Descrição Geral Do SPRING

c

ñ

{ Banco de dados geográfico de 2º geração, para ambientes UNIX e

Windows. Os sistemas desta geração são concebidos para uso em
conjunto com ambientes cliente-servidor, geralmente acoplados a
gerenciadores de bancos de dados relacionais, operando como um
banco de dados geográfico. V
ñ

V
{ Banco de dados não-convencional onde cada dado tratado possui

atributos descritivos e uma representação geométrica no espaço
geográfico. Os dados disponíveis no banco podem ser manipulados por
métodos de processamento de imagens e de análise geográfica. V
u V
{ Opera como um banco de dados geográfico sem fronteiras e suporta

grande volume de dados sem limitações de escala, projeção e fuso,
mantendo a identidade dos objetos geográficos ao longo de todo banco. V
{ Administra tanto dados vetoriais como dados matriciais ("raster") e
realiza a integração de dados de Sensoriamento Remoto num Sistema
de Informações Geográficas. Aprimora a integração de dados
geográficos, com a introdução explícita do conceito de objetos
geográficos (entidades individuais), de mapas cadastrais, mapas de
redes e campos.
{ Provê um ambiente de trabalho amigável e poderoso, através da
combinação de menus e janelas com uma linguagem espacial facilmente
programável pelo usuário (LEGAL - Linguagem Espaço-Geográfica
baseada em Álgebra), fornecendo ao usuário um ambiente interativo
para visualizar, manipular e editar imagens e dados geográficos.
{ Consegue escalonabilidade completa, isto é, é capaz de operar com
toda sua funcionalidade em ambientes variando de microcomputadores
a estações de trabalho RISC de alto desempenho.
{ Sistema inovador, projetado inicialmente para redes de estações de
trabalho baseadas na arquitetura RISC e ambiente operacional UNIX.
Desenvolvido usando técnicas avançadas de programação, utilizando
modelo de dados orientado -a-objetos, que melhor reflete a metodologia
de trabalho de estudos ambientais e cadastrais. A interface interativa
utiliza o "X Window System" e padrão de apresentação OSF/MOTIF em
ambientes UNIX e "Windows" em ambientes PC -Windows.
{ Adaptado a complexidade dos problemas ambientais, que requerem
uma forte capacidade de integração de dados entre imagens de satélite,
mapas temáticos e cadastrais e modelos numéricos de terreno.
Adicionalmente, muitos dos sistemas disponíveis no mercado
apresentam alta complexidade de uso e demandam tempo de
aprendizado muito longo, ao contrário do SPRING.
{ Preserva o investimento dos usuário s dos sistemas SITIM e SGI, uma
vez que todos os dados gerados nestes sistemas podem ser totalmente
aproveitados (inclusive com topologia) no novo ambiente.
u

V
{ Contém algoritmos inovadores, como os utilizados para indexação

espacial, segmentação de imagens, classificação por regiões e geração
de grades triangulares com restrições, garantem o desempenho
adequado para as mais variadas aplicações, complementando os
métodos tradicionais de processamento de imagens e análise
geográfica.V
{ Base de dados é única, isto é, a estrutura de dados é a mesma quando
o usuário trabalha em um microcomputador na versão Windows e em
uma máquina RISC (Estações de Trabalho UNIX), não havendo
necessidade de conversão de dados. O mesmo ocorre com a int erface,
que é exatamente a mesma, de maneira que não existe diferença no
modo de operar o SPRING.
u V
{ Plataforma PCV
? Sistemas Operacionais:
o Microsoft Windows, Spring versão 4.1, ou
o Linux, Spring versão 3.7., ou
o Solaris-X86, Spring versão 2.4 ou posterior.
? Plataforma de hardware sugerida:
o Processador compatível com a linha IBM-PC,
o Memória RAM > 128 Mbytes,
o Disco rígido > 20 Gbytes,
o Monitor de vídeo colorido SVGA, 17",
o Unidade de CD-ROM R/W.
{ Estações RISC-UNIX
? Estações SUN de arquitetura SPARC utilizando sistema
operacional Solaris 2.4 ou posterior, ou
? Estações IBM RISC/6000, com sistema operacional AIX 3.2.5, ou
? Estações SiliconGraphics, series IRIS 4D, com sistema IRIX 4.0,
ou
? Estações Hewlett-Packard, series HP-700, com sistema HP-UX
9.0.
{ Hardware mínimo para estações RISC-UNIX
? 32 Mbytes de memória principal.
? 50 Mbytes de espaço em disco para instalação mínima do
SPRING.
? 100 Mbytes de espaço em disco para os bancos de dados a
serem criados pelo usuário.
{ O SPRING 4.1 conta com um programa automático para instalação do
sistema que pode ser adquirido via download pela WEB, ou através
da aquisição do CD de instalação. Este programa carrega seletivamente
os arquivos do instalador para o disco, em função de parâmetros
fornecidos pelo usuário.
{ Periféricos como mesa digitalizadora, traçadores gráficos compatível
com HPGL e impressoras coloridas compatível com PostScript também
são suportados e podem ser integrados no sistema.
u V
{ 3 módulos, IMPIMA, SPRING e SCARTA, com o objetivo de facilitar seu

uso, compartimentando as funções de manipulação de dados
geocodificados.V
{ IMPIMA
? Executa leitura de imagens digitais de satélite, gravadas pelo
INPE (Instituto Nacional de Pesquisas Espaciais), através dos
dispositivos CD-ROM (CompactDisc - ReadOnlyMemory ), CCT
(Computer Compatible Tapes), "streamer" (60 ou 150 megabytes)
e DAT (Digital Audio Tape - 4 ou 8mm) adquiridas a partir dos
sensores TM/LANDSAT-5, HRV/SPOT e AVHRR/NOAA.
Converte as imagens dos formatos BSQ, FastFormat, BIL e 1B
para o formato GRIB (GriddedBinary).
{ SPRING
? É o módulo principal de entrada, manipulação e transformação de
dados geográficos, executando as funções relacionadas à
criação, manipulação de consulta ao banco de dados, funções de
entrada de dados, processamento digital de imagens, modelagem
numérica de terreno e análise ge ográfica de dados.
? As funções da janela principal, na barra de menus, estão divididas
em: Arquivo, Editar, Exibir, Imagem, Temático, Numérico
Cadastral, Rede, Objetos e Utilitários. Para cada opção há um
menu (janela de diálogo) associado com as operações
específicas.
{ SCARTA
? Edita uma carta e gera arquivo para impressão a partir de
resultados gerados no módulo principal SPRING, permitindo a
apresentação na forma de um documento cartográfico.
? Permite editar textos, símbolos, legendas, linhas, quadros e
grades em coordenadas planas ou geográficas. Permite exibir
mapas em várias escalas, no formato varredura ou vector, através
do recurso "O que você vê é o que você tem"
(WhatYouSeeIsWhatYouGet, Wysiwyg).

ñ
{ Conjunto de tecnologias voltadas a coleta e tratamento de informações espaciais para

um objetivo específico. As atividades envolvendo o geoprocessamento são executadas
por sistemas específicos mais comumente chamados de Sistemas de Informação
Geográfica ( ).V
{ Sistema de geoprocessamento é o destinado ao processamento de dados
referenciados geograficamente (ou georeferenciados), desde a sua coleta até a
geração de saídas na forma de mapas convencionais, relatórios, arquivos digitais, etc;
devendo prever recursos para sua estocagem, gerenciamento, manipulação e análise.
ñ
V
{ SIG é um sistema que processa dados gráficos e não gráficos (alfanuméricos) com
ênfase a análises espaciais e modelagens de superfícies.V
{ Algumas definições:
? "Um conjunto manual ou computacional de procedimentos utilizados para
armazenar e manipular dados georeferenciados" (Aronoff, 1989).
? "Conjunto poderoso de ferramentas para coletar, armazenar, recuperar,
transformar e visualizar dados sobre o mundo real" (Burrough, 1986).
? "Um sistema de suporte à decisão que integra dados referenciados
espacialmente num ambiente de respostas a problemas" (Cowen, 1988).
? "Um banco de dados indexados espacialmente, sobre o qual opera um
conjunto de procedimentos para responder a consultas sobre entidades
espaciais" (Smith et al., 1987)
ñ !
V
{ Integra numa única base de dados informações espaciais provenientes de dados

cartográficos, dados de censo e cadastro urbano e rural, imagens de satélite, redes e
modelos numéricos de terreno.V
{ Oferece mecanismos para combinar as várias informações, através de algoritmos de
manipulação e análise, para consultar, recuperar e visualizar o conteúdo da base de
dados e gerar mapas.
{ Aplicações de um SIG
? Ferramenta para produção de mapas;
? Suporte para análise espacial de fenômenos;
? Banco de dados geográficos, com funções de armazenamento e recuperação
de informação espacial.
ñ V
{ Processos de análise espacial tratam dados geográficos que possuem uma localização
geográfica (expressa como coordenadas em um mapa) e atributos descritivos (que
podem ser representados num banco de dados convencional). Dados geográficos não
existem sozinhos no espaço: tão importante quanto localizá-los é descobrir e
representar as relações entre os diversos dados.V
{ Processos de análise espacial típicos de SIG (adaptada de Maguire, 1991).
Exemplos de Análise Espacial

£ V

V V
CondiçãoV "O que está..."V "Qual a população desta cidade?"V
LocalizaçãoV "Onde está...?V "Quais as áreas com declividade acima de 20%?"V
TendênciaV "O que mudou...?"V "Esta terra era produtiva há 5 anos atrás?"V
RoteamentoV "Por onde ir.. ?"V "Qual o melhor caminho para o metrô?"V
PadrõesV "Qual o padrão....?"V "Qual a distribuição da dengue em Fortaleza?"V
"O que acontece "Qual o impacto no clima se desmatarmos a
ModelosV
se...?"V Amazônia?"V
u

{ SIG tem os seguintes componentes :V
? Interface com usuário;
? Entrada e integração de dados;
? Funções de processamento gráfico e de imagens;
? Visualização e plotagem;
? Armazenamento e recuperação de dados (organizados sob a forma de um
banco de dados geográficos).
{ A interface homem-máquina define como o sistema é operado e controlado. No nível
intermediário, um SIG deve ter mecanismos de processamento de dados espaciais
(entrada, edição, análise, visualização e saída). No nível mais interno do sistema, um
sistema de gerência de bancos de dados geográficos oferece armazenamento e
recuperação dos dados espaciais e seus atributos.
Arquitetura de Sistemas de Informação Geográfica.
u V
{ Dados de diversas fontes geradoras e de formatos apresentados, com relações

espaciais entre si (topologia - estrutura de relacionamentos espaciais que se pode
estabelecer entre objetos geográficos).V
{ Dados podem ser genericamente separados em mapas temáticos, mapas cadastrais
(mapas de objetos), redes, imagens e modelos numéricos de terreno.
ñ V
{ Contêm regiões geográficas definidas por um ou mais polígonos, como mapas de uso
do solo e a aptidão agrícola de uma região.V
{ Armazena na forma de arcos (limites entre regiões), incluindo os nós (pontos de
interseções entre arcos) para montar uma representação topológica.
{ Topologia construída é do tipo arco-nó-região: arcos se conectam entre si através de
nós (pontos inicial e final) e arcos que circundam uma área definem um polígono
(região).
{ Pode ser armazenado também no formato matricial ("raster"). A área correspondente
ao mapa é dividida em células de tamanho fixo. Cada célula terá um valor
correspondente ao tema mais freqüente naquela localização espacial.
Representação vetorial e matricial de um mapa temático.
V
Comparação entre formatos para mapas temáticos:V
V
£ V

V

V
Relações espaciais Relacionamentos topológi-cos Relacionamentos espaciais devem
entre objetosV entre objetos disponíveisV ser inferidosV
Ligação com banco de Facilita associar atributos a Associa atributos apenas a classes
dadosV elementos gráficosV do mapaV
Representa melhor fenômenos com
Representação indireta de
variação contínua no espaço
Análise, Simulação e fenômenos contínuos
ModelagemV
Simulação e modelagem mais
Álgebra de mapas é limitadaV
fáceisV
Adequado tanto a grandes Mais adequado para pequenas
Escalas de trabalhoV
quanto a pequenas escalasV escalas (1:25.000 e menores)V
Problemas com erros Processamento mais rápido e
AlgoritmosV
geométricosV eficienteV
Por coordenadas (mais
ArmazenamentoV Por matrizesV
eficiente)V
ñ "#
{ Ao contrário de um mapa temático, cada elemento é um objeto geográfico, que possui

atributos e pode estar associado a várias representações gráficas. Por exemplo, os
lotes de uma cidade são elementos do espaço geográfico que possuem atributos
(dono, localização, valor venal, IPTU devido, etc.) e que podem ter representações
gráficas diferentes em mapas de escalas distintas. A parte gráfica dos mapas
cadastrais é armazenada em forma de coordenadas vetoriais, com a topologia
associada. Não é usual representar estes dados na forma matricial.V
Exemplo de mapa cadastral (países da América do Sul).
ñ V
{ Redes são compostas por informações associadas a serviços de utilidade pública,

como água, luz e telefone, redes de drenagem (bacias hidrográficas) ou malha viária.V
{ Cada objeto geográfico (por exemplo um cabo telefônico, transformador de rede
elétrica ou cano de água) possui uma localização geográfica exata e está associado a
atributos descritivos, presentes no banco de dados.
{ As informações gráficas de redes são armazenadas em coordenadas vetoriais, com
topologia arco-nó: arcos tem um sentido de fluxo e nós tem atributos (podem ser fontes
ou sorvedouros). A topologia de redes constitui um grafo, armazenando informações
sobre recursos que fluem entre localizações geográficas distintas.
Elementos de Rede.
V
{ As redes são o resultado direto da intervenção humana sobre o meio-ambiente. Cada

aplicação de rede tem características próprias e com alta dependência cultural.V
{ A ligação com banco de dados é fundamental. Como os dados espaciais tem formatos
relativamente simples, a maior parte do trabalho consiste em realizar consultas ao
banco de dados e apresentar os resultados de forma adequada.
{ O pacote mínimo disponível nos sistemas comerciais consiste de cálculo de caminho
ótimo e crítico. Este pacote básico é insuficiente para a realização da maioria das
aplicações porque cada usuário tem necessidades distintas. No caso de um sistema
telefônico, uma questão pode ser: "Quais são os telefones servidos por uma dada
caixa terminal?". Já para uma rede de água, pode-se perguntar: "Se injetarmos uma
dada percentagem de cloro na caixa d'água de um bairro, qual a concentração final nas
casas?"
{ Um sistema de modelagem de redes só terá utilidade para o cliente depois de
devidamente adaptado para as suas necessidades, o que pode levar vários anos. Isto
impõe uma característica básica para esta aplicação: os sistemas devem ser versáteis
e maleáveis
ñ V
{ Representam formas de captura indireta de informação espacial. Obtidas por meio de

satélites, fotografias aéreas ou "scanners" aerotransportados, as imagens são
armazenadas como matrizes, onde cada elemento de imagem (denominado "pixel")
tem um valor proporcional à reflectância do solo para a área imageada.V
{ Os objetos geográficos estão contidos na imagem e para individualizá-los, é necessário
recorrer a técnicas de foto-interpretação e de classificação automática.
{ Características importantes de imagens de satélite são: número de bandas do espectro
eletromagnético imageadas (resolução espectral), a área da superfície terrestre
observada instantaneamente por cada sensor (resolução espacial) e o intervalo entre
duas passagens do satélite pelo mesmo ponto (resolução temporal).
Características gerais dos principais satélites (com os sensores) disponíveis:

V

!V V "#

V

V
V
MSS 4 80 m 18 dias
$£c £ V TMV 7V 30 mV 18 diasV
XS 3 20 m 27 dias
% V PANV 1V 10 mV 27 diasV
% &%££ V AVHRRV 5V 1100 mV 6 horasV
å % £ V MSSV 4V 8000 mV 30 minutosV
V SAR banda-CV 1V 25 mV 25 diasV
ñ
{ O termo modelo numérico de terreno (ou MNT) denota a representação de uma

grandeza que varia continuamente no espaço. Comumente associados à altimetria,
podem ser utilizados para modelar outros fenômenos de variação contínua (como
variáveis geofísicas e geoquímicas e batimetria).V
{ Dois tipos de representação podem ser utilizados:
? Grades regulares: matriz de elementos com espaçamento fixo, onde é
associado o valor estimado da grandeza na posição geográfica de cada ponto
da grade.
? Malhas triangulares: a grade é formada por conexão entre amostras do
fenômeno, utilizando a triangulação de Delaunay (sujeita a restrições). A grade
triangular é uma estrutura topológica vetorial do tipo arco-nó formando recortes
triangulares do espaço.
Comparação entre grade retangulares e triangulares:

V
V

V

V
Melhor representação de relevo Facilita manuseio e conversão

V complexo
Adequada para geofísica e
Incorporação de restrições como linhas de visualização 3DV
cristaV
Complexidade de manuseio Representação relevo complexo
#
V
Inadequada para visualização 3DV Cálculo de declividadeV
u $%

{ # sobre regiões de pequeno e médio porte. Por exemplo
geração de relatórios de impacto ambiental para criação de uma hidroelétrica ou
traçado de uma ferrovia. Requerem grande flexibilidade e abrangência das funções do
SIG, para dados de quantidade limitada, mas muito variada.V
{ sobre grandes regiões. Por exemplo levantamentos sistemáticos,
como os feitos pelo INPE para mapear o desflorestamento na Amazônia. Ênfase maior
no tratamento de grandes bases de dados, sendo que os mesmos procedimentos são
repetidos para todos os dados, em regiões são muito grandes.
u V
{ Sistemas de informação geográfica podem ser divididos em três gerações:V

? $ - CAD cartográfico. Sistemas herdeiros da tradição de
Cartografia, com suporte de bancos de dados limitado e com o paradigma
típico de trabalho sendo o mapa (chamado de "cobertura" ou de "plano de
informação"). Desenvolvidos a partir do início da década de 80 para ambientes
da classe VAX e, a partir de 1985, para sistemas PC/DOS. Utilizada
principalmente em projetos isolados, sem a preocupação de gerar arquivos
digitais de dados. Esta geração também pode ser caracterizada como sistemas
orientados a projeto ("project- oriented GIS").
? $ - Banco de dados geográfico. Concebida para uso em
ambientes cliente-servidor, acoplado a gerenciadores de bancos de dados
relacionais e com pacotes adicionais para processamento de imagens. Chegou
ao mercado no início da década de 90. Com interfaces baseadas em janelas,
esta geração também pode ser vista como sistemas para suporte à instituições
("enterprise-oriented GIS").
? ü $ - Bibliotecas geográficas digitais ou centros de dados
geográficos. Previstos para o final da década de 90. Caracterizada pelo
gerenciamento de grandes bases de dados geográficos, com acesso através
de redes locais e remotas, com interface via WWW (World Wide Web). Requer
tecnologias como bancos de dados distribuídos e federativos permitindo
interoperabilidade, ou seja, o acesso de informações espaciais por SIGs
distintos. Sistemas orientados para troca de informações entre uma instituição
e os demais componentes da sociedade ("society-oriented GIS").
ñ !
$V
{ Sistemas com operações gráficas e de análise espacial sobre arquivos ("flat files").
Ligação com gerenciadores de bancos de dados parcial (parte das informações
descritivas se encontra no sistema de arquivos) ou inexistente.V
{ Adequados à realização de # sobre regiões de pequeno e
médio porte, enfatizando o aspecto de mapeamento.
{ Permite a entrada de dados sem definição prévia do esquema conceitual,
assemelhando-se a ambientes de CAD que podem representar projeções cartográficas
e associar atributos a objetos espaciais.
{ Não possuem suporte adequado para construir grandes bases de dados espaciais.
ñ !
$V
{ Concebidos operar como um " , ou seja, um banco de dados
não-convencional onde os dados possuem atributos descritivos e uma representação
geométrica no espaço geográfico.V
{ Requerem avanços em:
? Modelagem conceitual para quebrar a dicotomia matricial-vetorial e para gerar
interfaces com maior conteúdo semântico, em integração sensoriamento
remoto - geoprocessamento, ou seja, integração entre mapas temáticos,
modelos de terreno e imagens de satélites.
? Representações topológicas em múltiplas escalas e projeções.
? Linguagens de consulta, manipulação e representação de objetos espaciais de
grande poder expressivo.
? Técnicas de análise geográfica como classificação contínua e modelagem
ambiental.
? Arquiteturas de sistemas de gerência de banco de dados com novos métodos
de indexação espacial, adequados às massas de dadosa serem gerenciadas.
{ O uso de ambientes cliente-servidor requer competência em administração em Bancos
de Dados e em Redes de Computadores. Exige investimento maior para adquirir,
instalar e operar sistemas gerenciadores de bancos de dados (SGBD) de mercado. As
bases de dados corporativas devem estar no mesmo ambiente de SGBD utilizado pelo
SIG.
ñ !
$V
{ Banco de dados geográfico compartilhado por um conjunto de instituições, acessível

remotamente e armazenando dados geográficos, descrições acerca dos dados
("metadados") e documentos multimídia associados (texto, fotos, áudio e vídeo).V
{ Motivado pelo aguçar da nossa percepção dos problemas ecológicos, urbanos e
ambientais, pelo interesse em entender, de forma cada vez mais detalhada, processos
de mudança local e global e pela necessidade de compartilhar dados entre instituições
e com a sociedade.
{ Núcleo básico composto por um grande banco de dados geográficos com acesso
concorrente a uma comunidade de usuários, com diferentes métodos de seleção,
incluindo folheamento ("browsing") e linguagem de consulta.
{ Metadados (ou "dados sobre os dados") descrevendo os conjuntos de dados
disponíveis localmente ou em centros associados, devendo ser suficiente para guiar a
busca e com um conjunto pequeno de descritores obrigatórios, minimizando o esforço
requerido para compor o metadado e maximizando a capacidade de busca disponível.
Disponibilidade de dados síntese, na forma de mapas em escala reduzida que podem
ser utilizados para localizar geograficamente os conjuntos de dados disponíveis. Deve
permitir um refinamento do processo de consulta, estabelecendo um caminho contínuo
entre o nível mais abstrato de metadados e os dados.
{ Acesso por interfaces multimídia via Internet, proporcionado pelo ambiente WWW,
permitindo que os dados geográficos sejam apresentados de forma pictórica (através
de mapas reduzidos e imagens "quick-look").
{ Navegação pictórica (browsing), ou seja, seleção baseada em apontamento na qual
uma interface interativa permite ao usuário percorrer o banco de dados, acessando
dados com base em sua localização espacial. Deve garantir interatividade e rapidez de
resposta por meio de mecanismos de generalização.
{ Interoperabilidade, ou seja, o compartilhamento de dados e procedimentos entre

bancos de dados geográficos baseados em SIGs distintos, que apresentam diferenças
significativas na maneira de operar e nos formatos internos de armazenamento.
Necessidade de estabelecer padrões de transferência de dados e nos procedimentos
de consulta, manipulação e apresentação.
- Modelo Conceptual de SPRING
- Quais são as características do modelo do SPRING?
- O que é orientação a objetos e como se aplica ao Geoprocessamento?
- Como é o processo de modelagem?
- Quais os componentes do universo Conceitual?
- Quais são as especializações de geo-campos e de geo-objetos?
- O que é plano de informação?
- O que é objeto não-espacial?
- Qual o esquema geral do universo conceitual no SPRING?
- Como se define o esquema conceitual no banco de dados do SPRING?
- Quais os componentes do universo de Representação?
- Como se relacionam os universos Conceitual e de Representação?
- Interface com Bancos de DadosV

ñ

{ Definição: "Utilização de sensores para aquisição de informações sobre objetos ou
fenômenos sem que haja contato direto entre eles".V
? ' são equipamentos capazes de coletar energia proveniente do
objeto, convertê-la em sinal passível de ser registrado e apresentá-lo em forma
adequada à extração de informações.
?
' na grande maioria das vezes é a energia eletromagnética ou radiação
eletromagnética.
{ Conceito mais específico: "Conjunto das atividades relacionadas à aquisição e a
análise de dados de sensores remotos".
? ' sistemas fotográficos ou óptico-eletrônicos capazes de
detectar e registrar, sob a forma de imagens ou não, o fluxo de energia
radiante refletido ou emitido por objetos distantes.
ñ $ V
{ Toda matéria a uma temperatura superior à zero absoluto (0o K ou -273o C) emite
radiação eletromagnética, como resultado de suas oscilações atômicas e moleculares.V
{ A radiação emitida ao incidir sobre a superfície de outra matéria pode ser refletida,
absorvida ou transmitida. Quando absorvida, a energia é geralmente reemitida, em
diferentes comprimentos de onda.
{ Os processos de emissão, absorção, reflexão e transmissão ocorrem simultaneamente
e suas intensidades relativas caracterizam a matéria em investigação. Dependendo
das características físicas e químicas da mesma, os quatro processos ocorrem com
intensidades diferentes em diferentes regiões do espectro.
{ Esse comportamento espectral das diversas substâncias é denominado assinatura
espectral e é utilizado em Sensoriamento Remoto para distinguir diversos materiais
entre si.
{ Qualquer fonte de energia eletromagnética é caracterizada pelo seu espectro de
emissão, o qual pode ser contínuo ou distribuído em faixas discretas.
{ O campo elétrico e o campo magnético são perpendiculares entre si e ambos oscilam
perpendicularmente à direção de propagação da onda, como mostra a figura abaixo,
onde E é o campo elétrico e M o campo magnético.
{ A velocidade de propagação da onda eletromagnética no vácuo é a velocidade da luz

(3 x 108 m/s). O número de ondas que passa por um ponto do espaço num
determinado tempo define a freqüência (f) da radiação.
{ A onda eletromagnética pode também ser caracterizada pelo comprimento de onda
(lâmbda) que pode ser expresso pela equação:
? A faixa de comprimentos de onda ou freqüências em que se pode encontrar a
radiação eletromagnética é ilimitada.
? Este espectro é subdividido em faixas, representando regiões que possuem
características peculiares em termos dos processos físicos geradores de
energia ou dos mecanismos físicos de detecção desta energia.
? As principais faixas do espectro eletromagnético estão descritas abaixo e
representados na figura a seguir.
? %
' baixas freqüências e grandes comprimentos de onda. São
utilizadas para comunicação a longa distância.
? å
' faixa de 1mm a 30cm ou 3x1011 a 3x109 Hz. Pode-se gerar
feixes de radiação eletromagnética altamente concentrados, chamados
radares. Por serem pouco atenuados pela atmosfera, ou por nuvens, permitem
o uso de sensores de microondas em qualquer condição de tempo.
?
( )' grande importância para o Sensoriamento Remoto. Engloba
radiação com comprimentos de onda de 0,75um a 1,0mm. A radiação I.V. é
facilmente absorvida pela maioria das substâncias (efeito de aquecimento).
? ( ' Radiação capaz de produzir a sensação de visão para o olho humano
normal. Pequena variação de comprimento de onda (380 a 750nm). Importante
para o Sensoriamento Remoto, pois imagens obtidas nesta faixa, geralmente,
apresentam excelente correlação com a experiência visual do intérprete.
?
(
' extensa faixa do espectro (10nm a 400nm). Películas fotográficas
são mais sensíveis à radiação ultravioleta do que a luz visível. Uso para
detecção de minerais por luminescência e poluição marinha. Forte atenuação
atmosférica nesta faixa, se apresenta como um grande obstáculo na sua
utilização.
?
*' Faixa de 1Ao a 10nm (1Ao = 10-10m). São gerados,
predominantemente, pela parada ou freamento de elétrons de alta energia. Por
se constituir de fótons de alta energia, os raios-X são altamente penetrantes,
sendo uma poderosa ferramenta em pesquisa sobre a estrutura da matéria.
?
+£å£' são os raios mais penetrantes das emissões de substâncias
radioativas. Não existe, em princípio, limite superior para a freqüência das
radiações gama, embora ainda seja encontrada uma faixa superior de
freqüência para a radiação conhecida como raios cósmicos.
V

V
V
{ & recebe a energia através de uma lente, espelho, antenas, etc...V

{ & capta a energia coletada de uma determinada faixa do espectro;
{ & Processa o sinal registrado (revelador, amplificação, etc...) através do
qual se obtém o produto;
{ & contém a informação necessária ao usuário.
u '
Podem ser classificados em função da fonte de energia ou em função do tipo de produto que
produz.V
{ Em função da fonte de energia:V

? £ % ' não possuem fonte própria de radiação. Mede radiação solar
refletida ou radiação emitida pelos alvos. Ex.: Sistemas fotográficos.
? £ % ' possuem sua própria fonte de radiação eletromagnética, trabalhando
em faixas restritas do espectro. Ex.: Radares.
{ Em função do tipo de produto:
? +

' não geram imagem da superfície sensoriada. Ex.:
Espectrorradiômetros (assinatura espectral) e radiômetros (saída em dígitos ou
gráficos). Essenciais para aquisição de informações precisas sobre o
comportamento espectral dos objetos.
?

' obtém-se uma imagem da superfície observada como
resultado. Fornecem informações sobre a variação espacial da resposta
espectral da superfície observada.
Os sistemas imageadores podem ser divididos em:
?
,
("framing systems"): adquirem a imagem da cena em sua
totalidade num mesmo instante. Ex.: RBV.
?
(

("scanning systems"). Ex.: TM, MSS, SPOT.
?
' Fácil de operar. Limitada capacidade de captar a
resposta espectral (filmes cobrem somente o espectro entre ultravioleta
próximo ao infravermelho distante). Limita-se as horas de sobrevôo e devido a
fenômenos atmosféricos não permitem freqüentemente observar o solo a
grandes altitudes.
{ A tabela abaixo apresenta uma análise comparativa dos sensores fotográficos e
imageamentos por varredura.

V
V (

V
Resolução geométricaV altaV médiaV
Resolução espectralV médiaV altaV
RepetitividadeV baixaV altaV
Visão sinópticaV baixaV altaV
Base de dadosV analógicaV digitalV
ñ " u
{ Os sistemas sensores orbitais exploram as características de uma plataforma

embarcada em uma órbita que deve ser:V
? Circular, para garantir que as imagens tomadas em diferentes regiões da Terra
tivessem a mesma resolução e escala;
? Permitir o imageamento cíclico da superfície, para garantir a observação
periódica e repetitiva dos mesmos lugares;
? Ser síncrona com o Sol (heliossíncrono), para que as condições de iluminação
da superfície terrestre se mantivessem constantes;
? Horário da passagem do satélite deve atender às solicitações de diferentes
áreas de aplicação (geologia, geomorfologia, agricultura, etc..).
{ A tabela abaixo apresenta as características do Landsat, SPOT e ERS-1.
V $

- .V % / 0 V +/V
circular circular circular
1#
V 98,2 graus 98,7 graus 98,5 graus
heliosincronoV heliosincronoV heliosincronoV
V 99 minutosV 97 minutosV 100,467 minutosV
£ V 705 kmV 832 kmV 785 kmV
2
V 9:45 horasV 10:39 horasV 10:30hoas (desc.)V
V 16 diasV 26 diasV 35 dias (SAR)V
1#

3"V 172 kmV 108 kmV 100 kmV
1#
"V 2.750 kmV 2.700 kmV -V
u () )ü
{ Compõe-se até o momento de 5 satélites, que foram desenvolvidos pela NASA

(NationalAeronauticsand Space Administration.V
{ Landsat1 e 2 com dois sistemas sensores com a mesma resolução espacial, mas
diferentes concepções de imageamento: o sistema RBV, com imageamento
instantâneo de toda a cena e o sistema MSS, com imageamento do terreno por
varredura de linhas (line-scanner).
{ Landsat3, com sistema RBV modificado, provendo dados com melhor resolução
espacial em uma única faixa do espectro e uma faixa espectral adicionada ao sistema
MSS, para operar na região do infravermelho termal.
{ A partir do Landsat4 e 5, ao invés do sensor RBV, a carga útil do satélite passou a
contar com o sensor TM (ThematicMapper), operando em 7 faixas espectrais. Esse
sensor conceitualmente é semelhante ao MSS mas incorpora aperfeiçoamentos nos
componentes ópticos e nos componentes eletrônicos.
{ ImageadorRBV(ReturnBeamVidicon): sistema semelhante a uma câmera de televisão
permitindo o registro instantâneo de uma certa área do terreno. A energia proveniente
de toda a cena impressiona a superfície fotossensível do tubo da câmera e, durante
certo tempo, a entrada de energia é interrompida por um obturador, para que a imagem
do terreno seja varrida por um feixe de elétrons. O sinal de vídeo é então transmitido
telemetricamente.
{ Imageador MSS (Multispectral Scanner): sistema sensor que permite o imageamento
de linhas do terreno numa faixa de 185 km, perpendiculares à órbita do satélite. A
varredura do terreno é realizada com auxílio de um espelho que oscila
perpendicularmente ao deslocamento do satélite. Durante a oscilação do espelho, a
imagem do terreno, ao longo da faixa, é focalizada sobre uma matriz de detetores. A
dimensão de cada detetor é responsável pelo seu campo de visada instantâneo (área
observada por cada detetor na superfície da Terra). A energia registrada por cada
detetor é transformada em um sinal elétrico e este transmitido para as estações em
terra. A cada oscilação do espelho, o satélite desloca-se ao longo da órbita, para
proporcionar o imageamento contínuo do terreno. Entretanto, o movimento de rotação
da Terra provoca um pequeno deslocamento do ponto inicial da varredura para oeste a
cada oscilação do espelho, ou seja, a cada seis linhas imageadas. Se considerarmos o
deslocamento de 185 km ao longo da órbita do satélite, há um deslocamento de 12,5
cm entre a primeira e a última coluna de pixels.
{ ImageadorTM(ThematicMapper): sistema de varredura multiespectral concebido para
obter melhor resolução espacial, melhor discriminação espectral entre objetos da
superfície terrestre, maior fidelidade geométrica e melhor precisão radiométrica em
relação ao sensor MSS. A energia proveniente da cena atinge o espelho de varredura
que oscila perpendicularmente à direção de deslocamento do satélite em sentido leste-
oeste e oeste-leste. O sinal atravessa um telescópio e um conjunto de espelhos, cuja
função principal é corrigir o sinal coletado pelo espelho de varredura. Dessa maneira, o
sinal detectado em cada matriz de detetores de cada canal é transferido para um
amplificador e convertido em sinal digital através de um sistema A/D (analógico/digital).
A saída de dados é, então transmitida via telemetria.
u ñüV
{ Programa francês semelhante ao programa Landsat, concebido pelo Centre National

d'EtudesSpatiales (CNES) com dois sensores de alta resolução (HRV - HAUT
ResolutionVisible) a bordo. Estes sensores foram concebidos para operarem no modo
multiespectral (aquisição de dados em três faixas do espectro eletromagnético com
uma resolução espacial de 20 metros) e no modo pancromático com uma banda de
resolução espacial de 10 metros.V
{ Uma das características marcantes dos instrumentos a bordo do SPOT é a
possibilidade de observação "off-nadir" (apontamento direcional). O sensor poderá ser
direcionado de modo a observar cenas laterais à órbita em que se encontra inserido o
satélite em dado momento. Esta possibilidade de observação "off-nadir" aumenta os
meios de obter-se um aumento no recobrimento repetitivo de determinadas áreas.
Outra vantagem da visada "off-nadir" é a possibilidade de serem obtidos pares
estereoscópicos de determinadas áreas.
{ A luz proveniente da cena atinge um espelho plano, que pode ser controlado a partir
das estações terrenas variando em ângulos de +/- 0,6 até 27o em relação ao eixo
vertical. A energia que atinge o espelho plano é focalizada sobre uma matriz linear de
detetores do tipo CCD (Charge-CoupledDevice). Cada matriz consiste em 6000
detetores arranjados linearmente, formando o que se convenciona chamar de "push-
broom scanner" ou sistema de varredura eletrônica. Este sistema permite o
imageamento instantâneo de uma linha completa no terreno, perpendicularmente à
direção de deslocamento do satélite em sua órbita.
u *+,V
{ Construído pela Agência Espacial Européia (ESA), o ERS-1 foi lançado do centro
espacial da Guiana Francesa pelo foguete Ariane 4 em 16 de julho de 1991. Com uma
missão noninal de dois anos, os objetivos são voltados principalmente para estudos
oceânicos e de geleiras, nas várias áreas de ciências naturais.V
{ Dentre os vários aparelhos a bordo do satélite, temos o AMI (Active
MicrowaveInstruments), constituído por um radar de Abertura Sintética (SAR) e um
escaterômetro (aparelho para medição de ventos). As imagens adquiridas pelo SAR,
fornece dados de uma faixa de 100 x 100 km, com uma resolução espacial de 30
metros. Uma antena de 10 x 1 metros emite e recebe um feixe de microondas na faixa
de 5,3 Ghz (banda C), com polarização VV e um ângulo de incidência de 23 graus. A
operação do SAR no modo Imagem produz uma taxa de dados muito alta (105 Mbps),
fazendo com que as imagens só possam ser geradas em zonas equipadas com
estações receptoras. A superfície terrestre poderá ser inteiramente coberta e imageada
em ciclos de 35 dias.

£,

ñ V
{ Uma imagem digital pode ser definida por uma função bidimensional, da intensidade de
luz refletida ou emitida por uma cena, na forma I(x,y); onde os valores de I
representam, a cada coordenada espacial (x,y), a intensidade da imagem nesse ponto.
Essa intensidade é representada por um valor inteiro, não-negativo e finito.V
{ A cada ponto imageado pelos sensores, corresponde a uma área mínima denominada
"pixel" (picturecell), que deve estar geograficamente identificado, e para o qual são
registrados valores digitais relacionados a intensidade de energia refletida em faixas
(bandas) bem definidas do espectro eletromagnético.
{ O processo de digitalização de uma imagem não-digital ("imagem contínua"),
corresponde a uma discretização (ou amostragem) da cena em observação, através da
superposição de uma malha hipotética, e uma atribuição de valores inteiros (os níveis
de cinza) a cada ponto dessa malha (processo chamado de quantização).
{ Em satélites como o Landsat e SPOT, o sinal elétrico detectado em cada um de seus
canais, é convertido ainda a bordo do satélite, por um sistema analógico/digital, e a
saída enviada para as estações de recepção via telemetria. As imagens destes
satélites são amostradas com um número grande de pontos (as imagens do sensor
"ThematicMapper" do satélite Landsat possuem mais de 6000 amostras por linha).
Além disso, tais imagens têm a característica de serem multiespectrais, no sentido de
constituírem uma coleção de imagens de uma mesma cena, num mesmo instante,
obtida por vários sensores com respostas espectrais diferentes.
u V
{ Tem número finito de bits para representar a radiância da cena para cada "pixel".V
{
4
é o fluxo radiante que provém de uma fonte, numa determinada direção, por
unidade de área. A quantificação da radiância contínua de uma cena é representada
pelos níveis de cinza discretos na imagem digital, é dada por um número de bits por
"pixel" para produzir um intervalo de radiância. Os sensores da nova geração obtêm
normalmente imagens em 8 ou 10 bits (equivalente a 256 ou 1024 níveis digitais). O
nível de cinza é representado pela radiância média de uma área relativamente
pequena em uma cena. Esta área é determinada pela altitude do sistema sensor a
bordo do satélite e outros parâmetros como o IFOV (Instantaneous Field OfView), que
é o ângulo formado pela projeção geométrica de um único elemento detetor sobre a
superfície da Terra.
{ No caso das imagens multiespectrais, a representação digital é mais complexa, porque
para cada coordenada (x,y), haverá um conjunto de valores de nível de cinza.
Representa-se então cada "pixel" por um vetor, com tantas dimensões quantas forem
as bandas espectrais.
{

é o intervalo entre dois comprimentos de onda, no espectro
eletromagnético.
{ é uma medida da habilidade que um sistema sensor possui de distinguir
entre respostas que são semelhantes espectralmente ou próximas espacialmente. A
resolução pode ser classificada em espacial, espectral e radiométrica.
{

' mede a menor separação angular ou linear entre dois objetos.
Por exemplo, uma resolução de 20 metros implica que objetos distanciados entre si a
menos que 20 metros, em geral não serão discriminados pelo sistema.
{
' é uma medida da largura das faixas espectrais do sistema
sensor. Por exemplo, um sensor que opera na faixa de 0.4 a 0.45 m tem uma
resolução espectral menor do que o sensor que opera na faixa de 0.4 a 0.5 um.
{

' está associada à sensibilidade do sistema sensor em
distinguir dois níveis de intensidade do sinal de retorno. Por exemplo, uma resolução
de 10 bits (1024 níveis digitais) é melhor que uma de 8 bits.
{ A tabela a seguir apresenta as características de resolução dos sistemas sensores

ThematicMapper (TM), Haute ResolutionVisible (HRV) e
AdvancedVeryResolutionRadiometer (AVHRR), a bordo dos satélites Landsat, SPOT e
NOAA, respectivamente.
V åV V £ V
,56

, 16 diasV 26 diasV 2 vezes ao diaV

V
20 m (Banda1 a
30 m

V 3) 1.1 Km (nominal)V
120 m (Banda6)V
10 m (Pan)V
8 bits (1-3)
8 bitsV 8 bitsV

V 6 bits (Pan)V
Banda1 - 0.45-
0.52
Banda2 - 0.52-
0.60
Banda1 - 0.50- Banda 1 - 0.58-0.68
Banda3 - 0.63-
0.59 Banda 2 - 0.725-1.1
0.69

Banda2 - 0.61- Banda 3 - 3.55-3.93
Banda4 - 0.76-
#

0.68 Banda 4 - 10.30-
0.90
7 !V Banda3 - 0.79- 11.30
Banda5 - 1.55-
0.89 Banda 5 - 11.50-
1.75
Pan - 0.51-0.73V 12.50V
Banda6 - 10.74-
12.5
Banda7 - 2.08-
2.35V
{
{ As diferentes bandas espectrais dos sensores têm aplicações distintas em estudos de
sensoriamento remoto. Para orientar o usuário na seleção das melhores bandas a
serem utilizadas no seu projeto, apresenta-se as tabelas a seguir:

$

+ åV

V

!V

8 V
Mapeamento de águas costeiras
1V 0.45 - 0.52V Diferenciação entre solo e vegetação
Diferenciação entre vegetação coníferas e decíduaV
2V 0.52 - 0.60V Reflectância de vegetação verde sadiaV
Absorção de clorofila
3V 0.63 - 0.69V
Diferenciação de espécies vegetaisV
Levantamento de biomassa
4V 0.76 - 0.90V
Delineamento de corpos d'águaV
Medidas de umidade da vegetação
5V 1.55 - 1.75V
Diferenciação entre nuvens e neveV
6V 10.4 - 12.5V Mapeamento de estresse térmico em plantas
Outros mapeamentos térmicosV
7V 2.08 - 2.35V Mapeamento hidrotermalV

% + V

V

!V

8 V
Reflectância de vegetação verde sadia
1V 0.50 - 0.59V
Mapeamento de águasV
Absorção da clorofila
2V 0.61 - 0.68V Diferenciação de espécies vegetais
Diferenciação de solo e vegetaçãoV
Levantamento de fitomassa
3V 0.79 - 0.89V
Delineamento de corpos d'águaV
PanV 0.51 - 0.73V Estudo de áreas urbanasV

%££+ £ V

V

8 V
!V
Mapeamento diurno de nuvem, gelo e neve
1V 0.58 - 0.68V
Definição de feições de solo e cobertura vegetalV
Delineamento da superfície da água
Definição de condições de fusão de neve e gelo
2V 0.725 - 1.1V
Avaliação da vegetação e monitoramento metereológico
(nuvens)V
Mapeamento noturno e diurno de nuvens
3V 3.55 - 3.93V Análise da temperatura (C) da superfície do mar
Detecção de pontos quentes (incêndios)V
Mapeamento noturno e diurno de nuvens
Medição da superfície do mar, lagos e rios
10.30 - 11.30 (4)
4 e 5V Detecção de erupção vulcânica
11.50 - 12.50 (5)V
Umidade do solo, atributos metereológicos das nuvens
Temperatura da superfície do mar e umidade do soloV
u " '
{ Os arquivos de imagens dos sensores podem estar disponíveis nos formatos

superestrutura ou "fastformat".V
{ Formato superestrutura (padrão de fitas e CDROM): apresenta uma organização de
dados em quatro níveis hierárquicos distintos: volume, o arquivo, o registro e o campo
de dados. Um grupo de arquivos compõem um volume lógico, o qual pode ser
armazenado em vários volumes físicos (fitas) e um volume físico pode armazenar
vários volumes lógicos, isto é, podemos ter uma fita com vários arquivos (bandas), ou
uma banda em mais de um volume físico. Os componentes básicos de uma
superestrutura são: o arquivo diretório do volume e o arquivo descritor.
? O arquivo diretório de volume define e identifica um volume lógico (por
exemplo um conjunto de bandas). O arquivo descritor é o primeiro registro
dentro de cada arquivo de dados (cada banda) e define a estrutura interna do
arquivo fornecendo parâmetros para interceptar seu conteúdo.
{ Formato "fastformat": contém uma quantidade mínima de dados gerais, compactando o
máximo possível os dados em uma fita, facilitando assim a leitura e a escrita. Este
formato está disponível somente para estrutura de imagem em banda
seqüencial(BSQ), usado em imagens TM/Landsat. Os arquivos da imagem estão
contidos em uma única fita e pode haver mais de um arquivo imagem por fita. Há dois
tipos de arquivo em uma fita "fastformat": o arquivo de "header" e os arquivos de
imagens.
? O arquivo de "header" é o primeiro de cada fita e contém dados de descrição
como data, opções de processamento e informação de projeção para o
produto.
? Os arquivos de imagem contêm somente "pixels" de imagem. Estes dados
podem ser blocados ou não. A blocagem é utilizada para condensar uma
imagem, o máximo possível. Na maior parte das vezes, as imagens
geocodificadas são blocadas.
u % $ ü ( V
{ A imagem TM/Landsat que o SPRING faz a leitura deve estar no padrão BSQ de
bandas seqüenciais.V
{ No padrão BSQ, a imagem é registrada na fita, banda a banda, conforme ilustra o
esquema a seguir:
)

123456
1 1 B1 B1B1B1B1 .
2 2 B1 B1B1B1B1 .
3 3 B1 B1B1B1B1 .
...
. 1 B2 B2B2B2B2 .
. 2 B2 B2B2B2B2 .
. 3 B2 B2B2B2B2 .
{ O usuário pode escolher os produtos digitais das fitas TM-Landsat com níveis de
correção geométrica. Os níveis possíveis são 4, 5 e 6:
? ( - - o produto padrão do INPE é gerado neste nível. São aplicados os
cálculos de correção geométrica, utilizando-se os dados de efemérides e
atitude obtidos do satélite.
? ( . - os procedimentos são idênticos aos aplicados no nível 4, com
correção geométrica básica com reamostragem por "vizinho mais próximo" e
pontos de controle adquiridos a partir de uma base cartográfica oficial.
? ( 9 - os procedimentos são semelhantes aos do nível 5, com
reamostragem por convolução cúbica.
{ O tamanho de uma cena de uma imagem TM/Landsat é de 6177 linhas por 6489
colunas, a qual pode ser dividida em quadrantes de 3087 linhas e 3243 colunas. Os
quadrantes encontram-se dispostos na cena conforme a figura a seguir:
u

V
A=V 1,2,5,6V N=V 2,3,6,7V
B=V 3,4,7,8V S=V 10,11,14,15V
C=V 9,10,13,14V W=V 5,6,9,10V
D=V 11,12,15,16V E=V 7,8,11,12V
X= V 6,7,10,11V V
5V 6V 7V 8V
9V 10V 11V 12V
13V 14V 15V 16V
{
{ Os dados Landsat TM em CD-ROM são distribuídos em forma de cenas inteiras (full
frame - aproximadamente 185 x 185 km) ou quadrantes (aproximadamente 96 x 96
km), desde 1 até 7 bandas espectrais. Todas as cenas são fornecidas com o mesmo
nível de correção radiométrica básica, que consiste na equalização da resposta dos
sensores, de forma a eliminar o efeito de "stripping" dos dados Landsat-TM. Não são
aplicadas equalizações de histogramas ou correções para o ângulo de elevação do sol.
O CD-ROM é formatado no padrão IBM-DOS, podendo ser lido por qualquer unidade
de leitura que aceite discos óticos em conformidade com o padrão ISO-9660. O disco
está estruturado em subdiretórios:
? no :+
2, estão localizados alguns arquivos gerais, tais como esta
documentação de formato e um programa de conversão do formato do CD-
ROM para um arquivo formato TIFF.
?
: com a identificação WRS da cena. Por exemplo, uma
imagem full frame sobre o Rio de Janeiro (base 217 ponto 76) estará localizada
no diretório \217_076. Se a imagem for quadrante, a sigla do quadrante
também fará parte do nome do diretório. Por exemplo, o quadrante A da
mesma cena do exemplo acima estará localizada no diretório \216_076A.
? em

:, haverá um ou mais subdiretórios com a data de aquisição
da cena. A forma geral do subdiretório é \aammdd, onde "aa" são os 2 últimos
dígitos do ano, "mm" os dígitos do mês e "dd" os dígitos do dia da aquisição.
Por exemplo, a mesma cena do exemplo acima que tenha sido adquirida em
31 de janeiro de 1994 estará localizada no subdiretório \940131.
? nos # : respectivos encontram-se os arquivos de imagem, um para
cada banda requisitada, e alguns arquivos de descrição do produto (similares
aos arquivos da CCT Super-Estrutura), cujas descrições detalhadas são dadas
mais adiante. Cada arquivo de imagem é nomeado simplesmente
BANDAn.DAT, onde "n" é o número da banda.
{ Por exemplo, a banda 7 da mesma cena do Rio de Janeiro, quadrante A, adquirida
pelo satélite em 31 de janeiro de 1994, deverá ser acessada com o
nome:\217_076a\940131\banda7.dat
{ As imagens em CDROM são gravadas no formato superestrutura. eventualmente,
poderá existir um subdiretório adicional, \DEMO, com algumas imagens de
demonstração, em formato TIFF ou JPEG.
u % $ -.ñüV
{ O programa de leitura de imagens do SPRING (IMPIMA), permite a leitura de imagem

HRV/SPOT, onde esta deve estar no formato banda intercalada por linha (BIL), onde
cada linha é gravada seqüencialmente para todas as bandas, conforme ilustra o
esquema a seguir:
)

123456
1 1 B1 B1B1B1B1 .
2 1 B2 B2B2B2B2 .
3 1 B3 B3B3B3B3 .
4 2 B1 B1B1B1B1 .
5 2 B2 B2B2B2B2 .
6 2 B3 B3V
u *+,V
{ O usuário pode escolher os produtos digitais das fitas HRV-SPOT com níveis de
correção geométrica. Os níveis possíveis são 1A, 1B, 2A e 2B, descritos a seguir:V
? ( /£' a imagem contém dados originais com calibração radiométrica
relativa e absoluta, através da normalização dos detetores, sem correção
geométrica e calibração entre bandas.
? ( /' a correção radiométrica é a mesma de 1A, acrescida da
reamostragem para compensação dos efeitos internos e externos do sistema e
a correção geométrica, para os efeitos de perspectiva, rotação da Terra e
variação da velocidade do satélite.
? ( 0£' a correção radiométrica é a mesma do nível 1B e apresenta um pré-
processamento geométrico sobre um mapa com o uso de dados de atitude do
satélite.
? ( 0' a imagem possui correção geométrica sobre um mapa, com o uso de
dados de atitude do satélite e pontos de controle do terreno.
{ A definição do formato de uma cena, em uma imagem SPOT, depende se esta possui
informação multiespectral (bandas 1, 2 e 3) ou pancromática (pan), e ainda do nível de
correção da imagem.
{ O tamanho das imagens SPOT é definido de acordo com o nível de correção, conforme
mostra a tabela a seguir:
( V åV ;)
V ;
V
P 6.000 6.000
1AV
XSV 6.000V 3.000V
P 6.000 6.400 a 8.500
1BV
XSV 3.000V 3.200 a 4.250V
P 7.200 a 10.200 7.500 a 10.200
2A/2BV
XSV 3.600 a 5.100V 3.750 a 5.100V
{
{
{ Uma cena da imagem SPOT pode também ser divida em quadrantes, conforme ilustra
a figura ao lado. Cada quadrante representa uma área de aproximadamente 40 x 40
Km e o usuário tem a possibilidade de requisitar uma cena que esteja localizada entre
quadrantes. Para isto, deve identificar a área desejada na imagem e definir um
quadrado de 40 x 40 Km envolvendo-a.
u % $ ).- ñ))V
{ A imagem AVHRR/NOAA encontra-se no padrão banda intercalada por "pixel" (BIP).

No formato BIP, cada "pixel" é gravado seqüencialmente para todas as bandas,
conforme ilustra o esquema a seguir:
V $)
V
V
1V 2V B1.1 B2.1 B3.1 B4.1 B5.1 B1.2 B2.2V
1V 1V B1.n B2.n B3.n B4.n B5.n B1.n+1...V
{
{
{ As fitas podem ser gravadas em 10 bits (full) ou 8 bits (compress). Uma fita gravada
em 10 bits pode conter até as cinco bandas registradas e possui a seguinte
configuração, como mostra a figura ao lado:
{ onde:
? /! "Header": apresenta as características do satélite, data de gravação,
formato, etc.
? 0! Matriz de Referência Geodésica (MRG): apresenta os dados de navegação
da imagem.
? <! Dados TIP: dados de documento da imagem como linha, coluna, resolução,
etc.
? -! Dados AHVRR: a imagem propriamente dita.
{ Uma fita gravada em 8 bits pode conter até três bandas registradas e possui a seguinte
configuração:
{ O tamanho das imagens AVHRR é definido pelo ângulo de varredura do sensor, isto é,
2048 amostras ("pixels") por canal, para cada varredura na Terra. O número de
colunas é definido pelo alcance da antena receptora. V

ñ

{ As técnicas voltadas para a análise de dados multidimensionais,
adquiridos por diversos tipos de sensores recebem o nome de
processamento digital de imagens, ou seja é a manipulação de uma
imagem por computador de modo onde a entrada e a saída do processo
são imagens.V
{ Usa-se para melhorar o aspecto visual de certas feições estruturais para
o analista humano e para fornecer outros subsídios para a sua
interpretação, inclusive gerando produtos que possam ser
posteriormente submetidos a outros processamentos.
{ Inclui diversas áreas como a análise de recursos naturais e meteorologia
por meio de imagens de satélites; transmissão digital de sinais de
televisão ou fac-símile; análise de imagens biomédicas; análise de
imagens metalográficas e de fibras vegetais; obte nção de imagens
médicas por ultra-som, radiação nuclear ou técnicas de tomografia
computadorizada; aplicações em automação industrial envolvendo o uso
de sensores visuais em robôs.
{ O uso de imagens multiespectrais registradas por satélites tais como,
Landsat, SPOT ou similares é uma valiosa técnica para a extração dos
dados destinados às várias aplicações de pesquisa de recursos naturais.
A obtenção das informações espectrais registradas pelos sistemas nas
diferentes partes do espectro eletromagnético, visando a identificação e
discriminação dos alvos de interesse, depende principalmente da
qualidade da representação dos dados contidos nas imagens.
{ As técnicas de processamento digital de imagens, além de permitirem
analisar uma cena nas várias regiões d o espectro eletromagnético,
também possibilitam a integração de vários tipos de dados, devidamente
georeferenciados.
+ V
{ Em +
=
e

.V
? Pré-processamento refere-se ao processamento inicial de dados
brutos para calibração radiométrica da imagem, correção de
distorções geométricas e remoção de ruído.
? Realce visa melhorar a qualidade da imagem, permitindo uma
melhor discriminação dos objetos presentes na imagem.
? Na classificação são atribuídas classes aos objetos presentes na
imagem.
ñ V
{ A técnica de realce de contraste tem por objetivo melhorar a qualidade

das imagens sob os critérios subjetivos do olho humano. É normalmente
utilizada como uma etapa de pré -processamento para sistemas de
reconhecimento de padrões. V
{ O contraste entre dois objetos pode ser definido como a razão entre os
seus níveis de cinza médios.
{ A

consiste numa transferência radiométrica
em cada "pixel", com o objetivo de aumentar a discriminação visual entre
os objetos presentes na imagem. Realiza -se a operação ponto a ponto,
independentemente da vizinhança.
{ A escolha do mapeamento direto adequado é, em geral, essencialmente
empírica. Entretanto, um exame prévio do histograma da imagem pode
ser útil. O histograma de uma imagem descreve a distribuição estatística
dos níveis de cinza em termos do número de amost ras ("pixels") com
cada nível. A distribuição pode também ser dada em termos da
percentagem do número total de "pixels" na imagem. Pode ser
estabelecida uma analogia entre o histograma de uma imagem e a
função densidade de probabilidade, que é um modelo ma temático da
distribuição de tons de cinza de uma classe de imagens.
{ A cada histograma está associado o contraste da imagem.
{ Pode-se fazer um realce de contraste utilizando -se uma função

matemática denominada transformação radiométrica . Esta função
consiste em mapear as variações dentro do intervalo original de tons de
cinza, para um outro intervalo desejado e é utilizado para aumentar o
contraste de uma imagem, expandindo o intervalo original de níveis de
cinza da imagem original.
u ( V
{ O aumento de contraste por uma transformação linear é a forma mais

simples das opções. A função de transferência é uma reta e apenas dois
parâmetros são controlados: a inclinação da reta e o ponto de interseção
com o eixo X (veja figura abaixo). A inclinação controla a quantidade de
aumento de contraste e o ponto de interseção com o eixo X controla a
intensidade média da imagem final. V
{ A função de mapeamento linear pode ser representada por:
Y = AX + B
{ onde:
? Y = novo valor de nível de cinza;
? X = valor original de nível de cinza;
? A = inclinação da reta (tangente do ângulo);
? B = fator de incremento, definido pelos limites mínimo e máximo
{ No aumento linear de contraste as barras que formam o histograma da

imagem de saída são espaçadas igualmente, uma vez que a função de
transferência é uma reta. O histograma de saída será idêntico em
formato ao histograma de entrada, exceto que ele terá um valor médio e
um espalhamento diferentes.
u 'V
{ A manipulação de histograma pela opção MinMax (Mínimo/Máximo) é

idêntica a manipulação de uma curva linear. A diferença está no
momento em que feita a escolha da opção. V
{ O sistema calcula o valor de nível de cinza mínimo e máximo que é
ocupado pela imagem original. De posse desses valores é aplicada uma
transformação linear onde a base da reta é posicionada no valor mínimo
e o topo da reta no valor máximo. Desse modo não haverá perda de
informação por "overflow", isto é, todos os níveis de cinza continuarão
com o mesmo número de pixels.
{ Um "overflow" ocorre quando uma porção pixels de níveis de cinza
diferentes são transformados em um único nível, isto é, quando a
inclinação da reta de transferência é exagerada. Observe a figura abaixo
onde a seta de "overflow" está indicando, significa perda de informação,
uma vez que pixels de colunas vizinhas do histograma de entrada, que
originalmente podiam ser diferenciados com base no seu nível de cinza,
serão fundidos numa só coluna e passarão a ter o mesmo nível de cinza
(0 para o caso da figura abaixo)
{ % "' A ocorrência de "overflow" é muitas vezes desejada, uma vez que

o usuário sabe em que intervalo de níveis de cinza está o que deseja
realçar. Pois caso contrário estará definitivamente perdendo a
informação quando salvar a imagem realçada.
u !u / u / (/
/ * -/ 0 1 V
{ Utiliza-se a opção de transformação por raiz quadrada para aumentar o

contraste das regiões escuras da imagem original. V
{ A função de transformação é representada pela curva como na figura
abaixo. Observe que a inclinação da curva é tanto maior quanto
menores os valores de níveis de cinza.
{ Pode ser expresso pela função:
Y=A
{ onde:
? Y = nível de cinza resultante
? X = nível de cinza original
? A = fator de ajuste para os níveis de saída ficarem entre 0 e 255
{ % £' Este mapeamento difere do logarítmico porque realça um

intervalo maior de níveis de cinza baixos (escuros), enquanto o
logarítmico realça um pequeno intervalo.
u u V
{ Utiliza-se este mapeamento quando se deseja aumentar o contraste de

feições claras (altos níveis de cinza da imagem). Observe na figura
abaixo que o aumento de contraste é maior a partir da média do
histograma, mesmo havendo um deslocamento geral para a região de
níveis mais escuros. V
{ A função de transformação é dada pela equação:
Y = AX 2
{ onde:
? X = nível de cinza original
? Y = nível de cinza resultante
? A = fator de ajuste para os níveis de saída estarem entre 0 e 255
u ( V
{ O mapeamento logarítmico de valores de níveis de cinza é útil para

aumento de contraste em feições escuras (valores de cinza baixos).
Equivale a uma curva logarítmica como mostrado na figura a seguir. V
{ A função de transformação é expressa pela equação:
Y = A log (X + 1)
{ onde:
? Y = novo valor de nível de cinza
? X = valor original de nível de cinza
? A = fator definido a partir dos limites mínimo e máximo da tabela,
para que os valores estejam entre 0 e 255
{ % £' Observe na figura acima que uma porção menor de níveis de
cinza sobre um grande aumento de contraste, comparado com a
transformação por raiz quadrada, mencionada mais acima.
u V
{ É uma função de mapeamento linear inversa, ou seja, o contraste ocorre

de modo que as áreas escuras (baixos valores de nível de cinza)
tornam-se claras (altos valores de nível de cinza) e vice -versa. A figura a
seguir mostra sua representação. V
{ A função de mapeamento negativa pode ser representada por:
Y = - (AX + B)
{ onde:
? Y = novo valor de nível de cinza
? X = valor original de nível de cinza
? A = inclinação da reta (tangente do ângulo)
? B = fator de incremento, definido pelos limites mínimo e máximo
{ % £' Atente para o fato que todas as opções mencionadas até o

momento são passíveis de ocorrer um "overflow".
{ % £' Todas as opções de contraste mencionadas acima têm o modo

de operação igual ao descrito no item Manipulando um Histograma
descrito acima.
u * ! $ - V
{ É uma maneira de manipulação de histograma que reduz

automaticamente o contraste em áreas muito claras ou muito escuras,
numa imagem. Expande também os níveis de cinza ao longo de todo
intervalo. Consiste em uma transformação não -linear que considera a
distribuição acumulativa da imagem original, para gerar uma imagem
resultante, cujo histograma será aproximadamente uniforme (veja figura
abaixo).V
{ A opção de equalização parte do princípio que o contraste de uma
imagem seria otimizado se todos os 256 possíveis níveis de intensidade
fossem igualmente utilizados ou, em outras palavras, todas as barras
verticais que compõem o histograma fossem da mesma altura.
Obviamente isso não é possível devido à natureza discreta dos dados
digitais de uma imagem de sensoriamento remoto. Contudo, uma
aproximação é conseguida ao se espalhar os picos do histograma da
imagem, deixando intocadas as partes mais "chatas" do mesmo. Como
podemos ver na figura abaixo, Este processo é obtido através de uma
função de transferência que tenha uma alta inclinação toda vez que o
histograma original apresentar um pico, e uma baixa inclinação no
restante do histograma.
{ O SPRING apresenta a seguinte função de equalização de histograma:
Y = (faxi) . 255
Pt
{ onde:
? faxi = freqüência acumulada para o nível de cinza xi
? Pt = população total (número total de "pixels")
{ % £' A opção de equalização é automaticamente calculada e

apresentada, de modo que o usuário não poderá alterar a forma ou
posição da curva, permanecendo assim a tela no modo estático.
u 0 V
{ A opção

(ou fatiamento de níveis de cinza) é uma forma de
aumento de contraste cuja operação consiste simplesmente em realçar
os pixels cujas intensidades se situam dentro de um intervalo específico
(a fatia), isto é, entre um máximo e um mínimo. Consiste na divisão do
intervalo total de níveis de cinza de determinadas fatias (ou classes de
cores).V
{ O fatiamento de níveis de cinza é considerado a forma mais simples de
classificação, de modo que é aplicado apenas a uma única b anda
espectral.
{ De acordo com o critério de determinação dos intervalos de níveis de
cinza, pode-se obter

= ,#
+ "
{

' as fatias são definidas de modo que o intervalo
entre cada faixa seja constante.
{

,#' o intervalo de níveis de cinza é dividido
de modo que cada faixa contenha o mesmo número de pontos.
{

+ ' é o mapeamento de um tom de cinza para uma
determinada cor. Baseia -se no fato de que variações de co res são muito
mais visíveis ao olho humano do que variações de tons de cinza. O
mapeamento global desses níveis para o espaço de cor segue a
seqüência do arco-íris.
u *$ V
{ Permite a aplicação de uma tabela de transformação radiométrica

definida pelo usuário. O seu objetivo é salientar um aspecto específico
da imagem que o usuário deseja analisar. V
{ Exemplo: caso em que uma imagem apresenta regiões escuras (baixos

níveis de cinza) dentro de uma área com pequ enas variações
radiométricas que não são de interesse. Pode -se utilizar o limite de
saturação para realçar ou amenizar o contraste de alguma característica
da imagem. A figura a seguir ilustra o efeito da variação do limiar de
saturação.
{ Se o histograma apresenta dois picos de freqüência (bimodal), pode -se
segmentar a imagem em duas classes definidas por uma limiar (L). Esta
operação é útil para separar dois grandes grupos de níveis de cinza na
imagem.
{ Quando a imagem em que se está trabalhando apresent a um

histograma assimétrico, como é freqüentemente observado, não é
aconselhável se trabalhar com uma transformação linear simples. Neste
caso o usuário, com a ajuda de um cursor, pode especificar na tela uma
transformação linear por partes. Isto oferece u m maior grau de liberdade
na especificação do histograma de saída, reduzindo a assimetria do
histograma e utilizando melhor o intervalo de níveis de cinza disponível.
Exemplo:

'c8
$%
{ São causadas no processo de formação da imagem, pelo sistema sensor e por

imprecisão dos dados de posicionamento da plataforma (aeronave ou satélite).V
u $V
{ Para relacionar coordenadas da imagem (linha e coluna) com coordenadas geográficas

(latitude e longitude) de um mapa.V
{ Para combinar duas imagens diferentes de uma mesma área. Por exemplo, para
imagens de satélite de diferentes épocas (multi-temporais), onde deseja comparar
mudanças ocorridas em uma determinada área. Outro exemplo comum de
necessidade do registro é na integração de imagens de diferentes sensores (HRV e
TM, por exemplo), ou na confecção de mosaicos a partir de imagens adjacentes de
uma área.
$%V
{ As correções são baseadas em pontos de controle.

são feições possíveis de serem identificadas de modo preciso na
imagem e no mapa, como por exemplo o cruzamento de estradas.V
{ Necessita de um mapa planimétrico ou plani-altimétrico confiável e em uma escala
adequada, visto que os pontos de controle terão que ser precisamente identificados em
ambos, imagem e mapa.
{ Os pontos de controle são identificados e posicionados de maneira interativa na
imagem, na forma de coordenadas em linha e coluna. As coordenadas geográficas dos
pontos de controle podem ser obtidas a partir dos mapas (via uso de mesa
digitalizadora), de mapas temáticos já incorporados ou via teclado (informando
diretamente as coordenadas dos pontos).
{ Com os pontos de controle determinados, obtém-se uma função que mapeia as
coordenadas do mapa na imagem, ou da imagem geocodificada na outra. Esta função
é um polinômio de transformação, geralmente de 1º ou 2º grau.
{ O número de Pontos de Controle (PC) mínimo para determinação de um polinômio de
grau n é dado pela seguinte regra:
Nº PC's =( n2 + 3n + 2)/2
{ Os pontos de controle devem estar espalhados possível dentro da área de trabalho.
{ Baseado na transformação geométrica, atribuem-se níveis digitais à imagem registrada
pelo processo de reamostragem por interpolação.
ñ V
{ A reamostragem é necessária quando as coordenadas da imagem processada (linha e

coluna) não coincidem com aquelas da imagem original.
{ Reamostragem por interpolação é efetuada por interpolação híbrida, onde a aplicação
do interpolador de alocação de vizinho mais próximo e do interpolador
bilineardependemda característica local dos níveis de cinza na imagem.
? O

de vizinho mais próximo atribui ao valor de nível
de cinza do "pixel" da imagem corrigida, o mesmo valor do nível de cinza do
"pixel" que se encontra mais próximo da posição a ser ocupada. Não há
alteração no valor de nível de cinza. Por sua característica, é aplicado nas
regiões da imagem onde não há heterogeneidade nos valores de nível de
cinza.
? O
#
faz com que o nível de cinza a ser atribuído ao "pixel"
da imagem corrigida seja determinado a partir do valor dos 4 "pixels" vizinhos.
Como resultado, há alteração do valor do nível de cinza, considerando a sua
vizinhança. É aplicado nas regiões da imagem onde há heterogeneidade nos
níveis de cinza dos "pixels".

ñ $
{ A Restauração é uma técnica de correção radiométrica cujo objetivo é

corrigir as distorções inseridas pelo sensor óptico no processo de
geração das imagens digitais. Pode -se dizer que a imagem digital é uma
cópia borrada da cena, dado que os detalhes vistos na cena são
suavizados devido as limitações do sensor. A idéia de restaurar a
imagem é reduzir este efeito de borramento, e portanto obter uma
imagem realçada.V
{ A correção é realizada por um filtro linear. Os pesos do filtro de
restauração são obtidos a partir das características do sensor, e não de
forma empírica como é feito no caso dos filtros de realce tradicionais.
Neste caso, o filtro é específico para cada tipo de sensor e banda
espectral.
{ Este tipo de processamento é recomendado para ser realizado sobre a
imagem original sem qualquer tipo de process amento tais como realce e
filtragem, que alterem as características radiométricas da imagem.
Deve-se observar também que não é possível processar uma imagem
reamostrada, já que as características radiométrica e espacial da
imagem foram alteradas. O resultado do processamento será salvo em
disco.
ñ $ V
{ No processo de geração de imagens, alguns ruídos são inseridos nas

imagens. Geralmente, os pixels com ruído aparecem como pontos com
níveis de cinza bem diferentes da sua vizinhança (esc uros (pretos) ou
saturados (brancos)). Estes pontos ruidosos podem aparecer
distribuídos aleatoriamente ou de forma sistemática (listras verticais e
horizontais). As causas podem ser falha de detetores, limitações do
sistema eletrônico do sensor, etc. Assim, a função

no , tem como objetivo eliminar ou reduzir os pontos de
ruído na imagem.V
{ O algoritmo usa dois limiares: Limiar Inferior e Limiar Superior. O usuário
deverá escolher os valores destes limiares que serão utilizados na
caracterização dos pontos ruidosos. Antes da execução da função,
recomenda-se que o usuário faça uma prévia análise do ruído na
imagem, através da função do SPRING, $
. Esta análise
permitirá ao usuário escolher os limiares adequados ao nível d e ruído a
ser eliminado na imagem.
{ Para detectar se um ponto na imagem P(i,j) (i é linha e j é coluna) é
ruído ou não, somente os seus vizinhos superior P(i -1,j) e inferior P(i+1,j)
são analisados.
{ Escolha do Limiar Inferior:
? Um ponto será considerado ruído caso o seu nível de cinza esteja
abaixo dos níveis de cinza de seus dois pontos vizinhos abaixo e
acima (linhas de cima e de baixo) por uma diferença maior que
este limiar inferior. Neste caso, o ponto será substituído pela
média entre aqueles dois ponto s vizinhos. O valor " default" para
este parâmetro é 8.
{ Escolha do Limiar Superior:
? Um ponto será considerado ruído caso o seu nível de cinza esteja
acima dos níveis de cinza de seus dois pontos vizinhos abaixo e
acima (linhas de cima e de baixo) por uma d iferença maior que
este limiar superior. Neste caso também, o ponto será substituído
pela média entre aqueles dois pontos vizinhos. O valor " default"
para este parâmetro é 25.

ñ
{ As técnicas de filtragem são transformações da imagem pixel a pixel, que não

dependem apenas do nível de cinza de um determinado pixel, mas também do valor
dos níveis de cinza dos pixels vizinhos.V
{ O processo de filtragem é feito utilizando matrizes denominadas máscaras, as quais
são aplicadas sobre a imagem.
Máscara de 3 linhas por 3 colunas com centro na posição (2,2).
{ A aplicação da máscara com centro na posição (i,j), sendo i o número de uma dada
linha e j o número de uma dada coluna sobre a imagem, consiste na substituição do
valor do pixel na posição (i,j) por um novo valor que depende dos valores dos pixels
vizinhos e dos pesos da máscara, gerando uma nova imagem com a eliminação das
linhas e colunas iniciais e finais da imagem original.
{ Os filtros espaciais podem ser classificados em passa-baixa, passa-alta ou passa-
banda. Os dois primeiros são os mais utilizados em processamento de imagens. O filtro
passa-banda é mais utilizado em processamentos específicos, principalmente para
remover ruídos periódicos.
ñ V
{ Suavizam e realçam detalhes da imagem e minimizam efeitos de ruído, sem alterar a

média da imagem. Alguns filtros são descritos a seguir.V
{ Passa-Baixa: Suaviza a imagem atenuando as altas freqüências, que correspondem às
transições abruptas. Tende a minimizar ruídos e apresenta o efeito de borramento da
imagem. Exemplos de filtros de média 3x3, 5x5 e 7x7.
V V V VV V V V V V VV V V V V V V V VV
V V V V V V V V V VV V V V V V V V VV
V V V VV V V V V V V V V V V V V V VV
VV VV VV VV V V V V V VV V V V V V V V V
VV VV VV VV V V V V V VV V V V V V V V VV
VV VV VV VV VV VV VV VV VV VV V V V V V V V VV
VV VV VV VV VV VV VV VV VV VV V V V V V V V VV
{
{ Passa-Baixa, de média ponderada, são usados quando os pesos são definidos em
função de sua distância do peso central. Filtros desse tipo de dimensão 3x3 são:
V V V VV V V V VV
V V V V V V V V
V V V VV V V V VV
{
{ Passa-Alta: a filtragem passa-alta realça detalhes, produzindo uma "agudização"
("sharpering") da imagem, isto é, as transições entre regiões diferentes tornam-se mais
nítidas. Estes filtros podem ser usados para realçar certas características presentes na
imagem, tais como bordas, linhas curvas ou manchas, mas enfatizam o ruído existente
na imagem. Alguns exemplos podem ser dado por:
V V V VV V V V VV V V V
{
{ Os filtros de realce de bordas realçam a cena, segundo direções preferenciais de
interesse, definidas pelas máscaras. Abaixo estão algumas utilizadas para o
realçamento de bordas em vários sentidos. O nome dado às máscaras indica a direção
ortogonal preferencial em que será realçado o limite de borda. Assim, a máscara norte
realça limites horizontais.
VV V V V VV VV V V V

V V V V VV
V V V V
VV VV VV VV VV VV VV VV VV
V V V V VV V V V V
V V V V VV
V V V V
V V V V VV

V V V V
{
{ Realce não-direcional de bordas: é utilizado para realçar bordas, independentemente
da direção. As três máscaras mais comuns diferem quanto à intensidade de altos
valores de níveis de cinza presentes na imagem resultante. A máscara alta deixa
passar menos os baixos níveis de cinza, isto é, a imagem fica mais clara. A máscara
baixa produz uma imagem mais escura que a anterior. A máscara média apresenta
resultados intermediários.
£ V VV å V VV V
{
{ Realce de imagens: Utiliza máscaras apropriadas ao realce de características de
imagens obtidas por um sensor específico. Para imagens TM/Landsat o realce
compensa distorções radiométricas do sensor. O pixel que terá seu valor de nível de
cinza substituído pela aplicação da máscara, corresponde à posição sombreada.
´V V V ´V
V V ´V V
V ´V ´V V
´V V V ´V
ñ + V
{ Minimizam/realçam ruídos e suavizam/realçam bordas, alterando a média da imagem,

sendo os principais os operadores para detecção de bordas e os filtros morfológicos.V
? Operadores para detecção de bordas: Detecta características, como bordas,
linhas, curvas e manchas, sendo os mais comuns os operadores de Roberts e
Sobel.
? Operador de Roberts: Apresenta a desvantagem de certas bordas serem mais
realçadas do que outras dependendo da direção, mesmo com magnitude igual.
Como resultado de sua aplicação, obtém-se uma imagem com altos valores de
nível de cinza, em regiões de limites bem definidos e valores baixos em
regiões de limites suaves, sendo 0 para regiões de nível de cinza constante. O
operador consiste na função: , onde a' é o nível de

cinza correspondente à localização a, a ser substituído; a, b, c, d são as
localizações cujos valores serão computados para a operação.
V V
V V
?
?
Efeito da aplicação do operador de Roberts.
?
? Operador de Sobel: Realça linhas verticais e horizontais mais escuras que o

fundo, sem realçar pontos isolados. Consiste na aplicação de duas máscaras,
descritas a seguir, que compõem um resultado único:
V VV V
V V V VV V V V
V V V VV V V V
V V V VV V V V
?
? A máscara (a) detecta as variações no sentido horizontal e a máscara (b), no
sentido vertical. O resultado d esta aplicação, em cada pixel, é dado por:
onde a' é o valor de nível de cinza correspondente à

localização do elemento central da máscara.
Efeito da aplicação do operador de Roberts.
ñ V
{ Exploram as propriedades geométricas dos sinais (níveis de cinza da imagem). Para

filtros morfológicos, as máscaras são denominadas elementos estruturantes e
apresentam valores 0 ou 1 na matriz que correspondem ao pixel considerado. Os filtros
morfológicos básicos são o filtro da mediana, erosão e dilatação.
? Filtro morfológico da mediana é utilizado para suavização e eliminação de
ruído e mantém a dimensão da imagem. Exemplo:

V
V VV V
V V V VV V V V
V V V VV V V V
V V V VV V V V
{ O pixel central será alterada para o valor 6 (valor mediano na ordenação [2,3,6,6,8]).
{ Filtro morfológico de erosão: provoca efeitos de erosão das partes claras da imagem
(altos níveis de cinza), gerando imagens mais escuras. Considerando o exemplo
anterior, o valor a ser substituído no pixel central corresponde ao menor valor da
ordenação, 2.
{ Filtro morfológico de dilatação: provoca efeitos de dilatação das partes escuras da
imagem (baixos níveis de cinza), gerando imagens mais claras. Para o exemplo
anterior, o valor resultante da aplicação deste filtro é o maior valor na ordenação, 8.
{ Os seguintes elementos estruturantes são os mais comuns:
VV VV VV VV VV VV VV VV VV VV VV
VV VV VV VV VV VV VV VV VV VV VV
V V V VV VV VV VV VV VV VV VV
{ Abertura e fechamento de uma imagem: geralmente encadeiam-se filtros de erosão e

dilatação com o mesmo elemento estruturante para obtenção de efeitos de abertura e
fechamento.
? A abertura é obtida pelo encadeamento do filtro de erosão, seguido pelo de
dilatação, conforme ilustra a figura a seguir. No exemplo, há quebra de istmos
e eliminação de cabos e ilhas.
? O efeito de fechamento é obtido pelo encadeamento do filtro de dilatação,

seguido pelo de erosão. No exemplo, há eliminação de golfos e fechamento de
baías.
%
£
$%
{ Operações aritméticas são operações "pixel" a "pixel" entre imagens de bandas

diferentes, através de uma regra matemática definida, tendo como resultado uma
banda representando a combinação das bandas originais.
{ As operações mais comuns são a soma, subtração, divisão (ou razão entre
bandas) e a multiplicação de uma banda por uma constante (realce linear).
{ Estas operações permitem comprimir os dados, diminuindo o número de bandas.
Ocorre perda da informação original quando os resultados das operações
ultrapassam o intervalo de 0-255. Neste caso, os resultados são normalizados,
saturando os valores abaixo de 0 em 0, e os acima de 255, em 255, causando
perda de informação espectral.
{ Estas operações podem requerer um fator de ganho (multiplicativo) ou "off-set"
(aditivo), para melhorar a qualidade de contraste da imagem. Os fatores devem
ser definidos considerando a faixa de valores de entrada e a operação a executar.
{ Em geral, a operação de adição é utilizada para realçar similaridade entre bandas
ou diferentes imagens e a subtração, a multiplicação e divisão, para realçar as
diferenças espectrais.
" $
{ Utilizada para realçar diferenças espectrais, conhecendo-se o comportamento

espectral dos alvos de interesse e o intervalo espectral das bandas dos sensores,
pode-se definir as bandas utilizadas para realçar as diferenças espectrais.
{ Exemplos de aplicação da subtração de bandas:
? Identificação de diferentes tipos de cobertura vegetal;
? Identificação de minerais formados por óxido de ferro;
? Detecção do padrão de mudança de cobertura, como uso do solo,
expansão urbana, desmatamento.
{ Quando a média e desvio padrão dos histogramas das imagens não coincidem,
deve-se equalizá-las antes da subtração para evitar que o resultado da subtração
não corresponda à diferença real entre elas.
$
{ Utilizada para a obtenção da média aritmética entre as imagens, minimizando a

presença de ruído. O valor de ganho deve ser 1/n, onde n é o número de bandas
utilizadas na operação.
{ Pode ser utilizada para a integração de imagens resultantes de diferentes
processamentos.
$

{ É utilizada na implementação de algoritmos que se deseja aplicar sobre a
imagem.
! "
{ É utilizada para realçar as diferenças espectrais de um par de bandas,

caracterizando determinadas feições da curva de assinatura espectral de alguns
alvos.
{ Pode apresentar resultados incorretos devido a:
? Bandas que apresentam ruídos, pois estes serão realçados.
? Presença do espalhamento atmosférico, seletivo em relação às bandas
espectrais, gerando valores de nível de cinza que não representam a
diferença de reflectância entre os alvos.
? Presença de objetos distintos nas bandas originais com características
espectrais semelhantes, porém de diferentes intensidades. Na imagem
resultante, estes objetos não serão distintos.
{ Exemplos de aplicação:
? Remover efeitos de ganho provenientes de variações espaciais ou
temporais, quando ocorrem em bandas de uma mesma imagem;
? Diminuir variações de radiância da imagem, provenientes de efeito de
topografia, declividade e aspecto.
? Aumentar diferenças de radiância entre solo e vegetação.
? Para aumentar o contraste entre solo e vegetação, utilizando a razão
entre as bandas referentes ao vermelho e infravermelho próximo, gerando
os chamados índices de vegetação. Com a equação:
, onde g é o ganho, o off-set, A banda do infravermelho

próximo, B a banda do vermelho e C o índice de vegetação de diferença
normalizada (IVDN).

V V
V
V! V"V

V#$% &V
{ £V
V VV
'
(V VV V)
V V ) V) V
VV
)
V* +
V#(V* V$V VV%(V
V V V

V#$%(V
V) V V(V) V
V
VV V V) V
V
V
)
V ,V
{ V
V+
V"VV V V V
V *
*V V

V
V

)
V V
(V
V )
-* V) V
V V+
VV
V V
V
V
+
,V
{ åV
V
V VV
'
V"VV V
V
)
V V
V"
VV
V! V V V
V V (V
(VV
V
V
'
,V
{
V
V) V .) V
V *
V V
)
V V
V
V
V

V
)
V V
V"
(V
V!VV V"V V
V,V
/V
V*
V V
V V VV
V ) V)(V
V
)
V! VV.
V*
VVVV V
)
V V
V
)

V
V)"V0)
1,V
{ V )
V V
V V)
V V V )
V)
VV
,V£V

V )V V
V )
V#$%V V V"V
VV ,V
V
V
{ £V2V
V)

V"VV
V
V-) V
V
V ) VV ,V
{ £V2VV
V)

V"V
V .
V V
V
V ) V
,V
{ VV"V )
V

VV !34VV
V
V
V5
V V

V V
V .
V V ,V
{ a
V V ) (V
V4V)2
V)
V V
V V

V ) (V)VV +
V' VV
V6V
5V
V V*,V
{ V

V#$%V)V (V
+ V4VV VV V
V
VVVVV
V
)
V#$%,V£(VV7). 7V
V V V5V)
-VV
)
4VVV)

V
V )
V
,VV
V"VV
'
V V4V
*V 8VV V (V
V VV V
V V
,V9V V)
V V (V
.)
V
V *
V V V V
V*"V V
(V (V
!
V
* V V V)V#$%(V) V +
V )
VV

V VV V! V V 'V
*,V
{ a
V VV)V
V V V V
V V

V
)(V

VV
V V Va #:V0)
-
1V Vå
,VV)

V
V 8V
? V
V
)
V VV)V V4VV
V
V
åV
? £)V
V
V
V
)
V V V(V VV Va,V
? V
V
)
VV"V5
V) V Va,V
? £) VV

V* V V)V#$%,V
{ £);VV

(VV V

V -V

V )VV
VaV V

V ) VV4VVå,V

ñ
{ A Análise Estatística de Amostras permite calcular parâmetros

estatísticos a partir de imagens. Os principais são momentos, mediana,
matriz de covariância e correlação, matriz de autocorrelação e a matriz
de correlação cruzada.V
ñ V

{ Se X1, X2, ..., XN são os N valores assumidos pela variável X, pode -se
definir: V
? Momento de ordem r por:
? Momento de ordem r centrado na média por: ,

onde (momento de ordem 1), é o valor médio dos dados.
{ O momento centrado na média de ordem 2 é a variância.
ñ V
{ A média dos dados numéricos X1, X2, ..., XN é representada por e
definida por: , (momento de ordem 1).V
ñ V
{ A mediana de um conjunto de N números ordenados em ordem de

grandeza, é o valor do ponto central (N ímpar) ou a médi a aritmética dos
dois valores centrais (N par). Exemplos:V
? 3,4,4,5,6,8,8,8,10 tem mediana 6
? 5,5,7,9,11,12,13,17 tem mediana 10.
ñ V
{ A moda é o valor mais freqüente em um conjunto de valores numéricos.

A moda pode não existir e, mesmo que exista, pode não ser única.
Exemplos:V
? 1,1,3,3,5,7,7,7,11,13 tem moda 7
? 3,5,8,11,13,18 não tem moda
? 3,5,5,5,6,6,7,7,7,11,12 tem duas modas: 5,7 (bimodal).
ñ 2 V
{ Medem o grau de dispersão dos dados numéricos em torno de um valor

médio. O Desvio Padrão de um conjunto de dados X1, ..., Xn é definido
por: V
{ A Variância é o quadrado do desvio padrão:
ñ 2 V

{ Covariância entre dois conjuntos de dados numéricos a e b, com N
pontos é definido por: V

{ Indica o grau de similaridade entre os conjuntos a e b, ou seja, como os
dados estão correlacionados entre si. Quanto maior este valor maior o
grau de correlação entre os dados.
ñ $ V
{ Mede a similaridade entre dois conjuntos de dados numéricos sobre

uma escala absoluta de [ -1,1]. É calculado através da divisão do valor de
covariância pela raiz quadrada do produto dos desvios padrões dos
conjuntos de dados a e b: V
ñ $ V
{ O efeito da variação ou dispersão em relação à mé dia pode ser medido

pela dispersão relativa, definida por: Dispersão Relativa = Dispersão
Absoluta/MédiaV
{ Se a dispersão absoluta for o desvio padrão, a dispersão relativa é
denominada coeficiente de variação v: .

{ O coeficiente de variação deixa de ser út il quando a média é próxima de
zero.
ñ V
{ É o grau de desvio ou afastamento do eixo de simetria de uma

distribuição. Para distribuições assimétricas a média tende a situar -se do
lado da cauda mais longa da distribui ção. Este coeficiente pode ser
definido usando o 3 momento centrado na média e o desvio
padrão: V
ñ 3 V
{ Mede o grau de achatamento de uma distribuição de dados, e pode ser

definido pela divisão do momento de grau 4 centrado na média pela
variância ao quadrado. Ou seja: V

ü $
Observa-se freqüentemente que bandas individuais de uma imagem

multiespectral são altamente correlacionadas, ou seja, as bandas são similares
visual e numericamente.
Esta correlação advém do efeito de sombras resultantes da topografia, da

sobreposição das janelas espectrais entre bandas adjacentes e do próprio
comportamento espectral dos objetos.
A análise das bandas espectrais indiv iduais pode ser então ineficiente devido à
informação redundante presente em cada uma dessas bandas.
A geração de

é uma técnica de realce que reduz ou
remove esta redundância espectral, ou seja, gera um novo conjunto de
imagens cujas bandas individuais apresentam informações não -disponíveis em
outras bandas.
Esta transformação é derivada da matriz de covariância entre as bandas e gera

um novo conjunto de imagens onde cada valor de "pixel" é uma combinação
linear dos valores originai s. O número de componentes principais é igual ao
número de bandas espectrais utilizadas e são ordenadas de acordo com o
decréscimo da variância de nível de cinza. A primeira componente principal tem
a maior variância (maior contraste) e a última, a menor v ariância.
A figura mostra que a transformação de compo -nente principal em duas

dimensões corresponde à rota-ção do eixo original da coordenada para
coincidir com as direções de
e
variância no dado.
Neste processo utiliza-se o coeficiente de correlação ou da covariância para se

determinar um conjunto de quantidades chamadas de
(
.
Os
(
representam o comprimento dos eixos das componentes
principais de uma imagem e são medidos em unidade de variância. Associados
a cada autovalor existe um vetor de módulo unitário chamado autovetor. Os
autovetores representam as direções dos eixos das componentes principais.
São fatores de ponderação que definem a contribuição de cada banda original
para uma componente principal, numa combinaç ão aditiva e linear.
Para facilitar a percepção dessas contribuições, deve -se transformar os

autovetores em porcentagens. Sabendo -se o sinal de cada coeficiente do
autovetor, pode-se comparar as porcentagens com as curvas espectrais de
materiais conhecidos (por exemplo, vegetação, água, diferentes tipos de solo),
determinando-se assim em qual(is) componente(s) principal(is) a informação
espectral desejada irá ser concentrada.
O SPRING permite ao usuário analisar os dados de autovalores e autovetores

(parâmetros estatísticos). A seguir, apresenta -se um exemplo que mostra como
esses dados são fornecidos.
å

%V ,V ,V aV
%V ,V ,V aV ´
Matriz de autovetores
+ 0.5271 + 0.8498
+ 0.8498 - 0.5271V
No exemplo tem-se que a 1ª componente principal (P1) apresenta um autovalor

de 64.76, isto é, 64.76% das informações de B1 e B2 estão em P1, e que
35.24% estão em P2.
Analisando-se a matriz de autovetores tem-se que:V
{ P1 = B1 x (+ 0.5271) + B2 x (+ 0.8498)V
{ P2 = B1 x (+ 0.8498) + B2 x (- 0.5271)
Desta forma entende-se que para P1 a banda 2 (B2) está contribuindo com
mais informação. Este mesmo raciocínio pode ser adotado para as n
componentes principais.
A
principal contém a informação de brilho associada às
sombras de topografia e às grandes variações da reflectância espectral geral
das bandas. Esta componente principal possui a maior parte da variância total
dos dados, concentrando a informação antes dilu ída, em várias dimensões.
A
e as subseqüentes componentes principais apresentam
gradativamente menos contraste entre os alvos e são desprovidas de
informação topográfica, devido à ausência de sombreamento.
A
e ,

principais contêm tipicamente menos
estrutura da imagem e mais ruído que as duas primeiras, indicando a
compressão dos dados nos primeiros canais.
A >
representa basicamente o ruído existente nos dados
originais.
As figuras abaixo mostram as três componentes de uma transformação com

três bandas (3,4 e 5) do Landsat5. V
Primeira Componente
Segunda Componente
Terceira Componente
As componentes principais podem ser geradas com alteração de contraste. V
Aplica-se a cada C.P. um realce dos níveis digitais de forma que a média seja
deslocada para valor 127 e que a partecentral de distribução estatística inclua
2,6 desvios padrões para cada lado da média.
Esta transformação considera que os componentes tem distribuição normal, e

apenas 0,4% de cada lado da curva é eliminado, ou seja saturado para os
níveis 0 e 225.
Todas as componentes terão a mesma variância e os valores de nível digital

estarão distribuídos entre 0 e 255.
As imagens de componentes principais podem ser combinadas em cores,

como quaisquer outras. Quando comparada com qualquer combinação de
canais originais, a composição colorida das componentes principais apresenta
um realce na distribuição das cores, uma vez que não há correlação entre as
bandas.
Uma composição colorida de imagem de componentes principais tende a

apresentar apenas cores espectrais puras e intensamente saturadas, não
apresentando tons de cinza (o que indicaria correlação).
Antes de executar a função de Principais Componentes, voce pode analisar os

parâmetros estatisticos das bandas selecionadas. O usuario pode ver estes
parâmetros referente a toda area da imagem ou em uma porção selecionada
pelo cursor.

ñ $
{ A classificação estatística é o procedimento convencional de análise

digital de imagens. Constitui um processo de análise de pixels de forma
isolada. Esta abordagem apresenta a limitação da análise pontual ser
baseada unicamente em atributos espectrais. Para superar estas
limitações, propõe-se o uso de segmentação de imagem, anterior à fase
de classificação, onde se extraem os objetos relevantes para a aplicação
desejada.V
{ Neste processo, divide-se a imagem em regiões que devem
corresponder às áreas de interesse da aplicação. Entende -se por
regiões um conjunto de "pixels" contíguos, que se espalham
bidirecionalmente e que apresentam uniformidade.
{ A divisão em porções consiste basicamente em um processo de
crescimento de regiões, de detecção de bordas ou de detecção de
bacias.
ñ % V
{ É uma técnica de agrupamento de dados, na qual somente as regiões

adjacentes, espacialmente, podem ser agrupadas. V
{ Inicialmente, este processo de segmentação rotula cada "pixel" como
uma região distinta. Calcula -se um critério de similaridade para cada par
de região adjacente espacialmente. O critério de similaridade baseia -se
em um teste de hipótese estatístico que testa a média entre as regiões.
A seguir, divide-se a imagem em um conjunto de sub-imagens e então
realiza-se a união entre elas, segundo um limiar de agregação definido.
{ Para a união de duas regiões A e B vizinhas, deve -se adotar o seguinte
critério:
? A e B são similares (teste das médias);
? a similaridade satisfaz o limiar estabelecido;
? A e B são mutuamente próximas (dentre os vizinhos de A, B é a
mais próxima, e dentre os vizinhos de B, A é a mais próxima).
{ Caso as regiões A e B satisfaçam estes critérios, estas regiões são
agregadas, caso contrário o sistema reinicia o processo de teste de
agregação.
ñ $ " V
{ A classificação por detecção de bacias é feita sobre uma imagem

resultante da extração de bordas. V
{ A extração de bordas é realizada por um algoritmo de detecção de
bordas, ou seja pelo filtro de Sobel. Este algoritmo considera os
gradientes de nível de cinza da imagem original, para gerar uma imagem
gradiente ou imagem de intensidade de borda.
{ O algoritmo calcula um limiar para a perseguição de bordas. Quando ele
encontra um "pixel" com valor superior ao limiar estabelecido, tem -se
início o processo de perseguição da borda. Observa -se a vizinhança
para identificar o próximo "pixel" de maior valor de nível digital e segue -
se nesta direção até que se encontre outra borda ou a fronteira da
imagem. Deste processo gera-se uma imagem binária com os valores
de 1 referentes às bordas e 0, a regiões de não -bordas.
{ A imagem binária será rotulada de modo que as porções da imagem
com valores 0 constituirão regiões limitadas pelos valores 1 da imagem,
constituindo a imagem rotulada.
{ O procedimento de segmentação por detecção de bacias pressupõe
uma representação topográfica para a imagem, ou seja, para uma dada
imagem gradiente, o valor de nível digital de cada "pixel" equivale a um
valor de elevação naquele ponto. A imagem equivaleria a uma superfície
topográfica com feições de relevo ou uma região com bacias de
diferentes profundidades.
{ O crescimento de uma região equivaleria à imersão da superfície
topográfica em um lago. Define-se um altura inicial (nível digital) para o
preenchimento das bacias (limiar). A "água" preencherá
progressivamente as diferentes bacias da imagem até um limiar definido
pela topografia (valor de nível digital). Ao alcançar o limit e, define-se
uma barreira entre duas regiões. O processo de preenchimento continua
em outra direção até atingir um novo limite topográfico, definindo -se
mais uma barreira, e assim sucessivamente até que todas as barreiras
tenham sido definidas.
{ O resultado é uma imagem rotulada, cada região apresentando um
rótulo (valor de nível digital), que devem ser classificadas por
classificadores de região.
V
{ O classificador Isoseg é o algoritmo disponível no Spring para classificar

regiões de uma imagem segmentada. É um algoritmo de agrupamento
de dados não-supervisionado, aplicado sobre o conjunto de regiões, que
por sua vez são caracterizadas por seus atributos estatísticos de média
e matriz de covariância, e também pela área. V
{ Um algoritmo de "clustering" não assume nenhum conhecimento prévio
da distribuição de densidade de probabilidade dos temas, como ocorre
no algoritmo de máxima verossimilhança. É uma técnica para
classificação que procura agrupar regiões, a partir de uma medid a de
similaridade entre elas. A medida de similaridade utilizada consiste na
distância de Mahalanobis entre a classe e as regiões candidatas a
relação de pertinência com esta classe.
{ O Isoseg utiliza os atributos estatísticos das regiões: a matriz de
covariância e o vetor de média, para estimar o valor central de cada
classe. Este algoritmo resume-se em três etapas, descritas a seguir.
? (1ª) c
: o usuário define um limiar de aceitação,
dado em percentagem. Este limiar por sua vez define uma
distância de Mahalanobis, de forma que todas regiões
pertencentes a uma dada classe estão distantes da classe por
uma distância inferior a esta. Quanto maior o limiar, maior esta
distância e consequentemente maior será o número de classes
detectadas pelo algoritmo.
? (2ª) c

: as regiões são ordenadas em ordem
decrescente de área e inicia -se o procedimento para agrupá -las
em classes. Serão tomados como parâmetros estatísticos de uma
classe (média e matriz de covariância), os parâmetros estatísticos
da região de maior área que ainda não tenha sido associada a
classe alguma. Em seguida, associa -se a esta classe todas
regiões cuja distância de Mahalanobis for inferior a distância
definida pelo limiar de aceitação. Assim, a primeira classe terá
como parâmetros estatísticos aquelas regiões com maior área. As
classes seguintes terão parâmetros estatísticos de média das
regiões de maior área, que não tenham sido associada a
nenhuma das classes previamente detectadas. Esta fase repete -
se até que todas regiões tenham sido associadas a al guma
classe.
? (3ª)
: as regiões são reclassificadas,
considerando-se os novos parâmetros estatísticos das classes,
definidos na etapa anterior.
{ A fase 2 consiste basicamente na detecção de classes, sendo um
processo seqüencial que po de favorecer as classes que são detectadas
em primeiro lugar. Com vista a eliminar este favorecimento", procede -se
a "competição entre classes. Esta competição consiste em reclassificar
todas as regiões. O parâmetro estatístico (média de cada classe é entã o
recalculado. O processo repete -se até que a média das classes não se
altere (convergência).
{ Ao término, todas regiões estarão associadas a uma classe definida pelo
algoritmo. O usuário deverá então associar estas classes (denominadas
temas, no Spring) às classes por ele definidas no banco de dados, na
opção Arquivo-Esquema Conceitual, descrito no capítulo 5, volu me1.
{ Portanto o usuário deve seguir os seguintes passos para gerar uma
classificação a partir de uma imagem segmentada, observe que os
passos de 2 a 9 foram descritos anteriormente:
?

- gerar uma imagem, separada
em regiões com base na análise dos níveis de cinza.
?

,( - este arquivo armazena quais as
bandas farão parte do processo de classificação por regiões.
?

- deve ser feita amostragens sobre uma
imagem na área de desenho;
? £

- permite verificar a validade das amostras
coletadas;
?
8 - neste procedimento o algoritmo extrai as
informações estatísticas de média e variável de cada região,
considerando as bandas indicadas no contexto;
?

- para a realizar a classificação de uma imagem
segmentada deve-se usar o classificador por regiões;
?

- de posse da amostras e das bandas
escolhidas a imagem é classificada;
?

:+

- processo de extração de
pixels isolados em função de um limiar e um peso fornecidos pelo
usuário;
?
å

- permite transformar a
imagem classificada (categoria Imagem) para um mapa temático
raster (categoria Temático).

ñ $
{ Classificação é o processo de extração de informação em imagens para

reconhecer padrões e objetos homogêneos e são utilizados em
Sensoriamento Remoto para mapear áreas da superfície terrestre que
correspondem aos temas de interesse.V
{ A informação espectral de uma cena pode ser representada por uma
imagem espectral, na qual cada "pixel" tem coordenadas espaciais x, y e
uma espectral L, que representa a radiância do alvo em todas as bandas
espectrais, ou seja para uma imagem de K bandas, existem K níveis de
cinza associados a cada "pixel" sendo um para cada banda espectral. O
conjunto de características espectrais de um "pixel" é denotado pelo
termo atributos espectrais.
{ Os classificadores podem ser divididos em classificadores "pixel a p ixel"
e classificadores por regiões.
?

?
? : Utilizam apenas a informação
espectral de cada pixel para achar regiões homogêneas. Estes
classificadores podem ser separados em métodos estatísticos
(utilizam regras da teoria de probab ilidade) e determinísticos (não
utilizam probabilidade).
?

8 : Utilizam, além de informação
espectral de cada "pixel", a informação espacial que envolve a
relação com seus vizinhos. Procuram simular o comportamento
de um foto- intérprete, reconhecendo áreas homogêneas de
imagens, baseados nas propriedades espectrais e espaciais de
imagens. A informação de borda é utilizada inicialmente para
separar regiões e as propriedades espaciais e espectrais irão unir
áreas com mesma textura.
{ O resultado da classificação digital é apresentado por meio de classes
espectrais (áreas que possuem características espectrais semelhantes),
uma vez que um alvo dificilmente é caracterizado por uma única
assinatura espectral. É constituído por um mapa de "pi xels"
classificados, representados por símbolos gráficos ou cores, ou seja, o
processo de classificação digital transforma um grande número de níveis
de cinza em cada banda espectral em um pequeno número de classes
em uma única imagem.
{ As técnicas de classificação aplicadas apenas a um canal espectral
(banda da imagem) são conhecidas como classificações
unidimensionais. Quando o critério de decisão depende da distribuição
de níveis de cinza em vários canais espectrais as técnicas são definidas
como de classificação multiespectral.
{ O primeiro passo em um processo de classificação multiespectral é o
treinamento. Treinamento é o reconhecimento da assinatura espectral
das classes. Existem basicamente duas formas de treinamento:
supervisionado e não- supervisionado.
{ Quando existem regiões da imagem em que o usuário dispõe de
informações que permitem a identificação de uma classe de interesse, o
treinamento é dito supervisionado. Para um treinamento supervisionado
o usuário deve identificar na imagem uma área representativa de cada
classe. É importante que a área de treinamento seja uma amostra
homogênea da classe respectiva, mas ao mesmo tempo deve -se incluir
toda a variabilidade dos níveis de cinza. Recomenda -se que o usuário
adquira mais de uma área de trein amento, utilizando o maior número de
informações disponíveis, como trabalhos de campo, mapas, etc. Para a
obtenção de classes estatisticamente confiáveis, são necessários de 10
a 100 "pixels" de treinamento por classe. O número de "pixels" de
treinamento necessário para a precisão do reconhecimento de uma
classe aumenta com o aumento da variabilidade entre as classes.
Exemplo de seleção de áreas no treinamento supervisionado.
Quando o usuário utiliza algoritmos para reconhecer as classes presentes na

imagem, o treinamento é dito não -supervisionado. Ao definir áreas para o
treinamento não-supervisionado, o usuário não deve se preocupar com a
homogeneidade das classes. As áreas escolhidas devem ser heterogêneas
para assegurar que todas as possíveis class es e suas variabilidades sejam
incluídas. Os "pixels" dentro de uma área de treinamento são submetidos a um
algoritmo de agrupamento ("clustering") que determina o agrupamento do
dado, numa feição espacial de dimensão igual ao número de bandas
presentes. Este algoritmo assume que cada grupo ("cluster") representa a
distribuição de probabilidade de uma classe. V
V
Exemplo de seleção de áreas no treinamento não -supervisionado.V
{ As técnicas de classificação multiespectral "pixel a pixel" mais comuns

são: máxima verossimilhança (MAXVER), distância mínima e método do
paralelepípedo. V
{ MAXVER é o método de classificação, que considera a ponderação das
distâncias entre médias dos níveis digitais das classes, utilizando
parâmetros estatísticos.
{ Os conjuntos de treinamento definem o diagrama de dispersão das
classes e suas distribuições de probabilidade, considerando a
distribuição de probabilidade normal para cada classe do treinamento.
{ Para duas classes (1 e 2) com distribuição de probabilidade distintas, as
distribuições representam a probabilidade de um "pixel" pertencer a uma
ou outra classe, dependendo da posição do "pixel" em relação a esta
distribuição. Ocorre uma região onde as duas curvas sobrepõem -se,
indicando que um determinado "pixel" tem igual probabilidad e de
pertencer às duas classes. Nesta situação estabelece -se um critério de
decisão a partir da definição de limiares.
Exemplo de limite de aceitação de uma classificação, no ponto onde as duas

distribuições se cruzam. Um "pixel" localizado na área som breada, apesar de
pertencer à classe 2, será classificado como classe 1. V
{ O limiar de aceitação indica a % de "pixels" da distribuição de

probabilidade de uma classe que será classificada como pertencente a
esta classe. Um limite de 99%, por exemplo, englob a 99% dos "pixels",
sendo que 1% serão ignorados (os de menor probabilidade),
compensando a possibilidade de alguns "pixels" terem sido introduzidos
no treinamento por engano, nesta classe, ou estarem no limite entre
duas classes. Um limiar de 100% resulta rá em uma imagem classificada
sem rejeição, ou seja, todos os "pixels" serão classificados. V
{ Para diminuir a confusão entre as classes, ou seja, reduzir a
sobreposição entre as distribuições de probabilidades das classes,
aconselha-se a aquisição de amostras significativas de alvos distintos e
a avaliação da matriz de classificação das amostras.
{ A matriz de classificação apresenta a distribuição de porcentagem de
"pixels" classificados correta e erroneamente. No exemplo a seguir,
apresenta-se uma matriz de classificação com as porcentagens de 4
classes definidas na aquisição de amostras, os valores de desempenho
médio, abstenção (quanto não foi classificado) e confusão média.
V V V V V
V
V ,V ,V , V ,V ,V
V ,V ,V ,V ,V ,V
V ,V ,V ,V ,V ,V
V ,V ,V ,V ,V ,V
{
{ Desempenho médio: 89.37
{ Abstenção média: 3.15
{ Confusão média: 7.48
{ O valor de N representa a quantidade de cada classe (porcentagem de
"pixels") que não foi classificada.
{ A classe 1 corresponde à floresta, a classe 2 ao cerrado, a classe 3 ao
rio e a classe 4 ao desmatamento.
{ Uma matriz de classificação ideal deve apresentar os valores da

diagonal principal próximos a 100%, indicando que não houve confusão
entre as classes. Contudo esta é uma situação difícil em imagens com
alvos de características espectrais semelhantes.
{ O valor fora da diagonal principal, por exemplo 13.3 (classe linha 3 e
coluna 1), significa que 13.3% da área da classe "rio" amostrada foi
classificada como classe 1 (floresta). O mesmo raciocínio deve ser
adotado para os outros valores.
{ Para diminuir a confusão entre as classes, aconselha -se a análise das
amostras.
£ V
V

V V V V
<
V V V V

V V V V
#
V V V V
=
V V V V
{
{ Os valores em porcentagem indicam que na amostra 1, 90% dos "pixels"
são classificados como floresta, 5% como cerrado e 5% como rio, o que
resulta em uma amostra confiável. Por sua vez, a amostra 2 apresentou
uma confusão de 50% entre as classes floresta e cerrado, indicando que
esta deve ser eliminada.
ñ )4.*+ V
{ Enquanto o classificador MAXVER associa classes considerando pontos

individuais da imagem, o classificador MAXVER -ICM
(InteratedConditionalModes) considera também a depend ência espacial
na classificação.V
{ Em uma primeira fase, a imagem é classificada pelo algoritmo MAXVER
atribuindo classes aos "pixels", considerando os valores de níveis
digitais. Na fase seguinte, leva -se em conta a informação contextual da
imagem, ou seja a classe atribuída depende tanto do valor observado
nesse "pixel", quanto das classes atribuídas aos seus vizinhos.
{ O algoritmo atribui classes a um determinado "pixel", considerando a
vizinhança interativamente. Este processo é finalizado quando a % de
mudança (porcentagem de "pixels" que são reclassificados) definida
pelo usuário é satisfeita. O SPRING fornece ao usuário as opções de
5%, 1% e 0.5% para valores de porcentagem de mudanças. Um valor
5% significa que a reatribuição de classes aos "pixels" é i nterrompida
quando apenas 5% ou menos do total de "pixels" da imagem foi
alterado.
ñ $ 2 V
{ O método de classificação por distância Euclidiana é um procedimento

de classificação supervisionada que utiliza esta distânc ia para associar
um "pixel" a uma determinada classe. V
{ No treinamento supervisionado, definem -se os agrupamentos que
representam as classes. Na classificação, cada "pixel" será incorporado
a um agrupamento, através da análise da medida de similaridade de
distância Euclidiana, que é dada por:
d (x,m) = (x2 - m2) 1/2
onde:
{ x = "pixel" que está sendo testado
{ m = média de um agrupamento
{ N = número de bandas espectrais
{ O classificador compara a distância Euclidiana do "pixel" à média de
cada agrupamento. O "pixel" será incorporado ao agrupamento que
apresenta a menor distância Euclidiana. Este procedimento é repetido
até que toda a imagem seja classificada.
ñ + $V

{ Aplica-se este procedimento em uma imagem classificada, com o
objetivo de uniformizar os temas, ou seja, eliminar pontos isolados,
classificados diferentemente de sua vizinhança. Com isto, Gera -se um
imagem classificada com aparência menos ruidosa. V
{ Em uma janela de 3 x 3 "pixels", o ponto central é avaliado quanto à
freqüência das classes (temas), em sua vizinhança. De acordo com os
valores de peso e limiar definidos pelo usuário, este ponto central terá
ou não sua classe substituída pela classe de maior freqüência na
vizinhança.
? O peso varia de 1 a 7 e define o número de vezes que se rá
considerada a freqüência do ponto central.
? O limiar varia também de 1 a 7 e é o valor de freqüência acima do
qual o ponto central é modificado.
{ Por exemplo, para a janela de uma imagem classificada será avaliado o
"pixel" central pertencente à classe 2 . Considera-se um peso e um limiar
iguais a 3.
V V V
V V V
V V V
{ Obtém-se a seguinte freqüência de classes:

V V V V V
V V V V V
{
{ A tabela acima indica que a classe 1 ocorre uma vez; a classe 3 ocorre
três vezes e a classe 5, quatro vezes. A freqüência da classe 2 é
considerada 3, pelo fato do peso definido ser 3. O limiar igual a 3 fará
com que o ponto central (de classe 2) seja atribuído à classe 5, cuja
freqüência (4) é maior que o limiar definido.
{ A janela classificada com seus temas uniformizados torna -se:
V V V
V V V
V V V
{
{ A definição de peso e limiar dependerá da experiência do usuário e das
características da imagem classificada. Quanto menor o peso e menor o
limiar, maior o número de substituições que serão realizadas.
å å
ñ

{ Problemas de mistura ocorrem em imagens de Sensoriamento Remoto
devido à resolução espacial dos sensores que permitem que um
elemento de cena (correspondente a um pixel da imagem) inclua mais
de um tipo de cobertura do terreno. Quando um sensor observa a c ena,
a radiância detectada é a integração, denominada mistura, de todos os
objetos, denominados componentes da mistura, contidos no elemento
de cena.V
{ O problema de mistura pode ser contornado por:
? Substituição de métodos convencionais de classificação de
imagens no cálculo de área total por tema (classe) em uma cena,
uma vez que as estimativas baseadas nestes métodos são
prejudicadas pela mistura de classes nas fronteiras entre os
diferentes alvos, como na fronteira entre pastagem e cultura.
? Geração de imagens sintéticas representando proporções de
cada componente da mistura dentro dos pixels, isto é, o número
de bandas originais é reduzido para o número de componentes
do modelo de mistura. Em uma área de reflorestamento pode -se
gerar três bandas sintéticas, uma representando a proporção de
vegetação, outra de solo e a terceira de sombra em cada pixel da
imagem.
{ O utiliza o processo de geração de imagens para tratar o
problema de mistura.
ñ V
{ Modelo no qual o valor do p ixel em qualquer banda espectral é

considerado como a combinação linear da resposta de cada
componente dentro do pixel. O modelo pode ser expresso como:
r1 = a11 x1 + a12 x2 + ... + a 1n xn + e1
r2 = a21x1 + a22 x2 + ... + a2nxn + e2
...
rm = a m1x1 + am2 x2 + ... + a 2n xn + em
isto é,
(1)
i = 1,..., m (número de bandas)
j = 1, ..., n (número de componentes)
n <= m
onde:V
{ ri : reflectância espectral na i ésima banda espectral de um pixel (i.e., valor
do pixel na banda i, convertido para valor de re flectância).
{ aij : reflectância espectral conhecida do j ésimo componente na i ésima banda
espectral.
{ xj : valor a ser estimado de proporção do j ésimo componente dentro do
pixel; e
{ ei : erro de estimação para a i ésima banda espectral.
{ As estimativas dos xj estão sujeitas a seguintes restrições:
(2)
0 <= xj <= 1 (3)
{ Estas restrições são impostas pois os xj representam proporções de

área dentro de um elemento de cena. No entanto, a restrição (3) é
opcional, como será descrito nas próximas sessões.
" V
{ A escolha da assinatura espectral dos elementos considerados como

componentes da mistura é crítica para a estimativa correta das
proporções e podem ser obtidos de bibliotecas de curvas espectrais ou
na própria imagem, através de pixels puros. Quando os valores da
assinatura espectral são valores de reflectância de bibliotecas de curvas
espectrais, deve-se converter a imagem original para valores de
reflectância. Se os valores de assinatura espectra l são obtidos na
própria imagem não é necessário realizar a conversão. V
$%V
{ Por seleção das proporções de modo que a combinação das assinaturas

espectrais dos componentes seja a melhor aproximação do valor do
pixel observado. Baseiam-se no critério dos Mínimos Quadrados, cujo
objetivo é estimar as proporções xj minimizando a soma dos quadrados
dos erros ei, sujeito a restrição dada pela equação (2) e, opcionalmente,
sujeito à equação (3). Os seguintes métodos estão disponíveis: V
? å u

8 : o método mais simples e
rápido, aplicável quando o número de componente s é igual a três.
A restrição (3) pode ou não ser aplicada.
? å u

: método mais geral, que busca
a solução iterativamente, procurando atender as restrições (2) e
(3). Opcionalmente, a restrição (3) pode não ser aplicada,
tornando-se neste caso muito semelhante ao método abaixo.
? #

å u

: este método diminui o
número de equações no sistema aplicando uma transformação de
principais componentes, seguida do método de estima ção por
Mínimos Quadrados. Apresenta como vantagem a rapidez
computacional quando o número de componentes difere de três.
No entanto, a restrição (3) não pode ser aplicada.
{ Os resultados obtidos por estes métodos são similares, portanto a
escolha do método mais adequado deve basear-se no número de
componentes da mistura e na decisão sobre a aplicação da restrição (3).
" $% V
{ Sobre as proporções xj obtidas, n (número de componentes) bandas de

proporção são geradas. Os valores atribuídos aos pixels destas imagens
dependem da aplicação ou não da restrição (3), como descrito a seguir: V
? å 3 @ (3): os valores dos pixels nas n
bandas são obtidos pela multiplicação das proporções xj em cada
pixel pelo fator de escala 255.
? å 3 @ (3): os valores de proporção no
intervalo zero a um, isto é, com significado físico, são
escalonados para o intervalo 100 a 200. Pixels com valores de
proporção negativos, recebem o valor 0. Pixels com valo res de
proporção maiores do que um, recebem o valor 255.
ñ V
{ Os indicadores de erro auxiliam a análise da adequação do modelo de

mistura a uma determinada cena. Para cada pixel da imagem, após
estimadas as proporções, é possível calcular o erro de estimação para
cada banda. Para cada banda i, o termo de erro ei é dado por:
(4)V
{ Tomando estes valores de erro por pixel, podem ser calculados o erro
médio por banda e total. Adicionalmente, é possível g erar as
denominadas imagens de erro, que apresentam a distribuição espacial
dos erros. Os valores destas imagens são obtidos pela multiplicação do
valor absoluto dos ei pelo fator de escala 255. Normalmente, os valores
de erro são muito baixos, portanto su gere-se a aplicação de realce de
contraste nestas imagens para facilitar a visualização da distribuição
espacial dos erros.
! V
{ Áreas florestais são formadas por três componentes: a copa das

árvores, solo e sombra. A imagem formada pela proporção de sombra
em cada pixel é indicadora de variações na estrutura da floresta, isto é,
a proporção estimada de sombra indica variações na idade, tipo e forma
das copas das árvores.V
{ Método alternativo para técnicas convencionai s de redução do espaço
de atributos, tanto como entrada para métodos de classificação, como
para fins de Interpretação Visual. Neste caso, o modelo de mistura
apresenta como vantagem o fato de que as informações contidas nas
imagens geradas representam con ceitos físicos, isto é, as proporções
dos componentes, mais facilmente assimiláveis do que a assinatura
espectral dos alvos.

ñ
{ O termo Radar ("Radio DetectionAndRanging ") tem sido utilizado de

forma genérica para classificar os sistemas que operam na faixa de
freqüência de microondas e foram utilizados inicialmente para fins
militares durante a Segunda Guerra Mundial e posteriormente para fins
civis a partir da década de 70.V
5 ! V
{ Porque a região espectral de operação permite a alta transmissão das

ondas eletromagnéticas na atmosfera independente da iluminação solar,
mesmo quando a atmosfera se apresenta nublada ou durante
precipitações, podendo assim gerar imagens sob as condições mais
adversas. A transmissão das ondas eletromagnéticas por um meio é
diretamente proporcional ao comprimento de onda, desta forma quanto
menor a freqüência do radar maior será a sua penetração. V
Percentual de transmissão at ravés da atmosfera terrestre para uma

porção do espectro eletromagnético.
Fonte: Curlanderet al. (1991), p.5.
{ A extensão da penetração depende da umidade, da densidade da
vegetação, bem como do comprimento de onda. Assim comprimento de
onda menores interagem com as camadas superficiais da vegetação e
os comprimentos de onda mais longos com as camadas inferiores da
vegetação, podendo em alguns casos, até mesmo interagir com o solo
ou mesmo com o subsolo.
Penetração de sinais de Radar em vegetação.

Fonte: Ulabyet al. (1981a), p.4.
{ Enquanto que na faixa do espectro ótico a interação ocorre a nível de

ressonância molecular na superfície de contato, em microondas a
resposta é condicionada a geometria e as profundidades das grandezas
dielétricas da superfície.
{ A combinação por sua vez de imagens por microondas e do espectro
ótico permite uma maior compreensão dos alvos por inferir diferentes
propriedades dos mesmos.
u 'V
{ Os sistemas de radar podem ser agrupados em imageadores e não

imageadores. Os imageadores compreendem os sistemas de antena
rotatória, os radares de visada lateral de abertura real (SLAR) e os
radares de visada lateral de abertura sintética (SAR). Entre os não
imageadores destacam-se os escaterômetros, os espectrômetros e os
altímetros.V
{ SLAR-RAR (Radares de Visada Lateral de Abertura Real) foram os
primeiros sistemas imageadores por microondas, os quais foram
utilizados durante a II Guerra Mundial como auxiliares a bombardeiros
noturnos.
{ O SLAR possui uma antena que ilum ina lateralmente os alvos com um
feixe que é amplo verticalmente e estreito horizontalmente. A varredura
de geração da imagem é produzida pelo próprio movimento da aeronave
durante a passagem sobre a área a ser recoberta. Este radar apresenta
o inconveniente de possuir a resolução azimutal diretamente
proporcional à distância entre a antena e o alvo imageado, e
inversamente proporcional ao comprimento de onda da antena utilizada
no imageamento. Desta forma, para se obter uma melhor resolução
azimutal, ou se diminuía a distância entre o radar e o alvo, ou se
aumentava o comprimento da antena.
{ O Radar de Abertura Sintética (SAR), desenvolvido na década de 50,
resolve os problemas do SLAR, uma vez que a resolução azimutal deste
sistema independe da distância entre o radar e o alvo. A utilização para
uso civil iniciou-se na década de 70 , quando alguns programas foram
realizados , utilizando-se imagens de radar a bordo de aeronaves.
{ A utilização de radar a nível orbital iniciou -se com o lançamento do
SEASAT em 1978, e com base em seus dados, a NASA iniciou o
Programa SIR ("ShuttleImaging Radar"), que consistiria de uma série de
vôos de curta duração. Dentro deste programa foram lançados o SIR -A
e o SIR-B em 1981 e 1984 e o SIR-C em 1994. Missões mais longas
iniciaram-se com o lançamento do ALMAZ-1 em 1981, ALMAZ-2 em
1991, ERS-1 em 1991 e JERS-1 em 1992, ERS-2 em 1995 e o
RADARSAT em 1995.
u $% 5 " V
{ Geologia:V
? Análise de estruturas geológicas (fraturas, falhas, dobras e
foliações); litotipos, geomorfologia (relevo e solos) e hidrografia
para pesquisa de recursos minerais;
? Avaliação do potencial dos recursos hídricos superficiais e
subterrâneos;
? Identificação de áreas para prospeção mineral.
{ Agricultura:
? Planejamento e monitorização agrícola;
? Identificação, mapeamento e fiscalização de culturas agrícolas;
? Determinação relativa da umidade de solos; eficiência de
sistemas de irrigação.
{ Cartografia:
? Levantamento planimétrico (escalas 1:20.000 a 1:50.000);
? Levantamento altimétrico (interferometria).
{ Florestas:
? Gerenciamento e planejamento de florestas;
? Determinação de grandes classes de florestas;
? Identificação da ação de determinadas doenças;
? mapeamento de desfloresta mento;
? Identificação de áreas de corte seletivo;
? Estimativa de biomassa.
{ Gelo e neve:
? Mapeamento/classificação de gelo;
? Monitoramento de degelo -inundações.
{ Hidrologia:
? Gerenciamento e planejamento dos recursos hídricos;
? Detecção de umidade do solo;
? Interpretação de parâmetros hidrológicos: transmissividade,
direção de fluxo, permeabilidade, vazão, etc;
{ Meio Ambiente:
? Planejamento e monitorização ambiental;
? Identificação, avaliação e monitorização de recursos hídricos e
dos processos físicos do meio ambiente (assoreamentos, erosão,
escorregamentos, etc);
? Identificação e análise da degradação causadas por mineração,
deposição de resíduos, ação antrópica etc;
? Identificação, análise e monitorização de riscos ambientais.
{ Oceanografia:
? Monitorização do estado do mar, correntes, frentes de vento;
? Espectro de ondas para modelos numéricos de previsão;
? Mapeamento de topografia submarina (condições específicas);
? Poluição marinha causada por derrames de óleo e filmes;
? Detecção de barcos - pesca ilegal;
? Apoio para estabelecimento de rotas marítimas.
{ Uso da Terra:
? Planejamento do uso da terra;
? Classificação de solos;
? Classificação do uso da terra;
? Inventário, monitoramento ("changedetection"), planejamento;
? Padrões de irrigação/déficit hídrico;
? Salinização de solos.
V
{ A geometria básica de um sistema de imageamento por Radar de

Abertura Sintética é mostrado abaixo. Nesse sistema, a plataforma
(avião ou satélite) com o sensor SAR se desloca a uma velocidade V em
relação ao solo, a uma altura H, apontando a antena lateralmente com
um ângulo em relação ao nadir.V
Geometria do sistema SAR
{ A medida que a plataforma se desloca o transmissor envia pulsos de

largura Tp a intervalos regulares de T segundos.
Pulso transmitido
{ O pulso transmitido é modulado linearmente em freqüência (conhecido

como "chirp"), com uma variação de freqüência entre um valor
mínimo e um valor máximo . Esta variação de freqüência é
conhecida como largura de banda do pulso, , e determina a
resolução na direção perpendicular ao vôo (range). Para entender
melhor o que ocorre em um sistema de imageamento SAR, utiliza -se
como modelo o comportamento de um alvo pontual, desde a sua
entrada até a saída do campo visual da antena. A figura abaixo mostra o
imageamento de um ponto P, desde a sua entrada no campo visual da
antena, no instante , até sua saída no instante . No intervalo de
tempo o radar envia um certo número N de pulsos, dessa
maneira coleta-se N amostras do eco do ponto P nesse intervalo. Estas
amostras são armazenadas em algum dispositivo de memória. Durante
o intervalo a plataforma SAR se desloca V. metros, que
é conhecido como o comprimento da "Abertura Sintética".
Intervalo da abertura sintética
{ O eco recebido de dada pulso enviado, sofre uma variação de

freqüência devido a velocidade V da plataforma. Essa variação é
conhecida como efeito Doppler. A variação de freqüência no
intervalo te até ts é conhecida como largura de banda Doppler, BD.
{ As variações de freqüência Bp e BD influenciam diretamente nas
resoluções de "range" e azimute respectivamente, quanto maiores,
menores são as resoluções.
{ Os dados (ecos) adquiridos no sistema SAR necessitam de
processamento para que seja gerada uma imagem correspondente a
esses dados. No passado esse processamento era feito por sistema
ótico, pouco flexível, impreciso e caro. Com o desen volvimento de
computadores cada vez mais rápidos, foi possível gerar imagens SAR
digitais mais precisas, através de algoritmos apropriados.
{ Processamento "Multi-Look" consiste em dividir a abertura sintética em
visadas (looks).
Figura 5.6 - Exemplo de "multi-look", no. "looks"= 3.
{ A imagem final é composta pela média das imagens de cada "look",

geradas separadamente. Assume -se que as imagens de cada "look"
sejam estatisticamente independentes entre si. Esta técnica aumenta a
relação sinal-ruído da imagem final, proporcional a raiz quadrada do
número de "looks", diminuindo o efeito do ruído Speckle.
{ O processamento "multi-look" provoca uma degradação na resolução
em azimute, uma vez que as imagens de cada "look" possuem uma
largura de banda menor que a largura total BD, ou seja:
onde "nl" é igual ao número de "looks".
{ A resolução em azimute nesse caso torna -se "nl" vezes menor que a
imagem de apenas um "look".
) V
{ As imagens geradas de 1 "look" são fornecidas no forma to "complexo",

para que seja possível o conhecimento da fase de cada pixel da
imagem. A figura mostra a representação do pixel no formato complexo,
onde Uq e Ui são as componentes real e imaginária respectivamente, A
é o módulo do número complexo represent ando a amplitude do pixel
e a fase do pixel complexo. Em geral as componentes Uq e Ui são
codificadas em 16 bits, fazendo com que um pixel complexo necessite
de 32 bits para sua representação. V
Representação do pixel no formato complexo
{ As imagens "multi-look" normalmente são representas em imagens de

Amplitute, ou seja:
{ As imagens de Amplitude são também conhecidas como imagens

detectadas linearmente. Para esse tipo de imagens, em geral se utiliza
um representação de 16 ou 8 bits por pixel.
{ As imagens também podem ser representadas em Intensidade, ou seja:
{ As imagens de Intensidades são de detecção quadrática e necessitam

em geral de 32 bits para a representação de cada pixel.
u $% ' V
{ A qualidade radiométrica do dado SAR é afetada por fatores inerentes

ao instrumento, bem como à geometria de iluminação. As duas
principais causas de distorções radiométricas que prejudicam a
interpretação das imagens de radar são: o ruído "speckle" e o efeito do
padrão da antena.V
u $% ' V
{ O Speckle é um ruído multiplicativo proporcional a intensidade do sinal

recebido. O efeito visual deste ruído proporciona uma textura granulosa
que pode dificultar a interpretação da s imagens de radar, reduzindo a
separabilidade entre os objetos da cena. V
{ Existem dois métodos para se diminuir o ruído Speckle: a filtragem e o
processamento "multi-look". Os filtros devem manter o valor médio do
retorno do radar (backscatter), preservar a s bordas presentes na
imagem e as informações de textura.
{ O ruído Speckle está sempre associado a sistemas de imageamento
coerente, tais como os obtidos por microondas, laser e ultra -sonografia.
Considera-se que em uma célula de resolução de uma cena image ada,
existam um número muito grande de elementos difusores,
aleatoriamente distribuídos, de tal forma que esses elementos podem
interferir uns aos outros construtivamente e destrutivamente, fazendo
aparecer variações súbitas na intensidade da imagem, carac terizando o
ruído Speckle.
Célula de resolução e o "backscatter" resultante
{ Muitos filtros espaciais tem sido desenvolvidos para a redução do ruído

Speckle e para o aumento da relação sinal -ruído, objetivando uma
melhoria na separabilidade entre os alvos da superfície, com a mínima
perda de informação.
? [Frost-1982]: é um filtro convolucional linear,
derivado da minimização do erro médio quadrático sobre o
modelo multiplicativo do ruído. Neste filtro incorpora -se a
dependência estatistica do sinal original, uma vez que se supõe
uma função de correlação espacial exponencial entre pixels. É um
filtro adaptativo que preserva a estrutura de bordas.
? $ [Lee-1981]: adota um modelo multiplicativo para o
ruído e obedece o critério de "local linear
minimummeansquareerror". Local, porque utiliza estatísticas
locais do pixel a ser filtrado, admitindo a não estacionaridade da
média e da variância do sinal. É um filtro linear porque realiza
uma linearização por expansão em série de Taylor da
multiplicação do sinal e o ruído em torno da média, utilizando
apenas os termos lineares. O resultado da linearização
transforma o modelo multiplicativo do ruído em aditivo, ou seja, o
ruído e o sinal tornam-se independentes; e, finalmente,
"minimummeansquareerror", porque minimiza o erro médio
quadrático através do filtro de Wiener (filtro baseado no critério de
mínimo erro médio quadrático) . O filtro de Lee é um filtro
adaptativo e geral.
? A
&
)
[Kuanet al.-1982]: adota o modelo
multiplicativo. O procedimento é semelhante àquele de Lee, onde
a estimação ponto a ponto é feita utilizando -se o filtro de Wiener.
A diferença estre eles, entretanto, consiste no fato de que no filtro
de Kuan/Nathan não se realiza nenhuma aproximação . É tambem
um filtro adaptativo e geral.
{ A Figura 5.9 mostra a imagem original (ERS -1, 8 "looks") e as
correspondentes imagens filtradas, utilizando os seguintes filtros: Filtro
de média 5x5, Filtro de Frostadaptadivo, Filtro de mediana, Filtro de Lee
fixo e Filtro de Kuan fixo (janela = 3).
Imagem original (ERS-1, 8 "looks") e as correspondentes imagens

filtradas, utilizando: Filtro de média 5x5, Filtro de Frost adaptativo, Filtro
de mediana, Filtro de Lee fixo e Filtro de Kuan fixo (janela = 3).
{ Medidas quantitativas realizadas nos filtros testados, mostraram que os

filtros de Lee, Kuan, Frost e de Média preservam o valor médio da
imagem. Os filtros não específicos para ruído Speckle, Média e
Mediana, apresentam uma considerável redução no desvio padrão,
implicando em uma grande perda de informação (perda de resolução). O
filtro de Frost apresentou a máxima preservação de textura e uma menor
perda de informação.
{ A utilização de um determinado filtro é dependente da aplicação
desejada. Para uma dete rminada aplicação, se o fator mais importante
for:
? Relação sinal-ruído - Filtro de Média.
? Mínima perda de resolução - Filtro de Frost.
? Relação sinal-ruído e mínima perda de resolução - Filtro de Frost.
ñ V
{ As variações de baixa freqüência no brilho das imagens na direção de

"range" são causados pela perda de potência relacionada com a
geometria de visada lateral, que decai com no caso das imagens
SAR, onde R é a distância entre a antena e um dado ponto na imagem.V
{ Esse problema é mais acentuado em imagens adquiridas por avião, pois
a razão entre o Rmin (inicio da faixa imageada) e Rmax (fim da faixa) é
bem menor em relação das imagens adquiridas por satélites, onde a
razão é praticamente 1.
Variação do "range" para aeronave e satélite
{ Esta perda de potência é corrigida no instante da aquisição de cada

pulso, através do STC (Sensitivity Time Control) , visando a correção do
decaimento da potência. Devido a imperfeição no sistema STC ou outras
perturbações da eletrônica do radar (variação do ganho do amplificador
durante o tempo de aquisição do eco), mecânicas ou elétrica, a correção
não é perfeita, permanecendo alguma variação residual.
{ O algoritmo para correção do padrão de antena consiste em gerar um
Padrão através da média das colunas da imagem. A média das colunas
devem ser tomadas em regiões (janelas) tão homogêneas quanto
possíveis. Deve-se garantir que exista a média em toda a direção de
"range".
{ O Padrão obtido através da média das colunas deve ser filtrado
(ajustado) para que se obtenha somente as variações de baixa
freqüência.
{ Dois métodos podem ser utilizados na filtragem (ajuste). O primeiro
método é o da média móvel, que consiste em filtrar o Padrão através de
um filtro de média, onde o número de pontos da média é definido pelo
tamanho da janela da interface. O segundo método é o ajuste por
polinômio, onde o grau do polinômio é selecionado através da interface.
{ Após a filtragem do Padrão, a im agem pode ser corrigida. Um dos
métodos de correção é o multiplicativo, que consiste em multiplicar o
valor do pixel sendo processado, V(i,j), por um fator dado pela razão
entre o valor médio do Padrão, P e o valor do Padrão ajustado, P(j), ou
seja:
onde j é o índice de coluna da imagem (direção de "range").
A Figura 5.11 apresenta.
(a)
(b)
Imagem original (a) (imagem do sistema SAR -580 do Rio Tapajós obtida
durante a missão SAREX-1992), e a corrigida (b).
Padrão original com flutuações de alta freqüência e ajustado (polinômio
de grau 8) para retirar as flutuações.
u $% V
{ As distorções geométricas são induzidas pela variação da elevação na

superfície ou pela mudança de atitude da plataforma (velocidade,
direção e altitude). A variação da elevação na superfície resulta em
distorções conhecidas como encurtamento de rampa (foreshortening),
inversão (layover) e sombra.V
{ O "layover" acontece quando o topo de um alvo é imageado antes da
base, causando inversão do terreno, com as partes altas mapeadas
como baixas e vice-versa. Este efeito é sempre mais intenso quando se
tem ângulos de incidência pequenos, como é o caso de sistemas orbitais
em geral.
Imagem com efeito "layover", caracterizado pelas faixas de cor branca.

{ O "foreshortening" ocorre quando a área imageada possui relevo
pronunciado. Neste caso as encostas voltadas para o nadir apresentam -
se mais curtas.
{ As correções destes efeitos requerem processamento adicionais, po is

necessitam da informação do Modelo Numérico de Terreno (MNT).
ñ

V
{ É necessária devido a visada lateral do radar. A visada lateral faz com

que a imagem obtida tenha uma projeção inclinada em relação ao solo
provocando uma compressão da imagem. Esta compressão varia ao
longo da faixa imageada, quanto mais próximo os pixels da imagem
estiverem do nadir, mais comprimidos estes serão. A conversão da
imagem da projeção inclinada para a projeção no solo é chamada de
conversão "slanttoground range". V
{ A imagem "slant" (na projeção inclinada) esta relacionada com o modo
de aquisição em radares de visada lateral.
Amostragem do eco recebido a intervalos Ta
{ O processo de amostragem faz com que a informação contida em cada

intervalo Ta, não tenha a mesma área para as amostras situadas no
"range" próximo em relação as do "range" distante, devido a variação do
ângulo de incidência .
Imagemem "Slant" e "Ground Range"
{ A imagem formada é chamada de "inclinada" ou em "slant range". Essa

imagem possui uma distorção geométrica, pois as amostras SR
igualmente espaçadas na faixa imageada não são igualmente
espaçados no chão, GR. Para que a imagem possa ser registrada e
geocodificada, as amostras no chão devem ser igualmente espaçadas,
para tanto necessita-se converter a imagem de "slant" para "ground
range".
{ A conversão consiste em projetar as amostras (pixels) no chão e depois
reamostrá-las com um espaçamento uniforme. Para se fazer a
conversão são utilizados parâmetros referentes a geometria do SAR
como a altura do vôo, distância mínima (distância entre o sensor e o
primeiro pixel), tempo mínimo (tempo registrado entre o sensor e o
primeiro pixel). Estes parâmetros em geral estão presentes no
cabeçalho da imagem selecionada. Caso não estejam, devem -se
preencher os campos da

e da 4

ou
do 4 6
ou do . Qualquer um
dos três últimos parâmetros é suficiente para a conversão.
{ Outra informação que deve ser considerada é a posição do
imageamento do lado esquerdo ou direito, que pode ser identificado
através de sombras na imagem provocada pela visada lateral do SAR.
{ Para reamostrar a imagem inclinada a fim de se obter uma amostragem
uniforme no solo, podem ser utilizadas três tipos de interpoladores, ou
seja:
? 2)
: - Este interpolador deve ser usado
quando se deseja manter os valores dos níveis de cinza da
imagem sem gerar valores intermediários, este interpolador
preserva as estatísticas da imagem.
? $
- interpola através de uma reta.
? ># - interpola através de uma parábola.
{ A relação entre a resolução em "slant r ange", , e em "ground

range", , depende do ângulo de incidência , da seguinte forma:
{ A conversão ideal é aquela que leva em conta o modelo numérico do

terreno (MNT), possibilitando a correção das distorções provocada pelos
efeitos de inversão (layover), sombra e encurtamento.
{ Em geral, nem sempre o MNT correspondente a imagem é disponível.
Imagens obtidas por plataformas aerotransportadas, de regiões não
montanhosas, são em geral convertidas para "ground range" supondo-
se a terra plana. Nesse tipo de imagem o ângulo de incidência é alto
devido a baixa altitude da plataforma, com isso, o efeito "layover"
praticamente não existe, existindo apenas o problema de sombra se a
região for montanhosa.
A Figura 5.17 mostra uma imagem em "slant range" (a) do Rio Tapajós
obtida pelo sistema SAR-580 durante a missão SAREX (1992), e sua
correspondente em "ground range" (b). Nota -se que o lado direito da
imagem (a),"range" próximo, esta mais comprimido que a da imagem
(b), devido a amostragem não uniforme do terreno.
(a)
("range" distante) -------------------- ("range" próximo)
(b)
Imagem em "slant range" (a) do Rio Tapajós obtida pelo sistema SAR -
580 durante a missão SAREX (1992), e sua correspondente em "ground
range" (b).
{ Nota-se que o lado direito da imagem (a),"range" próximo, esta mais

comprimido que a da imagem (b), devido a amostragem não uniforme do
terreno.

c

u
{ Mapa temático:V
? Contém regiões geograficamente definidas por um ou mais
polígonos como os cartografados em mapas de uso do solo e de
vegetação. As informações qualitativas são sobre um único tema
obtidos, ou a partir de levantamentos de campo e p osteriormente
inseridos no sistema por digitalização ou a partir da classificação
automática de imagens.
? Associado a uma categoria do modelo temático, onde o processo
de modelagem espacial é definido por geocampos, representados
por áreas homogêneas com limites definidos (polígonos). Cada
área de um geocampo está associada a um e somente um valor
de variável espacial representada. Por exemplo, em um mapa de
solo, cada posição do espaço está associado a um tipo específico
de solo.
{ Mapa Cadastral:
? Distingue-se de um mapa temático por não possuir temas e
considerar seus elementos como objetos geográficos que
possuem atributos e podem estar representados em vários mapas
de diferentes escalas e projeções. Por exemplo, os lotes de uma
cidade são elementos do espaço geográfico que possuem
atributos (dono, localização, IPTU, etc.) e que podem ter
representações gráficas em mapas de escalas distintas.
? Associado a categoria do modelo cadastral, onde o processo de
modelagem espacial é definido por objetos geográficos. O s
objetos têm existência independente de sua representação num
mapa e são usualmente criados a partir de seus atributos e só
depois localizados no espaço. Por exemplo, a classe de objeto de
um mapa cadastral indicada por hospital pode estar especializada
em hospital público e hospital privado e os atributos da classe
hospital são herdados pela subclasses hospital público e hospital
privado, que podem ter atributos próprios.
? De forma similar ao mapa temático, no mapa cadastral a
representação dos dados usualmente se apresentam na forma
vetorial e utiliza a topologia arco -nó-polígono para
armazenamento dos dados.
{ Mapa de Rede:
? Mapa que utiliza a topologia arco -nó e armazena a localização e a
simbologia associadas à estruturas linearmente conectadas. Pode
ser associado à informações referentes à:
o Serviço de utilidade pública, água, luz e telefone;
o Redes de drenagem (bacias hidrográficas);
o Rodovias.
? Este mapa deverá estar associado a categoria do modelo e
similarmente ao modelo cadastral, o processo de modelagem
espacial é definido por objetos geográficos rede. Cada objeto
geográfico do mapa de rede (ex. cabo telefônico, transformador
de rede elétrica, cano de água) possui uma localização geográfica
exata e está sempre associado a atributos descritivos, presentes
no banco de dados.
? As informações gráficas de redes são armazenadas em
coordenadas vetoriais, com topologia arco -nó e podem conter
atributos. Os atributos de arcos, indicam o sentido de fluxo
enquanto os atributos dos nós indicam a impedância (custo de
percorrimento). A topologia de redes constitui um grafo, que
armazena informações sobre recursos que fluem entre
localizações geográficas distintas. Para citar um exemplo, tome -
se uma rede elétrica , que tem entre os componentes: postes,
transformadores, subestações, linhas de transmissão e chaves.
As linhas de transmissão serão representadas topologicamente
como os arcos de um grafo orientado, estando as demais
informações concentradas em seus nós.
{ Modelos Numéricos de Terreno:
? Representação matemática da distribuição espacial de uma
determinada característica vinculada a uma superfície real.
? Associado a uma categoria do modelo numérico, onde o processo
de modelagem espacial é definido por geocampos, assim para
uma dada área geográfica , um geocampo numérico associa, a
cada ponto do espaço, um valor real.
? Uma mapa de MNT pode ser armazenado na forma vetorial ou
matricial. Na representação vetorial a topologia pode ser do tipo
arco-nó, com arcos que se conectam entre si através de nós
(ponto inicial e final) ou Grade Triangular (TIN), onde os arcos se
conectam através de pontos formando uma malha triangular. A
representação matricial é do tipo grande retangular, na qual uma
área é dividida em células de tamanho fixo e cada célula tem o
valor as superfície.
u " V
{ =)

(ou polígonos) são os elementos que permitem
a estrutura vetorial representar os dados da forma mais precisa uma vez
que suas coordenadas geográficas estão em um espaço contínuo e
possibilitam descrição exata de posição, tamanho e dimensão. V
ñ V
{ Definido para toda entidade geográfica que pode ser localizada por um
par de coordenadas xy, é utilizada para representar a localização de um
fenômeno geográfico, ou para representar uma feição do mapa que é
muito pequena para ser mostrada como uma área ou linha. Exemplos:
localização de uma cidade, uma pista de pouso, o pico de uma
montanha ou um ponto cotado (quando este além das coordenad as XY,
tem-se um atributo Z, que pode ser a cota altimétrica ou outro parâmetro
qualquer).V
ñ 6 V
{ Definida por no mínimo dois pares de coordenadas xy (dois pontos) é

utilizada para representar feições do mapa que são muito estreitas para
serem mostradas como área ou que teoricamente não têm espessura.
Exemplos: um rio, uma rodovia, linha de costa de um continente, uma
linha de contorno ou um limite adm inistrativo.V
{ Quando uma linha passa a ter um atributo Z qualquer, além das
coordenadas XY dos pontos que a constitui, é chamada de isolinha. Ao
longo de uma isolinha todos os pontos têm o mesmo valor de Z.
ñ V
{ Definidas como série de coordenadas (x,y), formando segmentos de

linhas que fecham uma área e freqüentemente representam -se
elementos de área por polígonos. Exemplos: extensão geográfica de
uma cidade, um lago, uma área desmatada. V
ñ $% V
{ Os três elementos básicos são traduzidos em objetos geográficos com

representações conhecidas como :==£=)
=
)
=$)

. Dependendo dos objetos
geográficos que serão representados nos mapas, os pontos
correspondem à arcos, nós, linhas poligonais, polígonos ou ilhas. V
ñ V
{ Conjunto de pontos interligados por segmentos de reta que começa e

termina em um :. Exemplos:V
{ £ são usados para modelar as fronteiras

dos delimitando objetos que definem áreas.
{ Um : é um tipo especial de ponto que tem por objetivo definir o ponto
de interseção de dois ou mais arcos. Dois polígonos adjacentes podem
compartilhar o mesmo arco, desde que a interseção das linhas seja
delimitada pela presença de um nó.
ñ 6 V
{ Tipo especial de polígono delimitado por um único arco, apenas um nó

define o ponto inicial e final do polígono, uma vez que não há polígonos
adjacentes. V
ñ 6 V
{ Ou polígono aberto, é formado por um conjunto de pontos interligados

por segmentos de reta que começam e terminam em um nó. Ao
contrário de um arco uma linha poligonal não define uma área
(polígono). Utilizada para modelar feições lineares como linhas que
representam fraturas geológicas, rios, estradas, e outros elementos
geográficos que possam ser observados como feições lineares. V
{ A linha poligonal é utilizada quando o ponto de interseção das linhas não

deve ser modelada, e então não há necessidade de se introduzir um nó.
ñ 6 V
{ Uma linha poligonal em que é atribuído um único valor Z.V

ñ V
{ Definida como a parte da matemática que estuda as propriedades

geométricas que não variam mediante uma deformação,
especificamente o relacionamento espacial entre os objetos, como por
exemplo proximidade e vizinhança. Formas e coordenadas dos objetos
são menos importantes que os elementos do modelo topológico como
conectividade, contiguidade e continência. A definição da topologia
explicita os relacionamentos espaciais entre os objetos através de um
processo matemático.V
{ A definição da topologia para um dado de modelo temático ou cadastral,
resulta na criação dos armazenando as informações das
linhas, nós e identificadores que os compõem, as linhas que são
compartilhadas por diferentes polígonos e as vizinhanças e
circunscrividade entre eles.
{ A topologia pode ser definida automaticamente durante a digitalização
se, ao digitalizar uma linha, um nó é inserido automaticamente quando
intercepta outra linha ou termina a própria. Uma vez defi nida a topologia,
cada polígono poderá então ser associado a uma classe temática, ou a
um objeto do mapa cadastral, ou ainda de um segmento de um rede.
$ V
{ O processo de edição de vetores consiste inicialmente em di gitalizar

linhas, corrigir ou
3
:, para então constitur .V
ñ ! $ V
{ A
2
é um processo que permite converter dados espaciais
do meio analógico para o digital permitindo a realização das operações
típicas de análise espacial. A digitalização das linhas pode ser por
passo, introduzindo ponto -a-ponto, ou em modo contínuo, seguindo a
feição com freqüência de pontos a serem adquiridos definida através de
um
c
2
.V
{
c
2
corresponde ao intervalo entre os pontos da
linha a ser digitada. O fator é dado normalmente em na escala do
mapa que está sendo editado e deve ser considerado o fato de a
precisão cartográfica de mapas é da ordem de 0.3mm da escala do
mapa. Assim, um fator de digitalização menor que este valor estará fora
do próprio limite de precisão do mapa.
{ Caso a definição de topologia seja

, cada vez que um arco
intercepta outro, um nó é automaticamente definido, sendo ideal para
digitalizar polígonos. Co m topologia

nós ou quebras de linha
devem ser explicitados pelo operador, sendo indicado para digitalizar
linhas que devem permanecer íntegros, mesma que outras a cruzem.
{ A digitalização pode ser realizada através de diferentes instrumentos,
como por exemplo mesa digitalizadora (o mais usual), dispositivos
imageadores por varredura ou monitor de vídeo (tela).
! $ V
{ A mesa digitalizadora é constituída basicamente de duas partes: V

? - uma superfície plana, sensível eletr onicamente, onde se coloca
o mapa ou o gráfico a ser digitalizado;
? - um "mouse", que envia as coordenadas (x,y) de um ponto na
superfície da mesa, para o computador.
{ O mouse da mesa digitalizadora tem a função de adquirir as

coordenadas xy, que serão relacionadas às coordenadas geográficas,
através de botões, que desempenham funções específicas para cada
objetivo. Em geral as seguintes operações estão disponíveis:
? £, pontos, ou seja, edita pontos e linhas com o botão
"select" (#/ ) do mouse do cursor.
? O botão "adjust" para de uma linha.
?
2
a digitalização manual dos dados.
! $ V
{ Linhas ou pontos do mapa podem ser digitalizados na própria tela,

utilizando-se o mouse do cursor para a definição dos objetos
geográficos, utilizando os botões do mouse do cursor: V
? O botão do mouse do cursor seleciona e edita linhas ou
seleciona, edita e move pontos.
? O botão
3 do mouse do cursor marca o fim de uma linha,
inserindo nós.
u 7 ! $ V

{ c
2
> : a representação do
formato de curvas depende do número de vértices utilizados.
Conseqüentemente, o erro relativo à digitalização de linhas retas é muito
menor que o resultante da digitalização de curvas complexas. V
{ A definição coerente do
c
2
pode minimizar este
erro, no entanto fatores muito pequenos produzem linhas com excesso
de pontos.
{ Alguns erros podem ser evitados e outros provocados a partir da
escolha da topologia

ou

, podendo ser classificados
quanto a estes procedimentos.
u V
{ : - em um polígono, toda linha que intercepta

outra linha deve ter associado um nó n otificando o ponto de interseção.
Neste caso deve-se inserir um ponto na linha que interceptada e
transformá-la em nó para que se possa as juntar linhas. V
{ 2
# : : na digitalização o polígono
fica aberto, ou uma linha não alcança ou ultrapassa o ponto de
interseção. Pode ser necessária a edição manual destes nós,
aproximando-os ou juntando as linhas.
u V

{

- como a linha será
automaticamente quebrada, uma pequena linha após o cruzamento
poderá ficar residente e deverá ser eliminada manualmente (opção
eliminar linhas).V
{
: na
digitalização, as linhas podem se sobrepor ou deixar uma lacuna entre
elas.
{ # - como não há nós inseridos o erro será apenas
detectado na geração de polígonos, devendo -se então corrigi-lo através
da edição manual.
{ $

- este erro não tem como ser detectado estando relacionado
com a acuidade do operador durante a digitalização.
{ 2
# : : na digitalização o polígono
fica aberto, ou uma linha não alcança (ou ultrapassa) o ponto de
interseção.
{
: na
digitalização, as linhas podem se sobrepor ou deixar uma lacuna entre
elas.
V
{ Define-se o formato matricial ou varredura (ou ainda "raster ") como um

conjunto de celas localizadas em coordenadas contíguas,
implementadas como uma matriz 2D. Cada célula é referenciada por
índices de linha e coluna e contém um número representando o tipo ou o
valor do atributo mapeado. Os valores de cada "pixel" estão limitados
num certo intervalo numérico, como por exemplo de 0 a 255 para
imagens em 8 bits, ou números associados à classes no caso de uma
imagem temática.V
u V

{ As representações matricial (ou varredura) e vetorial não são
exatamente equivalentes para um mesmo dado havendo perda de
precisão na transformação do formato vetorial para o formato de
varredura, uma vez que bordas contínuas são discretizadas de acordo
com a resolução da imagem de saída. Esta perda pode ser compensada
pelo fato de que as operações de análise geográfica no domínio
varredura serem mais eficientes.V
{ A representação vetorial é a mais adequada para identificar objetos,
individualizáveis no terreno, onde se req uer precisão. A representação
varredura por sua vez é mais adequada para fenômenos e grandezas
que variam continuamente no espaço.
<

V*
V <

V* V
: V
å)V )
VV

V
V # ) V >
V* V
V )
V
£
V
VV
V -
V
V V
VV- V
#

V
)
;
V £- V
-V-) V
£ !
V)V V V £ !
V)V) ! V V
08,V V
1 V 08,V V
1 V
a
V

V ) V >
V
V 9)
V V
V
V
*
V
5V
V )
V VV

V V
V"VV5 V a
5* V) V V

V
=5V
V
V VV
V
{ A conversão gera uma imagem em formato varredura (ou "raster") a

partir de dados representados vetorialmente. Dois casos devem ser
analisados: o elemento linear e o polígono. V
? A conversão para um elemento linear pode ser esquematizada
sobrepondo-se este a uma matriz varredura. Essa conversão
identifica os elementos da matriz que cruzam a linha e codifica -os
com atributos ou valores de classe associados à linha.
{ Para elementos poligonais define -se a área a ser convertida e o
tamanho do pixel, definindo um a grade que é sobreposta ao mapa de
polígono original. A cada pixel é associada uma classe, considerando o
centro do pixel e verificando em qual polígono este se encontra,
associando ao pixel, o valor de classe do polígono.
{ A conversão da representação vetorial para a varredura introduz

distorções na geometria original dos dados. Estas distorções aumentam
com o tamanho do pixel e com a complexidade das fronteiras entre
polígonos. Pixels localizados sobre uma fronteira (pixels mistos) serão
mapeados para a classe do polígono mais próximo. Quanto menor o
tamanho da célula ("pixel"), maior a fidelidade da imagem convertida.
V
{ A conversão da representação varredura para a vetorial deve extrair os

contornos dos objetos e as relações espaciais entre eles, tais como
vizinhança e pertinência entre polígonos, e conectividade entre arcos. V
{ A partir da imagem original, o algoritmo gera uma imagem binária
contendo apenas as fronteiras entre os objetos presentes.
{ As fronteiras são construídas entre os pixels: se a imagem original tem

tamanho nxn, onde n é o número de linhas e o número de colunas, a
imagem binária terá tamanho (2n + 1) x (2n + 1). Durante a conversão
da imagem para o formato binário, d etectam-se também os nós e, a
seguir, os contornos dos objetos são extraídos (vetorizados) da imagem
binária e suavizados para amenizar o "efeito de escada", característico
da representação por varredura.
{ Finalmente, os polígonos e as relações espaciais (v izinhança e
pertinência entre polígonos, e conectividade entre arcos) são
construídos.
£
As operações de consulta e manipulação de dados geográficos constituem a essência de um

SIG, ao diferenciar o Geoprocessamento de tecnologias como Cartografia Automatizada e
Projeto Auxiliado por Computador. O que distingue um SIG de outros tipos de sistemas de
informação são aquelas funções que possibilitam a realização de análises espaciais
(geográficas). Tais funções utilizam os atributos espaciais e não espaciais das entidades
gráficas armazenadas na base de dados espaciais; buscando fazer simulações (modelos)
sobre os fenômenos do mundo real, seus aspectos ou parâmetros.
O aspecto mais fundamental dos dados tratados em um SIG é a natureza dual da informação:
um dado geográfico possui uma localização geográfica (expressa como coordenadas em um
mapa) e atributos descritivos (que podem ser representados num banco de dados
convencional). Outro aspecto muito importante é que os dados geográficos não existem
sozinhos no espaço: tão importante quanto localizá-los é descobrir e representar as relações
entre os diversos dados. Alguns exemplos dos processos de análise espacial típicos de um
SIG estão apresentados na tabela abaixo.
EXEMPLOS DE ANÁLISE ESPACIAL V

V
£ V

V V
CondiçãoV O que está...?V Qual a população desta cidade ?V
LocalizaçãoV Onde está...?V Quais as áreas com declividade acima de 20%?V
TendênciaV O que mudou...?V Esta terra era produtiva há 5 anos atrás ?V
RoteamentoV Por onde ir.. ?V Qual o melhor caminho para o metrô ?V
PadrõesV Qual o padrão...?V Qual a distribuição da dengue em Fortaleza?V
ModelosV O que acontece se...?V Qual o impacto no clima se desmatarmos a Amazônia ?V
Um exemplo concreto sobre análise espacial realizado em 1854 na cidade de Londres, onde a
população estava sofrendo uma grave epidemia de cólera, doença sobre a qual na época não
se conhecia a forma de contaminação. Numa situação aonde já haviam ocorrido mais de 500
mortes, o Dr. John Snow teve um "estalo": colocar no mapa da cidade a localização dos
doentes de cólera e os poços de água (naquele tempo, a fonte principal de água dos habitantes
da cidade). O mapa obtido está mostrado na figura abaixo.
V
Figura - Mapa de Londres com casos de cólera (pontos) e poços de água (cruzes) (adaptado
de E. Tufte, 1983).
Com a espacialização dos dados, o Dr. Snow percebeu que a maioria dos casos estava
concentrada em torno do poço da "Broad Street" e ordenou a sua lacração, o que contribuiu em
muito para debelar a epidemia. Este caso forneceu evidência empírica para a hipótese (depois
comprovada) de que o cólera é transmitido por ingestão de água contaminada. Esta é uma
situação típica aonde a relação espacial entre os dados muito dificilmente seria inferida pela
simples listagem dos casos de cólera e dos poços. O mapa do Dr. Snow passou para a História
como um dos primeiros exemplos que ilustra bem o poder explicativo da análise espacial.
Numa visão geral, pode-se dividir as operações de análise espacial em três grandes grupos:V
{ Manipulação de +
: também chamadas de #

, operam
sobre mapas temáticos, imagens e modelos numéricos de terreno. Como exemplo,
podemos citar as operações booleanas sobre mapas temáticos.V
{ Consulta a +#3 : estas operações permitem a recuperação de geo-objetos que
satisfazem as restrições (espaciais ou convencionais). Como exemplo, tome-se a
consulta "recupere todos os terrenos vizinhos da casa da Dinda" ou "indique todas as
cidades da Bahia com mais de 50.000 habitantes".V
{ Conversão entre +
e +#3 : esta classe de operações realiza a
transformação entre geo-campos e geo-objetos. A geração de um mapa de distâncias
a partir de um ou mais geo-objetos para produzir um modelo de terreno com os valores
das distâncias aos pontos selecionados é um exemplo.V

@c
$
Um dos aspectos mais importantes do uso das geotecnologias é o potencial dos SIGs em
produzir novas informações a partir de um banco de dados geográficos. Tal capacidade é
fundamental para aplicações como ordenamento territorial e estudos de impacto ambiental,
caso em que a informação final deve ser deduzida e compilada a partir de levantamentos
básicos. Também é muito relevante em estudos sócio-econômicos, quando desejamos
estabelecer indicadores que permitam uma visão quantitativa da informação espacial.
Qual o grande desafio da produção de novas informações em um SIG ? A capacidade de

comparar e avaliar as diferentes possibilidades de geração de novos mapas. Como o SIG
oferece uma grande quantidade de funções de Álgebra de Mapas, nem sempre é facil escolher
qual a forma de combinação de dados mais adequada para nossos propósitos.
Neste contexto, é muito útil dispor de ferramentas de suporte à decisão, que nos ajudam a
organizar e estabelecer um modelo racional de combinação de dados. O SPRING dispõe de
uma ferramenta de apoio à tomada de decisões em Geoprocessamento, baseada na técnica
AHP ("Processo Analítico Hierárquico").
7 +
Decidir é escolher entre alternativas. Com base nesta visão, podemos encarar o processo de
manipulação de dados num sistema de informação geográfica como uma forma de produzir
diferentes hipóteses sobre o tema de estudo.
O conceito fundamental dos vários modelos de tomada de decisão é o de racionalidade. De

acordo com este princípio, indivíduos e organizações seguem um comportamento de escolha
entre alternativas, baseado em critérios objetivos de julgamento, cujo fundamento será
satisfazer um nível pre-estabelecido de aspirações.
O modelo racional de tomada de decisão preconiza quatro passos que devem ser seguidos
para uma escolha apropriada:V
{ Definição do problema: formular o problema como uma necessidade de chegar a um

novo estado.V
{ Busca de alternativas: estabelecer as diferentes alternativas (aqui consideradas como
as diferentes possíveis soluções do problema) e determinar um critério de avaliação.V
{ Avaliação de alternativas: cada alternativa de resposta é avaliada.V
{ Seleção de alternativas: as possíveis soluções são ordenadas, selecionando-se a mais
desejável ou agurpando-se as melhores para uma avaliação posterior.V
) ü )- + ) -
Quando temos diferentes fatores que contribuem para a nossa decisão, como fazer para
determinar a contribuição relativa de cada um ? Para abordar este problema, Thomas
Saatypropõs, em 1978, uma técnica de escolha baseada na lógica da comparação pareada.
Neste procedimento, os diferentes fatores que influenciam a tomada de decisão são
comparados dois-a-dois, e um critério de importância relativa é atribuído ao relacionamento
entre estes fatores, conforme uma escala pré-definida (veja tabela).
Escala de Valores AHP para Comparação PareadaV
V

c
V
4
V
Importância igual - os dois fatores contribuem igualmente para o
1V
objetivoV
Importância moderada - um fator é ligeiramente mais importante que o
3V
outroV
Importância essencial - um fator é claramente mais importante que o
5V
outroV
Importância demonstrada - Um fator é fortemente favorecido e sua
7V
maior relevância foi demonstrada na práticaV
Importância extrema - A evidência que diferencia os fatores é da maior
9V
ordem possível.V
Valores intermediários entre julgamentos - possibilidade de
2,4,6,8V
compromissos adicionaisV
A partir do estabelecimento de critérios de comparação para cada combinação de fatores, é
possivel determinar um conjunto ótimo de pesos que podem ser utilizados para a combinação
dos diferentes mapas.
7

Consideramos uma das situações mais comuns em SIG: classificar o espaço em áreas mais ou
menos adequadas para uma finalidade. Este problema ocorre em grande número de
aplicações, como zoneamento, prospecção mineral, e seleção de áreas para um novo
empreendimento comercial.
Tome-se, por exemplo, um estudo de preservação ambiental em áreas de encosta, para

estabelecer uma política de ocupação, associada a mapas de risco de desmoronamento e
impacto ambiental. Para tanto, vamos supor que dispomos de um mapa topográfico, da carta
geotécnica, e de um mapa de uso e ocupação do solo (obtido a partir de foto- interpretação ou
classificação digital de imagens de satélite).
O procedimento tradicional de análise baseia-se no princípio de ³interseção de conjuntos

espaciais de mesma ordem de grandeza´ (Yves Lacoste) e está baseada em condicionantes
(³risco máximo ocorre em áreas cuja declividade é maior que 10%, não são áreas de
preservação ambiental, e o tipo de terreno é inadequado´). A transposição deste metodologia
analógica para o ambiente de SIG requer o uso de operações booleanas (OU, E, NÃO) para
expressar as diferentes condições. Esta técnica utiliza o computador como mera ferramenta
automatizada de desenho, ignorando todo o potencial de processamento numérico do SIG, e
gera descontinuidades inexistentes no dado original. Por exemplo, áreas com declividade igual
a 9,9% serão classificadas diferentemente de regiões com inclinação de 10,1%, não
importando as demais condições.
Mapas são dados e não desenhos. Tratar mapas como dados significa dar forma numérica ao
espaço ao associar, a cada localização, um valor que representa a grandeza em estudo; requer
ainda, na maior parte dos casos, o uso do formato matricial (³raster´), mais adequado a uma
representação contínua do espaço.
No caso em apreço, a análise espacial em SIG será muito melhor realizada com uso da técnica
de classificação contínua: os dados são transformados para o espaço de referência [0..1] e
processados por combinação numérica, através de média ponderada ou inferência ³fuzzy´. Ao
invés de um mapa temático com limites rígidos gerados pelas operações booleanas, obteremos
uma superfície de decisão, sob forma de uma grade numérica. O que representa este resultado
? Uma visão contínua da variação da nova grandeza (seja ela adequação a plantio, indicador
de mineralizações ou susceptibilidade ambiental).
No exemplo citado, o resultado será uma grade numérica que indica, para cada localização, o
risco de desmoronamento, numa gradação de 0% a 100%. Qual a grande vantagem desta
situação? Ela nos permite construir cenários (por exemplo, risco de 10%, 20% ou 40%), que
indicam os diferentes compromissos de tomada de decisão (maior ênfase em proteção
ambiental ou em minimizar o custo econômico). Obtemos assim uma flexibilidade e um
entendimento muito maiores sobre os problemas espaciais.

c

ñ "

{ Parte da noção matemática de relação, que em uma vi são intuitiva, é o
conjunto de atributos associado a uma entidade do mundo real. Por
exemplo, para descrever um "cadastro urbano" pode -se utilizar a
relação: <número_lote, dono, endereço, area, IPTU>. Uma relação pode
ser representada através de uma tabela , como:V
?
V

V
V V01V a/V0#@1V
V $ (Vå, V ;*V% *!(V V V V
{
{ Existe também um conjunto de operações sobre relações, a "álgebra
relacional", que inclui as operações de projeção, seleção, união,
intersecção e produto cartesiano.
{ O modelo relacional é útil para lidar com os problemas de bancos de
dados para aplicações administrativas e comerciais sendo a tecnologia
mais difundida na área. Sua formulação rigorosa permite a definição de
uma linguagem de consulta padronizada (SQL).
ñ + V
{ Forma usual de ligação entre um sistema de informação geográfica e um

sistema gerenciador de banco de dados (SGBD) relacional, no qual os
componentes espacial e descritivo do objeto geográfico sã o
armazenados separadamente. Os atributos convencionais são
guardados no banco de dados (na forma de tabelas) e os dados
espaciais são tratados por um sistema dedicado, com a conexão feita
por meio de identificadores de objetos. Para recuperar um objeto, o s
dois subsistemas são pesquisados e a resposta é a composição dos
resultados das pesquisas.V

V
{ O SPRING foi concebido como um banco de dados geográfico e

projetado para operar em conjunto com um sistema gerenciador de
bancos de dados (SGBD). O banco de dados geográfico é o repositório
de dados de um SIG, armazenando e recuperando dados geográficos
em diferentes geometrias (imagens, vetores, grades) e as informações
descritivas (atributos não-espaciais) armazenadas em tabelas.V
{ No SPRING todas as informações descritivas sobre os dados
geográficos são guardadas em tabelas do SGBD relacional associado
ao sistema. Estão disponíveis os seguintes sistemas gerenciadores de
bancos de dados:
? CODEBASE: gerenciador compatível com o DBASE IV, incluído
na versão básica do sistema.
? ORACLE, SGBD relacional de mercado comercializado pela
ORACLE do Brasil.
? INGRES, SGBD relacional de mercado, comercializado pela
Computer Associates.
{ Os gerenciadores ORACLE e INGRES devem ser aquiridos
separadamente pelo usuário.
u " + +"#V
{ Cada categoria de dados geográficos está associada a uma tabela com

os atributos descritivos do tipo de dados. Cada geo -objeto e geo-campo
recebe um identificador único ("geoid") mantido automaticamente pelo
sistema.V
{ O SPRING utiliza o SGBD relacional corrente para armazenar todos os
atributos descritivos dos dados geográficos e todas as tabelas auxiliares
do sistema, permitindo que todas as informações sejam visíveis
externamente, através do uso do SGDB correspondente.
" V
{ Cada categoria pode ter associada uma relação expressa na forma de

uma tabela. Em categorias que são especializações de MAPA
TEM&AACUTE;TICO, cada classe temática (geo-classe) também pode
ter associada uma relação.V
{ Para incluir uma tabela externa já existente no banco de dados do
SPRING deve-se criar um categoria de dados N&ATILDE;O -ESPACIAL
e associá-la a tabela externa disponível.
{ Alguns exemplos de atributos:
? Imagens - Pode-se associar a cada imagem informações como:
satélite, sensor, data de passagem, órbita, ponto (ambos no
sistema "World Reference System" - WRS), tipo de correção.

V " V
V ?)V ;V )

V

V
V £ =£V åV V V V V
V £ =£V åV V V V aV
?
? Mapas Temáticos - Da categoria MapaSolos com os mapas de
solos de um banco de dados nacional, no qual o especialista em
solos quer associar a cada mapa os dados referentes a sua
aquisição, como a data do levantamento, responsável,
instituição.
$
V ? *
V )
-* V
V
V V =
V
V </ 9å9 V
?
? Pode-se também associar tabelas às classes associadas a um
mapa temático com uma tabela única para todas as classes ou
uma para cada classe temática. Para o mapa de solos pode -se
determinar propriedades comuns a todas as classes temáticas,
como ph, teor de Alumínio, Nitrogênio e Potássio e umidade.
aV
V V )+V
?£V
?AV
V

V BV ,V V V
?
? Mapas Cadastrais e de Geo-Objetos - Mapa de lotes de uma
cidade, com duas categorias: Lotes, especialização de GEO -
OBJETO, e MapaLotes, especialização de MAPA CADASTRAL.
Para lotes pode-se ter o número do cadastro na Prefeitura, nome
do proprietário, endereço, área construída, valor do IPTU. Sendo
um geo-objeto (que possui localização geográfica), o SPRING
automaticamente associa a cada entrada da tabela um
identificador único.
$
V ?V )
)V
V V01V a/V0#@1V
V V $ (Vå,V #,% *!(VV V V
?
? Para MapaLotes, os atributos podem ser as suas características
como número do mapa, região da cidade, escala do mapa, data
do levantamento, empresa responsável.

V
V V V
V *
V
V V CV9)V V V
$% +"#V
{ Geo-objetos são definidos de forma independente de sua representação

gráfica, sendo necessário estabelecer a ligação entre os geo -objetos e
suas representações. Para associar lotes e suas localizações num mapa
de lotes deve-se:V
? Definir uma categoria derivada da categ oria básica OBJETO,
como a categoria Lotes e associar atributos.
? Definir uma categoria derivada da categoria básica MAPA
CADASTRAL ou derivada de MAPA REDE e associar atributos.
? Preencher os atributos associados a cada geo -objeto.
? Digitalizar os mapas cadastrais (ou mapa de rede) com as
representações dos objetos.
? Associar os polígonos (ou arcos) do mapa aos geo -objetos
descritos anteriormente.
" V
{ As consultas podem ser efetuadas sobre planos de informação do

modelos cadastral e de rede. A consulta permite o uso dos operadores
maior, menor, maior ou igual, menor ou igual, igual e diferença. O
resultado da consulta é visualizado e pode ser combinado com outras
consultas por meio de operações de união, intersecção e diferen ça.V
%, $£$B
ñ "
{ Ferramenta que possibilita a realização de análises espaciais através de

álgebra de mapas. A análise espacial utiliza os atributos espaciais e não
espaciais das entidades gráficas armazenadas na base de dados
espaciais para fazer simulações sobre os fenômenos do mundo real. V
{ A álgebra de mapas é implementada através do LEGAL
($inguagem spacial para eoprocessamento £gébrico), uma
linguagem de consulta e manipulação espacial que realiza operações
sobre dados dos tipos MAPA TEMÁTICO, MODELO NUMÉRICO DE
TERRENO e IMAGEM.
u $% V
{ São de: transformação, booleana, condicional, matemática, classificação

contínua, vizinhança, reclassificação por atributos. V
u (*
)(V
{ Composta de três partes: declarações, instanciações e operações. V

? $& Nesta parte definem-se os dados. Cada plano de
informação (PI) a ser manipulado é declarado explicitamente,
dando-lhe um nome e associando-o à sua categoria no esquema
conceitual.
? $& Nesta parte recuperam-se os dados existentes do
banco de dados ou criam-se os novos PI. Um novo PI pode então
ser associado ao resultado de operações em LEGAL.
? ñ $& Nesta parte, realizam-se as operações da álgebra de
mapas. As seguintes operações estão disponíveis:
transformação, booleana, matemática, classificação contínua,
vizinhança, reclassificação por atributos.
$ V
{ Toda variável em LEGAL deve ser declarada antes de ser utilizada, com
a sintaxe: Tematico<var> (<categoria>);
Numerico<var> (<categoria>);
Imagem <var> (<categoria>);V
{ O campo <var> deve ser substituído pelo nome da variável associada ao

PI.
{ O campo <categoria> identifica a categoria do dado.
$V
{ Através dos operadores Recupere e Novo. Recupere associa uma

variável a um PI existente no banco de dados geográfico. Novo cria um
novo PI no banco de dados e requer parâmetros que dependem da
representação geométrica associada. Para: V
? Imagem em tons de cinza: resolução horizontal e vertical.
? Grade regular: resolução horizontal e vertical, valores máximos e
mínimos aceitáveis.
? Imagem temática (geo-campo temático em representação
matricial): resolução horizontal e vertical e escala.
? Representação vetorial: escala.
$%V
{ Em pontuais e de vizinhança. As pontuais geram como saída um PI

cujos valores são função apenas dos valores dos PIs de entrada em
cada localização correspondente. Nas de vizinhança computa -se o PI de
saída com base na dimensão e na forma de uma vizinhança L( ) em
torno de cada localização .V
u $% ' V
{ ñ $% : a entrada é um único PI, sendo também chamados

de operações de transformação, por equivaler a um mapeamen to entre
os PIs de entrada e saída. V
{ ñ $% " : utilizados em análise espacial qualitativa, geram
um PI TEMÁTICO a partir de regras aplicadas a PIs de entrada (que
podem ser instâncias de TEMÁTICO, NUMÉRICO ou IMAGEM). As
regras especificam o conjunto de condições a ser satisfeitas para cada
tema de saída.
{ ñ $% : Modificam o PI de entrada se a expressão
condicional é satisfeita.
{ ñ $% : funções aritméticas, logarítmicas e
trigonométricas, aplicadas a MNTs e a IMAGEM. Podem gerar MNT,
IMAGEM ou TEMÁTICOS.
u $% $ 8 9 ' V
{ : transforma um TEMÁTICO em um MNT;V

{ 0 : transforma um MNT ou uma IMAGEM em um TEMÁTICO;
{ : transforma um TEMÁTICO em outro TEMÁTICO.
{ Estes operadores requerem que o usuário defina um mapeamento entre
os PIs de entrada e de saída, definindo tabelas que descrevem os
mapeamentos desejados, por meio do operador Tabela, que pode ser de
diferentes tipos (Ponderação, Fatiamento, Reclassificaçã o).
$ $ V
{ Pode-se verificar com o exemplo do uso do operador na conversão de

um mapa de solos em um mapa de solos ponderado, no qual os valores
estão entre 0.0 e 1.0. O PI de entrada pode ser um mapa de solos com
as classes {Le, Li, Ls, Aq} e a operação de ponderação consistir na
associação {(Le®0.60), (Li®0.20), (Ls®0.35), (Aq®0.10)}. V
{ O programa em LEGAL para realizar esta operação é dado por:
// Parte 1- Declaracao
// Definição de Variaveis
Tematicosolo_CE ("Solos");
Tabela tab_peso (Ponderacao);
Numericosolo_peso_CE ("SoloPond");
// Definicao da Tabela de Pesos
tab_peso = Novo (CategoriaIni = "Solos", CategoriaFim = "SoloPond", Le
: 0.60, Li : 0.2, Ls : 0.35, Aq : 0.1);
// Parte 2 - Instanciacao
// Recuperacao do mapa de solos
solo_CE = Recupere (Nome = "Solo_CE");
// Criacao do novo mapa de solos ponderado
solo_peso_CE = Novo (Nome = "solo_p", ResX = 30, ResY = 30, Escala

= 100000);
// Parte 3 - Operacao de Ponderacao
solo_pond_CE = Pondera (solo_CE, t ab_peso);
$ V
{ Pode-se verificar com o uso do operador de fatiamento onde um mapa

de declividade em graus é convertido para um mapa de classes de
declividade a partir da transformação:
{(0-5%) ®"baixa"; (5-15%)® "média"; (acima de 15%) ®"alta"}. V
{ O programa em LEGAL que executa esta operação é:
{
// Parte 1 - Declaracao
// Declaracao de Variaveis
Tematicoclasses_decl ("Declividade");
Numericodecliv_num ("Declividade_Numerica");
Tabela tab_fatia (Fatiamento);
// Definicao da tabela de fatiamento
tab_fatia:= Novo (
CategoriaIni = "Declividade_Numerica",
CategoriaFim = "Declividade",
[0.0, 5.0] : "Baixa",

[5.0, 15.0]: "Media",
[15.0, 45.0]: "Alta");
// Recuperacao do PI de Declivida de Numerica
decliv_num = Recupere (Nome = "Declive_SJC");
// Geracao do PI de saida
classes_decl = Novo (Nome = "Classes_Decl",
ResX = 50, ResY = 50, Escala = 100000);
// Parte 3 - Operacao
// Operacao de Fatiamento
classes_decl = Fatie (decliv_num, ta b_fatia);
$ $ V
{ Pode-se verificar com o exemplo onde um mapa de cobertura do solo na

Amazônia com diferentes classes {"Floresta Densa", "Floresta Várzea",
"Rebrota", "Área Desmatada", "Cerrado"} é reclassificado para um novo
mapa apenas com as classes {"Floresta", "Desmatamento", "Cerrado"}.
Tematico cobertura ("Floresta");

Tematicodesmat ("Desmatamento");
Tabela tab_recl(Reclassificacao);
tab_recl= Novo (CategoriaIni = "Floresta",
CategoriaFim= "Desmatamento",
"Floresta Densa" : "Floresta",
"Floresta Varzea" : "Floresta",
"Rebrota" : "Desmatamento",
"Area Desmatada" : "Desmatamento",
"Cerrado" : "Cerrado");
// Recuperacao da variavel
cobertura = Recupere (Nome = "Uso_JiParana");
// Criacao do novo PI
desmat = Novo (Nome = "Desmat_JiParana", ResX= 30, ResY = 30,

Escala = 100000);
// Reclassificacao
desmat= Reclassifique (cobertura, tab_recl);
}V
ñ $% " V
{ Utilizadas em análise espacial qualitativa, geram um PI

TEM&AACUTE;TICO a partir de regras booleanas aplicadas a PIs de
entrada que podem ser instâncias de TEM&AACUTE;TICO,
NUM&EACUTE;RICO ou IMAGEM. As regras especificam o conjunto de
condições a ser satisfeitas para cada tema de saída. V
{ Por exemplo, o programa para a determinação do mapa de aptidão
agrícola, a partir dos mapas de solo, declividade, precipitação e do
conjunto de regras expresso na tabela abaixo é dado por:
£)
V£ 5
V

V = * V
%
V

V#
.
V B V
å" V

V: +
£
V B V
)
V £ VD
V EB V
Tematico solos ("Solos"), aptidao ("Aptidao"),

decliv ("Declividade");
decliv = Recupere(Nome = "Decliv94");

solos = Recupere (Nome = "Solos94");
aptidao = Novo (Nome = "apt94", ResX=50, ResY=50, Escala = 50000);
aptidao= Atribua
{ "Boa" : (solo.Classe == "LatossoloRoxo" &&decliv.Classe == "O -3"),
"Media" : (solo.Classe == "LatossoloVermAm" &&decliv.Classe == "3-8"),
"Inapto" : (solo.Classe == "AreiaQuart" &&decliv.Classe == ">8");
ñ $% V
{ Uma expressão condicional é um teste no qual, se a condição

estabelecida pela expressã booleana que aparece antes do sinal ?for
afirmativa, a ação indicada pela expresão digital antes do sinal : será o
resultado, caso contrário a expressão digital que se segue ao : será o
resultado.V
{ Por exemplo, na expressão:
tmcomb=Image((ta.Class==tema13?Digital(tm):128));
{ O plano associado a variável do modelo imagem # a ser

determinado pelas regiões do plano de informação associado a variável
temática
cuja classe seja
/< da seguinte maneira:
? O pixel da imagem de saída # terá o mesmo valor do pixel
na imagem da variável , se o pixel correspondente na imagem
temática
é da geoclasse
/< .
? Caso contrário, o pixel resultante terá o valor /0C .
{ A condição deve envolver apenas expressões digitais de modo que a
imagem deve ser do modelo numérico. Esta trans formação é obtida
pelo uso do "mascaramento digital" ("cast") da imagem por meio de
Digital(tm).
{ Para que a expressão final seja do modelo imagem é preciso
transformar o resultado da expressão condicional para esse modelo,
através do "cast" para imagem através de Image(expressão_digital).
{ O programa seguinte recorta (mascara) da imagem de
satélite . apenas as regiões onde existe a classe
2
+

do
2
.
// Exemplo de como Mascarar uma Imagem
Imagem tm5, tm5M (Imagens-TM);

Tematicomasc (Fazendas);
tm5 = Recupere(Nome = BANDA-5);
masc = Recupere(Nome = Mapa_Faz94);
tm5M = Novo(Nome = Banda-5Recort94, ResX=30, ResY=30);
tm5M = Imagem(((masc.Class == Fazendas-Gado) ? Digital(tm5) : 10));
u $% 'V
{ Operações aritméticas: soma (+), subtração (-), multiplicação () e divisão

();V
{ Funções matemáticas: seno (sin), cosseno (cos), tangente (tan), arco
tangente (atan), logaritmo (log), exponencial (exp), raiz quadrada (sqrt);
{ Relações: menor que (<), maior que (>), menor ou igual (<=), maior ou
igual (>=), igual (==), diferente (!=).
{ Por exemplo, tome-se a figura seguinte, onde o PI da esquerda é um
mapa de solos ponderado e PI da direita é um mapa de declividade.
Considerando que se deseja computar o indicador d e adequação de
solos como a soma do valor atribuído ao solo com o inverso da
declividade através da operação (onde) quanto maior o valor, mais
adequado): aptidao = solos_pond + 1/decliv
{ O programa em LEGAL é dado por:
Numericosolo_pond ("Solo_ponderado"),
decliv ("Declividade"), aptidao ("AdequacaoNumerico");
decliv = Recupere(Nome = "Decliv94");
solo_pond = Recupere (Nome = "Solos94");
aptidao = Novo (Nome = "adequcao94", ResX=50, ResY=50, Mi n=0,

Max=2, Escala = 50000);
aptidao = solo_pond + 1/decliv;
u $% !6 $ ' V
{ Cálculos de valores mínimo, máximo, médio, modal para uma vizinhança

em torno de um ponto.V
{ Filtros espaciais para proce ssamento de Dado_Sensor_Remoto.
{ Métodos de interpolação espacial para MNT.
{ Mapas de declividade e exposição para MNT.
{ Índices de diversidade para temático, onde o valor de saída está
associado ao número de vizinhos de um ponto de entrada de uma
classe que pertencem a classes distintas.
{ Como exemplo de operação de vizinhança, tem -se o caso da estimação
da diversidade de vegetação de uma região, computado a partir de uma
vizinhança 3 x 3 em torno de cada ponto.
{ O programa para gerar uma imagem final utili za um filtro de Sobel (filtro
de realce de bordas) e é dado por:
//Declaração
Imagem img, img2, ("imagens");
Img = Recupere (Nome = "binar");
Img2 = Novo (Nome = "sobel", Resx = 30, Resy = 30);
// Instanciação
img2 = sqrt ((img [-1, 1} + 2 * img [0, 1] + img [1, 1] -img[-1, -1] -2 * img
[0, -1]-img{1,-1) ^2 + (img[-1, -1] +2 * img[-1, 0] + img[-1,1] -img[1, -1] -2 *
img [1, 0]-img[1, 1]) ^2);
ñ $% $ V
{ Técnicas de classificação contínua que buscam substituir processos

tradicionais de geração de mapas por métodos que permitem uma
melhor análise de sensibilidade no resultado final. A divisão de mapas
em classes temáticas fixas não captura a variação gradativa da natureza
e, ao combinar dois ou mais mapas numa an álise boolena, pode -se
perder informações das áreas de interesse, uma vez que há
interrupções artificiais e abruptas no limite das classes. V
{ Trabalha-se então sempre com dados em representação contínua,
utilizando análises quantitativas sobre mapas geográfi cos, equivalendo a
trabalhar sempre com modelos numéricos de terreno para representar
variáveis espaciais como solo, geomorfologia, vegetação, com uma
graduação contínua de variação do tema em estudo. A graduação pode
ser obtida com a classificação contínu a onde a variação da grandeza é
expressa por uma função que varia entre 0 e 1, quadrática, com duas
alternativas:
? Função crescente, 0 (zero) sendo o valor mínimo do PI de
entrada, crescendo até o valor máximo de entrada
correspondente a 1(um). Esta equação é chamada FUZZYL, e é
obtida por:
FUZZYL = 1 se x ,
FUZZYL= 1/[1+ (x )2] se x < .

{ Função decrescente, 1 (um) sendo o valor mínimo do PI de entrada,
decrescendo até o valor máximo de entrada correspondente a 0 (zero).
Esta equação é chamada FUZZYU, e é obtida por:
FUZZYU= 1 se x ,
FUZZYU = 1/[1+ (x )2] se x .

{ Na equação FUZZYL, o parâmetro indica o valor máximo, acima do qual
a pertinência "fuzzy" é considerada total. Abaixo deste valor, a função
tem uma forma quadrática que depende da variação do parâmetro.
Função FUZZYL para o caso = 1 e = 3.
{ Na equação FUZZYU, o parâmetro indica o valor mínimo, abaixo do qual

a pertinência "fuzzy" é considerada total. Acima deste valor, a função
tem uma forma quadrática que depende da variação do parâmetro .
{ Por exemplo, a fertilidade de solos pode ser associada aos níveis de
propriedades químicas de cálcio e magnésio, fósforo e alumínio, sen do
classificada em terras de baixa exigência na utilização de insumos
(classe 1), de média exigência, alta exigência e muito alta exigência
(classe 4).
V < V V

a
) V V
V V V
å V å E V F å FG V å FG V å F V
aV aVEGV V VFVaVFVV aVFV V aVFVV
£ V £VEV(V (VFV£VFV( V (VFV£VFV V £VEVV
{
{ Para determinar as funções de classificação contínua correspondentes,
é escolhido o parâmetro tal que a primeira classe de níveis de fertilidade
de solo tenha o valor nebuloso 1; o parâmetro é tal que o valor da
função FUZZYL (crescente) seja igual a 0,5 q uando a grandeza
estudada tiver o valor inferior da segunda classe de fertilidade. Por
exemplo, no caso do mapa de teores de Cálcio e Magnésio, a função
contínua associada terá valor 1, se a concentração for maior que 3 e
terá valor 0,5 (meio), se a concen tração for igual a 2 (dois).
a
) V VV VV <
V
å V V V
</HHI/V0 1 V
a V (V V </HHIV0 1 V
£ V (V (V </HHI/V0 1 V
{
{ O programa em LEGAL que aplica uma função de classificação contínua
sobre um PI numérico (com o teor de fósforo) é dado por:
Numerico fosforo ("Fosforo"),
fosf_cont ("Fosforo");
fosforo = Recupere (Nome = "Fosforo95");
fosf_cont = Novo (Nome= "Fosforo_cont", ResX = 50, ResY = 50, Max

=1, Min = 0, Escala = 100000);
//Parte 3 - Operacao
fosf_cont = Fuzzyl(fosforo, 0.0025, 30);
ñ $ " V
{ Operação que gera, a partir dos valores de um atributo específico dos

geo-objetos de um mapa, um geo-campo com a distribuição espacial
deste atributo.V
{ Por exemplo, a operação: "Para todos os países da América do Sul,
gere um geo-campo temático com o crescimento demográfico de cada
país, dividido em classes: { (de 0 a 2% ao ano), (de 2 a 3% a.a.), (mais
de 3% a.a.)}."
{ O programa em LEGAL é dado por:
Objeto pais ("Paises_America_Sul");

Atributo popul("Paises_America_Sul", "popul");
Cadastral map_AS ("Mapa_Paises");
Tematicomapa_pop ("Densidade_Populacao");
Tabela fatia (Fatiamento );
mapa_AS = Recupere (Nome = "Mapa_America_Sul");
mapa_pop = Novo (Nome = "Pop_America_Sul",
ResX=100, ResY=100, Escala=10000000,Repres= Vetor);
fatia = Novo ( CategoriaFim = "Densidade_Populacao",
[0.0, 2.0] : "0-2%",
[2.0, 3.0] : "2-3%",
[3.0, 10.0]: ">3%" );
// Parte 3 - Operação
mapa_pop= ReclAtrib (pais,popul,fatia) OnMapmapa_AS;
å
c

ñ
{ É uma representação matemática da distribuição espacial da

característica de um fenômeno vinculada a uma superfície real. A
superfície é em geral contínua e o fenômeno que representa pode ser
variado. Dentre alguns usos do MNT pode -se citar (Burrough, 1986):V
? Armazenamento de dados de altimetria para mapas topográficos;
? Análises de corte-aterro para projeto de estradas e barragens;
? Elaboração de mapas de declividade e exposição para apoio a
análise de geomorfologia e erodibilidade;
? Análise de variáveis geofísicas e geoquímicas;
? Apresentação tridimensional (em combinação com outras
variáveis).
{ Para a representação de uma superfície real no computador é
indispensável a criação de um modelo digital, podendo ser por equações
analíticas ou por uma rede de pontos na forma de uma grade de pontos
regulares e ou irregulares. A partir dos modelos pode-se calcular
volumes, áreas, desenhar perfis e seções transversais, gerar imagens
sombreadas ou em níveis de cinza, gerar mapas de declividade e
exposição, gerar fatiamentos em intervalos desejados e perspectivas
tridimensionais.
{ No processo de modelagem numérica de terreno podemos distinguir três
fases: aquisição dos dados, geração de grades e elaboração de
produtos representando as informações obtidas.
u $% V
{ Os dados de modelo numérico de terreno estão representados pelas

coordenadas D2, onde 2, o parâmetro a ser modelado, é função de D,
ou seja: 2E=D!. Estes dados são usualmente adquiridos segundo uma
distribuição irregular no plano D, ou ao longo de linhas com mesmo
valor de z ou mesmo com um espaçamento regular.V
{ A aquisição destes dados é realizada por levantamentos de campo,
digitalização de mapas, medidas fotogramétricas a partir de modelos
estereoscópicos e dados altimétricos adquiridos de GPSs, aviões e
satélites. Entretanto as aplicações ou produtos de MNT não são
elaborados sobre os dados amostrados, mas sim dos modelos gerados
no formato de grade regular ou irregular. Estes formatos simplificam a
implementação dos algoritmos de aplicação e os tornam mais rápidos
computacionalmente.
{ Os métodos de aquisição de dados podem ser por pontos amostrados
com espaçamento irregular e regular bem como por mapa de isolinhas.
? Amostragem por pontos:
o O cuidado na escolha dos pontos e a quantidade de dados
amostrados estão diretamente relacionados com a
qualidade do produto final de uma aplicação sobre o
modelo. Para aplicações onde se requer um grau de
realismo maior, a quantidade de pontos amostrados, bem
como o cuidado na escolha desses pontos, ou seja a
qualidade dos dados, são decisivos. Quanto maior a
quantidade de pontos representantes da superfície real,
maior será o esforço computacional para que estes sejam
armazenados, recuperados, processados, até que se
alcance o produto final da aplicação.
{ Amostragem por Isolinhas
? Um mapa de isolinhas é a representação de uma superfície por
meio de curvas de isovalor. Nos mapas topográficos as isolinhas
foram impressas com o uso de equipamentos, como
"stereoplotters", sobre uma base composta de fotografias em
estéreo obtidas por aerolevantamento. Nestes mapas
topográficos existem ainda pontos amostrados irregularmente que
foram obtidos por trabalhos de campo.
Mapa plano-altimétrico.
{ A aquisição das isolinhas pode ser efetuada por meio de digitalização

manual com uso de uma mesa digitalizadora, ou através de u m
processo automático por meio de "scanner". A digitalização manual
consiste na operação de identificação de uma isolinha com um valor de
cota e em aquisição pelo operador por um processo onde segue -se a
linha ao longo do mapa. Na digitalização com o uso d e "scanner", é
obtida uma matriz de pontos onde podem ser identificadas as isolinhas e
os valores de cota. Processos de vetorização que sigam uma isolinha,
transformam-na em uma seqüência de pontos com coordenadas xy de
mesmo valor em z, para cada isolinha .
ñ V
{ A grade retangular ou regular é um modelo digital que aproxima

superfícies através de um poliedro de faces retangulares. Os vértices
desses poliedros podem ser os próprios pontos amostrados caso estes
tenham sido adquiridos nas mesmas posições D que definem a grade
desejada. V
Modelo de superfície gerada por uma grade retangular.
{ A geração de grade regular ou retangular deve ser efetuada quando os

dados amostrados na superfície não são obtidos com espaçamento
regular. Assim, a partir das informações contidas nas isolinhas ou nos
pontos amostrados, gera-se uma grade que representa d e maneira mais
fiel possível a superfície. Os valores iniciais a serem determinados são
os espaçamentos nas direções e D de forma que possam representar
os valores próximos aos pontos da grade em regiões com grande
variação e que, ao mesmo tempo, reduzam redundâncias em regiões
quase planas.
{ O espaçamento da grade, ou seja a em ou D, deve ser
idealmente menor ou igual a menor distância entre duas amostras com
cotas diferentes. Ao se gerar uma grade muito fina (densa), ou seja com
distância entre os pontos muito pequena, existirá um maior número de
informações sobre a superfície analisada necessitando maior tempo
para sua geração. Ao contrário, considerando distância grandes entre os
pontos, será criado uma grade grossa que podendo acarretar per da de
informação. Desta forma para a resolução final da grade deve haver um
compromisso entre a precisão dos dados e do tempo de geração da
grade.
{ Uma vez definida a resolução e conseqüentemente as coordenadas de
cada ponto da grade, pode -se aplicar um dos métodos de interpolação
para calcular o valor aproximado da elevação: vizinho mais próximo,
média simples, média ponderada, média ponderada por quadrante e
média ponderada por cota e por quadrante.
{ Uma grade regular pode ainda ser gerada a partir de outra grade regular
ou de uma irregular. Para a geração de uma nova grade regular a partir
de outra grade retangular podem ser utilizados os interpoladores linear e
bicúbico. Para a geração de grade retangular a partir de um TIN
("Triangular Irregular Network") pode-se ajustar uma superfície plana ou
uma superfície de quinto grau, que garante suavidade ao modelo.
ñ V

{ Na modelagem da superfície por meio de grade irregular triangular, cada
polígono que forma uma face do polie dro é um triângulo (veja figura
abaixo). Os vértices do triângulo são geralmente os pontos amostrados
da superfície. Esta modelagem permite que as informações morfológicas
importantes como as descontinuidades, representadas por feições
lineares de relevo (cristas) e drenagem (vales), sejam consideradas
durante a geração da grade triangular, possibilitando modelar a
superfície do terreno preservando as feições geomórficas da superfície. V
Modelo de superfície gerada por grade triangular
{ O número de redundâncias é bastante reduzido comparado a grade

retangular, uma vez que a malha é mais fina em regiões de grande
variações e mais espaçada em regiões quase planas. As
descontinuidades da superfície podem ser modelados através de linhas
e pontos característicos.
{ Esta grade tem a vantagem de utilizar os próprios pontos amostrados
para modelar a superfície, sem a necessidade de qualquer tipo de
interpolação sobre os mesmos. A desvantagem da grade irregular é que
os procedimentos para obtenção de dados derivados de grades
triangulares tendem a ser mais complexos e consequentemente mais
demorados que os da grade retangular.
{ Os métodos para a geração de grade triangular são divididos
em
)
, #
e
)

, #
.
? Durante a geração de grades triangulares
)

, #
, estas linhas de quebra (que modelam as informações
morfológicas de descontinuidade), são incorporadas à
triangulação, constituindo arestas de triângulos. O modelo final
terá estas informações adicionais de linha de quebra
incorporadas, possibilitando uma representação mais fiel do
terreno, uma vez que não suaviza a superfície ao longo de
feições como vales e cristas.
? O método )
, #
realiza a triangulação sem
considerar as linhas de quebra, resultando em um modelo de
terreno suavizado também ao longo das linhas de quebra.
ñ V
{ São utilizados para geração de grade retangular a partir de amostras. Os

métodos de interpolação mais utilizados são: V
? 2)
: - para cada ponto xy da grade é atribuído
a cota da amostra mais próxima ao ponto. Este interpolador deve
ser usado quando se deseja manter os valores de cotas das
amostras na grade sem gerar valores intermediários.
Valor de cota (+) equivale ao valor a mostrado mais próximo (*).
{ å
- o valor de cota de cada ponto da grade é estimado a
partir da média simples das cotas dos 8 vizinhos mais próximos desse
ponto. Utilizado geralmente quando se requer maior rapidez na geração
da grade, para avalia r erros grosseiros na digitalização.
, onde:
? n = número de vizinhos
? z = valor de cota dos 8 n vizinhos
? i=1
? f(x,y) = função interpolante
Valor da cota (+) obtido a partir dos 4 vizinhos amostrados mais
próximos (*)
{ å

- o valor de cota de cada ponto da grade é calculado
a partir da média ponderada das cotas dos 8 vizinhos mais próximos a
este ponto, por uma função que considera a distância do ponto cotado
ao ponto da grade.
d = ((x - x0)2 + (y - y0)2)1/2 d = distância euclidiana do ponto interpolante

ao vizinho i
w(x,y) = (1/d)u=1 u = 1 = expoente da função de ponderação
, onde:
? w(x,y) - função de ponderação

? f(x,y) - função de interpolação
? Produz resultados intermediários entre o interpolador de média
simples e os outros interpoladores mais sofisticados, num tempo
de processamento menor.
{ å

u

- Calcula a média ponderada
utilizando a função de interpolação anterior. É considerado uma amostra
por quadrante (total de 4 amostras) e o número de pontos amostrados é
igual para cada um dos quadrantes. Dev -se utilizar quando as amostras
são todas do tipo ponto.
Valor de cota por quadrante com peso proporcional ao inverso da
distância dos valores amostrados.
{ å

u

- este interpolador
também realiza a mesma função de interpolação vista anteriormente.
Além da restrição de quadrante do método anterior, o número de
amostras por valor de elevação é limitado. É recomendado quando as
amostras são do tipo isolinhas.
Valor da cota obtido pela média ponderada de cotas das isolinhas por
quadrante.
V
{ A geração de uma nova grade retangular a partir de uma grade

retangular anterior elaborada, também conhecido por refinamento da
grade, consiste em diminuir o espaçamento entre pontos da grade,
adensando-a. Estes pontos internos ao retalho apresentam valor de cota
z da nova grade estimados através dos interpoladores bicúbico e
bilinear.V
":" V
{ Para realizar um refinamento bicúbico em um ponto são considerados

os 16 vizinhos £== =c==== ==F=A=$=å==% u= sendo
quatro pontos extremos da célula que contém o ponto e os pontos
extremos das células adjacentes aos primeiros quatro pontos. V
{ Para avaliar o valor da cota no ponto usa-se a seguinte estratégia:
? Calcula-se os valores de cota dos pontos = = = a partir de
uma interpolação cúbica (2 -D) entre os valores de cota dos
pontos £ c= =FA$ å%u= respectivamente;
? A partir dos valores de cota dos pontos = = obtém-se o
valor da cota do ponto utilizando o mesmo interpolador cúbico.
{ O refinamento bicúbico, apesar de ser mais lento computacionalmente
que o bilinear, fornece resultados melhores pois garante continuidade de
primeira e segunda ordem entre as funções que representam cada
célula do modelo. Desta forma a superfície resultante é suave nos
pontos da grade e também ao longo dos segmentos que formam os
retângulos ou seja, a grade é mais suave e cada retalho da grade é
contínuo e suave em relação aos seus vizinhos.
" V
{ Para se calcular a superfície bilinear, para uma célula da grade

aproveita-se as características de ordenação das posições dos
elementos das células e otimiza-se o procedimento que implementa este
interpolador.V
{ Considera-se uma célula da grade formada pelos pontos vértices £==
c, e um ponto genérico situado no interior da célula å.
{ O valor em å é função de: M=f(u,v), (u,v) em (0,1). A interpolação
bilinear sobre a célula £ c é realizada pela seguinte seqüência:
? Interpola-se linearmente os pontos e a partir dos
pontos e c, e £ e , respectivamente;
? Interpola-se o ponto å linearmente a partir dos pontos e .
Assim, o valor de cota 2 é:
zm = zE * (1-v) + zF * v
zm = v * (u * zB + (1-u) * zA) + (1-v) * ( u * zD + (1-u) * zC)
(u,v) normalizados em (0,1)
{ Este método é mais rápido computacionalmente em relação ao

interpolador bicúbico, com desvantagem de produzir superfícies pouco
suavizadas, devendo ser usado quando não se necessita de uma
aparência suave da superfície.
ü V
{ A conversão da grade triangular para a grade retangular pode ser

necessária quando se deseja uma forma matricial para o modelo
numérico de terreno. Deste modo as informações do terreno modeladas
por uma grade triangular podem ser analisad as com outras informações
do tipo matricial. O processo de conversão utiliza o ajuste de uma
superfície a cada triângulo, sendo as superfícies mais usuais as
seguintes:
=u
)
, #
eu
)
, #
.V
V
{ O plano ajustado a cada retalho triangular da grade determinar os

valores de 2 em cada posição D dentro do triângulo. A equação de uma
superfície plana pode ser expressa por: A x +B y +Cz +D=0.V
{ As superfícies de retalhos diferentes se encontram no lado comum
destes triângulos sem continuidades suaves.
6

" V
{ $)
, #
são linhas que definem descontinuidades na
superfície para os dois diferentes lados da linha, como linhas de vale ou
de crista. Um rio por exemplo pode ser editado como uma linha de
quebra em que ao longo de suas margens há uma descontinuidade de
relevo, sem nenhum valor de cota a ele associado. Estas linhas de
quebra podem ser ou não consideradas na geração de uma grade
triangular e o interpolador quíntico sem linhas de quebra não as
considera.V
{ A superfície ajustada ao retalho da grade é um polinômio do quinto grau,
definida por: . A utilização deste interpolador permi te

gerar uma superfície mais suave quando comparada com outra grade
gerada pelo interpolador linear.
Grade triangular sem linha de quebra.
{ Recomendado quando deseja -se uma superfície suave e não há linhas

de vale ou crista muito realçadas (linhas de que bra) no modelo numérico
do terreno.
6

" V
{ Este interpolador difere do anterior apenas no que se refere às linhas de

quebra. Utiliza a mesma superfície de quinto grau para ajustar os
retalhos da grade, porém o algoritmo reconhece a linha de quebra e a
superfície ao longo dela não será suave. V
Grade triangular com linhas de quebra.
{ Recomendado para situações onde as linhas de quebra podem ser

digitalizadas para salientar feições lineares de relevo e deseja -se uma
superfície suave.
! V
{ Gerando imagens em níveis de cinza a partir de um MNT considerando

o intervalo de espaço de cores entre 0 e 256 ou imagens sombreadas
que consideram o azimute e de elevação da fonte de luz. V
! V
{ A geração de
para um modelo numérico de terreno, onde os
pixels conterão níveis de cinza, consiste em distribuir os valor es
mínimos e máximos das cotas, obtidas a partir da grade retangular, em
níveis de cinza de 0 a 256 linearmente. Assim, cada célula da grade
corresponde a um pixel na imagem de saída com os valores mínimos de
cota serão representados por pixels escuros e o s valores máximos por
pixels claros.V
" V
{ A
#

gerada a partir de um MNT possibilita visualizar
as diferenças de relevo no modelo. A imagem sombreada é gerada a
partir de uma grade regular sobre a qual é aplicado um modelo de
iluminação. O modelo de iluminação determina a intensidade de luz
refletida em um ponto da superfície considerando uma fonte de luz. O
modelo depende da 2, que podem ser a luz ambiente ou
outra fonte de luz, e da
.V
? A luz ambiente proporciona uma intensidade de iluminação a da
superfície e pode ser modelada por I =I aKa.., onde I a é a
intensidade da luz ambiente e K a é o coeficiente de reflexão do
material.
d
? A reflexão depende do material da superfície (K ), da intensidade
p
da fonte de luz (I ) e do ângulo entre a direção da fonte da luz e a
normal à superfície (cos), sendo dada pela equação I pKdcos.
? O modelo de iluminação composto pela luz ambiente pela
reflexão é dado pela equação:
I =IaKa + IpKdcos, onde Kd é considerada igual para qualquer

superfície.
{ A direção da fonte da luz é definida a partir do azimute, a partir do Norte
(eixo y), medido no sentido horário e d o ângulo de elevação medido a
partir do plano D. O cosseno de (ângulo entre a normal à superfí cie e a
direção da fonte de luz) é o produto escalar: cos = N .L , onde o vetor N
é calculado a partir das derivadas parciais da grade retangular,
constantes para cada célula e o vetor L é definido pela direção da fonte
de luz.
{ O
( é utilizado para aumentar a escala vertical em
relação à escala horizontal da imagem sombreada, possibilitando
melhorar a visualização de formas e estruturas da superfície. Este
exagero corresponde a um acréscimo na inclinação da superfície e é
calculado a partir do fator obtido em:
, onde:
? é o ângulo de inclinação da superfície

? 2 é o valor de elevação do i-ésimo ponto da grade
? é o valor do fator de exagero
? é o valor do elemento de resolução da grade
ñ 6 V
{ As isolinhas são curvas que unem entre si pontos da superfície que

tenham o mesmo valor de cota. O significado do valor da cota depende
da magnitude física da superfície que se pretende modelar. Assim para
uma superfície que representa temperatura se obtém isotermas, para
previsão atmosférica, as isóbaras; para altimetria do terreno, as curvas
de níveis, etc.V
Isolinhas de altimetria do terreno.
{ As isolinhas podem ser visualizadas como sendo a projeção no

plano D das interseções entre a superfície e uma família de p lanos
horizontais eqüidistantes.
Isolinhas de cota z obtidas pela projeção do plano xy.

{ As curvas de isovalores possuem algumas propriedades importantes:
todas são fechadas, a menos que interceptem as fronteiras de definição
do mapa e nunca se cruzam.
{ Isolinhas ou curvas de isovalores podem ser geradas a partir de um
modelo numérico de terreno (MNT) na forma de grade retangular ou
triangular utilizando o método das células. Neste método, para cada
célula são geradas todas as curvas de isovalor que inter ceptam esta
célula. Os segmentos de reta são armazenados para, em uma fase final,
serem ligados formando uma curva fechada de isovalor (caso não
atinjam a fronteira da região de interesse).
Isolinha gerada a partir de uma grade retangular.
ñ V
{ c (
é a inclinação da superfície do terreno em relação ao plano
horizontal. Considerando um modelo numérico de terreno (MNT) de
dados altimétricos extraídos de uma carta topográfica e traçando um
plano tangente a esta superfície num determinado ponto P, a declividade
em neste ponto corresponde a inclinação deste plano em relação ao
plano horizontal.V
{ Em algumas aplicações geológicas, geomorfológicas e outras, é
necessário encontrar regiões pouco acidentadas ou regiões que estejam
expostas ao sol durante um determinado período do dia. Para responder
estas questões a declividade conta com duas componentes: o gradiente
e a exposição.
{ O
é a taxa máxima de variação no valor da elevação, pode
ser medido em grau (0 a 90) ou em porcentagem (%), e a é a
direção dessa variação medida em graus (0 a 360).
{ O
é dado pela equação:
Onde z é a altitude e x e y as coordenadas axiais.

{ A é dada pela equação:
{ As duas componentes de declividade (gradiente e exposição) são

calculadas a partir das derivadas parciais de primeira ordem obtidas da
grade retangular ou triangular. Na grade retangular, em cada ponto
desta grade são calculadas as derivadas parciais, computando -se os
valores de altitude em uma janela de 3 x 3 pontos que se desloca
sucessivamente sobre a grade. Em uma grade triangular, as derivadas
parciais podem ser calculadas a partir dos 3 pontos que formam cada
triângulo considerando uma modelagem por superfícies planas.
ñ V
{ Consiste em gerar uma imagem temática a partir de uma grade

retangular ou triangular. Os temas da imagem temática resultante
correspondem a intervalos de valores de cotas, ou fati as.V
Imagem temática fatiada.
{ A definição dos intervalos de cotas ou fatias, dependerá da variação dos

valores da grade que se deseja destacar. Uma imagem temática
resultante do fatiamento da grade permite visualizar o modelo e ser
utilizada em operações de análise como as booleanas do tipo
cruzamento de dados temáticos.
ñ V
{ Um dado do tipo MNT, como uma superfície topográfica, pode ser

representada através de perfis que descrevem a elevação dos pontos ao
longo de uma linha. O perfil é traçado a partir de uma trajetória definida
pelo usuário ou a partir de linhas que correspon dam a um dado de
interesse como o possível traçado de uma nova estrada. V
ñ V
{ O cálculo do volume é efetuado considerando as áreas de interesse, ou

seja polígonos fechados e grades retangulares ou triangulares do MNT.
A partir de uma grade calcula -se o valor central de cada célula da grade,
correspondente a altura, multiplicada pelo valor da área disponível.
Dessa forma, o volume é dado pela seguinte equa ção:
, onde:V
? Ac = constante, é o valor da área correspondente à cada célula;

? Zi = é o valor da altura de cada célula;
? N = número de células.
{ O volume de corte e o volume de aterro são calculados considerando
uma cota base. A parte superior da cota base c orresponde ao volume de
corte, enquanto a cota inferior ao volume de aterro. A cota ideal indica o
valor onde o volume do desmonte a ser realizado na área de corte
depositado na área de aterro mantém um equilíbrio de massas e é
calculada por:
! #$ V
{ Com a projeção dos dados em três dimensões com a possibilidade de

alterar a posição do observador, a partir do MNT e de uma

. O modelo define (
da superfície e a

as cores da .V
{ As seguintes projeções são utilizadas: Projeção paralela, perspectiva e
Par-Estereoscópio.
ñ #$ V
{ Nesta projeção, a distância entre o plano de projeção e o centro de

projeção é infinita. As linhas que são paralelas no modelo continuam
paralelas. Uma vez que a distância do observador `a superfície é infinita,
apenas os seguintes parâmetros são necessários: V
? £2 - posição angular (em graus) do observador em relação
ao Norte no sentido horário.
? (
- posição angular (graus) do observador, em relação ao
plano horizontal.
ñ #$ V
{ Ao contrário da paralela, a distância do centro de projeção ao plano de

projeção é finito. As linhas paralelas não obedecerão ao paralelismo
quando projetadas e os objetos mais próximos ao observador tendem a
ser maiores que os mais distantes. Os seguintes parâmetros definem a
posição do observador:V
? %# (
- em coordenadas *, G (em
coordenadas planas) e 2 (valor da cota);
? £2 - posição angular (graus) do observador em relação ao
Norte, no sentido horário;
? (
- posição angular (graus) do observador, em relação ao
plano horizontal;
? £#
- ângulo ocular do observador.
ñ #$ V
{ É composta por duas projeções paralelas, com uma distância entre os

centros de projeção. Quando visualizados separadamente pelo olho
direito e esquerdo permitem visão estereoscópica da área. Além dos
parâmetros do observador definidos para a projeção paralela, necessita
de:V
? c4

3 8 - distância entre as duas imagens.

ñ )ü)
{ É um

utilizado para edição e obtenção de uma saída
de apresentação gráfica de alta qualidade.V
)/

V
{ A diferença fundamental entre um software de CAD e SIG, reside na

diversidade de dados utilizados para a realização de suas tarefas, sendo
que um SIG utiliza muito mais dados do que um CAD. O S IG realiza
operações com dados vetoriais e matriciais (imagens "raster"), enquanto
os CAD's se limitam a trabalhar com dados vetoriais. O CAD é usado
para desenhos de caráter técnico que variam desde projetos de aviões
até projetos de circuitos integrados, podendo ser usado para geração de
cartas. No entanto, o CAD não oferece facilidades para execução desta
tarefa, ao contrário do gerador de cartas que tem funções especializadas
para a elaboração de cartas. V
ñ V
{ Representação gráfica de uma superfície plana em uma determinada

escala, com a representação de acidentes físicos e culturais da
superfície da Terra.V
ñ V
{ Representação gráfica dos aspectos naturais e artificiais da Terra,

destinada a fins práticos da atividade humana, p ermitindo a avaliação
precisa de distâncias, direções e a localização plana. V
ñ 6 V
{ Resultado da subdivisão de uma carta, de forma sistemática, com corte

e formato estabelecido por um plano nacional ou internacional. V
ñ V
{ Representação cartográfica plana de uma área de extensão pequena na

qual a curvatura da Terra não precisa ser considerada de modo que a
escala pode ser constante. V
ñ )ü) V
{ Qualquer produto cartográfico digital eleborado pelo SCARTA

independente de escala e aplicação e permitem eficiente apresentação
de uma grande quantidade de informação sobre os objetos e seus
relacionamentos espaciais. Pode apresentar informações de variações
espaciais de um único fenômeno (exemplo: ocorrência de erosão) ou
relacionamento entre fenômenos (exemplo: diferentes classes de tipos
de solo).V
u V
{ Deve ter um tema principal ou fato a ser analisado e informações

adicionais que sirvam de referência sobre o local onde ocorre o
fenômeno. As informações adicionais são denominadas

#
.
Exemplos dados representadas em mapa base: rios, curvas de nível,
cotas altimétricas, rede viária.V
{ Deve haver equilíbrio entre o mapa base e as informações temáticas,
para evitar que a base não diminuia a legibilidade do mapa, mascarando
os dados temáticos. A quantidade e os detalhes da indicação da base
devem variar de acordo com a escala de trabalho e do tema principal
representado.
u V
{ Título - Descreve o propósito da carta e deve estar em local de

destaque.V
{ Tamanho - Depende do propósito da carta e das limitações do
dispositivo de saída do usuário. Formatos de papel padronizados devem
ser utilizados em trabalhos oficiais, sendo o formato básico da
Associação Brasileira de Normas Técnicas (ABNT) o A0, do qual
derivam os demais formatos.
D
V
V+
V D
VV )
V 9 V £) V
aV (V *
VV
9V$ V 9V V= + V "V8, V V + V
V)
V
)
-
V
9Vå" V 9V V + V V88V"V8, V V
)
- V
9V V#
+
V V

- VV
9Va ! V V

V V5
V8,V V
V VV V
{ Legenda - Classe ligando atributos não -espaciais a entidades espaciais.

Atributos não-espaciais são indicados por cores, símbolos ou
sombreamentos.
{ Localização - Permite que o objeto seja confrontado com o espaço que o
contém por meio de um sistema de coordenadas, em geral em
coordenadas geográfica de latitude e longitude.
{ Equilíbrio e Lay-out - Equilíbrio é dado pela posição dos componentes
apresentados em uma maneira lógica, destacando os objetos a enfocar.
Um desenho balanceado não deve ser muito claro n em muito escuro,
curto ou longo, pequeno ou grande. Lay -out é o processo para se chegar
ao equilíbrio adequado.
{ Contraste de padrões - Diferentes padrões para representação devem
ser utilizados para diferentes regiões na carta, podendo ser compostos
por linhas, pontos ou combinações de ambos.
{ Cor - Variável visual mais forte, facilmente perceptível e intensamente
seletiva, delicada para manipular e difícil de se utilizar. Deve ser
escolhida em função da ênfase desejada para um dado, uma vez que
algumas cores são mais perceptíveis que outras. O olho humano é mais
sensível ao vermelho, seguido pelo verde, amarelo, azul e púrpura.
Deve-se consultar ainda as cores mais utilizadas para representar os
tipos de dados da carta. Exemplos: estradas são representadas e m
vermelho, rios e mares em azul, florestas em verde, em cartas
climáticas, as áreas tropicais em vermelho e as regiões de clima seco,
em amarelo.
{ Claridade e legibilidade - Qualidades de uma carta na qual a informação
desejada pode ser facilmente encontra da, estando diferenciada das
outras e permitindo ser memorizada sem esforço. A legibilidade pode ser
obtida com a escolha apropriada de linhas, formas e cores. As linhas
devem ser claras, finas e uniformes. Cores, padrões e sombreamento
devem ser facilmente distinguíveis e corretamente registrados. As
formas dos símbolos utilizados não devem ser confusas. Deve -se
separar os objetos e símbolos do tema tratado dos correspondentes ao
mapa base para evitar que a densidade gráfica grande torne a leitura
confusa e complicada.
$ V

{ Deve seguir um formato padrão, como o da folha geológica 1:50000 do
IPT do exemplo seguinte:V
Onde:
1 - Nome e codificação da folha 9 - Nome da carta

Ex: São Paulo - SF-23-Y-C-VI-2 10 - Escala numérica
2 - Nome dos órgãos contratantes e executor 11 - Escala gráfica
3 - Descrição das unidades litoestratigráficas 12 - Ano de execução
4 - Convenções geológicas 13 - Articulação da folha
5 - Convenções planialtimétricas 14 - Projeto e equipe executora
6 - Informações sobre o mapa-base 15 - Áreas p/ a localização das

seções
7 - Declinação magnética 16 - Espaço reservado (optativo) para título da
8 - Localização da folha geológicas carta e referência bibliográfica do

mesmo
ñ ! $ V
{ Significa distinguir entre o que é essencial e o não é essencial,

conservando-se apenas o útil. Tem influência direta na qualidade da
representação cartográfica permitindo que a carta seja simples, clara e
objetiva, sem eliminar detalhes relevantes, omitin do apenas os sem
valor. A generalização tem relação direta com a escala escolhida pelo
usuário, a escala dos dados, o tiipo dos dados e os elementos de
cartografia que comporão o mapa. V

Descrição Geral Do SPRING

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Descrição Geral Do SPRING

Hochgeladen von

Copyright:

Verfügbare Formate

c 

{ Banco de dados geográfico de 2º geração, para ambientes UNIX e

ñ    

{ Banco de dados não-convencional onde cada dado tratado possui

u          V

{ Opera como um banco de dados geográfico sem fronteiras e suporta

u        

{ Contém algoritmos inovadores, como os utilizados para indexação

u          V

{ 3 módulos, IMPIMA, SPRING e SCARTA, com o objetivo de facilitar seu

ñ  

{ Conjunto de tecnologias voltadas a coleta e tratamento de informações espaciais para

{ Integra numa única base de dados informações espaciais provenientes de dados

ñ     V

Exemplos de Análise Espacial

Arquitetura de Sistemas de Informação Geográfica.

u          V

{ Dados de diversas fontes geradoras e de formatos apresentados, com relações

ñ      V

ñ              "#

{ Ao contrário de um mapa temático, cada elemento é um objeto geográfico, que possui

ñ   V

{ Redes são compostas por informações associadas a serviços de utilidade pública,

{ As redes são o resultado direto da intervenção humana sobre o meio-ambiente. Cada

ñ    V

{ Representam formas de captura indireta de informação espacial. Obtidas por meio de

Características gerais dos principais satélites (com os sensores) disponíveis:

ñ     

{ O termo modelo numérico de terreno (ou MNT) denota a representação de uma

Comparação entre grade retangulares e triangulares:

u       $% 

u              V

{ Sistemas de informação geográfica podem ser divididos em três gerações:V

{ Banco de dados geográfico compartilhado por um conjunto de instituições, acessível

{ Interoperabilidade, ou seja, o compartilhamento de dados e procedimentos entre

- Modelo Conceptual de SPRING

- Quais são as características do modelo do SPRING?

- O que é orientação a objetos e como se aplica ao Geoprocessamento?

- Como é o processo de modelagem?

- Quais os componentes do universo Conceitual?

- Quais são as especializações de geo-campos e de geo-objetos?

- O que é plano de informação?

- O que é objeto não-espacial?

- Qual o esquema geral do universo conceitual no SPRING?

- Como se define o esquema conceitual no banco de dados do SPRING?

- Quais os componentes do universo de Representação?

- Como se relacionam os universos Conceitual e de Representação?

- Interface com Bancos de DadosV

ñ   

ñ   $   V

{ A velocidade de propagação da onda eletromagnética no vácuo é a velocidade da luz

      V

{ & recebe a energia através de uma lente, espelho, antenas, etc...V

u     '

{ Em função da fonte de energia:V

Os sistemas imageadores podem ser divididos em:

ñ      "  u     

{ Os sistemas sensores orbitais exploram as características de uma plataforma

u         () )ü

{ Compõe-se até o momento de 5 satélites, que foram desenvolvidos pela NASA

u         ñü V

{ Programa francês semelhante ao programa Landsat, concebido pelo Centre National

u         *+, V

c

ñ

u V

u

u V

ñ

ñ V

u V

ñ V

ñ "#

ñ V

ñ V

ñ

u $%

u V

ñ

ñ $ V

V

{ & recebe a energia através de uma lente, espelho, antenas, etc...V

u '

ñ " u

u () )ü

u ñüV

u *+,V

ñ V

u V

, 16 diasV 26 diasV 2 vezes ao diaV

u " '

u % $ ü ( V

u % $ -.ñüV

u *+,V

u % $ ).- ñ))V

ñ

+ V

ñ V

u ( V

u 'V

{ % "' A ocorrência de "overflow" é muitas vezes desejada, uma vez que

{ % £' Este mapeamento difere do logarítmico porque realça um

u u V

u ( V

u V

{ % £' Atente para o fato que todas as opções mencionadas até o

{ % £' Todas as opções de contraste mencionadas acima têm o modo

u * ! $ - V

{ % £' A opção de equalização é automaticamente calculada e

u 0 V

u *$ V

$%

$%V

ñ V

ñ $

ñ $ V

ñ

ñ V

ñ + V

ñ V

$%