Na Biologia, simbiose é a associação de dois seres vivos, na qual ambos os organismos recebem benefícios. Integração de dados em sensoriamento remoto é a combinação ou uso conjunto de dois tipos de imagens digitais para aumentar a versatilidade e qualidade nos processos de interpretação e extração de informações. Uma integração correta e adequada tecnicamente pode ser considerada uma verdadeira simbiose, em que a união de duas imagens traz benefícios a ambas. O que talvez muita gente não saiba é que, atualmente, com a diversidade de softwares e disponibili-dade de ferramentas cada vez mais poderosas, é possível integrar, em meio digital, praticamente qualquer tipo de imagem de uma mesma área.
Este fato deveria ser mais explorado pelos contratantes de serviços de mapeamento no Brasil. Deixa-se de dar andamento em algum projeto por problemas técnicos ou financeiros, muitas vezes contornados com o uso de técnicas alternativas. Além disso, métodos de integração de dados de sensoriamento remoto deveriam estar sendo mais requisitados e empregados para aumentar a qualidade final de produtos que acabam ficando mais caros em virtude de uma economia inicial insignificante, já que o preço das imagens é fator que não pesa tanto num orçamento.
Um exemplo é a previsão de safras agrícolas. Por que na Europa o programa de previsão de safras é bem sucedido? Órgãos europeus responsáveis pelo programa usam dados de satélites ERS, JERS, Radarsat , Landsat , Spot, IRS, NOAA, entre outros, além de informações de campo e métodos estatísticos. Todos os dados integrados, permitindo a geração de informações precisas e atualizadas de áreas de plantio para o cálculo da previsão da produção.
Integração com critério é soma, é simbiose. Mas atenção – integração de dados sem conhecimento técnico profundo de processos pode piorar em vez de melhorar. Dados de radar, por exemplo, têm geometria totalmente diferente e característica deste tipo de sistema. Fotografias aéreas sem tratamento adequado têm distorções geométricas devido a vários fatores. Imagens obtidas por visadas oblíquas também têm certas peculiaridades. E assim por diante. Para obtenção de produtos de alta qualidade, é necessário o domínio de técnicas de processamento digital de imagens e conhecimento da geometria e resoluções de cenas envolvidas.
Integração de imagem pancromático satélite indiano IRS-1C (5.8m de resolução espacial) com imagem multispectral do Landsat (30 m res.)
Fonte: Space Imaging/Eosat
Dos métodos de integração de dados de sensoriamento remoto, o mais conhecido é a simples sobreposição de imagens de diferentes sensores em um sistema que permite a operação com níveis de informação (ou layers). Outros métodos podem ser desenvolvidos usando alguns aplicativos e ferramentas disponíveis nos sistemas de proces-samento digital de imagens, tais como: composições coloridas, operações aritméticas, componentes principais e transformação IHS. Esta última vem sendo bastante usada, proporcionando ótimos resultados na integração de diversos tipos de imagens.
Imagem do Landsat
Uma das principais e mais conhecidas vantagens da integração de dados está no aumento da resolução espacial de uma imagem multiespectral a partir do uso de uma imagem pancromática. O exemplo mais típico dessa técnica é o emprego de uma imagem Spot pancromática com 10 m de resolução espacial para melhorar uma imagem Landsat multiespectral com 30 m de resolução. O produto final, nesse caso, é uma imagem colorida com 10 m de resolução, ou seja, a menor área visível no terreno teria 10 m2. Por que não usar esta técnica em projetos em que o nível de detalhe de imagens do satélite Landsat é insuficiente?
Resultado da Integração
Alguém poderia questionar: por que não se trabalhar apenas com a imagem do Spot? De acordo com a finalidade do trabalho e a região de estudo, até poderia ser viável usar apenas a imagem pancromática do Spot. Por exemplo, se o objetivo for o mapeamento das estradas de um município, uma imagem pancromática seria suficiente.
No entanto, caso o trabalho se destine ao fornecimento de um mapa do uso da terra, uma imagem colorida, usando outras faixas do espectro como o infravermelho, por exemplo, tem inúmeras vantagens, principalmente quando se tratando da diferenciação de diversos tipos de vegetação, corpos dágua, ocupação urbana, entre outras classes de uso e ocupação.
Ainda nesta abordagem se enquadra a integração de ortofotos digitais e imagens orbitais. Muitas vezes ortofotos desatualizadas podem ser integradas a imagens atuais caracterizando novamente o efeito simbiose. Enquanto imagens de satélite contribuem com informações atuais, se beneficiam da alta resolução das ortofotos, aumentando o nível de detalhamento na elaboração do mapa.
Integração de imagem Landsat com modelo numérico de terreno
(fonte: Tese de Schmidlin, D., 1992)
Outro enfoque interessante é a integração de modelos digitais de terreno ou imagens temáticas com imagens de sensoriamento remoto. Um modelo digital de terreno, gerado a partir de curvas de nível e/ou pontos cotados, pode dar origem a uma imagem do relevo. Esta, por sua vez, integrada a uma imagem multiespectral, é capaz de fornecer uma informação complementar extremamente interessante para profissionais de áreas de geologia, geomorfologia, solos, hidrografia, entre outras. Neste caso, o produto resultante é uma imagem que preserva características texturais, mas as cores variam com a altitude. Este mesmo tipo de procedimento pode também ser efetuado usando informações temáticas de naturezas diversas, obtendo-se ótimos resultados.
Imagens de radar ainda são de difícil interpretação em algumas áreas. Porém, têm vantagens como alta resolução e possibilidade de imageamento em condições climáticas adversas e em períodos noturnos. Neste caso, também a integração com imagens de sensores óticos pode ser bastante vantajosa.
Geotecnologia – por que não chamá-la de conjunto de sistemas simbióticos? – já que são ferramentas que se potencializam quando empregadas em conjunto? O sensoriamento remoto, uma das facetas indispensáveis das geotecnologias, deve ser mais ousado, para usar realmente aplicativos existentes nos sistemas de tratamento de imagens, aplicando-os na prática e desenvolvendo produtos cada vez mais qualificados, cumprindo com isso seu papel de maior provedor de informações para os sistemas geotecnológicos.
Dirley Schmidlin é engenheiro agrônomo, mestre em Interpretação de Imagens e Cartografia de Solos pela UFPR, responsável pelo Sensoriamento Remoto Orbital na Engefoto Engenharia e Aerolevantamentos S.A. (PR). email:engefoto@sul.com.br
