Content uploaded by Cristina Ponte Lira
Author content
All content in this area was uploaded by Cristina Ponte Lira on Jan 16, 2017
Content may be subject to copyright.
A preview of the PDF is not available
Sistemas de Informação Geográfica: Análise de Dados de Satélite
Figures
Figures - uploaded by Cristina Ponte Lira
Author content
All figure content in this area was uploaded by Cristina Ponte Lira
Content may be subject to copyright.
... Tratase de um conjunto de mosaicos com dados precisos sobre as regiões tropicais globais fornecida pelo Programa de imagens da iniciativa internacional de clima e florestas da Noruega (Norway's international climate and forests initiative imagery program, NICFI). As imagens satélite multiespectrais apoiam o monitoramento de mudanças climáticas e terrestres, sendo cada vez mais utilizadas no monitoramento do solo, na silvicultura, na gestão de emergências e na segurança (Lira et al., 2016;Li et al., 2020). Nesse trabalho, tendo em vista as múltiplas funções associadas às ferramentas de sensoriamento remoto, estas serão utilizadas no contexto da requalificação fluvial, de modo a exemplificar seu uso no campo da arquitetura e do planejamento urbano. ...
A restauração da vegetação é considerada importante ação estrutural capaz de equilibrar as necessidades humanas e a dinâmica natural de corpos hídricos afetados pelo crescimento urbano desordenado. Tendo em vista que praticamente todos os rios já sofreram algum impacto ambiental, destaca-se não somente a importância de projetos de requalificação em rios urbanos degradados, como a necessidade de monitoramento temporal das soluções implementadas. Portanto, a pesquisa tem o objetivo de explorar o uso dos Sistemas de Informação Geográfica em um projeto de requalificação fluvial brasileiro (Projeto Pró-Tijuco, em São Paulo), de modo a investigar o sucesso da implantação do projeto paisagístico e demonstrar as possibilidades de uso da ferramenta. A metodologia de análise conta com o sensoriamento remoto sobre imagens satélite Planet, no software de geoprocessamento ArcGIS. A densidade vegetativa foi mapeada por método de classificação supervisionada e, em seguida, aplicou-se o índice NDVI. Os resultados permitiram constatar o espraiamento da vegetação associado à requalificação fluvial, bem como uma expressiva evolução da vegetação dentro do recorte temporal avaliado. Por fim, os mapeamentos exploram a importância da vegetação em projetos de requalificação fluvial, visto sua capacidade de impactar positivamente no monitoramento da qualidade do entorno urbano.
... Deteção Remota de Áreas UrbanasO termo Remote Sensing, utilizado pela primeira vez nos Estados Unidos da América, na década de 60 do século XX, englobava os campos da fotogrametria e da fotointerpretação(Rocha & Sousa, 2007). Em sentido lato, a Deteção Remota pode ser definida como o conjunto de técnicas que permitem obter informação sobre um determinado objeto, através da utilização de um instrumento de medição que não está em contato direto com esse objeto(Bhatta, 2013;Lira et al., 2016). No contexto das ciências geoespaciais consiste na observação da superfície terrestre, através de sensores instalados em satélites que se encontram em órbita no espaço, pelo que hoje em dia assume também a designação de Observação da Terra (Bhatta, 2010).Nas áreas urbanas, a DeteçãoRemota baseia-se na captação pelo sensor do satélite da radiação eletromagnética que as diferentes coberturas/usos do solo refletem ou emitem (Fonseca e Fernandes, 2004), sendo possível a partir de leis da Física inferir a estrutura e a morfologia urbana (Besussi et al., 2010). ...
A Deteção Remota, alicerçada nos Sistemas de Informação Geográfica, contribuiu de forma inquestionável para
a alteração da análise da cidade. Porém, este tipo de informação, desde há décadas utilizada noutros domínios da
Geografia, só recentemente foi incorporada pela Geografia Urbana para o estudo da forma urbana (padrão) e
sobretudo do crescimento urbano (processo), dando assim resposta a uma das suas questões centrais – “como
evoluem as áreas urbanas ao longo do tempo?”. Neste cômputo, tendo por base seis imagens Landsat (TM,
ETM+ e OLI), procura-se estabelecer a evolução urbana dos municípios de Braga e de Guimarães entre 1984 e
2016. A partir do Landscape Expansion Index (LEI; Liu et al., 2010), é determinada a importância de cada modo
de crescimento – colmatação, contiguidade e dispersão – ao longo das três décadas em análise.
1. Introdução As margens estuarinas revestem-se de grande importância económica, social e ecológica, que se refletem na forte pressão exercida sobre elas. O espaço reclamado e antropizado de forma não planeada ao longo dos últimos séculos, sob pressão urbana, industrial, portuária, turística e agrícola, tem colocado em risco o equilíbrio natural dos domínios biológico e geológico. A artificialização das margens reduz a capacidade de migração dos diferentes ambientes como medida de adaptação aos agentes forçadores naturais, impedindo o restabelecimento do equilíbrio natural por parte do sistema. Os estuários representam excelentes casos de estudo na temática das alterações climáticas, sendo ambientes de transição muito vulneráveis, devido à interação entre os fatores físicos, químicos, biológicos e antrópicos a que estão sujeitos. As praias e restingas estuarinas (e, consequentemente, os sapais e os rasos de maré, que delas dependem) resultam da acumulação de sedimentos arenosos sob ação de ondas de geração local e correntes de maré, sendo particularmente sensíveis às pequenas modificações ambientais, como sejam a subida do nível médio do mar ou a alteração das suas fontes sedimentares. O objetivo principal deste trabalho consistiu na criação de um método semi-automático de avaliação da evolução das morfologias e da ocupação de zonas marginais estuarinas à mesoescala temporal, com recurso a imagens de satélite de alta resolução. Este estudo foi realizado aproveitando a elevada resolução temporal do programa de observação terrestre Landsat e utilizando técnicas de processamento e análise de imagem em suporte SIG (Esri® ArcMap TM 10.1). 2. Dados e metodologia Foi selecionada uma zona representativa dos elementos morfológicos marginais estuarinos, constituída por uma restinga de areia (a Restinga do Alfeite) e os elementos morfológicos associados, tendo sido definidas seis classes de ocupação marginal: " água " ; " duna, praia e banco arenoso " (areia); " raso de maré externo e canais principais " (areia vasosa); " raso de maré interno " (vasa); " sapal " (vegetação halófita em substrato vasoso orgânico); " vegetação dunar/ transição/ artificial " (áreas antropizadas, árvores e vegetação herbácea dunar). As imagens Landsat compiladas (disponíveis gratuitamente em http://earthexplorer.usgs.gov/) abrangem o intervalo temporal de algumas décadas, tendo sido selecionadas imagens dos sensores MSS, TM, ETM+ e OLI, entre as que combinam menor nebulosidade com menor altura de maré, de forma a exibirem a maior área possível de zona intertidal. A atribuição das classes temáticas foi realizada utilizando o classificador estatístico assistido máxima verosimilhança, a partir do conhecimento prévio das assinaturas espectrais de cada classe de ocupação, definidas nas amostras de treino. O método foi validado por fotointerpretação de fotografia aérea, ortofotomapas, imagens Google EarthTM e levantamento topográfico com equipamento DGPS, utilizando-se ainda cartografia antiga para alargar o intervalo temporal analisado. A precisão do classificador foi avaliada com base numa matriz de confusão e no índice kappa, relativamente ao ground truth criado por fotointerpretação da imagem pancromática Landsat de 2013, validada com uma imagem atual georreferenciada Google Earth TM. Foram desenvolvidos modelos semiautomáticos de pré-processamento (e.g Figura 1) e classificação de imagens (e.g Figura 2) com a ferramenta Model Builder, inserida no programa SIG utilizado, de forma a automatizar os processos, repetindo-os para as diferentes datas. A vetorização das diferentes classes permitiu definir a evolução de superfície de cada classe de ocupação, permitindo caracterizar qualitativa e quantitativamente a evolução da restinga e sua envolvente. 67
Abstract: Extracting surface water distribution with satellite imagery has been an important subject in remote sensing. Spectral indices of water only use information from a limited number of bands, thus they may have poor performance from pixels contaminated by ice/snow, clouds, etc. The detection algorithms using information from all spectral bands, such as constrained energy minimization (CEM), could avoid this problem to some extent. However, these are mostly designed for hyperspectral imagery, and may fail when applied to multispectral data. It has been proved that adding linearly irrelevant data to original data could improve the performance of CEM. In this study, two kinds of linearly irrelevant data are added for water extraction: the spectral indices and the spectral similarity metric data. CEM is designed for targets with low-probability distribution in an image, but water bodies do not always satisfy this condition. We thereby impose a sensible coefficient for each pixel to form the weighted autocorrelation matrix. In this study, the weight is based on the orthogonal subspace projection, so this new method is named Orthogonal subspace projection Weighted CEM (OWCEM). The newly launched Landsat 8 images over two lakes, the Hala Lake in China with ice/snow distributed in the north, and the Huron Lake in North America, a lake with a very large surface area, are selected to test the accuracy and robustness of our algorithm. The Kappa coefficient and the receiver operating characteristic (ROC) curve are calculated as an accuracy evaluation standard. For both lakes, our method can greatly suppress the background (including ice/snow and clouds) and extract the complete water surface with a high accuracy (Kappa coefficient > 0.96).
The Hyperspectral Imager for the Coastal Ocean (HICO) was used to derive chlorophyll-a (chl-a) based on the normalized difference chlorophyll index (NDCI) in two Gulf of Mexico coastal estuaries. Chl-a data were acquired from discrete in situ water sample analysis and above-water hyperspectral surface acquisition system (HyperSAS) remote sensing reflectance in Pensacola Bay (PB) and Choctawhatchee Bay (CB). NDCI algorithm calibrations and validations were completed on HICO data. Linear and best-fit (polynomial) calibrations performed strongly with R 2 of 0.90 and 0.96, respectively. The best validation of NDCI resulted with an R 2 of 0.74 and root-mean-square error (RMSE) of 1.64 µg/L. A strong spatial correspondence was observed between NDCI and chl-a, with higher NDCI associated with higher chl-a and these areas were primarily located in the northern PB and eastern CB at the river mouths. NDCI could be effectively used as a qualitative chl-a monitoring tool with a reduced need for site-specific calibration.
Essential Image Processing and GIS for Remote Sensing is an accessible overview of the subject and successfully draws together these three key areas in a balanced and comprehensive manner. The book provides an overview of essential techniques and a selection of key case studies in a variety of application areas. Key concepts and ideas are introduced in a clear and logical manner and described through the provision of numerous relevant conceptual illustrations. Mathematical detail is kept to a minimum and only referred to where necessary for ease of understanding. Such concepts are explained through common sense terms rather than in rigorous mathematical detail when explaining image processing and GIS techniques, to enable students to grasp the essentials of a notoriously challenging subject area. The book is clearly divided into three parts, with the first part introducing essential image processing techniques for remote sensing. The second part looks at GIS and begins with an overview of the concepts, structures and mechanisms by which GIS operates. Finally the third part introduces Remote Sensing Applications. Throughout the book the relationships between GIS, Image Processing and Remote Sensing are clearly identified to ensure that students are able to apply the various techniques that have been covered appropriately. The latter chapters use numerous relevant case studies to illustrate various remote sensing, image processing and GIS applications in practice.
Public reporting burden for the collection of information is estimated to average 1 hour per response, including the time for reviewing instructions, searching existing data sources, gathering and maintaining the data needed, and completing and reviewing the collection of information. Send comments regarding this burden estimate or any other aspect of this collection of information, including suggestions for reducing this burden, to Washington Headquarters Services, Directorate for Information Operations and Reports, 1215 Jefferson Davis Highway, Suite 1204, Arlington VA 22202-4302. Respondents should be aware that notwithstanding any other provision of law, no person shall be subject to a penalty for failing to comply with a collection of information if it does not display a currently valid OMB control number.
