Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 UNIVERSIDADE FEDERAL DO CEARÁ Relatório: Sensoriamento Remoto – Parte 01 Nome: Marcos Antônio Barros Lisboa - 470869 FORTALEZA 2021 2 1. Introdução O sensoriamento remoto é a aquisição de informação sobre um objeto sem que haja contato um contato físico com o mesmo. No geoprocessamento, as imagens obtidas a partir de satélites como o Landsat, Sentinel e outros, são processadas por softwares e a partir disso é possível obter uma grande quantidade de informação, trabalhando com as diferentes bandas fornecidas por cada um. A série de satélites LANDSAT teve inicio na segunda metade da década 60 a partir de um projeto desenvolvido da NASA. A serie hoje está no LANDSAT 8 e pode ser observada de forma mais lúdica na Figura 1. Figura 1: Linha do tempo da série de satélites Landsat. Fonte: INPE O LANDSAT 8 conta com 2 sensores: OLI (Operational Land Imager) e o TIRS (Termal Infrared Sensor). E com um total de 11 bandas que foram trabalhadas ao longo da prática. As imagens trabalhadas ao longo da aula do dia 18 de março de 2021, tem como fonte o satélite Landsat 8, disponibilizadas a partir da plataforma Earth Explorer da USGS, como apresentado na Figura 2. 3 Figura 2: Cena utilizado ao longo da prática, na plataforma da USGS. Fonte: Autor 2. Objetivos • Definir conceitos como: Sensoriamento remoto, cenas e bandas. • Trabalhar uma cena do satélite LANDSAT 8 e suas 11 bandas, principalmente a verde, vermelha e infravermelho próximo. • Calculo do fator de refletância • Calcular o NDVI. 3. Desenvolvimento Os dados utilizados ao longo da prática foram obtidos na plataforma Earth Explorer, como explicado na introdução. O arquivo foi obtido zipado e ao descompacta-lo, os arquivos apresentados na Figura 3 são resultados dessa ação. 4 Figura 3: Arquivos obtidos ao descompactar o download do Earth Explorer. Fonte: Autor E ao adicionar os arquivos raster no QGIS, é possível observar que o SRC está locado no hemisfério norte, Figura 4, e para trabalhar corretamente é necessário alterar do hemisfério norte para o sul, e na Figura 5 obtemos o resultado da conversão. Figura 4: Arquivos raster com SRC no hemisfério norte. Fonte: Autor 5 Figura 5: Arquivos raster convertidos para o hemisfério sul. Fonte: Autor As bandas convertidas para o hemisfério sul, por hora, compreendem somente da banda 1 a 7. O fator de refletância, que é calculado com base no número digital obtido a partir do arquivo raster é um número que fornece informações importantes para diversos tipos de pesquisa. Uma fonte hídrica mais pura, terá um fator de refletância diferente de uma fonte poluída, plantas sob ataque de pragas ou com déficit nutricional terão fator de refletância diferente de plantas sadias. O calculo do fator de refletância se da por meio da seguinte equação: 𝑀𝑢𝑙𝑡 ∗ 𝑁ú𝑚𝑒𝑟𝑜 𝐷𝑖𝑔𝑖𝑡𝑎𝑙 + 𝐴𝑑𝑑 O número digital é obtido a partir de dados do raster. O “Mult” e o “Add” são obtidos a partir do documento “LC08_L1TP_216064_20200713_20200722_01_T1_MTL.txt” que está contido no arquivo compactado provindo do Earth Explorer, Figura 3. A fins de curiosidade, na Figura 7 calculamos o fator de refletância para pixels na água e na vegetação, nas bandas de infravermelho próximo, verde e vermelho, o calculo foi feito no Excel. 6 Na Figura 6, utilizamos a ferramenta “identificar” para coletar o número digital de um pixel nas três bandas trabalhadas (Bandas 5, 4 e 3), esses valores foram inseridos no Excel e a equação foi aplicada para o cálculo da refletância. Figura 6: Ferramenta identificador sendo utilizada para coletar o número digital de um pixel de vegetação. Fonte: Autor: Figura 7: Tabela com Reflectância calculada baseada no número digital. Fonte: Autor E agora que o calculo foi demonstrado no Excel, iremos realizar o mesmo procedimento para cada banda, utilizando a “Calculadora Raster” e aplicando a equação apresentada anteriormente. O processo pode ser observado na Figura 8 e todas as bandas transformadas são apresentadas na Figura 9. 7 Figura 8: Conversão de raster com número digital em reflectância utilizando a calculadora raster. Fonte: Autor Figura 9: Identificador sendo utilizado nas bandas convertidas em reflectância. Fonte: Autor É possível observar que a reflectância é maior na vegetação na banda infravermelho que na banda verde. E agora para o calculo do NDVI, utilizaremos a seguinte equação: (𝑅𝐸𝐹𝑛𝑖𝑟 − 𝑅𝐸𝐹𝑟𝑒𝑑) (𝑅𝐸𝐹𝑛𝑖𝑟 + 𝑅𝐸𝐹𝑟𝑒𝑑) 8 No caso, para o Landsat 8 a banda 5 equivale ao “REFnir” e a banda 4 é referente ao “REFred”. Na Figura 10 podemos observar o NDVI calculado para um pixel de vegetação e para um pixel de água. Os valores de NDVI fornecem informações sobre o que se refere cada pixel, se é vegetação, o nível de cobertura se é vegetação, se é solo ou corpo hídrico. A Figura 11 apresenta uma classificação do valor de NDVI. Figura 10: NDVI calculado para vegetação e para água. Fonte: Autor Figura 11: Classificação de NDVI. Fonte: BARBOSA, 2017. E agora para o calculo de NDVI no QGIS, novamente se faz uso da “Calculadora Raster”, inserindo a equação apresentada na Figura 12 é possível obter o resultado observado na Figura 13. 9 Figura 12: Calculadora raster com equação do NDVI inserida. Fonte: Autor Figura 13: NDVI, destaque para o Identificador apresentando valor negativo de NDVI na água. Fonte: Autor 10 Figura 14: Exportação de um shape para ser usado como máscara para recortar o pedaço da cena referente ao estado do Ceará. Fonte: Autor Figura 15: Raster da cena referente ao estado do Ceará cortada através de uma máscara. Fonte: Autor 11 Figura 16: Equação para destacar a água em um novo raster. Fonte: Autor Figura 17: Resultado, água em branco referente a 1, demais superfícies em preto, referente a 0. Fonte: Autor 12 Figura 18: Conversão de raster para vetor a fim de isolar o açude Castanhão. Fonte: Autor Figura 19: Resultado da conversão. Fonte: Autor. 13 Figura 20: Açude Castanhão isolado. Fonte: Autor Figura 21: Janela de mesclagem de bandas. Fonte: Autor. 14 Figura 22: Resultado da mesclagem, bandas da imagem ainda não alocadas corretamente para a percepção de cor. Fonte: Autor. Figura 23: Alocando bandas corretamente para a percepção de cor. Fonte: Autor. 15 Figura 24: Resultado da alocação de bandas. Fonte: Autor. Figura 25: Resultado após o uso da ferramenta "Trecho de corte cumulativo". Fonte: Autor 4. Conclusão O resultado na mesclagem foi diferente do obtido em aula, principalmente no que se refere a coloração da água. O NDVI e índice de reflectância foram calculados e os valores obtidos foram coerentes com a realidade. 16 5. Referencias LISBOA, Marcos Antônio Barros. Aula de geoprocessamento: Sensoriamento Remoto Parte 1. 18 de março de 2021. 6 p. Notas de Aula. BARBOSA, Antônio Helton da Silva; DE CARVALHO, Rodrigo Guimarães; CAMACHO, Ramiro Gustavo Valera. Aplicação do NDVI para a Análise da Distribuição Espacial da Cobertura Vegetal na Região Serrana de Martins e Portalegre – Estado do Rio Grande do Norte. Revista do Departamento de Geografia USP, São Paulo, V.33, p.128-143, março, 2017.
Compartilhar