIM 150. Manual do Usuário.


Versão 2.2. São José dos Campos, SP.

30
DEPARTAMENTO DE GEOGRAFIA

FAIRBRIDGE, R. W. 1980. The Estuary: its definition and geodynamic cycle. In:
OLAUSSON, E. e CATO, I. ed. Chemistry and Biogeochemistry of Estuaries.
Chichester, Wiley. p. 36.

GENSTAT 5 RELEASE 3 reference manual. Oxford: Clarindon, 1994.

GORDON, M. R. ; SMITH, R. C. ZANNEVELD, J.R.D. 1979. Introduction to ocean


optics. In: society of Photooptical Instrumentation Engineers. Ocean Optics VI,
Proceedings, Held Monterey, CA.

GUILCHER, A. 1954. Morphologie Litorale et Sous Marine. Paris, Presses Université. 216
p.

GUILCHER, A. 1957. Morfologia Litoral y Submarina. Barcelona, Omega S. A. 264 p.

HANSEN, D. V., RATTRAY, M. 1966. New dimensions in estuary classification.


Limnology & Oceanography, Baltimore, v. 11, pp 319-326.

HALD, A. 1952 Statistical Tables and Formulas. New York, Jonh Wiley. 97 p.

HARTMANN, C. 1988. Utilização de dados digitais do mapeador temático para


obtenção dos padrões de distribuição do material em suspensão na desembocadura
da laguna dos Patos. Dissertação (Mestrado) - INPE. São José dos Campos, SP. 162 p.

HARTMANN, C. , ABREU, P. 1994. Relacionamento de dados TM LANDSAT com


parâmetros ambientais no esuário da laguna dos Patos. Inédito.

HARTMANN, C., SANO, E. E. 1986. Contribuição ao estudo da hidrodinâmica e


evolução das massas de água na -*- período de 1979 a 1983. INPE, São José dos
Campos, SP. 48 p.

HARTMANN, C., SANO, E. E., PAZ, R. S., MOLLER JR, O. O. 1986. Avaliação de um
período de cheia na região sul da laguna dos Patos, através de dados de sensoriamento
remoto, meteorológicos e oceanográficos. In: Simpósio Latino Americano de
Sensoriamento Remoto, Simpósio Brasileiro de Sensoriamento Remoto, Reunion
plenária. Selper/SBC. Anais, V. 1. pp 685-694.

HAYES, M. D. 1975. Morphology of sand accumulations in estuaries. In: CRONIN, L. E. ed.


Estuarine Research 2: Geology and Engineering. New York, Academic Press. pp. 3-
22.

HERZ, R. 1977. Circulação das águas de superfície da lagoa dos Patos. Tese de
Doutorado - USP. São Paulo. 234 p.

JENSSEN, J. R., KJERFVE, B., RAMSEY, E. W., MAGIL, K. E., MEDEIROS, C., SNEED,
J. E. 1989. Remote sensing and numerical modeling of suspended sediment in laguna de

31
DEPARTAMENTO DE GEOGRAFIA

Términos, Campeche, Mexico. Remote Sensing of Environment, New York, v.10, pp.
33-45.

JERLOV, N. G., NIELSEN, E.I. 1968. Bean atenuation optical efects of oceanography.
Aberdeen University, Aberdeen. Cap 1 pp 47-62

KANTIN, R. 1983. Hidrologie et qualite des eaux de la region sud de la lagune dos Patos
(Bresil) et de la plateforme continentale adjacente. These de Doctorat d’etat ès
sciences, Université de Bourdeaux 201 p.

KLOOSTER, R, SHERZ ,J. 1974. Water quality by photogrammetric analysis.


Photogrametric engineering, 40, v 9 pp 927-935.

LAHM, R. A., MAGRO, F. H. S. 1995. Proposta para atualização de cartas em escala de


1:50000 e menores com imagens orbitais LANDSAT TM 5. In: XVII Congresso
Brasileiro de Cartografia (ANAIS). Salvador, BA. s/n.

LAHM, R. A. 1995. Análise da correlação linear entre a concentração do seston


e sua radiância espectral, através do uso de imagens orbitais do sensor TM /
Landsat 5, no canal de Rio Grande, RS, Brasil. Porto Alegre: UFRGS/CEPSRM,
1995. Dissertação (Mestrado em Sensoriamento Remoto), Universidade Federal do
Rio Grande do Sul. p 235.

LAHM, R.A. 2005. Estimativa de Retenção de Carbono Orgânico na Lagoa do


Araça, Rs, Brasil, Através da Taxa De Sedimentação Média, Morfologia de
Fundo E Padrões De Circulação Hídrica. Porto Alegre: UFRGS/IPH, Tese de
Doutorado. Universidade Federal do Rio Grande do Sul.

LANTHROP, R.J., LILLESAND, T.M. 1986. Use of thematic mapper data to assess water
quality in green bay and central lake Michigan. Photogrametric engineering and remot
sensing. Vol 53, 5 pp 670-679.

LONG, T. 1989. Le quaternaire litoral du Rio Grande do Sul. Temoin des quatre
derniers episodes eustatiques majeurs geologie e evolution. These de Doctorant,
Unioversité de Bordeaux, I. 183 p.

MARKHAM, B. L., BARKER, J. L. 1986. Landsdat MSS and TM post-calibration dynamic


ranges, exoatmospheric reflectances ans at-satellite temperatures. Landsat Technical
Notes, EOSAT, Lanham, Mariland.

32
DEPARTAMENTO DE GEOGRAFIA

MENDES, C. A. 1990. Aplicação de técnicas de sensoriamento remoto na região


estuarina da laguna dos Patos, RS, Brasil. Dissertação (Mestrado) - UFRGS, Porto
Alegre. 156 p.

MOLLER Jr., O. O., PAIM, P. S. G., HARTMANN, C. 1984. Material em suspensão na


região estuarina da laguna dos Patos. Seminário sobre pesquisa da lagoa dos Patos, 1.
Porto Alegre, RS. p. 10

MOREIA, I. COSTA, R. 1986 Geografia Espaço & sociedade. 2ed.Mercado Aberto, Rs.
110 p.

MOTTA, V. F. 1969. Relatório-diagnóstico sobre a melhoria e o aprofundamento do


acesso pela barra do Rio Grande. Porto Alegre, IPH/UFRGS.

MUNDAY, J. C., ALFOLDI, T. T., AMOS, C. L. 1979. Bay of


Fundy verification of system or multidate Landsat measurement of suspended sediment.
Satellite Hydrology, cidade, pp. 622-639.

NELSON, R. 1985. Reducing Landsat MSS scene variability. Photogrammetric


Engineering and Remote Sensing, v. 51, n. 5, pp. 583-593.

NOVO, E. 1989. Sensoriamento remoto, princípios e aplicações. São Paulo, Edgard


Blücher. 308 p.

NOVO, E., HANSEN, J. D., CURRAN, P. J. 1989. The effect of sediment type on the
relationship between reflectance and suspended sediment concentration.
Photogrammetric Engineering and Remote Sensing, v. 10, pp. 1283-1289.

PAZ, R. S. 1985. Aspectos meteorológicos da lagoa dos Patos, RS. Seminário sobre
pesquisa da lagoa dos Patos, 1, Porto Alegre, RS. 10 p.

PICKARD, G. L. 1975. Descriptive physical oceanography. 2. ed. Oxford, Pergamon


Press. pp. 193-199.

PRITCHARD, D. W. 1955. Estuarine circulation patterns. Proceedings of American Society


of Civil Engineering, New York, v. 81, pp. 1-11.

PRITCHARD, D. W. 1967. Observations of circulation on coastal plain estuaries. In:


LAUFF, G. H. ed. Estuaries. American Association Advancing Scientific,
Washington, v. 83, pp. 37-44.

RINGUELET, R. A. 1962. Ecologia Acuática Continental. Buenos Ayres, EUDEBA. 137


p.

33
DEPARTAMENTO DE GEOGRAFIA

RITCHIE, J. C., SCHIEBE, F. R., McHENRY, J. R. 1976. Remote sensing of suspended


sediments in surface waters. Photogrammetric Engineering and Remote Sensing,
Bethesda, v. 42, pp. 1539-1545.

ROBINSON , I. S., 1985 Satellite oceanography an introduction for oceanographers and


remote sensing scientists-Ellis Horwood Limited, New York, pp 444.

ROBINOV, C. J. 1982. Computation with physical values from Landsat digital data.
Photogrammetric Engineering and Remote Sensing, Bethesda, v. 48, pp. 781-784.

SAUSEN, T. 1981. Estudo dinâmic do alto São Francisco e reservatório de Três Marias,
através de imagens MSS. Dissertação (Mestrado), INPE, São José dos Campos, SP. 234
p.

SCHUBELL, J. R. 1971. Tidal variation of the size distribution of suspended sediment at a


station in the Chesapeak bay turbidity maximum. Netherlands Journal of Sea
Research, Amsterdam, v. 5, pp. 252-266.

SCHUBELL, J.R. & HIRSCHBERG, D. J. 1978. Estuarine graveyard and climatic Changes .
In : Wiley, M. ed. Estuarine Processes, New York, V1, 285-303.

SLATER, P. N. 1980. Remote snsing, optics ans optical system reading, MA, Addison-
Wesley. 515 p.

STOMMEL, H. 1951. Recent development in the study of tidal estuaries. Woods Hole
Oceanographic Institu-tion, Massachussets.

STOMMEL, H., FARMER, H. G. 1952.. On the nature of estuarine circulation. Woods


Hole Oceanographic Institution, Massachussets.

TOPLISS, B.J. 1990 Algoritms for remote sensing of high concentration inorganic suspended
sediment In: J.Remote sensing V.11.pp 1223-1229

VILLWOCK, J. A. 1972. Contribuição à geoloia do holoceno da província do Rio


Grande do Sul, Brasil. Dissertação (Mestrado) - UFRGS. Porto Alegre. 133 p.

WALSH, D. 1976 Remote sensing in oceanography In: Lintz Jr., J; SimonetD.S. Remote
sensing of environment, Eds. London Addison-Vesley Cap. 4 p. 607-608.

34