Beruflich Dokumente
Kultur Dokumente
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
SUMÁRIO
1- INTRODUÇÃO .............................................................................................................................................. 16
1.1- Sensoriamento Remoto............................................................................................................................ 16
1.2- ........................................................................................................................ Fotogrametria
.......................................................................................................................................................................... 17
2- PRINCÍPIOS................................................................................................................................................... 19
2.1- Espectro Eletromagnético ...................................................................................................................... 19
2.3- Comportamento Espectral...................................................................................................................... 22
3- SENSORES ..................................................................................................................................................... 24
3.1- Tipos.......................................................................................................................................................... 24
3.2- Características das imagens.................................................................................................................... 27
3.3- Resoluções ................................................................................................................................................ 28
3.3- Formato .................................................................................................................................................... 30
4- SISTEMAS SENSORES ................................................................................................................................ 30
4.1- Sistema Imagens LANDSAT ................................................................................................................. 30
4.2- Sistema SPOT .......................................................................................................................................... 32
4.3- IKONOS ................................................................................................................................................... 33
4.4- Quickbird ................................................................................................................................................. 34
4.5 Outros sistemas ......................................................................................................................................... 36
4.6- Imagem de Radar .................................................................................................................................... 37
4.7- Principais Sensores Radar ...................................................................................................................... 39
4.8- Laser Scanner .......................................................................................................................................... 40
5- PRINCIPIOS DE PROCESSAMENTO DIGITAL DE IMAGEM NO CONTEXTO SIG..................... 43
5.1- Generalidades........................................................................................................................................... 43
5.2- Noções de Processamento........................................................................................................................ 44
5.3- Etapas do Processamento........................................................................................................................ 44
5.4- Processamento.......................................................................................................................................... 45
5.4.1- Realce ................................................................................................................................................. 45
5.4.2- Filtragem............................................................................................................................................. 48
5.4.3- Composição Colorida ......................................................................................................................... 52
5.4.4- Correção Geométrica .......................................................................................................................... 53
6- CLASSIFICAÇÃO ......................................................................................................................................... 60
6.1- Interpretação de imagem ........................................................................................................................ 60
6.1.1- Tonalidade e cor ................................................................................................................................. 61
6.1.2- Forma.................................................................................................................................................. 61
6.1.3- Padrão ................................................................................................................................................. 62
6.1.4- Textura................................................................................................................................................ 63
6.1.5- Associação (ou convergência de evidências)...................................................................................... 63
6.1.6- Sombra............................................................................................................................................... 63
6.1.5- Chave da interpretação de imagem..................................................................................................... 64
6.2- Classificação Digital ................................................................................................................................ 66
6.2.1- Classificação Supervisionada ............................................................................................................. 66
6.2.2- Classificação baseada em objetos: segmentação ................................................................................ 73
6.2.3- Acurácia.............................................................................................................................................. 74
6.2.4- Qualidade da Imagem Temática ......................................................................................................... 75
7- SENSORIAMENTO REMOTO E SIG ........................................................................................................ 77
8- BIBLIOGRAFIA ............................................................................................................................................ 77
14
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Apresentação
consultar a bibliografia citada. Roga-se aos alunos que apontem falhas e façam sugestões a
15
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
1- INTRODUÇÃO
Pode-se definir sensoriamento remoto ou teledetecção como a ciência que tem por
objetivo a captação de imagens da superfície terrestre. Segundo BARRETT & CURTIS
(1992) “é a ciência de observação à distância”. Isto contrasta com o sensoriamento in situ,
onde os objetos são medidos e observados no local onde ocorrem. Em outras palavras, o
sensoriamento remoto está relacionado à ausência de contacto físico entre o sensor (câmara
fotográfica, satélite) e o alvo (objeto). Desta forma, o sensoriamento remoto também pode
incluir o estudo das técnicas de aerofogrametria e fotointerpretação, uma vez que fotografias
aéreas são remotamente captadas. Contudo, o termo se refere a captação, processamento e
representação de imagens orbitais. As imagens de sensoriamento remoto disponíveis
atualmente, são a forma mais rápida de se obter informações espaciais em formato digital,
permitindo que estas fontes sejam combinadas a outras informações, de forma a constituir um
banco de dados geográfico sobre o espaço em questão. O processamento dessas
informações,espacialmente referenciadas em meio digital é a base dos sistemas de informação
geográfica. Dentro das geotecnologias hoje disponíveis (sistemas de posicionamento global,
aerofotogrametria digital) o sensoriamento remoto desponta como tecnologia imprescindível
em aplicações geoambientais.
Resumindo, o sensoriamento pode ser definido segundo alguns autores da seguinte forma:
• É a aquisição de informações sobre um objeto sem entrar em contato físico com ele
(Hutton).
• Sensoriamento Remoto: é a ciência e a arte de obter informações sobre um objeto, área ou
fenômenos através da análise de dados adquiridos sem entrar em contato enquanto estão sob
investigação (Lillesand & Kiefer).
• Sensoriamento remoto é a coleção de informações sobre os recursos naturais e meio
ambiente usando imagens adquiridas por sensores a bordo de avião ou satélites (Ryerson).
• Sensoriamento remoto é um termo restrito a métodos que aplicam a energia eletromagnética
como meio para a detecção e mensuração das características dos objetos (Sabins).
16
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
1.2- Fotogrametria
A fotogrametria segundo alguns autores pode ser definida como: A ciência, a arte e a
tecnologia de se obter medidas confiáveis, mapas, modelos de elevação digital e outros
produtos a partir de fotografias”. A fotografia aérea tem sido usada desde os primórdios do
Século XX como provedor de dados espaciais em uma grande gama de aplicações. A maioria
das bases cartográficas são provenientes desta geotecnologia e difere geometricamente das
imagens captadas por satélite. A Figura 2 mostra a câmara aérea dentro da aeronave que
realiza a cobertura do fotográfica do terreno. A câmera fotogramétrica tem por finalidade
prover imagens fotográficas com estabilidade geométrica a fim de serem utilizadas
cartograficamente. As fotografias devem ser verticais e possuem uma escala variável de
acordo com a altura de vôo e o relevo do terreno.
17
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
23cm
Distância Focal
( c ou f )
Sistema
de lentes
A escala de uma fotografia aérea é dada por pela distância focal da câmara e a altitude de
vôo- altura da aeronave em relação ao terreno. A figura 3 apresenta a determinação da escala
de uma fotografia aérea.
Figura 3: Escala de uma fotografia (Adaptado, Wolf, 1981)
23 cm
Plano do negativo
p d
c c= constante
Espaço Imagem
Centro
Escala da Fotografia
Perspectivo
H
Espaço Objeto
P
D Terreno
Como já foi citada a imagem de satélite e fotografias aéreas possuem diferenças na forma de
captação de maneira de os métodos de tratamento são também diversos, bem como de certa
maneira as aplicações. A Tabela 1 mostra as principais diferenças entre uma imagem e uma
18
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
• Varredura ou • Mapeamento de
IMAGEM ( S. Remoto) escanerização; escalas a partir de 1:
10.000
2- PRINCÍPIOS
19
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
µm
20
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
• Energia Refletida – R
• Energia Absorvida – A
• Energia Transmitida – T
I=R+A+T
1. para cada objeto as proporções entre reflexão, absorção e a transmissão são diferentes, o
que possibilita que os objetos possam ser identificados ou diferenciados;
2. significa também que para um mesmo objeto as proporções entre reflexão, absorção e a
transmissão são diferentes em relação ao comprimento de onda, ou seja, um objeto pode ser
diferenciado do outro em um determinado comprimento de onda e em outro comprimento de
onda não.
Pode-se dizer que a energia emitida ou refletida por objetos da superfície da terra é
transmitida aos sensores em forma de ondas eletromagnéticas. Na natureza ocorre uma grande
variabilidade da energia refletida, sendo que o seu conhecimento é de grande importância no
reconhecimento e identificação dos alvos a partir de dados de sensores remotos. Assim sendo,
21
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
deve-se descrever e explicar o conceito das características da reflexão dos alvos, objetos ou
feições do terreno.
Reflexão da Folha
Absorção da Agua
100
80
% 60
40
20
0
0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6
Mm
µm
22
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
23
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Solo
% Veg.
Água
3- SENSORES
3.1- Tipos
Os sistemas sensores são equipamentos que estão a bordo das aeronaves ou satélites e sua
função é captar e registrar a energia eletromagnética proveniente dos objetos na superfície
terrestre. Sem eles não seria possível para o satélite obter imagens, ele estaria literalmente
“cego”.
Os sensores podem ser classificados em apenas duas classes:
• ATIVOS E
• PASSIVOS.
Os sensores passivos, tal como a fotografia, detecta e armazena energia solar ou
terrestre refletida ou emitida pelos objetos da superfície (Ex: imagens de satélite Landsat e
Spot). As imagens deste tipo de sensor irão depender das condições atmosféricas, pois áreas
com nuvens ou bruma não serão imageadas adequadamente. As características físico-químico
24
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
dos alvos imageados permitirão que a energia refletida seja registrada diferentemente em cada
porção do espectro eletromagnético (Figura 7).
Os sensores ativos, tal como o radar, gera energia ou radiação que é refletida pelos
objetos do solo. A energia refletida pode ser armazenada em meio fotográfico ou na forma
digital. Os sensores de microondas são um exemplo, pois detectam energia de 0.1 a 25 cm,
onde a absorção atmosférica é mínima. A energia emitida para os objetos é refletida por esses
ao sensor ( Ex: Radarsat, ERS-1). O imageamento independe das condições atmosféricas
(Figura 7).
25
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
26
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
A imagem digital pode ser representada por uma matriz de linhas x, colunas y e z
para os DN. Desta forma, uma imagem digital é uma função discreta f (x, y), definida por uma
grade regular de m linhas e n colunas, representada por:
f (i,j), onde : 0<i<m-1 e 0<j< n-1;
para f variando de [0 ,k-1];
onde, k= níveis de cinza (DN).
Cada elemento dessa matriz (i, j) é determinado por elementos da imagem, pixel.
Este sistema poderá ser transformado para um sistema cartográfico de coordenadas através de
pontos de controle reconhecíeis na imagem. Desta forma, uma imagem devidamente tratada,
poderá servir de base para à concepção de carta imagem (uma fonte de dados para Sistema de
Informações Geográficas).
27
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
3.3- Resoluções
28
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
A Resolução Radiométrica refere-se ao número possível de dados para cada banda, ou seja,
o número de bits. Por exemplo, em um dado de 8 bits os valores dos tons de cinza para cada
pixel variam de 0 a 255 (ex: uma imagem de 11bits possui 2048 tons de cinza, figura 12).
Figura 12: Níveis de Cinza
29
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
3.3- Formato
4- SISTEMAS SENSORES
Talvez a mais importante fonte de dados digitais em forma de imagens sobre a superfície
terrestre pertence ao conjunto de satélites do projeto Landsat, programa lançado pela NASA a
partir de 1972 para aquisição contínua de dados digitais de sensoriamento remoto (NASA,
1988). Landsat 4 foi lançado em julho de 1982 e o Landsat 5 em março de 1984. O Landsat 6
caiu e nunca entrou em fase operacional. O Landsat 7 foi lançado em abril de 1999, tendo
funcionado normalmente até março de 2003 quando interrompeu-se a captação de imagens
por problemas técnicos. As imagens apresentam distorções o que inviabilizou o seu uso
comercial. A nova geração de satélite Landsat está prevista para 2007.
Apesar dos problemas é ainda hoje o sistema Landsat o maior provedor de imagens
sobre a superfície terrestre, figura 13.
Figura 12: Característica da captação da Imagem
30
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
O Landsat 7 Thematic Mapper Plus (ETM+), que apresentou como principal inovação à
banda pancromática com 15 metros de resolução espacial . A banda pancromática inclui a
31
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
faixa do visível 0,50 a 0,90 µm, sobrepondo a faixa do espectro visível. Apesar de senilidade
o satélite Landsat 5 continua a mandar imagem à terra pouco utilizáveis devido a ruídos e
distorções geometricas. A tabela 4 mostra a característica do Landsat 7.
32
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
4.3- IKONOS
33
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
passagem
Acurácia métrica Horizontal: 12m
Vertical: 10m
(correção de sistema, sem pontos de controle cartográficos)
Precisão relativa de pelo menos 90% da cena;
Horizontal: 2m
Vertical: 3m (com pontos de controle)
Precisão relativa em pelo menos 90% da cena;
Tempo de Revisita 2.9 dias (pan)
1.5 dias (multiespectral)
Esses valores referem-se a alvos ao longo da latitude de 40º. O
tempo de revisita para latitudes maiores será menor, enquanto
que para as latitudes próximas ao Equador, o tempo será mais
longo.
4.4- Quickbird
O Satélite de alta resolução Quickbird , além de sua apurada precisão, conta ainda com
sensores pancromáticos e multiespectrais. A grande capacidade de armazenamento de dados a
bordo de si, aliado ao fato de que este satélite capta cenas de 2 a 10 vezes maiores que
qualquer outro satélite de alta resolução, fazem com que o Quickbird seja o melhor em sua
categoria, no que concerne a resolução espacial.
34
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
dados simples
Digitalização 11 bits
A resolução dos satélites de alta resolução depende do ângulo visada nadiral e pós-
nadiral. Dependendo deste ângulo a área imageada é maior, porem a resolução do pixel é
deteriorada, Para o Quickbird a imagem Pan: 61 cm no nadir até 72 cm (ângulo de 25o pós-
nadir), igualmente para imagem multiespectral de 2.44 m (nadir) até 2.88 m (25o pos-nadir
ou off-nadir), Figura 13.
Figura 13: Imagem Nadiral e Pós-Nadiral
35
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Inclinação
maior área
Hoje existe no mercado um grande numero de satélites dentre os quais podemos citar:
a) CBERS: China Brazil Earth Resources Satellite. Lançado em 1999 na China, o satélite
sino-brasileiro passou a gerar imagens comerciais a partir do segundo semestre de 2000;
b) IRS: Indian Remote Sensing Satellite, possui a pancromática de 5 m de resolução, cada
uma recobrindo 70 por 70 Km;
c) ASTER (Advanced Spacebone Thermal Emission and Reflection Radiometer) é um dos
Instrumentos a bordo do satélite EOS AM-1 e obtém imagens de alta resolução (15 a 90
m);
d) NOAA : são satélites originariamente concebidos para observação de dados
meteorológicos, no entanto estes dados tem sido utilizados em agronomia e oceanografia.
O primeiro satélite foi lançado em 1978. Abrange pequenas escalas visto que apresenta
um resolução espacial de 1.1 x 1.1 km e a varredura é de 2700 km.
36
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
37
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
A pesar das imagens ópticas serem mais fáceis de ser interpretada pelo usuário a imagem de
Radar apresentam algumas vantagens:
o por possuírem fonte própria de energia, não necessitam do Sol como fonte de
iluminação;
Quando a radiação é refletida por uma superfície cuja rugosidade é da mesma ordem de
grandeza que o comprimento de onda, a interferência das ondas produz o ruído chamado
Speckle. É um ruído multiplicativo, proporcional à intensidade do sinal recebido. Visualmente
percebe-se o efeito deste ruído através de uma textura granulosa que dificulta a interpretação
das imagens, figura 16. Para amenizar este ruído existem dois métodos: multi-look e
filtragem. O multi-look pode ser utilizado quando se tem imagens obtidas por SAR, sendo que
a imagem corrigida é composta da média das imagens de cada look geradas separadamente.
As imagens de radar atualmente podem ser associadas à imagens de sensores passivos a
fim de compor novas faixas espectrais, o que permite extrair mais dados sobre os alvos de
interesse, a integração e fusão de imagens é um tema que vem sendo muito discutido pela
comunidade afeta.
38
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Radarsat
39
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
ERS-1: satélite de radar lançado pela Agência Européia em 1991, é uma das maiores fontes
de dados radar disponível. Possui uma resolução espacial de 30 x 30 metros e uma cena cobre
100 km2 (ERDAS, 1995).
40
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
tipo de sistema também é chamado de LIDAR - Light Detection And Ranging ou LADAR -
Laser Detection And Ranging (BRANDALIZE, 2004).
Figura 17- Esquema de funcionamento do sistema
O produto gerado a partir do processamento dos dados coletados por um sistema ALS
é, basicamente, grades ou malhas regulares de pontos 3D georreferenciadas (E,N,H). O
processamento é totalmente automático, mesmo quando as etapas de classificação, filtragem e
interpolação não são realizadas pelo programas fornecidos pelos fabricantes de tais sistemas.
Em geral o produto é uma imagem resultante de uma grade regular de pontos. Estas grades
são resultantes da interpolação o que nada mais é que um método de geração de superfície,
que pode ser classificada em:
• Modelo Digital de Elevação: grade que exclui a vegetação e as feições artificiais (Ex:
prédios, postes etc.), é um modelo similar aquele gerado a partir de curvas de nível;
feições que se encontram acima da superfície do terreno, tais como arvores, prédios,
torres, etc.
41
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
42
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Figura 19 – Diferentes retornos do pulso Laser. (a) Primeiro retorno. (b) Segundo retorno.
(a) (b)
5.1- Generalidades
As imagens digitais tais como Landsat, Spot, Ikonos, Quickbird e Radar são uma
importante fonte de informação hoje disponível, em algumas partes do planeta a única. Em
43
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
44
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
multiespectral, que em sua forma natural, muitas vezes são de difícil interpretação. O
esquema da figura 20 mostra os passos do processamento digital (PDI) onde a imagem é
submetida à uma análise dirigida denominada pré-processamento. Este permite obter
composições coloridas (pseudocores) por meio de combinação de bandas, salientar
determinadas feições através do aumento de contraste e eliminação de ruídos (filtragem). A
segmentação que divide uma imagem de entrada em partes ou objetos constituintes o que
facilita a obtenção de regiões homogêneas na imagem. O processo de descrição, também
chamado seleção de características, procura extrair caracteristicas que resultem em alguma
informação quantitativa de interesse ou que sejam básicas para discriminação entre classes de
objetos (em se tratando de reconhecimento de caracteres, descritores tais como vegetação,
solo, etc) . O último estágio envolve reconhecimento e interpretação. reconhecimento é o
processo que atribui um rótulo a um objeto, baseado na informação fornecida pelo seu
descritor. A interpretação envolve a atribuição de significado a um conjunto de objetos
reconhecidos.
5.4- Processamento
De acordo com o exposto no item acima será abordado alguns práticas de processamento com
vistas a extrair informações da imagem para formar a base de dados de um SIG. As
procedimentos mais conuns são:
a)- Realce de imagem;
b)- Correção geométrica;
c)- Segmentação;
d)- Classificação.
5.4.1- Realce
Uma imagem de sensoriamento remoto deve num primeiro momento ser avaliada
através do seu histograma. O usuário deve perceber as variações tonais e a relacionadas com
45
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
os dados estatísticos da imagem. O histograma de uma imagem fornece informação útil para
fazer realce e análise da imagem. O histograma de uma imagem revela a distribuição dos
níveis de cinza da imagem. É representado por um gráfico que dá o número de pixels na
imagem para cada nível de cinza.
46
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
0 255
DN
0 255
DN
O brilho e contraste da imagem podem ser modificados alterando os níveis de cinza. Uma
imagem pode se tornar adicionando um valor constante ao nível de cinza. Um dos métodos
mais comuns é o aumento linear de contraste onde:
47
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
g g
a<1 e b=0 a>1 e b≠0
Diminuição de Aumento de
Contraste Contraste
f f
Quando muitos valores de intensidade na imagem original são mapeados para o valor mínimo
ou máximo na imagem original diz-se que, ocorreu uma saturação (overflow) e uma perda de
informação, pois os pixels que originalmente podiam ser diferenciados na imagem original
agora possuem o mesmo valor de intensidade. No entanto isto pode ser um efeito desejado,
por exemplo, quando as regiões escuras da imagem com pequenas variações radiométricas
correspondem a áreas com o mesmo tipo de cobertura as quais não se deseja diferenciar.
g
Pontos de quebra
Uma função linear também utilizada é a função negativa. Ela realiza o mapeamento inverso
dos níveis de cinza, revertendo a ordem do preto para o branco, de tal forma que pixels com
intensidade clara serão mapeados para escuro e vice-versa. A escolha do mapeamento direto
adequado é, em geral, essencialmente empírica, mas existe uma classe de métodos nos quais o
mapeamento tem por finalidade produzir uma imagem cujo histograma tenha um formato
desejado.
5.4.2- Filtragem
48
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
O termo domínio espacial refere-se ao agregado de pixels que compõem uma imagem, e o
métodos no domínio espacial são procedimentos que operam diretamente sobre estes pixels.
Funções de processamento em f (x,y) é uma imagem de entrada e g (x,y) é uma imagem de
saída, e T é um operador sobre f , definido sobre uma vizinhança de (x, y).
Os filtros são geralmente utilizados a fim de realçar algumas feições da imagem através da
alteração das freqüências espaciais. O processo de convolução ou filtragem espacial da
imagem consiste na alteração do valor de determinados conjuntos de pixels ao longo da
imagem. Uma matriz (m x n) é utilizada para modificar os valores dos pixels levando-se em
conta os valores dos pixels vizinhos.
Em geral, a matriz (m x m) é passada por toda a imagem alterando o valor dos pixels. Na
Figura 24 observa-se uma matriz (janela) 3 x 3 aplicada para um pixel na terceira coluna e
terceira linha, centro da convolução.
Janela 3x3
Movimento da janela
Imagem
49
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
De acordo com o esquema da figura 25, para computar novo valor deste pixel, cada valor do
filtro é multiplicado pelo valor do pixel correspondente no filtro. O somatório do produto é
dividido pelo total da soma dos valores do filtro, tal como se segue:
generalizando,
q q
∑ ∑ fijdij
V = i =1 j =1
F
onde:
f ij = coeficiente referente ao filtro (m x n) na posição i,j ;
d ij = coeficiente referente ao valor do pixel correspondente fij;
q = dimensão da matriz, no exemplo 3 x 3;
F = soma dos coeficientes do filtro;
V = novo valor do pixel.
Este filtro é um exemplo de um filtro de alta freqüência, onde os valores mais baixos tornam-
se ainda mais baixos e valores mais altos tornam-se ainda maiores, aumentando a freqüência
espacial da imagem.
Vale a pena lembrar que as bordas da imagem original não podem ser calculadas por não
existir vizinhança. Em geral as bordas da imagem filtrada (linhas e colunas) possuem os
valores iguais o da imagem. Em outras palavras são se pode filtrar as linhas e colunas
limítrofes de uma imagem.
Os filtros de alta freqüência ou passa alta eliminam as feições de baixa freqüência, deixando
apenas as de alta freqüência. Os filtros de alta freqüência servem para realçar bordas ( limites
entre padrões na imagem). Os filtros de alta freqüência servem com filtros de realce de bordas
uma vez que estes salientam limites bordas entre grupos de pixels com DNs próximos. Os
valores das matrizes abaixo, mostram um filtro de alta freqüência aplicado numa janela 3 x 3.
50
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
De acordo com os valores dos pixels vizinhos valores baixos ficam ainda mais baixos (ex:
100 para 009) e o valores altos mais altos (ex:125 para 187).
Existe um grande número de filtros que podem ser elaborados pelo próprio usuário a fim de
facilitar a interpretação da mesma. As janelas ou matrizes podem variar de dimensão, as mais
usuais são: (3 x 3), (5 x 5) e ( 7 x 7).
Os filtros de passa alta e baixa são filtro lineares pouco aplicáveis em imagens
temáticas e segmentadas. A aplicação das técnicas de convolução são por meio de filtros não
lineares de mediana, moda em imagens temáticas destina-se, geralmente, na eliminação de
ruídos, generalização de classes e análise espacial. No filtro de moda , a freqüência relativa
dos valores dos pixels na vizinhança é calculada para depois escolher o pixel mais freqüente, a
moda, que é utilizado para substituir ao valor do pixel central referente a máscara ou janela.
Landsat Pan
Passa Alta -1 - 1 - 1
-1 17 -1
Efeito: -1 - 1 -1
Detecção de Bordas
1 1 1
Passa Baixa 1 1 1
1 1 1
Efeito:
Suavização
51
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Imagens multiespectrais são aquelas que possuem diversas bandas que podem ser
combinadas entre si de maneira a melhorar a interpretação da imagem. Como foi citadas
anteriormente as características de refletância dos objetos podem ser representados por tons
de cinza ou dn. O sistema de cores geralmente utilizado é o RGB (vermelhor, verde, azul)
baseado nas cores primarias. Logo se pode visualizar neste sistema de cores somente três
bandas de cada vez. A cor pura é representada pelo valor Maximo de bits como na tabela 7
abaixo:
Tabela 7 – Cores sistema RGB, coordenadas para 8 bits
COR R- vermelho G- verde B- azul
Vermelho 255 0 0
Verde 0 255 0
Azul 0 0 255
As diferentes cores são formadas misturando os valores dos tons de cinza de três bandas
multiespectrais. Supondo que se deseje fazer uma composição colorida ou falsa cor de uma
imagem Landsat, escolheriam-se três bandas, e para cada uma delas se associaria uma cor
primaria do sistema RGB.
Supondo uma composição 4, 3, 2, pode-se dizer que os tons de cinza da banda quatro esta em
tons de vermelho, os tons da banda 3 estao em tons de verde e a banda 2 em tons de azul. As
sobreposições destes tons artificiais darão a composição colorida denominada falsa cor, como
pode ser observado na Figura 27.
Observa-se solo exposto em tons de cor de rosa, vegetação em tons de verde, alterando a
disposição das bandas os objetos do terreno teriam diferentes cores. As composições coloridas
principalmente quando se misturam as bandas do infravermelho pode ser bastante útil para a
descriminação de diferentes objetos que dificilmente seriam inidentificáveis quando
observadas as bandas individualmente (preto e branco).
52
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
5.4.4.1- Conceito
53
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
O objetivo primordial das transformações para a retificação de uma imagem é gerar uma
nova imagem vertical sem as distorções introduzidas pela atitude do sensor durante a tomada
da imagem. A imagem resultante poderá, inclusive, está isenta dos erros de deslocamento
devido ao relevo. As distorções geométricas verificadas são :
54
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Altitude Rotação
Velocidade Ondulação
55
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
A- Transformação afim
56
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Na verdade, com o mínimo de três pontos de controle este sistema teria solução (6
equações a 6 incógnitas), porém quanto maior o número de pontos de controle mais acurado
será a determinação dos parâmetros de transformação. Com vários pontos de controle, tem-se
um sistema superabundante de equações, o que permite avaliar o erro da transformação e
rejeitar os pontos de controle que acumulam maior erro. Este modelo é bastante utilizado em
imagens tipo Landsat, Spot 4, Cbers, onde a distorção causada pelo relevo possui uma
relevância secundária.
Uma vez que se possui vários pontos de controle pode-se verificar quais dos pontos
se ajustam melhor à transformação. O erro total cometido na transformação é dado pelo erro
quadrático médio EQM ou RMS, determinado pela fórmula:
EQM= ( xt − xm ) 2 + ( yt − y m ) 2
onde: xt, yt, são as coordenadas transformadas e xm,ym são os pontos de controle(GCP), onde :
O erro quadrático médio pode ser expresso pela diferença em distância entre os pontos de
controle e os transformados a partir destes (Figura 31)
Ec
Coordenada transformada
57
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
n n
Ec= ∑ Ex
1=1
2
+ ∑ Ey 2 , onde EQMi erro por pontos, n número de pontos GCP, Ex2 e Ey2, são
i =1
• A precisão dos pontos de controle deve ser melhor que a resolução do pixel;
• O erro total da transformação deverá ser compatível com a acurácia esperada para escala
da imagem;
• A localização dos pontos de controle deve ser em nível de pixel na imagem;
• As curvas de nível e/ou altitudes devem ser precisas oriundas de mapas em escala 1:5.000,
ou maior (ver item 4.1).
58
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Onde:
Ln e Cn são, respectivamente, as coordenadas de imagem linha e coluna normalizados
correspondentes a um ponto objeto cujas coordenadas normalizadas são Xn, Yn, e Zn.
Para o caso de 3º grau, os polinômios são expressos como:
P1 = (1 Z Y X . . . Y3 X3 )* (a0 a1 . . . a19)T
P2 = (1 Z Y X . . . Y3 X3 )* (1 b1 . . . b19)T (2)
P3 = (1 Z Y X . . . Y3 X3 )* (c0 c1 . . . c19)T
P4 = (1 Z Y X . . . Y3 X3 )* (1 d1 . . . d19)T
Os termos ai e bi são os parâmetros a serem determinados por meio dos pontos de controle.
Um outro modelo que pode ser utilizado é o modelo APM , conhecido como equação
de projeção paralela que projeta o espaço 3D no plano 2D. Modelo é o que se segue:
x a1 a2 a3 X a4
y = a5 a6 a7 Y + a8
z a9 a10 a11 Z a12
Onde:
x, y, z : coordenadas do espaço imagem;
X,Y,Z: coordenadas no terreno
a1 ...a12: : parâmetros de transformação
Para o modelo Afim 3D se deve obter as coordendas Z, por meio do modelo digital
do terreno, Figura 33. O resultado da transformação é uma ortoimagem que não possui
distorções devido ao relevo. A ortoimagem por si só não é substituta para a carta, deve ser
apenas uma ferramenta para a produção ou atualização cartográfica e integração com o
geoprocessamento. A pesquisa de modelos matemáticos, métodos e técnicas para a geração de
ortoimagens ainda é um tema em discussão pela comunidade de S. Remoto.
59
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
6- CLASSIFICAÇÃO
• Forma e tamanho;
60
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
• Padrão;
• Textura;
• Associação
• Sombra.
Figura 34- Exemplo de Tonalidade e cor- imagem LANDSAT /TM do encontro das águas dos
rios Solimões (azul claro) e Negro (preto) formando o rio Amazonas
6.1.2- Forma
A forma é definida através da geometria dos objetos e o tamanho é diretamente
proporcional à escala. A forma é um elemento importante, pois facilita o reconhecimento
de alguns alvos na superfície terrestre, tais como: estradas e linhas férreas (que apresentam
61
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
formato longitudinal), cultivos (que tem formas regulares e bem definidas pois as culturas são
plantadas em linha ou em curva de nível), reflorestamentos (que tem formas regulares)
(Figura 35), áreas irrigadas por pivô central (que apresentam formas arredondadas)
reservatórios, complexos industriais, aeroportos, estruturas geológicas e geomorfológias,
cidades (que apresentam formas reticulares devido aos cruzamentos de suas avenidas e ruas)
(Figura 3), rios (que apresentam forma sinuosa) etc. Paralelamente a forma deve-se
também levar em consideração o tamanho dos alvos, pois algumas vezes alvos diferentes
apresentam formas semelhantes, mas tamanhos diferentes, o que auxilia na sua caracterização.
Por exemplo, as áreas de horticultura têm forma semelhante às áreas de plantio de cana-de-
açúcar, porém elas têm tamanhos diferentes. O mesmo acontece com rios, os rios principais e
os tributários têm a mesma forma sinuosa, mas tamanhos diferentes (LINGNAU, 2003).
Figura 35- Imagem IKONOS de área agrícola com padrão quadriculado bem definido.
(Fonte: http://www.engesat.com.br).
6.1.3- Padrão
Este elemento é bastante utilizado em fotografias aéreas e em imagens de alta resolução.
O padrão é definido a partir da união e extensão das formas que podem se repetir
regularmente com variações tonais na imagem. O padrão pode ser representado por obras
feitas pelo homem ou feições naturais, p. ex. padrões de drenagem, padrão das plantações, de
construções, de minerações, etc. Em estudos de bacias de drenagem o padrão de drenagem é
um elemento importante, pois ele está associado ao tipo de solo, rocha e estrutura geológica
na área que está sendo estudada. O Padrão também nos permite identificar alguns tipos de
coberturas artificiais tais como plantações, áreas de reflorestamento, áreas urbanas, distritos
industriais, área urbana (Figura 36) e algumas áreas de lazer, etc
62
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
6.1.4- Textura
Figura 37- Comparação entre a imagem LANDSAT e IKONOS de uma parte da Bacia
Paracatú na escala 1:25.000.
6.1.6- Sombra
É outro elemento importante na interpretação de imagens de satélite,mas na maioria das
vezes dificulta a interpretação das imagens, porque esconde a informação onde ela está
sendo projetada. De um modo geral o relevo sempre provoca uma sombra do lado oposto a
63
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
incidência do sol, fazendo com que estas áreas apresentem tonalidades escuras na imagem,
dificultando assim a caracterização dos alvos na superfície terrestre.
A vantagem da utilização de chaves é que elas podem ser adaptadas para sensores de
diferentes satélites e permite que o fotointérprete iniciante organize as informações na
fotografia ou imagem, de modo a melhorar a eficiência do mapeamento.
64
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Textura áspera
Padrão Linear
Textura Lisa
Textura Marmorizada
Cor vermelha
Textura grosseira
Cor Azul
Textura Lisa
65
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Textura Fina
Textura Fina
Padrão Linear
O processo de se associar pixels a feições distintas pode ser realizado por diferentes
métodos, denominados classificação supervisionada e não supervisionada.
66
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Amostra
Ex: Reflorestamento
• Histograma da Amostra
• Desvio padrão, Variância
• Elipses
67
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
nº Pixels
(a) (b)
68
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
∑ (µ − X xyi )
2
n
SD xyc = i =1 ci
Por esta regra não existirão pixels sem classificação, não obstante, não se considera a
variabilidade da classe, ou seja, a variância, uma vez que os pixels longe da média com uma
grade variância poderiam pertencer a uma outra classe. O método de Mahalonobis é uma
regra de decisão, que associa a matriz covariância da amostra à mínima distância, melhorando
a precisão da classificação. Entretanto, tende a superclassificar amostras que possuam amplos
valores de covariância. Este método é bastante utilizado para se classificar imagens de media
resolução com diferentes bandas espectrais( Ex:. Landsat; Cbers)
69
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
onde:
f(x)
P(X|ω1) = a;
P(X|ω2) = b;
classe(ω2) f(x) = função densidade de probabilidade
(distribuição normal)
classe(ω1) (1/σ (2π)1/2 )∗ (e –1/2[(X -µ/σ)]2)
Regra de decisão: a > b X pertence a ω1
a < b X pertence a ω2
f1 (x) f2 (x)
a b X (reflectância)
Muitas vezes as probabilidades a priori são as mesmas, sendo assim, são desconsideradas no
cálculo da probabilidade a posteriori:
70
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
d1
∗X
µ1 µ2 X
Assume-se neste caso, que em todas as assinaturas as probabilidades são iguais para
todas as classes, ou seja, ac = 1. Todos os pixels da imagem são classificados de acordo com
esta regra de decisão. Este método, em relação a mínima distância é o que apresenta
melhores resultados. Isto se deve-se ao fato de considerar um maior número de variáveis. No
entanto, existe uma tendência de superclassificação, ou seja, relacionar um maior número de
pixels às amostras com maiores valores relativos contidos na matriz. Deve-se em mente que a
classificação baseada em probabilidade estatística está sempre sujeita a erros. O resultado
deve ser sempre confrontado com a realidade de campo.
71
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Possibilidade
1- fA(x)
0.5 -
0 Nível de Cinza
B3 Agricultura B3
B4 B4
72
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
73
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
A região cresce através da agregação de pixels com características similares tipo cor,
brilho. A agregação que forma o objeto ou região é interrompida até não poder crescer mais,
baseados nos parâmetros associados e limiar, exemplo Figura 47.
Segmentos
6.2.3- Acurácia
74
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
75
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
Seja, Po para toda a matriz de erros é dado pela razão do somatório da diagonal
principal pelo número total de observações (N). Po pode ser traduzido pela proporção de
unidades (pontos de referência) que concordam. Pc é expresso pelo somatório do produto dos
elementos das linhas e colunas marginais pelo número total de observações ao quadrado. Pc
traduz a proporção de elementos atribuídos a determinada classe ao acaso. O valor positivo de
Kappa sugere que o valor observado de concordância é maior que a concordância ao acaso
esperada. O valor κ= 1 ocorre quando houver total concordância entre os pontos de referência
e as categorias classificadas. Kappa é um valor abstrato, ou seja, mostra um tendência de
qualidade da classificação, alguns autores comentam que o coeficiente de concordância
aceitável para um mapa temático deve ser superior a 0,70. Deve-se considerar obviamente o
contexto de cada classificação para fixar nível ou índice de qualidade.
76
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
De acordo com o que foi visto as imagens de satélite pode ser aplicada num projeto
de sistema de informações geográficas nas seguintes áreas:
¾ Atualização da base cartográfica;
¾ Analise espacial por álgebra de Mapas;
¾ Classificação digital
Seja qual for a aplicação a imagem deve ser sempre corrigida geometricamente e
associada ao sistema cartográfico de referência, a fim de se possa sobrepor à imagem outras
informações.
Uma imagem classificada a partir de imagem multiespectral possui uma tabela de
atributos que pode ser associada à base de dados. Comumente uma imagem temática pode
ser convertida em formato vetorial baseado com topologia. A topologia permite relacionar os
diferentes vetores com fins de análise espacial, figura 49.
8- BIBLIOGRAFIA
ANTUNES, A.F.B. Object oriented analysis and semantic network for high resolution image classification.
Boletim de Ciências Geodésicas. Volume 9, n 2, 2003.
ANTUNES, A. F.B & LINGNAU, C. Análise da aplicabilidade da teoriat fuzzy para classificação de
imagens de alta resolução. Anais II Colóquio Brasileiro de Ciências Geodésicas. UFPR. Curitiba. 2001.
ANTUNES, A . F.B & LINGNAU, C. Avaliação da acurácia de mapas temáticos oriundos da classificação
digital de imagem. VI Simpósio de Geoprocessamento. São Paulo. 1977.
ANTUNES, A . F.B & LINGNAU, C. Curso de educação a distância em geoprocessamento. Apostila.IEP &
Universidade Eletrônica do Paraná. Curitiba. 2002.
ANTUNES, F.B. Avaliação da resolução temática de imagem híbrida resultante da fusão spot-landsat.
Artigo PGCCG. Universidade Federal do Paraná. 1999
77
FUNDAMENTOS DE SENSORIAMENTO REMOTO
EM AMBIENTE DE GEOPROCESSAMENTO
Prof. Alzir Felippe Buffara Antunes
BARRETT, E. C.; CURTIS, L. Introduction to environmental remote sensing. Londres:Chapman & Hall.
1992.
CAMARA, G. Geoprocessamento para aplicações em meio ambiente. Salvador: Apostila . VII Simpósio
brasileiro de sensoriamento remoto. INPE, 1996.
CURRAN, P. J. Principles of remote sensing . 5ºed. Londres. Longman Scientific & Technical. 1995.
ERDAS. Erdas field guide. Manual Erdas Imagine 8.6, Atlanta. 2002.
JANSEN, J. R. Introductary digital image processing. New Jersey : Prentice Hall. 1986.
RICHARDS, A. J. Remote sensing digital image analysis. Berlim: Springer- Verlag. 1997.
ROBINSON, H.A et Al. Elements of Cartography. John Wiley & Sons, Inc. Sixth Edition, p127-158. 1995
SABINS, F. F. Remote Sensing: Principles and Interpretation. San Francisco: W.H Freeman. 1987.
WANG, Fangju. Fuzzy Supervised Classification of Romote Sensing Images. IEEE Transations on
Geoscience and Remote Sensing. vol.28, pp194-201. 1990.
USDA, FOREST SERVICE. Guidelines of the use of digital imagery for vegetation mapping. Salt Lake
City: Integration of Remote sensing Program Nationwide Forestry Application Program, 1994.
78