rocessamento digital de imagens (serp11) operaÇÕes...
Post on 03-Aug-2020
4 Views
Preview:
TRANSCRIPT
PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS
Daniel C. Zanotta
Jean M A Espinoza
Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos
alvos contidos na cena. Dependendo dos canais utilizados tipos específicos de minerais e
vegetação podem ser detectados. Além disso, uma imagem com sombreamento causado pelo
relevo pode ter esse efeito atenuado ao se utilizar o produto resultante de uma operação por
razão de bandas (correção de efeito topográfico e de iluminação).
TM - Landsat
ρv = Reflectância no Vermelho
ρA = Reflectância no Azul
ρivp = Reflectância no Infravermelho Médio
ρivol = Reflectância no Infravermelho de Ondas Longas
Ex: Realce de minerais de Ferro = ρv / ρA
Realce de minerais de Argila = ρivm / ρivol
RAZÃO DE BANDAS
PROCURA DE ALVOS GEOLÓGICOS POR COMPOSIÇÕES DE BANDAS:
3 2 1 REFERÊNCIA: CADA COR REPRESENTA UM
TIPO DIFERENTE DE ROCHA PRESENTE NA
CENA.
RAZÃO DE BANDAS
5 4 7
PROCURA DE ALVOS GEOLÓGICOS POR COMPOSIÇÕES DE BANDAS:
3 2 1
RAZÃO DE BANDAS
PROCURA DE ALVOS POR RAZÃO DE BANDAS. É POSSÍVEL NOTAR A DIFERENÇA DE
CONTRASTE ENTRE AS BANDAS ORIGINAIS E OS RESULTADOS DAS RAZÕES DE BANDA.
B3 / B4 B2 / B1 B5 / B7
B1 B2 B3
RAZÃO DE BANDAS
B3/B4 B2/B1 B5/B7
PROCURA DE ALVOS GEOLÓGICOS POR COMPOSIÇÕES DE BANDAS:
RAZÃO DE BANDAS
ATRAVÉS DA COMPOSIÇÃO DE BANDAS ORIGINAIS:
3 2 1 CLASSIFICAÇÃO: CADA COR REPRESENTA
UM TIPO DIFERENTE DE ROCHA PRESENTE
NA CENA.
RAZÃO DE BANDAS
CLASSIFICAÇÃO: CADA COR REPRESENTA
UM TIPO DIFERENTE DE ROCHA PRESENTE
NA CENA.
B3/B4 B3/B2 B5/B7
ATRAVÉS DA COMPOSIÇÃO DE RAZÃO DE BANDAS:
RAZÃO DE BANDAS
Imagem Aster:
O sensor Aster (14 bandas) a bordo dos
satélites Terra e Aqua tem sua potencialidade
aumentada quando são feitas operações
aritméticas com as bandas. Extremamente
utilizado para mapeamento geológico.
RAZÃO DE BANDAS
(IVP): 75
(VERM): 28
(IVP): 160
(VERM): 60
B
A
Exemplo sobre a questão da iluminação
A e B são o mesmo alvo
Razão:
A = 75/28 = 2,66
B = 160/60 = 2,66
Apesar de não haver diferença nenhuma nos alvos A e B, os mesmos encontram-se em inclinações diferentes no terreno. Isso causa uma atenuação da radiação solar incidente. Um sensor “enxerga” naturalmente o alvo B mais escuro que o A (devido ao sombreamento maior). Seus valores de reflectância registrados serão naturalmente menores. Ao proceder a razão (divisão) das bandas, esse efeito é compensado e a imagem ganha um aspecto mais uniforme onde existem alvos idênticos (como A e B).
RAZÃO DE BANDAS (ELIMINAÇÃO EFEITO SOMBRA)
Sol
Iluminação Sombra Iluminação
(VERM)
(IVP)
(IVP)
(VERM)
RAZÃO DE BANDAS (ELIMINAÇÃO EFEITO SOMBRA)
Divisão
50 30 10 10 30 50
50 30 10 10 30 50
50 30 10 10 30 50
50 30 10 10 30 50
150 90 30 30 90 150
150 90 30 30 90 150
150 90 30 30 90 150
150 90 30 30 90 150
3 3 3 3 3 3
3 3 3 3 3 3
3 3 3 3 3 3
3 3 3 3 3 3
RAZÃO DE BANDAS (ELIMINAÇÃO EFEITO SOMBRA)
B1
B2
1) QUAL É A PRINCIPAL FINALIDADE DE UMA RAZÃO DE BANDAS
APLICADA A UM DETERMINADO MAPEAMENTO?
2) A RAZÃO DE BANDAS PRODUZ NOVAS “BANDAS”?
3) O QUE DEFINIRÁ QUAIS BANDAS SÃO UTILIZADAS EM UMA RAZÃO
FEITA COM O OBJETIVO DE REALÇAR UM DETERMINADO ALVO?
4) POR QUE A RESOLUÇÃO ESPECTRAL DE UMA IMAGEM ESTÁ
DIRETAMENTE LIGADA ÀS POSSIBILIDADES DE SE FAZER RAZÃO DE
BANDAS?
5) POR QUE O RESULTADO DE UMA RAZÃO DE BANDAS REDUZ OS
EFEITOS DE SOMBREAMENTO NA IMAGEM?
PONTO DE REFLEXÃO 1
SUBTRAIR IMAGENS SUBTRAIR IMAGENS SIGNIFICA SUBTRAIR PIXEL A PIXEL TODOS OS ELEMENTOS DA
CENA. ESSA TÉCNICA É MUITO UTILIZADA PARA ESTUDOS DE DETECÇÃO DE
MUDANÇAS OCORRIDAS EM UMA REGIÃO ENTRE DUAS DATAS DISTINTAS.
(0:255) (0:255)
(- 255:255) Imagem de Diferenças
ESTUDO MULTITEMPORAL O ESTUDO MULTITEMPORAL COMPREENDE A ANÁLISE FEITA A PARTIR DE UMA
SEQUÊNCIA DE IMAGENS QUE COBREM O MESMO LOCAL, MAS ADQUIRIDAS EM DATAS
DISTINTAS. Landsat TM1
(Queimadas)
ERS1
(Queimadas)
An
tes
Dep
ois
Quickbird
(danos
urbanos)
SETEMBRO 2003
JANEIRO 2004
MUDANÇAS
RELACIONADAS À
DANOS APÓS UM
TERREMOTO
MAPA BINÁRIO DE
MUDANÇAS
ESTUDO MULTITEMPORAL
México Abril de 2000
An
tes
Dep
ois
México Maio de 2002
Mapa binário de
Mudanças
ESTUDO MULTITEMPORAL
ANÁLISE DA IMAGEM DE
DIFERENÇAS Img 1 Img 2 Img Dif
IMAGENS CORRIGIDAS
IMAGEM T1 X1 IMAGEM T2 X2
Correção Radiométrica
Registro das duas Imagens
X’1 X’2
IMAGENS ORIGINAIS
PRÉ-PROCESSAMENTO:
Agosto 1992
Setembro 1997
Mapa Binário de Mudanças
Erro de Registro das Cenas
REGISTRO INADEQUADO
DAS CENAS
Mapa de Mudanças
Imagem t1
Comparação
X`1 X`2 Imagem t2
Imagens de Diferença
M
Análise
X’1 X’2
XD
Subtração pixel a pixel das correspondentes imagens em cada data
Algum método de detecção de mudanças aplicado à
imagem XD
ANÁLISE:
ANÁLISE DA IMAGEM DE
DIFERENÇAS Img 1 Img 2 Img Dif
HISTOGRAMA ESPERADO PARA UMA IMAGEM DE DIFERENÇAS
Mudança Mudança
Não-Mudança
VALORES
POSITIVOS E
NEGATIVOS
ANÁLISE:
LIMIAR LIMIAR
DEFINIÇÃO DO MAPA DE
MUDANÇAS
Img Diferenças
Mapa de
Mudanças
1) O QUE DEVE DEFINIR QUAL TIPO DE IMAGEM UTILIZAR EM UM
DETERMINADO ESTUDO DE DETECÇÃO DE MUDANÇAS? RESOLUÇÕES,
ESPACIAL, ESPECTRAL, TEMPORAL.
2) O QUE DEVE DEFINIR A DATA DE AQUISIÇÃO DAS IMAGENS?
3) POR QUE É TÃO IMPORTANTE QUE AS IMAGENS ESTEJAM REGISTRADAS
ESPACIALMENTE EM UM ESTUDO DE DM?
4) UMA IMAGEM DE SUBTRAÇÃO CONTÉM INFORMAÇÕES SOBRE AS MUDANÇAS
OCORRIDAS NO TERRENO. POR QUE ELA NÃO PODE SER UTILIZADA
DIRETAMENTE COMO MAPA DE MUDANÇAS?
5) UM MAPA DE MUDANÇAS BINÁRIO (ZERO OU UM) INFORMA QUAL TIPO DE
MUDANÇAS QUE OCORREU NO TERRENO?
PONTO DE REFLEXÃO 2
Índices Físicos em SR • Modelagem de parâmetros biofísicos dos alvos através da
aritmética de bandas;
• Realce de feições através da criação de bandas sintéticas com
alta correlação com o fenômeno e\ou alvo estudado – criação de índices de:
– Vegetação;
– Água;
– Nuvens;
– Solo;
– Plâncton;
– Rochas;
– Etc. .
NDVI (ou
IVDN)
TM_L5:R/G/B-
3/2/1
• O que são os Índices Físicos?
Medidas radiométricas adimensionais – determinam
características físicas presentes nos dados coletados via SR;
• Os Índices Físicos realçam as características de interesse (i.e.,
Biomassa, CO2, etc.);
IDW – ESTUÁRIO DA LAGOA
DOS PATOS
IDW a “h” da coluna
d’água
• Através da correlação entre estes Índices Físicos e
medidas físicas de interesse, é possível determinar
medidas indiretas de grandezas físicas de interesse:
- presença de vegetação,
- concentração de CO2,
- profundidade de corpos d’água;
- Presença de nuvens
- ...
• A determinação destas informações é obtida através
de sistemas lineares (ou não lineares) que
correlacionam a o CD da imagem com o valor físico de
interesse (i.e., CD vs Concentração de CO2)
Índices de vegetação
• Indicam a abundância relativa de vegetação
(ex.: Índice de Vegetação por Diferença
Normalizada – NDVI ou IVDN), a atividade da
vegetação, incluindo área foliar (ex.: Índice
de Área Foliar - IAF), porcentagem de
cobertura verde, etc.
SR
Simple Ratio (ou RS – razão Simples)
• Cohen (1991) sugere que o primeiro índice de vegetação
verdadeiro foi a Razão Simples (SR);
• Razão entre o fluxo radiante no infravermelho próximo e o fluxo
radiante no vermelho, como descrito por Birth e McVey (1968);
• Fornece relevantes informações sobre a biomassa da vegetação
, sendo sensível a variações de biomassa para vegetações de
grande biomassa, como florestas;
SR (ou RS)
• É um índice físico utilizado no realce da presença de
vegetação;
• Considera a propriedade física da vegetação sadia em
refletir fortemente radiações com comprimentos de onda na
faixa do infravermelho próximo (IVP);
• Considera o fato de vegetações sadias absorverem quase a totalidade das radiações eletromagnéticas na faixa do visível;
• É determinado dividido-se, para um mesmo dado-imagem, o
valor da radiância obtido pela reflexão difusa na faixa do IVP pela radiância coletada no mesmo dado-imagem na faixa
do visível (Verde);
• Considerando a maior reflectância na faixa do IVP do que no
Visível, encontraremos valores maiores do que a unidade
para a presença de vegetação saudável e entre zero e 1 para locais não vegetados (ou com vegetação fenescente).
• Matematicamente:
SR = Valor_pixel(IVP)/Valor_pixel(Visível=verde)
Ou para dados dos sensores TM/ETM+ da série
LANDSAT:
SR = Valor_Pixel(B4)/Valor_Pixel(B2)
• Com isto obtemos uma imagem com a vegetação realçada e
os demais alvos suavizados.
SR (ou RS) – Índice razão simples
EXEMPLOS
SR ILHA DA TOROTAMA (TM_5)
NDVI (ou IVDN): índice de vegetação por diferença normalizada
• O NDVI é um índice de vegetação obtido pelo mesmo
princípio físico do SR, mas com uma abordagem normalizada;
• Este índice relaciona as bandas vermelha e infravermelho
próximo;
• Nos sensores TM e ETM+ da série de satélites LANDSAT são
empregadas as bandas 3 e 4 (Banda vermelha e VNIR,
respectivamente);
• O primeiro relato de uso de NDVI foi em 1974 por Rouse et al.;
• A formulação do índice de diferença normalizada para vegetação foi proposta por Kriegler et al. em 1969 como
forma de identificação automática de vegetação em dados
de imageamento digital;
• Este índice tem seus valores relacionados à quantidade de
biomassa refletora de radiação em um certo pixel;
NDVI (ou IVDN): índice de vegetação por diferença normalizada
NDVI (ou IVDN):
• O NDVI é importante porque:
• Mudanças sazonais e interanuais no desenvolvimento e na
atividade da vegetação podem ser monitoradas (i.e.,
ciclos fenológicos);
• A razão reduz muitas formas de ruído multiplicativo (i.e.,
diferenças de iluminação solar, sombras de nuvens,
atenuações atmosféricas, variações topográficas, etc.);
• O NDVI é muito sensível a variações de substrato
sob o dossel(i.e., solos visíveis sob o dossel). Os valores
de NDVI são particularmente altos com substratos
mais escuros
SÉRIE LANDSAT
NDVI – TM_5
Obs.:
- NDVI entre -1 e
zero: Indica a não
presença de
cobertura vegetal;
- NDVI maior do
que zero: Indica a
presença relativa de
vegetação.
SAVI Índice de Vegetação Ajustado para os Efeitos do
Solo
• Determinado pela expressão de HUETE (1988);
• O IAF, definido como sendo a razão entre a área foliar de
toda a vegetação por unidade de área utilizada por essa vegetação, foi calculado pela equação empírica de
ALLEN et al. (2002);
• L é constante, cujo valor mais freqüentemente usado é 0,5
(Accioly et al., 2002; Boegh et al., 2002; Silva et al., 2005);
• L relaciona a extinção diferencial do fluxo radiante a partir
do dossel em direção ao substrato;
• De forma geral, para os sensores TM e ETM+ L=0,5 minimiza as
variações de brilho, eliminando a necessidade de calibrações adicionais.
IAF
índice de Área Foliar
• Estima a cobertura em metros-quadrados por pixel
proporcionada pela cobertura vegetal;
NDWI (ou IADN): .
índice de água por diferença normalizada
• O NDWI é importante porque:
– Permite estimar o conteúdo de água interno à vegetação,
sendo muito úteis na agricultura como subsidio à cálculos de
rendimento;
– Muito útil para estimação de redes hidrológicas, gerando
máscaras dos corpos d’água;
– Altamente correlacionado com a coluna do corpo d’água
(profundidade z), o que permite inferir a batimetria.
• O NDWI acompanha melhor as variações da quantidade de
água armazenada pela vegetação do que o NDVI (Jackson et
al, 2004), sendo melhor indicado para este fim.
• O NDWI pode ser determinado, empregando:
• Já nos sensores TM e ETM+, teremos:
NDWI (ou IADN):
• Para estimativas de batimetria, considera-se um
decaimento exponencial entre a intensidade
radiante refletida a partir do fundo de um corpo
d’água e a profundidade deste;
• Isto permite, a partir de dados pontuais de
profundidade já conhecidos e as características da
água observada (turbidez e densidade), estimar a
profundidade de todo um corpo d’água
imageado;
NDWI (ou IADN):
Imagens NDWI geradas a partir de dados TM_L5, exibidas em
escalas de cores (tabelas de cores)
• Permite o realce e a identificação da presença de
neve e nuvens em imageamentos multiespectrais
com cobertura do infravermelho e visível;
• Um limiar (threshold) pode ser aplicado para
separar os pixels de nuvens de neve em uma
mesma cena;
• O Algorítmo de detecção automática de nuvens
proposto por Irish (2000) usou limiar de 0,7 para o
NDSI (este varia de -1 a 1);
NDSI (ou INDN): índice de neve por diferença normalizada
• O valor ideal de NDSI varia de uma cena para
outra;
• Usualmente, o maior emprego do NDSI ocorre em
dados MODIS e LANDSAT(TM e ETM+);
• Provedores de imagens orbitais utilizam o NDSI para
determinar a cobertura de nuvens sobre uma
imagem;
NDSI (ou INDN):
• Para os Sensores TM e ETM+ (série LANDSAT):
• Atualmente o NDSI é aplicado no monitoramento das
coberturas de neve globais, estimando:
•Albedo terrestre médio;
• variáveis do balanço de radiação
terrestre;
• Impactos climápaticos sobre a cobertura
de gelo terrestre (Criosfera);
Exemplo do NDSI
ETM+_L7 B4/B3/B2-
R/G/B
NDSI Realçado (*10)
PONTO DE REFLEXÃO 3
1) QUAIS SÃO OS VALORES MÁXIMOS E MÍNIMOS QUE O NDVI PODE
ALCANÇAR?
2) É POSSÍVEL CALCULAR O NDVI DE UMA FOTOGRAFIA OU IMAGEM
QUALQUER?
3) O NDVI É PROPORCIONAL À QUANTIDADE DE BIOMASSA
(QUANTIDADE DE VEGETAÇÃO) PRESENTE NO PIXEL?
4) O NDVI PARA IMAGENS DE SENSORES DIFERENTES SEMPRE
PRODUZ O MESMO VALOR?
5) O VALOR DE NDVI IGUAL A ZERO INDICA AUSÊNCIA TOTAL DE
VEGETAÇÃO NO PIXEL?
top related