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