PROCESSAMENTO DIGITAL DE IMAGENS MULTIESPECTRAIS DO SATÉLITE LANDSAT 5 COMO FERRAMENTA PARA A IDENTIFICAÇÃO DE UNIDADES MORFOLÓGICAS NA BACIA DO RIBEIRÃO ÁGUA DAS ANTAS – PR

II Encontro Estadual de Geografia e Ensino e Maringá, 24 a 27 de outubro de 2011 XX Semana de Geografia p. 000-000

ISSN

PROCESSAMENTO DIGITAL DE IMAGENS MULTIESPECTRAIS DO

SATÉLITE LANDSAT 5 COMO FERRAMENTA PARA A IDENTIFICAÇÃO DE UNIDADES MORFOLÓGICAS NA BACIA DO

RIBEIRÃO ÁGUA DAS ANTAS – PR

Karine Bueno Vargas Mestranda em Geografia - Universidade Estadual de Maringá – [email protected]

Danilo Heitor Caires Tinoco Bisneto Melo Professor do Departamento de Geografia – Universidade Federal da Bahia – [email protected]

RESUMO

As novas tecnologias, associadas ao conhecimento geográfico, trazem relevantes contribuições para o entendimento do meio físico e social. No presente artigo são apresentadas técnicas de processamento digital de imagens como ferramenta para a identificação e o conhecimento da distribuição e o comportamento espacial das unidades geomorfológicas. Para tanto, procurou descrever detalhadamente os procedimentos realizados, com o intuito de que tal aplicação possa servir como base para futuras pesquisas. A imagem de sensoriamento remoto utilizada foi do satélite LandSat 5, correspondendo a área da bacia do ribeirão Água das Antas, localizado no distrito de Ribeirão Bonito, pertencente ao município de Grandes Rios, no Centro Norte do estado do Paraná. Esta área apresenta uma grande defasagem cartográfica, pois os órgãos responsáveis pelos mapeamentos encontram-se com sérios problemas de atualizações. A partir disso tornou-se necessário suprir tais defasagens, utilizando metodologias de atualização cartográfica, onde as cartas topográficas de Faxinal e Rio Branco do Ivaí e a imagem LandSat 5 foram inseridas num Banco de Dados Geográfico (BDG), sendo configuradas no aplicativo de Sistema de Informação Geográfica SPRING. A etapa de pré-processamento foi realizada em dois passos: localização de pontos de controle e correção geométrica, o próximo passo envolveu a transferência do valor de intensidade dos pixels da imagem original para a imagem georreferênciada, utilizando a técnica de interpolação de intensidade. A utilização destas técnicas sobre uma imagem digital produzindo um histograma, onde se buscou otimizar o uso dos 256 níveis de cinza que compõem uma imagem espectralmente visível, resultando numa melhor definição da paisagem e oferecendo maior número de informações para a interpretação visual. O resultado da composição colorida possibilitou a detecção satisfatória da morfologia da área, sendo também realçadas as áreas dissecadas.

Palavras-Chaves: Sensoriamento Remoto, Geoprocessamento, Geomorfologia.

ABSTRACT Abstract The new technologies associated to geographical knowledge bring relevant contributions to the understanding of both physical and social environment. This paper presented digital image processing techniques as a tool for identifying, knowledge about geomorphological units distribution and spatial behavior. However, it sought to describe the procedures performed in details, enabling such application to serve as a basis for future research. It was used remote sensing satellite Landsat 5 for the image, corresponding to the area of Água das Antas stream basin, located in the Ribeirão Bonito district, belonging to the municipality Grandes Rios, in North Center, state of Paraná. That area presents a great lag cartographic, because the agencies responsible for mapping have serious problems with updates. From this it became necessary a provision of this lag, using cartographic updating


ISSN

methods, where the topographic maps of Faxinal and Rio Branco Ivaí and image Lansat 5 were inserted in a Geographic Database (GDB), being configured in the application of Geographic Information System SPRING. The pre-processing stage was carried out in two steps: location of control points and geometric correction, the next step involves transferring the original image intensity pixels value to a georeferenced image, using the interpolation technique of intensity. The use of these techniques on a digital image to produce a histogram, which sought to optimize the use of 256 levels of gray that make up a spectrally visible image, resulting in a better definition of the landscape and offering much information for visual interpretation. The result of the color composite enabled a satisfactory detection of the area morphology, and also highlighted dissected areas. Key-words: Remote Sensing, GIS, Geomorphology.

1. Introdução

As Cartas Topográficas podem ser consideradas como as mais rápidas fontes de

informação e assim a primeira fonte a ser consultada, principalmente quando se pretende

conhecer, estudar ou desenvolver projetos numa determinada região. Desta forma, o seu uso é

considerado a etapa de reconhecimento espacial, onde são estabelecidos as diretrizes gerais e

investigados os primeiros controles geográficos, tais como: rios, relevo, zonas urbanas, uso e

ocupação do solo.

Contudo, o seu uso deve ser antecedido de determinada atenção e cuidado, visto que os

órgãos brasileiros responsáveis pelos mapeamentos estão com sérios problemas de

atualização. No Estado do Paraná, mais precisamente na região de estudo, localizada no

Centro-Norte, as fotografias aéreas tomadas para elaboração de Cartas Topográficas IBGE na

escala 1:50.000 são datadas de 1995, apresentando uma defasagem de conteúdo

correspondente a mais de 15 anos.

Para suprir tais defasagens, devem-se utilizar metodologias de atualização cartográfica,

as quais representem padrões de qualidade, quanto a precisão geométrica e o conteúdo

informativo, os quais são fundamentais para a precisão de estudos ambientais. Existem

diversas metodologias, compete ao elaborador do produto cartográfico escolher a metodologia

que melhor alcance seus objetivos.

Uma proposta alternativa para atualização de dados cartográficos, que vem sendo

bastante difundida, em função de suas vantagens, é o emprego das geotecnologias. Dentro

delas, destaque para o sensoriamento remoto, sistema de informação geográfica e o

processamento digital de imagens.

Com estas geotecnologias, pode-se obter a atualização do uso e ocupação do solo,

caracterização morfométrica de uma bacia hidrográfica, estudos geomorfológico entre outros.


ISSN

No presente artigo busca-se identificar e compreender o comportamento espacial das unidades

morfológicas da bacia do ribeirão Água das Antas, tendo como base a carta topográfica do

IBGE 1:50.000 e imagem de sensoriamento remoto.

Desta forma, a proposta desse trabalho justifica-se pela carência de mapeamentos do

relevo no Centro-Norte Paranaense, enfatizando a importância das atualizações cartográficas

na elaboração de estudos ambientais. Além de demonstrar a utilização do processamento de

imagens como instrumento para a análise geomorfológica.

2. Material e Métodos

A execução desta pesquisa deverá envolver a aquisição das cartas topográficas do

Instituto Brasileiro de Geografia e Estatística, na escala 1:50.000, da área de estudo e da

imagem de sensoriamento remoto, sendo adquirida a imagem do satélite Landsat 5, do dia 15

de julho de 2011. Este satélite possui o sensor TM com sete bandas, com numeração de 1 a 7,

sendo que cada banda representa uma faixa do espectro eletromagnético captada pelo satélite.

A resolução geométrica das imagens nas bandas 1, 2, 3, 4, 5 e 7 é de 30 m (isto é, cada

"pixel" da imagem representa uma área no terreno de 0,09 ha). Para a banda 6, a resolução é

de 120 m (cada "pixel"representa 1,4 ha). Devido a baixa resolução geométrica da banda 6,

ela não será utilizada neste artigo. O quadro 1 mostra as bandas multiespectrais que serão

utilizadas neste projeto.

A carta topografia e a imagem serão inseridas num Banco de Dados Geográfico (BDG),

sendo configurado no aplicativo de Sistema de Informação Geográfica, o SPRING, versão

5.1.8.

QUADRO 1 – BANDAS DO SENSOR TM DO LANDSAT 5 E ALGUMAS APLICAÇÕES

Banda Intervalo espectral (µm) Aplicações das bandas do sensor TM do Landsat 5

1 (0,45 - 0,52) Estudos de sedimentos na água

Diferenciação solo/vegetação

2 (0,52 - 0,60) Estradas e áreas urbanas

Mapeamento da vegetação

3 (0,63 - 0,69) Estradas e áreas urbanas

Especies de vegetais


ISSN

4 (0,76 - 0,90) Levantamento da biomassa

Delineação de corpos d’água

5 (1,55 - 1,75) Mapeamento de rios e corpos d’água

Propriedades termais dos solos e rochas

7 (2,08 - 2,35) Estudos de rochas e minerais

Umidade do solo e vegetação

Fonte: Adaptada de IBGE (2001)

2.1. Localização e Caracterização da Área em Estudo

A bacia do ribeirão Água das Antas (Figura 1) está localizada no Centro-Norte do

estado do Paraná, nas bordas planálticas do Segundo para o Terceiro Planalto Paranaense, no

Sul do Brasil. A bacia tem seu maior domínio no distrito de Ribeirão Bonito, pertencente ao

município de Grandes Rios. Situando-se entre as coordenadas 51° 18’ e 51° 23’ de longitude e

24° 8’ e 24° 17’ de latitude, cujo o Datum horizontal é o SAD 69 (South American Datum

1969).

As bordas planálticas acima denominadas correspondem à continuação da Serra Geral, a

qual se estende do estado do Rio Grande do Sul ao estado de São Paulo, sendo uma

importante feição orográfica regional. Na área em estudo ela recebe outras denominações

regionais, como Serra do Cadeado e/ou Serra da Boa Esperança, constituindo de acordo com

Maack (1968), o limite entre o Segundo e o Terceiro Planalto. Nas proximidades da Escarpa

da Serra Geral, segundo o autor supracitado destacam-se mesetas, colinas e morros

testemunhos, formados por rochas vulcânicas, já nas áreas correspondentes ao Segundo

Planalto, os morros testemunhos também aparecem sustentados por arenitos do Grupo Itararé.


ISSN

Figura1: Localização da área de estudo.

A bacia apresenta uma drenagem de 42,65 km², dispondo-se no sentido NW-SE,

paralelamente aos alinhamentos de diques de diabásio, que constituem as principais estruturas

que influenciaram na estruturação da bacia.

A área em estudo apresenta uma grande diversidade ambiental denotada de seus

aspectos geológicos e geomorfológicos. Possuindo variedades litológicas tais como Formação

Rio do Rasto (Permiano Superior), Formação Botucatu e Pirambóia (Jurássico Superior) e a

Formação Serra Geral (Cretáceo inferior), além de formações superficiais quaternárias,

representadas por depósitos coluviais e aluviais. Todo esse contexto litoestratigráfico exerce

grande influência no desenvolvimento do modelado do relevo, devido ao grau diferencial de

resistência dos materiais ao intemperismo e erosão.


ISSN

A bacia do ribeirão Água das Antas encontra-se numa área de transição vegetacional

entre dois grandes conjuntos que são a Floresta Ombrófila Mista, que reúne características de

vegetação tropical e temperada e a Floresta Estacional Semidecidual Submontana que se

caracteriza pela dupla estacionalidade climática, com invernos secos e verões chuvosos.

Nas áreas onde há transporte de sedimentos e retrabalhamento de depósitos

sedimentares há pouca pedogênese, resultando em solos rasos. Os tipos mais comuns são

Cambissolos e Neossolos predominando a morfogênese.

2. 2. Metodologia

A metodologia utilizada foi direcionada para produzir material de apoio ao estudo

geomorfológico a partir de informações provenientes da análise de imagem multiespectrais de

sensoriamento remoto. Para tanto, a imagem deverá passar por um processamento digital para

posteriormente ser utilizada como um dado cartográfico. Segundo Novo (1992), estes

procedimentos dividem-se em três conjuntos: técnicas de pré-processamento, que permitem a

transformação de dados brutos em dados corrigidos e geometricamente; técnicas de realce, as

quais permitem melhorar a visualização da imagem cena para posterior interpretação visual.

A etapa de pré-processamento será realizada em dois passos: localização de pontos de

controle e correção geométrica.

Segundo o IBGE (2001) a correção geométrica é necessária para corrigir dois níveis de

distorção na imagem: correção dos erros sistemáticos e correção de precisão. A execução da

correção geométrica na imagem produzirá uma nova imagem georreferenciada, obtendo uma

relação geométrica entre os pixels da imagem e as coordenadas cartográficas da área

correspondente. Desta forma, a imagem irá adquirir propriedades de um mapa.

O método utilizado para a correção geométrica foi o de pontos de controle (GCP). E

para a conversão das coordenadas da imagem para as coordenadas cartográfica foi utilizada a

transformação geométrica das imagens, a equação polinomial do 1º Grau. Segundo Toutin e

Cheng (2000), este método é adequado para áreas pequenas e planas, e corrige as distorções

planimétricas básicas nas proximidades dos pontos de controle.

O próximo passo envolve a transferência do valor de intensidade (NC) dos pixels da

imagem original para a imagem georreferenciada. Para isso, utiliza-se uma técnica de

reamostragem (interpolação de intensidade), sendo adotada a vizinho mais próximo.


ISSN

Após estes procedimentos, a imagem pode ser introduzida no BDG, onde a imagem

passa a ser uma forma de representação do aspecto espacial, baseado no modelo de dados

denominado de matricial em que o espaço geográfico é subdividido em pequenas unidades às

quais se atribuem valores temáticos existentes. Pela atribuição de valores, esses dados são

denominados de Numéricos. Constituído o modelo de dados, foi definido os Planos de

Informação (PI’s). Estes planos, de forma retangular, definem um diretório que é consultado

em primeira instância quando se pretende recuperar, introduzir ou modificar dados do SIG

(Rojo, 1988). Assim, cada banda da imagem corresponde a um PI, tendo um total de 6.

A partir dos PI’s pode se efetuar uma visualização da área no modo monocromático.

Outra forma de visualização das bandas é por meio do espaço de cores. Para tanto, foi adotado

o modelo vermelho, verde e azul (red, green e blue – RGB), onde é selecionada uma banda

para cada uma das cores supracitadas. Ao combinar três bandas ocorrerá uma mistura das

cores, que no caso das imagens é dada pela intensidade representada pelos níveis de cinza do

pixel (que neste caso será de 0 a 255). Assim, terá uma imagem colorida (Figura 2).

Portanto, a combinação das bandas pode resultar numa gama imensa de cores. Segundo

Perrotta (2005), para se saber o número máximo de composições coloridas possíveis pode-se

utilizar a fórmula da análise combinatória, apresenta a seguir:

Cm,n= m!/(m-n)!n!

Onde:

m: número total de bandas;

n: número de bandas na composição colorida;

m!: Fatorial de bandas;

n!: Fatorial do número de bandas da composição colorida; e

Cm,n: Combinações (número) de composições coloridas possíveis.


ISSN

Figura 2: Imagem monocromática e composição colorida cor real (banda 1 no filtro azul, banda 2 no filtro verde e banda 3 no filtro vermelho).

Contudo, com o intuito de diminuir a quantidade de bandas multiespectrais, e

compreender melhor as informações das bandas, utiliza-se extrair a característica estatística

univariada das bandas (JENSEN, 1986). Como resultado desta estatística, obteve-se para cada

banda: média, desvio padrão, variância, valor mínimo, valor máximo e a matriz de correlação

entre bandas. Com estes dados, foi utilizado o cálculo do OIF (optimum índex factor – Fator

de Índice Ótimo) que indica o ranking das melhores composições coloridas e a aplicação de

técnicas de realce de contraste. Após o cálculo do OIF, na melhor composição colorida

indicada por este fator pode-se aplicar diferentes técnicas de realce de contraste. A fórmula do

OIF é expressa da seguinte forma:

Onde: Sk: desvio padrão da banda “k”

rj: coeficiente de correlação absoluta 2 a 2 entre as 3 bandas utilizadas, onde j

representa cada um dos coeficientes de correlação possíveis em número de 3.


ISSN

Com isso, obtém-se um posicionamento das melhores composições coloridas. A

primeira composição colorida foi submetida ao processo de realce de contraste, a partir do seu

histograma, por meio da transformação linear e não linear. Tal transformação possibilita uma

análise da intensidade da imagem de entrada, de forma que o histograma da imagem de saída

fosse ajustado a uma curva de distribuição normal, entre o nível de cinza mais alto e o mais

baixo, tornando-a homogênea (IBGE 2001).

Segundo Crosta (1992), para a composição colorida o uso desta função é desejável, pois

as bandas poderão ter seus histogramas com a mesma média e desvio-padrão, obtendo-se

assim um balanceamento de cores na composição.

3. Resultados e Discussões

Conforme Jensen (1986), o pré-processamento refere-se à restauração quantitativa da

imagem na qual são aplicadas operações para a correção de imperfeições geométricas que

aparecem no processo de aquisição da imagem. Se estes erros não forem corrigidos, pode-se

ter uma imprecisão no processamento final da imagem e como conseqüência limitações na

qualidade do resultado (Melo, 2002). Assim, a execução da correção geométrica da imagem

foi determinar a partir da transformação geométrica, como descrita anteriormente, e seguida

pela coleta de pontos de controle. Para tanto, foram coletados 23 pontos de controle,

selecionados visualmente. Dos 24 pontos, 5 foram usados como pontos para teste, tendo erros

médio quadrático dos pontos de controle 0,45 pixel, e erros do ponto de teste de 0,37 pixel, o

que equivale a 13,5 m e a 11,1 m respectivamente. A coleta dos pontos foi feita numa área

maior para garantir a correção dos dados, e com os pontos de controle foi efetuado o

mapeamento com o polinômio de 1º grau. A imagem resultante desta correção foi importada

para o Banco de dados, e cada banda compõem um PI, tendo um total de 6 PI’s. Utilizando a

análise combinatório, pode ser gerado 20 diferentes composições coloridas.

Com o intuito de verificar qual combinação colorida possui uma maior variedade

espectral foi realizada uma extração das características estatísticas. A Tabela 1 apresenta as

informações estatísticas de cada banda, e verificou-se que as bandas 7, 3 e 5 apresentaram as

maiores variâncias (destacado na cor verde).


ISSN

Banda Média Desvio padrão Variância Valor máximo Valor mínimo

1 446.396 419.116 175.659 21 114 2 202.337 359.573 129.293 10 49 3 211.532 673.538 453.653 7 60 4 469.748 108.488 117.695 3 102 5 572.854 200.171 400.686 3 128 7 228.408 970.458 941.789 0 254

Tabela 1 -Parâmetros estatísticos oferecidos necessários ao cálculo do OIF.

A Tabela 2 dois apresenta a matriz de correlação entre as bandas. Quanto mais próximo

de 1 maior é a correlação entre as bandas. Assim, observe a existência de alta correlação entre

a banda 1 e a banda 2 e 3, com valores acima de 0,9 (destacado em verde). O mesmo ocorre

entre a banda 2 e 3, a banda 5 e 7. Isto indica que a existe uma tendência em duplicar

informações. Isto ocorre por existir uma certa dependência dos tipos de alvos existentes na

cena, por isso as bandas 1 e 2 apresentam informações correlatas à banda 3, enquanto que a

banda 7 apresenta alta correlação com a banda 5, e um relacionamento razoável com as

bandas 1, 2 e 3.

Por outra lado, observa-se que a banda 4 apresenta baixa correlação com a demais

bandas.

Banda 1 2 3 4 5 7

1 1 2 0.922622 1 3 0.920223 0.951521 1 4 0.240761 0.322164 0.160864 1 5 0.850968 0.881451 0.877515 0.382409 1 7 0.819058 0.845846 0.869349 0.227883 0.922677 1

Tabela 2 – Matriz de correlação

A partir destas informações estatísticas das bandas espectrais da Tabela 1 e 2 foi

possível gerar os valores de OIF das composições coloridas (Tabela 3), possibilitando

verificar qual composição colorida apresenta maiores informações espaciais. Assim, a melhor

composição colorida para esta região foi formada pelas bandas 4, 3 e 7. Observe que a

segunda e terceira melhor composição colorida possuem se diferem apenas a banda 2 e 1

respectivamente. Isto se deve ser explicado devido as bandas 1, 2 e 3 serem muito próximas

entre si, dentro da faixa espectral do visível.


ISSN

Número Composição Colorida OIF 1 4,3,7 1392965,24 2 4,1,7 1163360,78 3 4,2,7 1030536,72 4 1,4,3 908683,90 5 4,5,7 834405,00 6 4,2,3 795789,48 7 1,7,3 790879,50 8 7,2.3 751324,48 9 4,5,3 691304,40

10 3,5,7 690818,01 11 1,2,7 675992,05 12 1,5,7 613161,25 13 1,2,4 597205,61 14 2,5,7 590195,64 15 1,2,3 519698,21 16 4,5,1 493695,30 17 1,5,3 488096,83 18 5,2,3 455003,84 19 4,5,2 421325,28 20 1,2,5 368679,81

Tabela 3 – OIF (optimum índex factor – Fator de Índice Ótimo).

A composição com menor valor de OIF é a formada pelas bandas 1, 2 e 5. Isso pode ser

explicado devido à redundância de informação, por apresentarem coeficiente de correlação

elevado.

Identificada a composição com melhor representação espacial, o próximo passo foi

aplicar diferentes técnicas de realce de contraste, onde o novo valor do pixel depende somente

do valor antigo deste pixel. O realce procurou acentuar as nuances radiométricas entre os

elementos contidos na paisagem, tornando-os passíveis de identificação visual e auxiliando

assim nos procedimentos posteriores.

No histograma das imagens foi aplicada a função transferência linear, raiz quadrada,

quadrado, logaritmo, negativo e equalização (Figura 3).


ISSN

Figura 3: Análise do histograma.

A utilização destas técnicas visa aumentar o contraste por meio de uma função de

transferência o qual procura efetuar um espalhamento dos pixels ao longo do seu eixo, neste

caso, 256 níveis de cinza que compõem a imagem espectralmente visível (Crosta, 1993).

Observe na Figura 3 que a técnica de equalização apresentou uma definição melhor das

unidades morfológicas, realçando a “dissecação do relevo”. Outro destaque neta classificação

foi a diversidade de cores com relação ao uso e ocupação do solo (Figura 4).


ISSN

Figura 4: Imagem processada

As áreas em tons avermelhados equivalem às áreas mais dissecadas e com alta

declividade do relevo, correspondendo as escarpas e patamares da bacia do ribeirão Água das

Antas. Entretanto tal coloração corresponde também a áreas com fortes processos erosivos,

correspondendo às cabeceiras de drenagem e as bordas erosivas tanto dos patamares quanto

das escarpas. As áreas em tonalidades verdes claro equivalem às áreas menos dissecadas e

consequentemente com baixas declividades, denominadas de planícies, onde o uso do solo é

predominantemente agropecuário, e os tons em verde escuro correspondem a áreas com

vegetação mais densa.

4. Considerações Finais

O presente artigo teve como objetivo apresentar as técnicas de sensoriamento remoto e

geoprocessamento, descrevendo detalhadamente sua metodologia, e demonstrando seu


ISSN

resultado espectral. A composição utilizada como pode observar-se apresentou ótimos

resultados a detecção do relevo, podendo servir de subsidio para estudos de planejamento e

gestões ambientais que visem o loteamento urbano ou para definição de áreas de preservação

ambiental. Além de ser uma ótima ferramenta para a compartimentação morfológica.

Apesar dos recursos tecnológicos atuais permitirem o afastamento do objeto de estudo,

a pesquisa de campo torna-se fundamental para que se possa validar os resultados obtidos.

Outro ponto a considerar é a necessidade de adequar a representação à escala trabalhada, para

não ocorrer exagero ou omissão de informação, se tais medidas forem tomadas o resultado

será satisfatório.

5. Referências

CROSTA, A. P. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: Unicamp. 1993. 170 p. JENSEN, J. R. Introductory digital image processing: a remote sensing perspective. New Jersey: Prentice-Hall. 1986. p 379. IBGE - Instituto Brasileiro de Geografia e Estatística. Manuais técnicos em Geociências: introdução ao processamento digital de imagens. Rio de Janeiro: IBGE. 2001. 91 pg. MAACK, R. Geografia Física do Paraná. Ed. José Olimpio. Curitiba,1968.p 450. MELO, D. H. C. T. B. Uso de dados Ikonos II na análise urbana: testes operacionais na zona Lestes de São Paulo. São José dos Campos. 148 p. (Dissertação) – Instituto Nacional de Pesquisas Espaciais. 2002. PERROTTA, M. M. Processamento digital básico de imagens de sensores remotos ópticos para uso em mapeamento geológico. CPRM. Acessado em: http://www.cprm.gov.br/publique/media/process_digital.pdf disponível em: 02/jun/2011. ROJO, F. Aplicaciones de la informatica a la Geografia y Ciencias Sociales. Madri. Sintesis, 1988. 245 p. TOUTIN, T.; CHENG, P. Demystification of IKONOS. Earth Observation Magazine, v. 9, n. 7, p 17-21. July 2000.

http://www.cprm.gov.br/publique/media/process_digital.pdf

Education

PROCESSAMENTO DIGITAL DE IMAGENS MULTIESPECTRAIS DO SATÉLITE LANDSAT 5 COMO FERRAMENTA PARA A IDENTIFICAÇÃO DE UNIDADES MORFOLÓGICAS NA BACIA DO RIBEIRÃO ÁGUA DAS ANTAS – PR