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?