Comparação do índice de água para imagens MUX/CBERS-4 com número digital e reflectância monocromática
DOI:
https://doi.org/10.29150/jhrs.v10.1.p34-44Palavras-chave:
Sensoriamento Remoto, índice de água, número digital, Reflectância monocromática.Resumo
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.
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Journal of Hyperspectral Remote Sensing
Este trabalho está licenciado sob uma licença 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.
