Comparação dos índices NDVI e NDBI para imagens MUX/IRS/CBERS-4 com número digital (ND) e reflectância (ρ) manocromática
DOI:
https://doi.org/10.29150/2237-2202.2021.250105Keywords:
Correção Radiométrica, Valores Físicos, NDVI, NDBI, Imagem CBERS-4.Abstract
O Sensoriamento Remoto (SR) passou a ser largamente utilizado ao longo das últimas décadas pelo rápido desenvolvimento tecnológico de sensores imageadores multifontes e por suas inúmeras aplicações dedicados a compreender e analisar heterogeneidades espectral, radiométricas, espacial e temporal dos mais variados alvos da superfície terrestre. Dentre as diversas técnicas empregadas, destacam-se o uso de índices físicos por facilitar a obtenção de informações sobre diferentes alvos. Quando se pretende analisar valores físicos de índices NDVI e NDBI, deve-se levar em consideração a correlação do alvo por números digitais (ND) e por reflectância, se e como essas duas mais variáveis estão relacionadas para obter o melhor aproveitamento das informações. Neste contexto, este trabalho tem como objetivo comparar por ND e reflectância os índices NDVI e NDBI e avaliar similaridades ou variações significativas entre os alvos (vegetação, urbano e água). Para isso, foram utilizadas duas imagens distintas do satélite CBERS-4 sensores MUX e IRS. Todos os cálculos e análises foram realizados por meio do software e das ferramentas do QGIS na versão 3.16.2. Como resultado, observou-se que houve similaridade entre os alvos Vegetação e Urbano, sendo notada variações significativas com e sem correção radiométrica para o alvo Água, ano 2016 e 2019. Desta forma, após realização da correção radiométrica os valores de reflectância dos alvos para o NDVI e NDBI tiverem respostas mais precisas e, portanto, mais sensíveis quando comparadas com ND. Vale destacar, que a relação ND e reflectância para o NDVI e NDBI são aproximadamente lineares, não identificando diferenças significativas.
References
Becker, B. Fronteira e urbanização repensadas. Revista Brasileira de Geografia, vol. 47, n° 3/4, p. 315-426, 1985.
Chandler, G. An Overview of the CBERS-2 Satellite and Comparison of the CBERS-2 CCD Data with the L5 TM Data. U.S. Department of the Interior U.S. Geological Survey, 2007. Disponível em: < https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20070038251.pdf>. Acesso em: 29 de abril de 2020.
Chen, F.; Lin, A.; Zhu, H.; Niu, J. Quantifying Climate Change and Ecological Responses within the Yangtze River Basin, China. Sustainability, v.10, p.3026, 2018.
Chen, J.; Du, P.; Wu, C.; Xia, J.; Chanussot, J. Mapping urban land cover of a large area using multiple sensors multiple features. Remote Sensing, v. 10, n. 6, p. 872, 2018.
Fonseca, L. M. G. Processamento digital de imagens. Notas de aula ministradas no Instituto Nacional de Pesquisas Espaciais. São José dos Campos, p.105, 2004.
Galvíncio, J. D.; Pimentel, R.; Fernandes, J. G. Relação da temperatura do ar e do solo com a quantidade de clorofila a e b em jurema preta (Mimosa tenuiflora (Willd) Poiret) no semi-árido do Nordeste do Brasil. Revista Brasileira de Geografia Física, Recife, 3, 41-46, 2010.
Hirye, M. C. M; Alves, D. S; Kux, H. J. H. Mapeamento da cobertura da terra na cidade de Altamira (PA) em 2000 e 2010, com a utilização do modelo linear de mistura espectral de imagens do sensor TM. Revista Brasileira de Cartografia, Monte Carmelo, v.67, n.1, p. 157-168, 2015.
IBGE. Regiões de influência das cidades: 2007. Rio de Janeiro: IBGE, p.201, 2008.
Iqbal, M. An introduction to Solar Radiation. Academic Press, NY, 1983.
Masek, J. G.; Honsak, M; Goward, S. N.; Liu P.; Pak, E. Landsat-7 ETM+ as an observatory for land cover initial radiometric and geometric comparisons with Landsat5 Thematic Mapper. Remote Sensing of Environment, v.78, p.118-130, 2001.
Nascimento, E. F., Azevedo, L. D. S., Candeias, A. L. B.; Júnior, J. R. T. Comparação do índice de água para imagens MUX/CBERS-4 com número digital e reflectância monocromática. Journal of Hyperspectral Remote Sensing, v. 10, n. 1, p. 34-44, 2020.
Novo, E. M. L. M. Sensoriamento Remoto: Princípios e aplicações. 4. ed. Editora Blucher, São Paulo, 2010.
Novo, E. M. L. M.; 2008. Sensoriamento Remoto: princípios e aplicações. 3. ed. Editora Blucher, São Paulo.
Ponzoni, F. J.; Epiphanio, J. C. N. In-Flight Absolute Calibration Of Cbers Sensors. Revista Brasileira de Cartografia, v. 64, n. 4, 2012.
Ponzoni, F. J.; Pinto, C. T.; Lamparelli, R. A. C.; Junior, J. Z.; Antunes, M. A. H. Calibração de Sensores Orbitais, 2ª ed.; Oficina de Textos: São José dos Campos, Brasil, 2015.
Ponzoni, F. J.; Shimabukuro, Y. E. Sensoriamento Remoto no estudo da vegetação. Instituto Nacional de Pesquisas Espaciais, 2012. Disponível em: <http://mtc-m12.sid.inpe.br/col/sid.inpe.br/sergio/2005/06.14.13.11/doc/CAP8_FJPonzoni.pdf> Acesso em: 06. nov. 2020.
Ponzoni, F.J., Shimabukuro, Y.E. Sensoriamento Remoto no estudo da vegetação. Editora Parêntese, São José dos Campos, 2007.
Poros, D. J.; Peterson, C. J. Methods for destriping Landsat Thematic Mapper images – a feasibility study for an online destriping process in the Thematic Mapper Image Processing System (TIPS). Photogrammetric Engineering and Remote Sensing, v.51, p. 1371-1378, 1985.
Rouse, J.W.; Haas, R. H.; Schell, J.A.; Deering, D.W. Monitoring vegetation systems in the great plains with ERTS. In: Earth Resources Technology Satellite Symposium, 3., 1973, Washington. Proceedings. Washington: NASA, v.1, p.309-317, 1973.
Schaepman-Strub G., Schapman M.E., Painter T.H., Dangel S., Martonchik J.V. Reflectance quantities in optical remote sensing – definitions and case studies. Remote Sensing of Environment, 103, 27–42, 2006.
Schepers, L.; Haest, B.; Veraverbeke, S.; Spanhove, T.; Vanden Borre, J.; Goossens, R. Burned area detection and burn severity assessment of a heathland fire in Belgium using Airborne Imaging Spectroscopy (APEX). Remote Sensing, v.6, n.3, p.1803-1826, 2014.
Shimabukuro, Y. E.; Smith, J. A. The Least-Squares Mixing Models to Generate Fraction Images Derived From Remote Sensing Multispectral Data. IEEE Transactions on Geoscience and Remote Sensing, n. 29, vol. I, p. 16-20, 1991
Teixeira, A. M. A.; Candeias, A. L. B., Tavares Júnior, J. R. Comparação dos índices de vegetação para imagens TM/Landsat 5, com correção e sem correção atmosférica. Revista Brasileira de Geomática 5, 524-542, 2017.
Umbuzeiro, U. M. Altamira e sua História. Altamira: Grupo Cultural, p.134, 1988.
Weng, Q. Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends. Remote Sensing of Environment, vol. 117, p. 34-49, 2012.
Zha, Y.; Gao, Y.; Ni, S. Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. Internacional Journal of Remote Sensing, v. 24, p. 583-594, 2003.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Journal of Hyperspectral Remote Sensing
This work is licensed under a Creative Commons Attribution 4.0 International License.
Material protegido por direitos autorais e plágio. No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da RBGF ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que o plágio for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de re-submissão. Auto-plágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
