CURSO BACHARELADO DE ENGENHARIA DE AGRIMENSURA E

CARTOGRÁFICA

IT533 - SENSORIAMENTO REMOTO

Prof. Mauro A. Homem Antunes

Aluna. Grasiele Bastos Marques Teixeira

Matrícula: 201223005-7

CAMPUS INSTITUTO DE TECNOLOGIA (IT)

Rio de Janeiro/Seropédica

2014

Objetivo

O presente relatório consta, uma das etapas de grande importância para o sensoriamento

remoto no processamento digital da imagem, com o qual denomina-se, pré-processamento de

imagens. Esta etapa nos condiciona à um conjunto de procedimentos que visam minimizar ao

máximo, as distorções sofridas na imagem.

As distorções serão classificadas em; radiométricas, aquelas que alteram os níveis de cinza de cada

elemento da imagem e, geométricas com o qual altera-se a distribuição espacial dos elementos da

imagem, causando o deslocamento do pixel.

A análise das características da superfície tomando como base uma observação de imagem

correta, ou seja, com todas as previsíveis correções de distorções existentes, ajuda-nos à tomar

precisas decisões sobre o que está sendo analisado na área estudo na imagem.

Neste relatório, utilizou-se como imagem base, um ortomosaico da região de Seropédica

na escala de 1:25000 elaborada pelo IBGE como uma imagem auxiliar, para georreferenciar a

imagem do sensor ETM+ do satélite Landsat7, extraído no dia 12 de agosto de 2002, contendo a

região de Seropédica.

Desenvolvimento

Nesta fase do relatório, procurou-se determinar as fases respectivas do pré-processamento;

A correção Geométrica, correção Radiométrica e o Registro.

Referência:

Ortomosaico 1:25.000

Imagem à corrigir:

Landsat 7 ETM+

Correção Geométrica ou;

- Correção de Precisão

Com o uso da correção geométrica pode-se realizar o ajuste dos erros sistemático, aqueles

oriundos da característica própria do sensor e, não sistemático como a correção da precisão.

Nesta etapa realizou-se o georreferenciamento, produto da correção geométrica de correção

de precisão, estabelecendo a correlação entre o pixel de uma imagem referência, no caso deste

relatório, um ortomosaico em formato produzido pelo IBGE, com a imagem a ser georreferenciada

do sensor ETM+ do Landsat7. Com esta correção de precisão a imagem a ser corrigida, adquire

características equivalentes ao mapa de referência utilizado.

De início foi feita a transformação de .TIFF para. SPG das bandas do sensor ETM+ do

Landsat7 à serem georreferenciadas, utilizando o Impima 5.2.6, módulo do Spring que faz essa

transformação. Este formato comporta todos os dados de georreferenciamento no arquivo. É

necessária, para permitir a manipulação da imagem no Spring.

Utilizou-se de oito pontos de controle, sendo estes, homólogos tanto na imagem do sensor

ETM+ do Landsat7, quanto no ortomosaico. A seleção de pontos será de preferência, bem

distribuídos e, em lugares estratégicos, com boa definição nas duas áreas de trabalho. Com os oitos

pontos coletados, atingiu-se um erro médio de 0.031 pixel, ou seja, o georreferenciamento, quando

analisado pelo seu resíduo, ficou satisfatório.

Figura.1 Utilização do impima para transformação de .TIFF para .SPG

Figura.2 Escolha de pontos nas duas áreas de trabalho; a do Sensor ETM+ do Landasat7 e do Ortomosaico de base

para o registro

Após a realização deste procedimento, as imagens georreferenciadas foram importadas

para o SPRING utilizando o método da Reamostragem, o Vizinho + Próximo (figura1.) a fim de

realizar a validação da imagem(figura2.) ou seja, realizar a Acurácia geométrica e também,as

futuras transformações em índices de vegetação futuras NDVI. Em seguida realizou-se a

exportação banda a banda para GeoTIFF no próprio software, com intuito de ser aproveitada para

qualquer outro software que realize a processamento digital de imagem (PDI).

Figura3. Importação das bandas da imagem georreferenciada utilizando o Vizinho+Próximo.

Figura4. bandas da imagem georreferenciada e importadas e com um arranjo 345

(RGB) geraram uma imagem de falsa-cor.

Figura5. Janela de exportação banda

a banda para extensão Geotif

- Validação ou Acurácia Geométrica

Na etapa de validação, necessitou-se da coleta de mais 5 pontos a fim de estabelecer a

correlação entre as coordenadas do pixel de referência, o ortomosaico e as coordenadas do pixel

da imagem a ser corrigida. A janela do SPRING abaixo (figura6.) mostra os cinco pontos

coletados. Por fim, para a validação, calculou-se o RMSE em E, RMSE em N, Erro Absoluto

Médio em E e em N e o Vetor Erro Médio, todos apresentados na (tabela2.). Este procedimento

teve o objetivo de se verificar a qualidade geométrica das imagens após feito o

georreferenciamento.

Figura6. Janela de informação dos pixels

selecionados.

PONTOS

Imagem georr. Imagem referência

Coordenadas Coordenadas

X Y X Y

P1 638.541.804 7.476.118.596 638.540.619 7.476.120.515

P2 639.713.394 7.481.094.229 639.706.828 7.481.093.821

P3 632.339.396 7.481.435.989 632.325.952 7.481.431.515

P4 638.321.478 7.479.027.844 638.319.681 7.479.025.388

P5 628.758.111 7.470.391.161 628.744.492 7.470.391.178

Tabela1. Coordenadas de mais 5 pontos para a validação

Tabela2. Calculo do RMS(E) e RMS(N)

Fórmulas Utilizadas:

Tabela3.Erro Absoluto Médio calculado para coord. Leste e Norte.

ERRO ABSOLUTO

PONTOS E N

P1 1.185 1.919

P2 6.566 408

P3 13.444 4.474

P4 1.797 2.456

P5 13.619 17

Soma 36.611 5.402

MAE(E) MAE(E)

7.322 1.080

Fórmulas Utilizadas:

Tabela3. Vetor erro calculado entre as coordenadas da imagem de referência e a

imagem já, georreferenciada.

- Correções Radiométricas

Todo satélite de observação terá a capacidade de sensibilizar a radiação provinda da

superfície. A radiação pode ser diferenciada em pontos diferentes da imagem e em diferentes

épocas pelo fato de receber a influência da incidência solar, em diferentes ângulos, visadas e da

condição atmosférica.

A correção radiométrica visa a correção de ruídos presentes na imagem, a suavização da

imagem para melhorar a visualização e também, a transformação do nível de cinza, ou número

digital em uma grandeza física no qual neste relatório, encontraremos a reflectância.

A radiação aparente que está sobre influência da atmosfera, será sensibilizada pelo sensor

e armazenado em bits, números digitais, escalonados em diferentes amplitudes dependendo da

resolução radiométrica do sensor utilizado. Conforme Slater, (1980) “A reflectância aparente é

resultante apenas da conversão dos números digitais (ND) da imagem em valores de refletância,

sem aplicação de correção atmosférica, enquanto que a reflectância da superfície é estimada

eliminando-se a contribuição da atmosfera em cada “pixel”, através da modelagem da interação

da radiação eletromagnética com os gases atmosféricos radiativamente ativos”.

As imagens iniciais, aquelas que acabaram de ser de ser extraída do sensor, ainda estará

em valores de radiância aparente ou números digitais (níveis de cinza), ou seja, ainda considerará,

a influência da atmosfera quantizada. O sensor Landsat 7, utilizado em questão, possui uma

resolução radiométrica de 8 bits, o que significa 256 níveis de cinza.

PONTOS VETOR ERRO

P1 2.255

P2 6.579

P3 14.169

P4 3.043

P5 13.619

VETOR ERRO 7.933

MÉDIO

Cálculo segundo tabelas fornecida pelo Sensor Landsat 7

1 Segundo a tabela e fórmulas disponíveis no arquivo do sensor Landsat -

(Chander_et_al__Summary_of_current_radiometric_calibration_coefficients_for_Landsa

t_MSS,_TM,_ETM+,_and_EO-1_ALI_sensors) Pode-se calcular a radiância para a reflectância das bandas

requeridas; a banda do vermelho e infravermelho

Figura7. Sumário de correção radiométrica sensor ETM+ Landsat7.

Transformação de DN (= NC) para Reflectância Aparente (a nível de satélite) –

Sensor ETM+ do Landsat 7 para as bandas na faixa do Vermelho e Infravermelho

Próximo.

Das fórmulas utilizadas tem-se:

- Transformação Nível de cinza (NC) em radiância (L) para bandas de uma imagem

de 8 bits:

- Reflectância aparente (a nível de satélite) para as bandas na faixa do vermelho e

do infravermelho próximo

Resultados:

Tabela4. Tabela de informações para o calcula da reflectância.

Nesta etapa, utilizou-se das informações nos metadados da imagem do Landasat7

com o qual, encontrou-se a data de tomada da imagem, e os valores do ângulo de elevação

solar, considerado o seno do seu valor igual ao cosseno do ângulo zenital.

Para o cálculo da reflectância aparente (a nível de satélite) das bandas na faixa do vermelho

e do infravermelho próximo no SPRING, calculou-se de forma algébrica e achou-se para

os valores correspondentes aos parâmetros de ganho e offset, prescindíveis para a Operação

Aritmética (C= Ganho*A+Offset) no software.

Por fim realizou-se o cálculo da reflectância com a inserção destes valores.

Qcalmax; DN Máx 255

Qcalmin ; DN Min 1

Low gain(LPGS) LMIN LMAX G.rescale B.rescale ESUN

3 -5 234,4 0,94252 -5,94 1533

4 -5,1 241,1 0,969291 -6,07 1039

Banda Ganho Offset

3 0,0031 -0,0062

4 0,0047 -0,0343

Figura8. Janela de Operação Aritmética para reflectância das bandas na faixa do vermelho e do infravermelho

NDVI ( Índice de vegetação da Diferença Normalizada)

Nesta fase teve por objetivo determinar índices de vegetação utilizando operações

aritméticas para manipulação de imagens de satélite.

O Índice de vegetação é uma medida quantitativa, baseadas nos valores digitais, que tentam

medir o vigor vegetativo.

O cálculo do NDVI é feito a partir da diferença entre as refletâncias das bandas 4

(infravermelho próximo) e 3 (visível – vermelho) dividido pela soma das reflectâncias dessas duas

bandas.

O resultado varia de -1 a 1, de modo que quanto mais próximo do 1, maior indício de

presença de vegetação, e quanto mais próximo do -1, m, maior indício de presença de solos

descobertos e rochas.

Pode-se concluir que o Índice de Vegetação por Diferença Normalizada (NDVI) é

importante no estudo de vegetação, pois evidencia, o vigor e a caracterização da vegetação de uma

área.

Figura9. Janela de Operação Aritmética para NDVI

Figura10. Valor negativo para a água.

Combinação de bandas e Contraste

Nesta etapa realizou-se uma combinação de bandas RGB 453 e aplicação de contraste e em

seguida, salvas respectivamente como Banda4_contraste, Banda5_contraste e Banda3_contraste.

Figura11. Imagem em RGB543_LUT

Figura12. Janela de contraste da imagem.

Referências Bibliográficas

Chander_et_al__Summary_of_current_radiometric_calibration_coefficients_for_

Landsat_MSS,_TM,_ETM+,_and_EO-1_ALI_sensors.

Notas de Aula - IT 533 - Sensoriamento Remoto, Prof. Mauro A. Homem Antunes,

UFRRJ, 01 / 2013

MENESES, P.R., ALMEIDA, T. (2012), Introdução ao Processamento de Imagens

de Sensoriamento Remoto. 1ª. ed. Brasília, CNPq, v. 1. 256p