Relatório Sensoriamento Remoto

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.