Correção Atmosférica em Sensoriamento Remoto: Uma Revisão

William Gaida, Fábio Marcelo Breunig, Lênio Soares Galvão, Flávio Jorge Ponzoni

Resumo


A correção atmosférica é um procedimento necessário em estudos de sensoriamento remoto com foco nas propriedades físicas, químicas e biológicas de alvos. Em abordagens multitemporais e/ou multisensor, a correção atmosférica é fundamental para a obtenção de medidas de reflectância de superfície representativas das características espectrais dos alvos. Embora de grande importância, este procedimento e seus conceitos ainda são pouco difundidos e estudados no âmbito da Geografia brasileira. O objetivo do estudo foi apresentar uma revisão dos principais métodos e parâmetros envolvidos no processo de correção atmosférica de imagens de sensoriamento remoto. Este procedimento visa minimizar os efeitos decorrentes da interação dos constituintes atmosféricos com a radiação eletromagnética, como a absorção provocada pelos gases e o espalhamento produzido por partículas de aerossóis. Sua eficiência depende de um conjunto de fatores, como o método de correção adotado e as características do sistema sensor. Diversos métodos têm sido propostos, sendo classificados em: métodos físicos, fundamentados em modelos de transferência radiativa; métodos empíricos, que estimam os efeitos atmosféricos a partir de alvos específicos da imagem; e métodos híbridos, que combinam informações físicas da atmosfera e estatísticas da cena. Embora os métodos empíricos sejam de fácil aplicação, eles são menos precisos do que os métodos físicos. Estes, por sua vez, necessitam a priori do conhecimento de alguns parâmetros atmosféricos que, dependendo da resolução espectral do sensor, podem ser obtidos da própria imagem. Os métodos híbridos constituem uma alternativa por demandarem um menor conhecimento de parâmetros atmosféricos. Um exemplo dos efeitos atmosféricos sobre o cálculo de índices de vegetação é apresentado. 

 

Atmospheric Correction in Remote Sensing: A Review

 

A B S T R A C T

Atmospheric correction is a necessary procedure in remote sensing studies focusing on the physical, chemical and biological properties of targets. In multi-temporal and/or multi-sensor approaches, the atmospheric correction is fundamental to obtain surface reflectance measurements representative of the spectral characteristics of targets. Although of great importance, this procedure and its concepts are still little diffused and studied in the scope of the Geography in Brazil. The objective of the study was to present an overview of the main methods and parameters involved in the process of atmospheric correction of remote sensing images. This procedure aims to minimize the effects of the interaction of atmospheric constituents with electromagnetic radiation, such as the absorption caused by gases and the scattering produced by aerosol particles. Its efficiency depends on a set of factors such as the selected correction method and the technical specifications of the sensor system. Several methods have been proposed. They are classified in physical methods, based on radiative transfer models; empirical methods, which estimate atmospheric effects from selected targets in the scene; and hybrid methods, which combine physical information from the atmosphere and scene statistics. Although empirical methods are easy to apply, they are less precise than physical methods. Physical approaches require a priori knowledge of some atmospheric parameters. However, depending on the spectral resolution of the sensor, these parameters can be estimated from the image itself. The hybrid methods are an alternative because they require less knowledge of atmospheric parameters. An example of the atmospheric effects on the determination of vegetation indices is presented.

Key-words: image processing, atmospheric effects, spectral behavior, radiometric errors.


Palavras-chave


Processamento de imagens; Efeitos atmosféricos; Comportamento espectral de alvos; Erros radiométricos

Texto completo:

PDF

Referências


Doxani, G.; Vermote, E.; Roger, J. C.; Gascon, F.; Adriaensen, S.; Frantz, D.; Hagolle, O.; Hollstein, A.; Kirches, G.; Li, F.; Louis, J.; Mangin, A.; Pahlevan, N.; Pflug, B.; Vanhellemont, Q. 2018. Atmospheric correction intercomparison exercise. Remote Sensing 10, 352.

Gao, B. C.; Montes, M. J.; Davis, C. O.; Goetz, A. F. H. 2009. Atmospheric correction algorithms for hyperspectral remote sensing data of land and ocean. Remote Sensing of Environment 113, S17-S24.

Gupta, R. P. 2003. Digital image processing of multispectral image. In: Gupta, R. P. Remote sensing geology. 2 ed. New York: Springer-Verlang, cap. 10.

Hatfield, J. L.; Gitelson, A. A.; Schepers, J. S.; Walthall, C. L. 2008. Application of spectral remote sensing for agronomic decisions. Agronomy Journal 100, S117-S131.

Hilker, T. 2018. Surface reflectance/bidirectional reflectance distribution function. In: Liang, S. (Ed.). Comprehensive remote sensing 3, 2-8.

Huete, A.; Didan, K.; Miura, T.; Rodriguez, E. P.; Gao, X.; Ferreira, L. G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment 83, 195-213.

Kotchenova, S. Y.; Vermote, E. F. 2007. A vector version of the 6S radiative transfer code for atmospheric correction of satellite data: an overview. AGU Fall Meeting Abstracts.

Lyapustin, A.; Wang, Y. 2008. MAIAC: multi-angle implementation of atmospheric correction for MODIS. Algorithm Theoretical Basis Document, NASA Earth Observing System Science 77.

Richter, R., Schläpfer, D. 2011. Atmospheric/ topographic correction for airborne imagery (ATCOR-4 user guide, version 6.0.2). DLR report DLR-IB 565-02/11, Wessling, Germany.

Sanches, I. D. A., Andrade, R. G., Quartaroli, C. F., Rodrigues, C. A. G. 2011. Análise comparativa de três métodos de correção atmosférica de imagens Landsat 5 - TM para obtenção de reflectância de superfície e NDVI. In: Simpósio Brasileiro de Sensoriamento Remoto, 15., Curitiba, 2011. Anais... São José dos Campos: INPE, 7564-7571.

Vermote, E.; Justice, C.; Claverie, M.; Franch, B. 2016. Preliminary analysis of the performance of the Landsat-8/OLI land surface reflectance product. Remote Sensing of Environment 185, 46-56.

Zhang, X., Friedl, M. A., Schaaf, C. B., Strahler, A. H., Hodges, J. C. F., Gao, F., Reed, B. C., Huete, A. 2003. Monitoring vegetation phenology using MODIS. Remote Sensing of Environment 84, 471-475.




DOI: https://doi.org/10.26848/rbgf.v13.1.p229-248

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License