Avaliação comparativa de correção atmosférica de imagens Landsat utilizando

MODTRAN e Dark Object Subtraction

Daniel Gomes 1

Luiz Eduardo Vicente 1

Stella Carvalho 2

Daniel Victoria 1

Ricardo Guimarães Andrade 1

Maurício Lopes Agnese 3

Ramon Felipe Bicudo da Silva 3

1 Embrapa Monitoramento por Satélite

Av. Soldado Passarinho, 303 13070-115 Campinas, Brasil

{danielgomes, vicente, daniel, ricardo}@cnpm.embrapa.br

2 Pontífica Universidade Católica de Campinas

Rodovia Dom Pedro I, km 136 13086-900 Campinas, Brasil

stella@cnpm.embrapa.br

3 Universidade Estadual de Campinas

Cidade Universitária Zeferino Vaz 13083-970 Campinas, Brasil

{mauricio, ramon}@cnpm.embrapa.br

Abstract. Remote sensing by spectral imaging of the Earth's surface can be widely used, but only when the

atmospheric influence is nullified and the data are reduced to surface reflectance units. The atmospheric

correction referred to here is an atmospheric "compensation" or "characterization" in which algorithms are used

in remote sensing applications for hyper and multispectral images to correct atmospheric propagation effects in

measurements taken by airborne and orbital systems. The remission of atmospheric effects guarantees the

identification of biophysical properties of the targets and their isonomic relationship with spectroradiometric

databases, thus enabling the application of sophisticated classification methods such as linear Spectral Mixture

Analysis models (SMA) and Spectral Indexes. Based on this premise, the objective of this article is to compare

the atmospheric correction used in the MODTRAN model with that used in the Dark Object Subtraction (DOS1)

and Improved Dark Object Subtraction (DOS2) models in order to verify which approach shows better

correspondence with reference spectral libraries. We used spectral data on tropical crops obtained using the

spectroradiometer. Due to the difficulty in obtaining data on atmospheric conditions, especially for tropical

regions, and the difficulty in accessing the most reliable correction procedures, corrections are sometimes

disregarded or even based on extremely simple methods which may produce radiance and reflectance estimation

errors even greater than those of the original images. MODTRAN presented the most consistent results,

especially with regard to season variation and the presence of haze (low contrast) in some images due to the high

aerosol concentration. Methods DOS1 and DOS2, in spite of their good performance in band 5 (1.55 – 1.75 m),

have not been effective in the suppression of effects related to atmospheric absorption.

Palavras-chave: Atmospheric correction, MODTRAN, Dark Object Subtraction (DOS1), Improved Dark

Object Subtraction (DOS2), Correção atmosférica, MODTRAN, Subtração de Objeto Escuro (DOS1), Subtração

de Objeto Escuro Melhorada (DOS2).

1. Introdução

Os principais efeitos observados nas imagens de satélite, devido à presença da atmosfera

entre o sensor e a superfície terrestre, são a diminuição da faixa de valores digitais possíveis

registrados pelo sensor, diminuição do contraste entre superfícies adjacentes e alteração do

brilho de cada ponto da imagem. Os gases, principalmente vapor d’água, oxigênio, ozônio e

dióxido de carbono e, os aerossóis (pequenas partículas em suspensão) refletem , refratam,

absorvem e espalham a radiação desde quando ela atinge a atmosfera até quando a deixa,

depois de refletida pelo solo (Zullo Jr., 1994).

A supressão dos efeitos da atmosfera garante a identificação de propriedades biofísicas

dos alvos e sua relação isonômica entre bases de dados espectrorradiométricos, possibilitando

a aplicação de métodos de classificação sofisticados como Modelos Lineares de Mistura

Espectral (MLME) e índices espectrais (Vicente, 2007). Existem diversos métodos para

correção do espalhamento atmosférico na literatura os quais podem ser aplicados tanto para

imagens de satélite multiespectrais quanto hiperespectrais, sendo possível dividi-los em

métodos alternativos e métodos físicos. Os métodos alternativos não dependem de parâmetros

atmosféricos ou de dados da superfície, e sim das informações da própria imagem, utilizando

números digitais (DN’s – do inglês digital numbers) que são características inerentes dos

pixels e representam feições específicas para determinar a contribuição da atmosfera em cada

banda espectral (Lu, et al., 2002). Porém, uma de suas limitações consiste na exigência de

alvos específicos nas imagens analisadas, tais como, corpos d’água que absorvem a maior

parte da radiação incidente no mesmo (Chavez Junior, 1988).

Nos métodos físicos, é crucial o conhecimento das propriedades óticas da atmosfera bem

como do processo de interação da radiação com a atmosfera e com a superfície. Dentre os

códigos de transferência radiativa atmosférica os mais difundidos são: 5S (Simulation of the

Satellite Signal in the Solar Spectrum), 6S (Second Simulation of the Satellite Signal in the

Solar Spectrum), LOWTRAN e MODTRAN (Moderate Resolution Atmospheric Radiance

and Transmittance) (Latorre et al., 2002).

Para garantir a eficiência de uma correção atmosférica por métodos físicos, como o

MODTRAN, são necessários parâmetros que forneçam dados reais das condições

atmosféricas do dia em que a imagem de satélite foi capturada. Esses parâmetros

correspondem aos dados de coordenadas geográficas, altitude, coluna de vapor d’água,

profundidade óptica das nuvens, aerossol, quantidade de CO2 na atmosfera, data da passagem

do satélite e horário de voo.

A dificuldade de obtenção dos dados de condição atmosférica, principalmente para

regiões tropicais, e a dificuldade em acessar os procedimentos mais confiáveis de correção faz

com que ela seja muitas vezes desconsiderada, ou se baseie em métodos muito simplificados

que podem produzir erros de estimativa da radiância e da reflectância até superiores ao das

imagens originais.

A despeito de relevantes trabalhos comparativos sobre as virtudes e limitações dos

métodos de correção atmosférica de imagens de satélite (Sanches et al., 2011; Couto Junior et

al., 2011; Souza et al., 2011), a escassez de medidas espectrorradiométricas de campo tem

limitado análises quantitativas mais efetivas em condições tropicais. Assim, o presente

trabalho visa avaliar a eficiência dos métodos de correção atmosférica DOS em relação ao

modelo MODTRAN quanto à aplicação no mapeamento de alvos agrícolas, utilizando dados

espectrorradiométricos de referência, comparativamente com dados espectrais Landsat TM 5.

2. Materiais e Métodos

3.1 Bases de dados

Para o desenvolvimento do trabalho comparativo foi utilizada uma imagem do satélite

Landsat 5 sensor TM com resolução espacial de 30 metros, de órbita e ponto 225-74. As

coordenadas centrais são 19° 38’ 13” S e 55° 23’ 51” W e a imagem foi obtida pelo sensor na

data de 25/01/2011. Foi utilizada uma conformação de 6 bandas, cobrindo as regiões

espectrais do visível ao infravermelho de ondas curtas (0,45 a 2,35 µm) a qual foi

georreferenciada na projeção UTM, Zona 21 Sul e datum WGS-84.

A área de estudo corresponde à Fazenda Granja Minuano, localizada a cerca de 27 km da

capital Campo Grande, no município de Jaraguari, Mato Grosso do Sul (Fig. 1). De acordo

com o Censo Agropecuário, Jaraguari apresenta 3.408 hectares de lavouras temporárias, 1.654

hectares de lavouras permanentes, 1.168 hectares de forrageiras para corte e 173.763 hectares

de pastagens (Instituto Brasileiro de Geografia e Estatística, 2012). O clima da região é o

Tropical Brasil Central Subquente Úmido, caracterizado por média de temperatura entre 15° e

18°C em pelo menos um mês, com ocorrência de uma estação seca, que dura de um a dois

meses (Instituto Brasileiro de Geografia e Estatística, 2002).

Em 21/01/2012 foram colhidas amostras de folhas de soja no interior e nos arredores da

fazenda. A reflectância destas folhas foi medida com um espectrorradiômetro de campo, que

cobre a região espectral entre 0,35 e 2,5 µm, com uma medição a cada 0,05 µm do espectro

eletromagnético. Para cada ponto amostrado foram medidas entre cinco e dez amostras, a

partir das quais foram calculados espectros médios que compuseram as bibliotecas espectrais

de referência. A diferença entre as datas de medição dos dados de campo e de aquisição da

imagem orbital se deve ao desativamento do satélite Landsat 5 em novembro de 2011 e à

presença de nuvens em imagens semelhantes às deste satélite no mês de janeiro de 2012. De

toda forma, a imagem foi obtida pelo sensor num período do ciclo do cultivo da soja

semelhante ao das medições de campo. As condições atmosféricas nas duas datas também

foram bastante semelhantes nas duas datas, como pode ser comprovado pelos dados

estimados por meio do sensor MODIS a bordo do satélite Terra.

2.2 Comparação entre métodos de correção atmosférica

Três métodos de correção atmosférica foram avaliados: (i) Dark Object Subtraction –

DOS1 e sua atualização (ii) Improved Dark Object Subtraction – IDOS ou DOS2 (Chavez

Junior, 1988; 1996); e (iii) Moderate Resolution Atmospheric Radiance and Transmittance –

MODTRAN (Berk et al., 1998). A sequência de processamento foi realizada de acordo com o

fluxograma proposto na Figura 2.

2.2.1 DOS1 e DOS2

O método DOS1 foi aplicado no módulo Model Builder do software ERDAS Imagine, a

partir da planilha eletrônica de Gurtler et al. (2005). Para executar a correção atmosférica,

foram utilizados os seguintes parâmetros: (i) valores de números digitais e frequência da

banda de referência escolhida (banda 1, nos comprimentos de onda 0,45 a 0,52 µm), (ii) nome

do sensor, (iii) data da imagem e (iv) ângulo de elevação solar. Para o cálculo do

espalhamento atmosférico, foram adotados os valores de irradiância (I0) e de radiâncias

mínima e máxima do sensor (Lmin e Lmax) estipulados por Chander et al. (2009). A correção

atmosférica do método DOS1 é realizada de acordo com a Equação 1 (Gurtler et al., 2005;

Chavez Junior, 1988):

(1)

Em que é uma medida estimada a partir da distância terra-sol, do ângulo de elevação

solar e do cosseno do ângulo zenital solar, ND são os números digitais da imagem a ser

corrigida e é o espalhamento atmosférico calculado para o sensor. Para o método

DOS2, j também inclui a transmitância da atmosfera (τλ), que é estimada a partir do cosseno

do ângulo zenital solar (Chavez Junior, 1996).

Figura 1. Localização da área de estudo, com imagem do satélite Landsat 5 sensor TM,

órbita-ponto 225-74, de 25/01/2011. Composição colorida RGB nas bandas 3 (vermelho), 2

(verde) e 1 (azul).

Figura 2. Etapas metodológicas adotadas para comparar a correção atmosférica dos métodos

DOS1, DOS2 e MODTRAN em imagens TM.

2.2.2 MODTRAN

O modelo MODTRAN foi implementado no aplicativo Fast Line-of-sight Atmospheric

Analysis of Spectral Hypercubes (FLAASH) do programa Envi. Neste modelo, a correção dos

efeitos atmosféricos é realizada de acordo com a Equação 2:

(2)

Onde é a radiância no sensor, é a reflectância de superfície do pixel, é a média da

reflectância de superfície do pixel e da região vizinha, é o albedo esférico da atmosfera,

é a radiância retroespalhada na atmosfera e e são parâmetros que dependem das

condições da atmosfera e da geometria de iluminação (Cooley et al., 2002; Adler-Golden et

al., 1999; Anderson et al., 1999). O MODTRAN é capaz de estimar os valores de , , e

para uma dada condição atmosférica e assim determinar a radiância da superfície e em

seguida, a reflectância. As estimativas do modelo são baseadas em informações atmosféricas

observadas no momento de aquisição da imagem. Neste trabalho, foram utilizados dados

gerados a partir do sensor Moderate-Resolution Imaging Spectroradiometer (MODIS), a

bordo do satélite Terra, que possui horário de passagem próximo ao do Landsat, além de

constituir em fonte isonômica de dados análogos ao TM5, visto que também opera em

plataforma orbital. A condição atmosférica é estimada a partir dos dados do expoente de

Ångström (α), profundidade ótica do aerossol (τ) e coluna total de água, obtidos

especificamente para cada imagem corrigida, de acordo com o local, data e horário de

passagem, através do portal Giovanni pelo site da NASA.

Para garantir a eficiência do resultado, foram inseridas informações sobre a quantidade de

CO2 na atmosfera. Esta informação foi obtida pelo sensor Atmospheric Infrared Sounder

(AIRS), a bordo do satélite Aqua e disponiblizada pelo portal GSFC no site da NASA.

3.3. Comparação com biblioteca espectral de referência

Após a aplicação dos dois métodos de correção atmosférica, a reflectância das bibliotecas

espectrais de referência foi reamostrada para a resolução espectral das imagens do sensor TM

do Landsat 5. Em seguida, as reflectâncias da imagem nos pontos de coleta de amostra foram

comparadas à reflectância da biblioteca espectral, por meio do coeficiente de determinação

(R²), que aferiu banda por banda quais métodos de correção atmosférica estimaram melhor os

valores de reflectância.

3. Resultados

As Figuras 3 a 6 mostram que a correção atmosférica efetuada pelo MODTRAN

apresentou os melhores valores de R² para as bandas da faixa espectral visível e do

infravermelho próximo (Bandas 1 a 4; 0,45 – 0,90 µm). Este resultado pode ser explicado

pelo fato de que o método MODTRAN corrige melhor os efeitos atmosféricos de absorção,

que são mais fortes nos comprimentos de onda curtos. Já nas bandas do infravermelho de

ondas curtas (Fig. 7 e 8), os valores de R² dos métodos DOS1 e DOS2 apresentaram valores

mais altos na banda 5 (1,55 – 1,75 µm) e resultados idênticos aos do MODTRAN na banda 7

(2,08 – 2,35 µm). Cabe ressaltar que para todas as bandas, os valores de R² dos métodos

DOS1 e DOS2 foram exatamente os mesmos.

Os baixos valores de R² podem ser atribuídos à diferença de datas entre a imagem

corrigida e os dados de campo. Apesar da semelhança das condições atmosféricas entre as

datas de aquisição da imagem pelo sensor e de coleta de dados em campo, a coleta de dados

de referência em um ano agrícola posterior ao da imagem utilizada atrapalhou a análise. Isto

porque, mesmo que a imagem tenha sido obtida aproximadamente no mesmo período do ciclo

de cultivo da soja, qualquer diferença na maturação das plantas geram dados de reflectância

diferentes para as datas estudadas.

Figura 3. Comparação entre os valores de reflectância da banda 1 (0,45 – 0,52 µm) medida

em campo e estimada pela imagem TM Landsat 5 corrigida pelos métodos: a) MODTRAN, b)

DOS1 e c) DOS2.

Figura 4. Comparação entre os valores de reflectância da banda 2 (0,52 – 0,60 µm) medida

em campo e estimada pela imagem TM Landsat 5 corrigida pelos métodos: a) MODTRAN, b)

DOS1 e c) DOS2.

Figura 5. Comparação entre os valores de reflectância da banda 3 (0,63 – 0,69 µm) medida

em campo e estimada pela imagem TM Landsat 5 corrigida pelos métodos: a) MODTRAN, b)

DOS1 e c) DOS2.

Figura 6. Comparação entre os valores de reflectância da banda 4 (0,76 – 0,90 µm) medida

em campo e estimada pela imagem TM Landsat 5 corrigida pelos métodos: a) MODTRAN, b)

DOS1 e c) DOS2.

Figura 7. Comparação entre os valores de reflectância da banda 5 (1,55 – 1,75 µm) medida

em campo e estimada pela imagem TM Landsat 5 corrigida pelos métodos: a) MODTRAN, b)

DOS1 e c) DOS2.

Figura 8. Comparação entre os valores de reflectância da banda 7 (2,08 – 2,35 µm) medida

em campo e estimada pela imagem TM Landsat 5 corrigida pelos métodos: a) MODTRAN, b)

DOS1 e c) DOS2.

4. Conclusões

Para as bandas do visível e infravermelho próximo, o MODTRAN apresentou

melhores valores de R² quando comparados aos dados da biblioteca espectral de

referência;

Para as bandas do infravermelho de ondas curtas, o DOS1 e o DOS2 apresentou

melhores resultados na banda 5 e resultados iguais aos do MODTRAN na banda 7;

A análise foi influenciada pela diferença entre a data de aquisição da imagem pelo

sensor e a data de aquisição de dados em campo;

Apesar da diferença entre as datas da aquisição da imagem e da coleta do campo, os

resultados do MODTRAN apresentaram valores de reflectância com correção

atmosférica mais apurada, por corrigir melhor os efeitos de absorção atmosférica.

5. Referências Bibliográficas:

Adler-Golden, S.M.; Matthew, M.W.; Bernstein, L.S.; Levine, R.Y.; Berk, A.; Richtsmeier, S.C.; Acharya, P.K.;

Anderson, G.P.; Felde, G.W.; Gardner, J.A.; Hoke, M.L.; Jeong, L.S.; Pukall, B.; Ratkowski, A.; Burke, H.-H.

Atmospheric correction for short-wave spectral imagery based on MODTRAN. In: SPIE Imaging Spectrometry,

5., 1999. Proceedings … v. 3753, 9 p. 1999.

Anderson, G.P.; Pukall, B.; Allred, C.L.; Jeong, L.S.; Hoke, M.; Chetwynd, J.H.; Adler-Golden, S.M.; Berk, A.;

Bernstein, L.S.; Richtsmeier, S.C.; Acharya, P.K.; Matthew, M.W. FLAASH and MODTRAN4: state-of-the-art

atmospheric correction for hyperspectral data. In: Aerospace Conference, IEEE,1999. Proceedings… v. 4, p.

177-181,1999.

Berk, A.; Bernstein, L.S.; Anderson, G.P.; Acharya, P.K.; Robertson, D.C.; Chetwynd, J.H.; Adler-Golden, S.M.

MODTRAN cloud and multiple scattering upgrades with application to AVIRIS. Remote Sensing of

Environment, v. 65, p. 367-375, 1998.

Chander, G.; Markham, B.L.; Helder, D.L. Summary of current radiometric calibration coefficients for Landsat

MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, n. 113, p. 893-903, 2009.

Chavez Junior, P.S. An improved dark-object subtraction technique for atmospheric scattering correction of

multispectraldata. Remote Sensing of Environment, v. 24, p. 459-479, 1988.

Chavez Junior, P.S. Image-based atmospheric corrections – revisited and improved. Photogrammetric

Engineering and Remote Sensing, v. 62, p. 1025-1036, 1996.

Cooley, T.; Anderson, G.P.; Felde, G.W.; Hoke, M.L.; Ratkowski, A.J.; Chetwynd, J.H.; Gardner, J.A.; Adler-

Golden, S.M.; Matthew, M.W.; Berk, A.; Bernstein, L.S.; Acharya, P.K.; Miller, D.; Lewis, P. FLAASH, a

MODTRAN4-based atmospheric correction algorithm, its application and validation. In: Geoscience and Remote

Sensing Symposium, IEEE International (IGARSS), 2002, Toronto. Proceedings… 2002. p. 1414-1418.

Couto Junior, A.F.; Meneses, P.R.; Sano, E.E. Desempenho da correção atmosférica baseada no algoritmo

Flaash e sua avaliação para o processamento digital de imagens do sensor Landsat 7-ETM+ dentro do bioma

Cerrado. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais… São José dos

Campos: INPE, 2011. Artigos, p.7317-7323.

Gürtler, S.; Epiphanio, J.C.N.; Luiz, A.J.B.; Formaggio, A.R. Planilha eletrônica para o cálculo da reflectância

em imagens TM e ETM+ Landsat. Revista Brasileira de Cartografia, v. 57, p. 162-167, 2005.

Instituto Brasileiro de Geografia e Estatística (IBGE). Mapa de climas do Brasil. Rio de Janeiro: IBGE, 2002. 1

mapa: 90 x 109 cm. Escala 1:5.000.000.

Instituto Brasileiro de Geografia e Estatística (IBGE). Portal IBGE Cidades@: Jaguarari, MS – Censo

Agropecuário 2006. Disponível em: < http://www.ibge.gov.br/cidadesat/link.php?codmun=500490>. Acesso em:

1 out. 2012.

Kruse, F.A.; Lefkoff, A.B.; Boardman, J.W.; Heidebrecht, K.B.; Shapiro, A.T.; Barloon, P.J.; Goetz, A.F.H. The

Spectral Image Processing System (SIPS) – Interactive visualization and analysis of imaging spectrometer data.

Remote Sensing of Environment, v. 44, p. 145-163, 1993.

Latorre, M.;, Carvalho Júnior O.A.; Carvalho , A.P.F., Shimabukuro, Y.E. Correção Atmosférica: Conceitos e

Fundamentos. Espaço & Geografia, v. 5, p. 153-178, 2002.

Lu, D.; Mausel, P.; Brondizio, E.; Moran, E. Assesment of atmospheric correction methods for Landsat TM data

applicable to Amazon basin LBA research. International Journal Remote Sensing, v. 23, p. 2651-2671, 2002.

Sanches, I.D.; Andrade R.G.; Quartaroli, C.F.; Rodrigues C.A.G. Análise comparativa de três métodos de

correção atmosférica de imagens Landsat 5 – TM para obtenção de reflectância de superfície e NDVI. In:

Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais… São José dos Campos:

INPE, 2011. Artigos, p.7564-7571.

Souza, E.M.F.R.; Vicens, R.S.; Cruz, C.B.M. Remoção de stripes e correção atmosférica de imagens EO-

1/Hyperion, no Estado do Rio de Janeiro. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011,

Curitiba. Anais… São José dos Campos: INPE, 2011. Artigos, p.8484-8491.

Vicente, L. E.; Souza Filho, C. R.; Perez Filho, A. O uso do infravermelho de ondas curtas (SWIR) no

mapeamento de fitofisionomias em ambiente tropical por meio de classificação hiperespectral de dados do

sensor ASTER. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 13., 2007, Florianópolis. Anais…

São José dos Campos: INPE, 2007. Artigos, p.1915-1922.

Zullo Jr., J., Correção Atmosférica de Imagens de Satélite e Aplicações. Tese de Doutorado, DCA / FEE /

UNICAMP, 1994.