UNIVERSIDADE FEDERAL DO MATO GROSSO – CAMPUS DE SINOP ENGENHARIA AGRÍCOLA E AMBIENTAL
Guilherme Farias Tavares & Karoline Carvalho Dornelas
Reconhecimento de características da imagem de Guarulhos-SP obtida pelo satélite LANDSAT 5, a partir de combinação do canal RGB
SINOP - MT 2011-1
Guilherme Farias Tavares & Karoline Carvalho Dornelas
Reconhecimento de características da imagem de Guarulhos-SP obtida pelo satélite LANDSAT 5, a partir de combinação do canal RGB
Relatório apresentado à Universidade Federal do Mato Grosso, como parte das exigências de avaliação da disciplina de Sensoriamento Remoto e o Geoprocessamento ministrada pelo Prof Edgar Nogueira.
SINOP - MT 2011-1
1. RELATÓRIO DE ATIVIDADE 1.1.
Resumo
Devido às atividades humanas, o meio ambiente e os recursos naturais estão em mudanças constantes. Para o entendimento e visualização desta transformação, torna-se necessária a observação da Terra em grande escala espacial e temporal, sendo a utilização de satélites para obtenção de informações a maneira mais econômica e efetiva (Sausen, T). Desta maneira, a partir da imagem, retirada pelo satélite LANDSAT 5, da cidade de Guarulhos/SP e da utilização do software Marlin® , foi realizada a distinção de solo, recursos hídricos, massa urbana, construção, vegetação, relevo e cultura, através das bandas espectrais 1,2,3,4,5e7 do sensor TM e, dos canais RGB (Red Gr een Blue).
1.2.
Materiais e Métodos
A área focada no estudo compreende o município de Guarulhos e região ( Figura 1), no estado de São 2 Paulo. Está localizado à 46,53S e 23,46E,com área territorial de 319 km e predominância de Mata Atlântica como bioma natural. A maior parte da economia é baseada em indústrias e serviços, sendo a área agropecuária responsável por 0,02% do PIB do município.
Figura 1.
Mapa com a localização (latitude x longitude) da cidade de Guarulhos/SP
Fonte: Instituto Brasileiro de Geografia e Estatística (IBGE) A imagem analisada, foi obtida a partir do sensor TM ( Thematic Mapper ) do Satélite LANDSAT 5 (Tabela 1), sendo a cena utilizada de número 641446, obtida em 23/05/2011. O site utilizado para obtenção da imagem foi o do INPE (Instituto Nacional de P esquisas Espaciais) , cujo endereço é http://www.inpe.br/ . Após a realização do login, realizou-se a escolha dos seguintes dados: tipo de satélite (no caso LANDSAT 5), sensor (TM), intervalo de tempo, cobertura máxima de nuvens e localização. Em seguida, clicou-se em executar , aparecendo as opções de imagens. Escolheu-se, então, a imagem desejada, esta foi processada e enviada no email de cadastro. Ao receber o email, foi feito o download das imagens das diferentes bandas do sensor.
Tabela 1. Informações do satélite LANDSAT 5 e parâmetros da Imagem obtida. 219 Órbita 76 Ponto Data de Passagem do Satélite 23/05/2011 PARÂMETROS DA IMAGEM 1 Nível de correção padrão WG584 DATUM Padrão UTM Projeção Padrão NN Amostragem padrão FTP Mídia 44809 Revolução -22.19900 Latitude Norte -24.0260 Latitude Sul -47.26420 Longitude Oeste -45.77450 Longitude Leste 12:53:54 Tempo central: (GTM) 8.19998 Orientação da Imagem Q1:0 Q2:10 Q3:0 Cobertura das Nuvens
Q4:10
Sabe-se que todas as imagens de satélite são originalmente processadas em preto e branco. Ao se utilizar uma imagem de satélite em composição colorida, é feita uma transformação IHS – RGB. IHS, do português: intensidade (I), matiz (H) e saturação (S), no qual intensidade (ou brilho) está relacionada com a quantidade de luminosidade associada ao matiz, utilizado principalmente para distinguir relevo; matiz é a cor de um objeto, ou seja, é o comprimento de onda médio da luz; e saturação, ou pureza, está associada à ausência de pigmento cinza, quanto mais pura a cor, maior a saturação. Para o processamento das bandas eletromagnéticas (parcela do espectro eletromagnético limitada por dois comprimentos de onda) e para a transformação das mesmas em imagens coloridas, bem como a realização da operação de razão entre bandas, foi utilizado o software Marlin®. Assim, com o auxilio do software, selecionou-se as sete imagens obtidas (7 bandas), para que estas aparecessem na janela „ componentes de display „ , após este procedimento, iniciou-se a manipulação dos canais RGB (Red Green Blue), para caracterização de alguns elementos na imagem (Figura 2).
Figura 2. RGB
Interface gráfica do software Marlin® com as sete bandas da imagem e os canais
O canal RGB (Red Green Blue), leva em consideração as cores primárias, para a obtenção das demais cores ( Figura 3). Neste modelo, a produção de uma cor C a partir das cores primárias aditivas (vermelho, verde e azul), pode ser definida pela equação (1):
C = r.R + g.G + b.B
(1)
Onde RGB são as cores primárias e rgb são os coeficientes da mistura, dados pela intensidade representada pelo valor do pixel (0 a 255, por exemplo).
Figura 3. Canal RGB (Red Green Blue) Cada banda do sensor TM do satélite LANDSAT 5, tem sua especificação, sendo ela de modo geral (Quadro1):
Quadro 1. Principais aplicações das bandas do LANDSAT/TM Faixa Espectral Banda Aplicações (μm) 1
0,45 – 0,52 (azul)
2
0,52 – 0,60 (verde)
3
0,63 – 0,69 (vermelho) 0,76 – 0,90 (IV próximo) 1,55 – 1,75 (IV médio) 10,40 – 12,50 (IV distante) 2,08 – 2,35 (IV médio)
4 5 6 7
Fonte: VERONESE, V. et al (2000)
Estudos de sedimentos na água Mapeamento de águas costeiras Diferenciação solo/vegetação Estradas e áreas urbanas Mapeamento de vegetação (maior reflectância dos canais do visível) Estradas e áreas urbanas Espécies vegetais (absorção da clorofila) Levantamento da biomassa (pico de vegetação sadia) Delineamento de corpos d‟água Mapeamento de rios e corpos d‟água Umidade da vegetação e do solo Estresse térmico em vegetação Propriedades termais dos solos e rochas Estudos de rochas e minerais Umidade do solo e vegetação
A partir destas informações (Quadro 1), foram feitos os levantamentos das bandas 1,2,3,4,5 e 7, em combinações dentro do canal RGB, para a caracterização da imagem de Guarulhos/SP e região. Para saber o número total de combinações RGB, utilizou-se a probabilidade. Desta maneira, com 6 bandas e 6 opções de valores para RGB ( 2):
B * RGB
(2)
Onde B é o número de bandas, e RGB o número de combinações. Assim, 6*6 = 36 possíveis combinações RGB para cada banda. Como utilizamos 6 bandas, este valor deve ser multiplicado por 6, obtendo então 216 combinações RGB possíveis de ser analisadas. Após esta verificação, foram testadas todas as combinações possíveis, para que os resultados fossem alcançados e comparados ao Quadro 1.
1.3 Resultados e Discussões Como toda imagem de satélite é processada em preto e branco, ao sobrepor todas as bandas (1,2,3,4,5,6 e 7), obtemos a imagem de Guarulhos e região em escala de tons de cinza (Figura 4), ou seja, os elementos que refletem mais radiação eletromagnética possuem matiz mais clara, já aqueles que absorvem a radiação têm cor escura ou preta. Dessa maneira, utilizando suas variações de cor no canal RGB, conseguimos obter muitas informações sobre os ambientes como, solo, recursos hídricos, relevo, vegetação, construções.
Figura 4. Imagem de Guarulhos e região em preto e branco (Canal RGB 111) Ao variar os canais RGB, os níveis de cinza são convertidos em cores. No canal RGB 321, obtemos a imagem colorida mais próxima do real ( “cor natural”), pois o canal 3 do sensor TM, representa a faixa espectral do vermelho; o canal 2 representa a faixa espectral do verde; e o canal 1 representa a faixa espectral do azul (Figura 5). Já, ao utilizarmos o canal RGB 543, observamos uma mudança da cor da imagem, principalmente porque o canal G está relacionado ao infravermelho-próximo (IVP), que reflete a vegetação densa e uniforme (dando uma cor verde clara) e absorve corpos hídricos (cor escura). Os canais R e B, estão relacionados às bandas 5 e 3, respectivamente, sendo que a banda 3 é utilizada para delimitar a mancha urbana, como esta está relacionada ao canal B (blue), a mancha urbana terá tons de roxo (Figura 6).
Figura 5. Imagem no canal RGB 321
Figura 6. Imagem no canal RGB 543
1.3.1 Recursos Hídricos As principais bandas utilizadas para distinguir os recursos hídricos são 1,2 e 4. Sendo que a banda 1 apresenta grande penetração em corpos d ‟água com elevada transparência; a banda 2 é sensível à presença de sedimentos em suspensão, possibilitando sua análise em t ermos de quantidade e qualidade; e na banda 4, os corpos d‟água absorvem muita energia e fica m escuros. Dentro desta análise, foram encontrados 4 combinações do canal RGB, sendo elas, respectivamente, 125 (Figura 7), 142 (Figura 8), 341 (Figura 9) e 421 (Figura 10). Em todas, pode ser observado que a água limpa possui uma coloração mais escura e a água turva apresenta coloração mais clara. Na Figura 7, observamos a água em tons amarelados, já que a banda 1 está relacionada com o canal R e a banda 2 com o canal G. Isso ocorre pelo fato de que a presença de matéria orgânica dissolvidos em corpos d‟água desloca o máximo de reflectância espectral para a cor a marela. Na Figura 8, a água observada se encontra em tons de rosa, pois a banda 1 está relacionada ao canal R e a banda 2 ao canal B. Como no canal 4, ocorre maior absorção da energia e, como na Figura 9, a banda 1 está relacionada ao canal B, a água torna-se azulada. A água na Figura 10 é diferenciada dos demais elementos, pois apresenta uma coloração azul clara, já que a banda 2 está diretamente relacionada com o canal G e a banda 1 com o canal B. Pode-se ainda dizer que a coloração azul clara, no caso da imagem utilizada, é representada pelas praias.
Figura 7. Canal RGB 125
Figura 8. Canal RGB 142
Figura 9. Canal RGB 341
Figura 10. Canal RGB 421
1.3.2 Solo Exposto e Vegetação A banda de infravermelho-próximo (IVP) é sensível a morfologia do terreno, à rugosidade da copa das florestas, reflete a vegetação verde, densa e uniforme e permite a identificação de áreas agrícolas, como na Figura 11, tal banda está associada ao canal vermelho (R), então toda vegetação observada a presenta a esta cor, sendo que a vegetação menos densa e de menor tamanho é apresentada por matiz mais clara (Figura 12), podendo distinguir o solo exposto das áreas agrícolas através do canal RGB 421, pa ra ambas figuras, sendo que o solo exposto e/ou ocupado por mancha urbana tem uma reflectância na cor azul . Ao variar o canal RGB para 541 ( Figura 13) e comparando a imagem à Figura 12 (mesma região), fica claro os locais em que ocorrem práticas agrícolas e onde o solo e stá exposto.
Figura 11. Composição RGB 421
Figura 12. Composição RGB 421, matiz clara
Figura 13.
Composição RGB 541 (solo exposto x cultura)
1.3.3 Solo Urbano e Construções A banda 1 é utilizada para detecção de feição cultural (mancha urbana, rodovias, pontes) e também para a diferenciação entre solo e vegetação, já as bandas 4 e 7 apresentam sensibilidade a morfologia do terreno, permitindo informações sobre solos e geomorfologia, sendo que a 4 permite o mapeamento de feição estrutural e geológica. A partir destas informações 3 composições RGB foram criadas para diferenciação da mancha urbana e de construções: 174 (Figuras 14 e 15), 524 (Figuras 16 e 17) e 754 (Figura 18).
Figura 14.
Composição RGB 174 (Grande Mancha Urbana e Cidade Pequena)
Figura 16.
Figura 15.
Aeroporto Internacional de Guarulhos (RGB 174)
Ponte sobre água (RGB 524) – Destaque para construções
Figura 17.
Composição RGB 524 – Mancha Urbana e Construções
Figura 18. Composição RGB 754 – Mancha Urbana
1.3.4 Relevo e Nuvens O comportamento espectral de nuvens apresenta elevada reflectância (70%), em todo espectro óptico destacada, principalmente na banda 4. Isso faz com que seu matiz seja próximo da mistura das três cores primárias aditivas (RGB), dando uma coloração quase branca na imagem na composição RGB 421 (Figura 19), podendo ser identificadas ainda pelo sombreamento em preto. Já o relevo é destacado principalmente pela textura rugosa e sombra, como observamos na imagem de composição 534 (Figura 20).
Figura 19.
Composição RGB 421 –
Figura 20. Composição RGB 534 – Relevo
Nuvem
1.4 Conclusão A composição RGB se torna muito útil para a distinção dos elementos, como solo, recursos hídricos, relevo, agricultura, mancha urbana, construções entre outros, presentes na imagem. Com o conhecimento do comportamento espectral dos alvos na superfície da Terra, é possível escolher as bandas mais adequadas para o estudo dos recursos naturais.
Através das imagens observamos que Guarulhos não é uma região agrícola, condizente com os dados retirados do IBGE. A manipulação de imagem através de softwares é a maneira mais fácil e útil de obtenção da informação espacial e possíveis estudos em cima dela.
1.5 Referências Bibliográficas ARAUJO, T.P. et al. Processamento de imagens digitais – Razão entre bandas. São Paulo, UNESP – 2010. LIRA, V. et al. Análise espectral de índice de vegetação em área irrigada com cana-de-açúcar. Revista de Engenharia Ambiental, Espírito Santo do Pinhal, 2009. MEDEIROS, C. et al. Uso do sensoriamento remoto e processamento digital de imagens utilizadas para mapear a mancha urbana do município de Parnamirin (RN). Simpósio Brasileiro de Sensoriamento Remoto. Goiânia, Brasil – 2005. SAUSEN, T. Sensoriamento remoto e suas aplicações para recursos naturais. Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, São Paulo. VERONESE, V. et al. Introdução ao processamento digital de imagens. IBGE, Rio de Janeiro, 2000. IBGE: http://www.ibge.gov.br/cidadesat/painel/painel.php?codmun=351880, acessado em
15/10/2011 INPE: http://www.inpe.br/ , acessado em 10/10/11
