Por Fernando E. Kutchenski Júnior e Raquel Barreto
Introdução
O sensoriamento remoto tem por finalidade identificar e caracterizar os materiais da superfície terrestre e os processos que nela ocorrem a partir da radiação eletromagnética procedente da mesma, entendendo por tal, tanto a radiação emitida pela própria superfície terrestre como aquela emitida pelo sol e refletida pela terra, prevalecendo uma sobre a outra em função do intervalo espectral considerado (Gilabert et al, 1997) .
O sensor ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) é um instrumento imageador multiespectral a bordo do satélite TERRA-1, o primeiro de uma série de satélites com múltiplos sensores dentro do projeto da NASA’s Earth Observing System (EOS). As imagens ASTER contam com a melhor configuração existente entre os sistemas sensores orbitais atualmente disponíveis. Desde o seu lançamento, o ASTER tem a sua potencialidade já bem documentada em diversos trabalhos acerca do monitoramento e
exploração dos recursos naturais terrestres.
Lançado em dezembro de 1999 e com período de operação planejado de 06 anos (até 2005), possui órbita circular (a mesma que o LANDSAT-7, apenas 30 minutos atrás), quase polar, sol síncrona e a uma altitude de 705 km (Lucca, 2006). O ASTER foi desenvolvido para obter mapas detalhados da temperatura, emissividade, reflectância e elevação da superfície terrestre. É composto por três subsistemas distintos, com 14 bandas (entre os comprimentos de onda de 0.56 a 11.3 μm), que variam do visível ao infravermelho termal (distante): Visible and Near-Infrared (VNIR – 3 Bandas), Shortwave Infrared (SWIR – 6 bandas) e Thermal Infrared (TIR – 5 bandas).
Cada subsistema possui seu próprio telescópio e, no caso do VNIR, há ainda outro com visada oblíqua (27,6º) para obtenção de pares estereoscópicos na mesma órbita. A resolução espacial, a nadir, varia com o comprimento de onda: 15 metros nos espectros do visível e infravermelho próximo (VNIR), 30m no infravermelho médio (SWIR) e 90m no infravermelho termal (TIR).
Apresenta ainda uma Varredura de 60 km e com Resolução Temporal de 16 dias. A Resolução Radiométrica de 8-bit nas regiões VNIR e SWIR (256 níveis de cinza), e de 12-bit no TIR (4.096 níveis de cinza), e o Modelo Digital de Elevação (MDE) para os 3 subsistemas.
A figura 1 demonstra os comprimentos de onda de cada banda:
Se comparado ao sensor ETM (LANDSAT 7), o sensor ASTER possui cobertura espectral nas principais áreas de cobertas pelo sensor ETM e apresenta ainda maior cobertura na região termal, como pode-se perceber na figura 2:
Figura 1 – comprimento de onda das bandas do sensor ASTER
Figura 2 – Comparação entre as bandas do sensor ASTER e do sensor ETM
– Objetivos
O objetivo deste trabalho foi verificar o potencial das imagens ASTER para a identificação de alvos específicos por meio de coeficientes.
Os objetivos específicos são:
1) Identificação na imagem de áreas com a presença ou não de vegetacao;
2) Identificação na imagem de áreas com a presença de oxido de ferro.
– Localização da Área de Estudo
A província de Jujuy se situa no extremo noroeste da República Argentina, na denominada Região NOA (Noroeste Argentino), e limita com a Bolívia e o Chile pelo norte e á oeste respectivamente, e ao sul e ao leste com a província de Salta, Argentina. Tem uma extensão territorial de 53.219 Km2, cerca de 1,9 % do território argentino).
O território jujenho apresenta um relevo com grandes variações altimétricas e orograficamente, se distinguem: La Puna, La Cordilheira Oriental, Lãs Sierras Subandinas e la Llanura Chaqueña. Se distinguem quatro regiões ambientais com distintas modalidades de assentamentos humanos e culturais, são elas: Valles, Ramal, Quebrada e Puna.
A geologia da área apresenta filitos e xistos da formação Puncoviscana da idade précambica – cambrica. No Cambrico, as unidades sedimentares estão representadas por um grupo Mesón que começa com conglomerados, e arenito, quartzitos e limonitas. Os depósitos quaternários que se distribuem na área de estudo são de origem fluvial, eólico e glaciário. Os depósitos salinos estão constituídos por evaporitas, limos lacustres salinos, em menor proporção areias.
Processamento das imagens
– Processamentos realizados nas imagens
Para a análise aqui apresentada foram utilizadas 3 imagens do sensor ASTER, localizadas na província de Jujuy – Argentina. As três imagens correspondem à região conhecida como “Quebrada de Humahuaca”.
As imagens que inicialmente tinham o formato .hdf, foram convertidas no formato .img com o software ENVI, versão 4.4. As bandas de cada imagem foram empilhadas de acordo com seu subsistema, gerando 3 arquivos para cada imagem: VNIR (bandas 1, 2 e 3N), SWIR (bandas 4, 5, 6, 7, 8 e 9) e TIR (bandas 10, 11, 12, 13 e 14).
Calibração das imagens em Número Digital para Radiância
Com o software HDF Browser foram abertos os arquivos auxiliares de cada imagem, e anotados os valores de ganho para cada banda.
Depois de abertas as bandas em número Digital no ENVI, com a ferramenta de matemática de bandas, os valores de ganho anotados para cada imagem foram processados para cada banda tendo por base a seguinte fórmula, onde n corresponde à banda processada.
Float (Bn – 1) * Coeficiente de correção
Uma vez lançada a formula, foi especificada qual a banda correspondente à variável n. O procedimento foi repetido para cada bando, alterando a variável n e o valor do coeficiente de correção. Foram gerados, então, os arquivos de radiância para cada banda nas 3 imagens.
Transformação das imagens em Número Digital para Reflectância
Com as imagens em Número Digital abertas no ENVI, em cada uma foi escolhida uma área plana e sem sombras, que foi salva em ROI, para o inicio da transformação da imagem para reflectância.
Com a ferramenta Flat Field foi aberto o arquivo ROI salvo e salva a imagem de reflectância. No cabeçalho da imagem foram agregados, ainda, os centróides da longitude de onda das imagens, com as unidades em micrômetro.
Valores dos coeficientes de correção:
B1 – 0.556
B2 – 0.661
B3N – 0.807
B4 – 1.656
B5 – 2.167
B6 – 2.208
B7 – 2.266
B8 – 2.336
B9 – 2.400
Após a conversão das imagens para reflectância, foi feito um mosaico com as 3 cenas utilizadas
Construção do Mosaico
Com as 3 imagens da área de interesse abertas no ENVI foi realizado o mosaico das imagens.
Aplicação dos coeficientes de bandas
Com o mosaico de radiância aberto no ENVI, através da ferramenta de matemática de bandas, foram inseridas as fórmulas relativas a cada coeficiente de banda que se buscou ressaltar. Dentre vários coeficientes que podem ser utilizados, neste trabalho foram dois:
1) NDVI: b3/b2 e 2) Óxidos de Ferro: b2/b1
Resultados e Discussão
Para o mosaico das imagens, não houveram distorções, coincidindo bem os limites de cada um delas. As imagens se diferenciam muito, pois a região não é homogênea, apresentando vários aspectos, como por exemplo, região com e sem vegetação, ou vegetação rala, salinas, entre outros.
Figura 3 – Mosaico das 3 imagens nas Bandas 3,2,1
Os coeficientes de bandas são importantes ferramentas para o realce de algum evento ou ocorrência na superfície estudada.
O coeficiente NDV realçou a vegetação da região de estudo, com o realce da região do infravermelho. Como se pode observar na imagem, as regiões com a presença de vegetação apresentam-se com a cor clara. As áreas escuras não apresentam vegetação, ou a vegetação é muito rala e muito dispersa.
Foto 1 – A – Área com vegetação com a presença dos vales (aporte fluvial) e ao fundo o inicio da zona de transição, com a ausência de vegetação.B Áreas sem vegetação ou vegetação rala, somente com indivíduos arbóreos nas localidades habitadas
Figura 4 – Mosaico das 3 imagens após a aplicação do NDVI.
Vegetação apresenta-se com aparência clara da imagem
Conforme visto na imagem, a região apresenta uma transição com a presença de vegetação e sem vegetação. Na área mais clara da imagem, a vegetação tem presença marcante, confirmado pelas fotografias do local (Foto A).
Nas regiões mais escuras da imagem, a vegetação mostra-se ausente, rala, ou dispersa, confirmada pela fotografia do local (Foto B).
O coeficiente OxFe (Óxido de Ferro) realça áreas com a ocorrência de oxido de ferro. Nas imagens aqui processadas, observou-se a ocorrência em regiões onde a vegetação apresentou-se ausente ou rala. O coeficiente utilizado nas Bandas do VNIR permite a identificação do Óxido de Ferro, pois os padrões espectrais apresentam um alto valor na banda 3 e um pico de absorção na banda 2. Como a região é arida, a resposta da vegetação é nula. Desse modo, a resposta é devido a presença de óxido de ferro.
Foto 2 – Área com presença de óxido de Ferro. Tonalidade vermelha
Figura 5 – Áreas com a ocorrência de óxido de Ferro (Áreas mais claras)
Os coeficientes de bandas são bastante utilizados na detecção de alterações e na discriminação de distintas áreas, litologias, que se podem constatar ao realizar as diferenças entre os máximos e os mínimos de reflectância. No numerador coloca-se a banda na qual existe o máximo de reflectância e no denominador a banda correspondente a absorção.
Conclusão
Os dados ASTER permitiram distinguir na mesma região áreas com e sem vegetação. A região de estudo favoreceu muito a identificação dos alvos, pois é facilmente observado em campo estas diferenças. Mas para um estudo mais detalhado e mais amplo, as imagens foram imprescindíveis para este levantamento.
Para destacar a presença da vegetação, a utilização do NDVI foi uma ferramenta muito útil, pois permitiu confirmar o que foi levantado em campo.Há áreas com vegetação abundante, áreas de transição, onde a vegetação torna-se mais rala ou dispersa, e também há áreas de irrigação ao longo dos vales.
Na distinção do óxido de ferro, as imagens se mostraram como poderosas ferramentas, assim como o coeficiente de banda utilizado. A ausência de vegetação nestas áreas favoreceu a identificação. Nas imagens, após a utilização do coeficiente, ficou muito evidente a presença do alvo.
A combinação das imagens e dos coeficientes de bandas podem ser mais utilizados ainda para a identificação de outras feições ou alvos de diferentes formações, mas cabe ao analista a escolha do mais adequado. Para se obter melhores resultados, deve-se realizar a correção da reflectância, pois a partir dela, as analises são mais confiáveis.
Os dados ASTER tem grande potencialidade nos estudos naturais, e o ENVI permite extrair muito mais informações com detalhes que acrescentam muito ao estudo definido. Cabe ressaltar a importância de materiais confiáveis, no nosso caso, as imagens ASTER, e uma metodologia eficaz para assegurar um estudo de qualidade.
Fernando E. Kutchenski Júnior
Departamento Nacional de Produção Mineral (DNPM)
Diretoria de Fiscalização
fernando.kutchenski@dnpm.gov.br
Raquel Barreto
Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (IBAMA)
Diretoria de Proteção Ambiental – DIPRO
Centro de Sensoriamento Remoto – CSR
raquel.barreto@ibama.gov.br
Referências Bibliográficas
Carrino, T. A.; Souza Filho, C. R. Utilização de imagens multiespectrais termais do
sensor ASTER para mapeamento remoto de prováveis áreas com feições de
impacto em crateras africanas. Anais XIII Simpósio Brasileiro de Sensoriamento
Remoto, pg. 21-26, INPE, p. 1999-20062. Florianópolis, 2007.
Chaves, T. A.; Carvalho, Júnior, O. de A.; Trancoso, G. R. A.; Sodré, R. V.; Machado,
W. P. Oliveira, S. N. de; Silva, A. S. da. Análise da paisagem do Maciço de Cana
Brava pelo uso de imagens ASTER. Anais XIII Simpósio Brasileiro de Sensoriamento
Remoto, INPE, p. 5675-5682. , Florianópolis, 2007.
Lucca, E. V. D. O uso da fusão de imagens multisensores por meio da transformada
wavelet na caracterização da pluma termal costeira da usina nuclear de Angra dos
Reis.. 150p. ; (INPE-14638-TDI/1202). São José dos Campos: INPE, 2006.
Gilabert, M. A.; Gonzáles-Piqueras, J.; Garcia-Haro, J. Acerca de los Índice de
Vegetación. Revista de Teledetección, nº 8 – Diciembre 1997. Pg. 1 – 10. 1997.
MARQUETI, C.;BECCHIO, R.; SEGGIARO, R.; NAKASHIMA, K.; Aplicación de
Datos Áster en el Estúdio Geológico la Hoja Andalgalá, Catamarca. IN:
Contribuiciones Tècnicas PROYECTO GEOSAT-AR – Mapeo Geològico Regional con
la Utilizaciòn de Datos Satelitales de Ultima Generaciòn, en la Repùblica Argentina.
(Regional Geological Mapping with Advanced Satellite Data in the Argentina
Republic). Editor: Graciela Marìn. Buenos Aires, 2005.
