Comparação do índice de água para imagens MUX/CBERS-4 com número digital e reflectância monocromática

EVELY FERREIRA DO NASCIMENTO, LAÍZY DE SANTANA AZEVEDO, ANA LÚCIA BEZERRA CANDEIAS, JOÃO RODRIGUES TAVARES JÚNIOR

Abstract


O Sensoriamento Remoto tem sido uma ferramenta essencial para estudos voltados para o meio ambiente. Dentre as diversas técnicas utilizadas, os índices físicos são destacados, facilitando a identificação e utilização das informações sobre a cobertura do solo. A determinação de valores físicos de imagens de sensoriamento remoto é uma etapa fundamental para obter o NDWI (Índice de água com diferença normalizada) ) Os valores físicos podem ser recuperados por meio de transformação de números digitais que compõem imagens de satélite. Neste trabalho, é realizada uma comparação do índice NDWI aplicado por meio de dados brutos (números digitais) e valores físicos (radiância e reflexão).Imagens MUX / CBERS-4 de duas datas diferentes (2016 e 2019) tiveram seus números digitais convertidos para reflexão usando a programação. Uma rotina de cálculo para conversão de números digitais em radiância e refletância foi implantada usando a linguagem LEGAL (Linguagem Espacial para Geoprocessamento Algébrico) no software SPRING. Uma comparação estatística entre o NDWI gerado por número digital com o NDWI gerado por refletido indica uma grande similaridade entre os resultados obtidos.


Keywords


Sensoriamento Remoto; índice de água; número digital; Reflectância monocromática.

References


Assis, J. M. O., 2016. Variabilidade do clima e cenários futuros de mudanças climáticas no trecho submédio da bacia hidrográfica do rio São Francisco. Tese (Doutorado). Recife, UFPE.

Guyot, G.; Gu, X. F., 1994. Effect of radiometric corrections on NDVI-determined from SPOTHRV and Landsat-TM data. Remote Sensing of Environment 49, 169-180.

Jensen, J.R., 2009. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. Editora Parêntese, São José dos Campos.

Lacerda, F. F.; Nobre, P.; Sobral, M. C.; Lopes, G. M. B., 2014. Alterações climáticas globais; uma realidade em Pernambuco. Anais da Academia Pernambucana de Ciência Agronômica, Brasil 11, 121-154.

McFeeters, S.K., 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing 17, 1425-1432.

Nonny, F.; Malacarne, D.; Pappalardo, S. E.; Codato, D.; Meggio, F.; Marchi, M.; 2018. Sentinel-2 Data Analysis and Comparison with UAV Multispectral Images for Precision Viticulture. Journal for Geographic Information Science. V.6. 105-116.

Novo, E. M. L. M., 2008. Sensoriamento Remoto: Princípios e aplicações. Editora Blucher, 3ª Ed, São Paulo.

Novo, E. M. L. M., 2010. Sensoriamento Remoto: Princípios e aplicações. Editora Blucher, 4ª Ed, São Paulo.

Oliveira, C. B. S.; Candeias, A. L. B.; Tavares Júnior, J. R.; 2019. Utilização de índices físicos a partir de imagens OLI – TIRS para o mapeamento de uso e cobertura da terra no entorno do aeroporto internacional do Recife/Guararapes – Gilberto Freire. Revista Brasileira de Geografia Física 12, 1039-1053.

Oliveira, T. H.; Machado, C. C. C.; Silva, J. S.; Galvíncio, J. D.; Pimentel, R. M.M. Silva, B. B., 2010. Revista Brasileira de Geografia Física 3, 55-69.

Pinto, C.; Ponzoni, F.; Castro, R.; Leigh, L.; Mishra, N.; Aaron, D.; Helder, D., 2016. First in-Flight Radiometric Calibration of MUX and WFI on-Board CBERS-4. Remote Sensing 8, 1-22. Doi: https://doi.org/10.3390/rs8050405.

Ponzoni, F. J.; Epiphanio, J. C. N., 2012. Calibração Absoluta em Vôo dos Sensores do CBERS. Revista Brasileira de Cartografia 64, 813-820.

Ponzoni, F. J; Pinto, C. T; Castro, R. M; Griffith, D. J., 2012. Spectral uniformity evaluation of reference surfaces for airborne and orbital sensors absolute calibration. Revista Brasileira de Geografua física 30 , 263-275.

Ponzoni, F. J., Santos, S. B., 2008. Conversão de Números Digitais de Imagens Orbitais em valores de FRB de Superfície. Boletim de Ciências Geodésicas 14, 541-556.

Ponzoni, F.J., Shimabukuro, Y. E., 2007. Sensoriamento Remoto no estudo da vegetação. Editora Parêntese, São José dos Campos, 127 p.

Qiao, C.; Luo, J.; Sheng, Y.; Shen, Z.; Zhu, Z.; Ming, D., 2011. An Adaptive Water Extraction Method from Remote Sensing Image Based on NDWI.

Journal of the Indian Society of Remote Sensing 40, 421-433.

Santos, T.; Santos, L.; Albuquerque, r.; Corrêa, E., 2012. Belo Monte: Impactos Sociais, Ambientais, Econômicos e Políticos. Revista Tendências 8, 214-227.

Schaepman-Strub G.; Schapman M. E.; Painter T. H., Dangel S.; Martonchik J. V., 2006. Reflectance quantities in optical remote sensing – definitions and case studies. Remote Sensing of Environment, 103, 27–42.

Teixeira, A. M. A.; Candeias, A. L. B.; Tavares Júnior, J. R., 2017 Comparação dos índices de vegetação para imagens TM/Landsat 5, com correção e sem correção atmosférica. Revista Brasileira de Geomática 5, 524-542.




DOI: https://doi.org/10.29150/jhrs.v10.1.p34-44

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Indexadores / Base de Dados:

 

Google Scholar

 

Journal of Hyperspectral Remote Sensing - eISSN: 2237-2202