Integração de Imagens

A integração das imagens permite a geração de imagens sintéticas que reúnem informações complementares de diferentes sensores. Por exemplo, através da integração é possível unir a valiosa informação espectral contida nos sensores multespectrais com a alta resolução espectral obtida por sensores pancromáticos.

Existem varias técnicas de integração de imagens, entretanto, para esse trabalho adotamos a transformação IHS para produzir as imagens sintéticas oriundas da integração dos sensores CCD + HRC e CCD + PALSAR.

Para se realizar a integração através da técnica de transformação entre os sistemas de cores primeiramente devemos realizar uma composição colorida RGB utilizando a imagem multispectral. Depois a composição RGB deve ser trasformada para o espaço de cores IHS.

Como demonstramos anteriormente, as coordenadas dos dois sistemas possuem uma correlação matemática com coincidência do eixo acromático, presente no sistema RGB, com o eixo da componente intensidade, presente no sistema IHS.

O resultado da transformação é a geração de três novas imagens, que representam as componentes do sistema IHS. Depois da transformação, se substitui a imagem que corresponde à componente intensidade, por a imagem pancromática que se deseja integrar a imagem multispectral. Feita a substituição é realizada uma nova transformação de volta para o sistema RGB, cujo resultado será uma imagem sintética que preservará as cores referentes às informações espectrais da composição RGB original, mas incorpora a textura e a resolução espacial da imagem pancromática.

__________________________________________________________________________68

Dissertação - PPGCEP Araújo, T. S. 2011

3.4.5. Realces de Contraste

Para Novo (2008), a manipulação de contraste é um dos processamentos mais simples a que se pode submeter uma imagem digital. Apesar da simplicidade o realce de contraste é uma etapa fundamental na obtenção de imagens passiveis de uma boa interpretação visual.

A maioria dos softwares de processamento digital representa as imagens em tela, utilizando um intervalo de 256 níveis de intensidade. No entanto, devido às características dos sensores e dos alvos imageados dificilmente as imagens originais aproveitam todo esse intervalo, o que resulta em cenas visualmente escuras e com pouca informação aparente. O realce se dá através da aplicação de uma função matemática (linear, gaussiana, raiz quadrada, entre outras) com o intuído de alterar a distribuição dos números digitais da imagem. Além de alterar a distribuição o realce pode ser aplicado de maneira seletiva, deixando em destaque os níveis de cinza de maiores ou menores intensidades o que propicia o destaque ou a supressão de determinados alvos, sem, no entanto alterar aos dados originais.

O realce de contraste pode ser aplicado individualmente em cada banda ou diretamente nas composições coloridas embora preserve os dados originais o realce pode interferir no resultado de outros processamentos.

4. RESULTADOS E DISCUSSÕES

As zonas costeiras são definidas como as áreas de transição ente o ambiente oceânico e o ambiente continental. Sendo assim estão sujeitas aos aportes de energia e matéria de ambos os ambientes. Isso confere às zonas costeiras um grande dinamismo em sua geomorfologia, que é diretamente condicionada à ação dos vetores hidrodinâmicos e a geologia.

Além do dinamismo natural, as zonas costeiras de todo o mundo se destacam como áreas densamente povoadas e sujeitas as modificações causadas direta ou indiretamente por ações antrópicas.

Nesse sentido, podemos afirmar que um dos maiores desafios do mapeamento em ambientes costeiros é estar atualizado. No caso específico do mapeamento da sensibilidade ao óleo, para que o mesmo cumpra com seu objetivo, é necessário que informações como: a morfologia da linha de costa; o tipo do material depositado nas praias; e a extensão de ambientes e atividades socioeconômicas sensíveis ao impacto da poluição por óleo; estejam atualizadas. Assim se destaca a importância da obtenção de dados de sensoriamento remoto para o monitoramento das áreas costeiras com o objetivo de identificar as mudanças ocorridas no ambiente.

Isso se comprova ao observar os monitoramentos realizados na área de teste por Souto (2009) e por Mafra (2005). O primeiro analisou uma série temporal de imagens Landsat e CBERS/CCD, compreendida em um intervalo de 34 anos (1973 a 2007), e descreveu uma intensa dinâmica costeira com o surgimento de canais de maré, rompimentos de barras arenosas e formação de ilhas barreiras. Já a segunda autora, ao realizar a análise de uma série de imagens Landsat, compreendida em um intervalo de 14 anos (1989 a 2003), apresentou resultados que demonstraram um aumento das áreas urbanas e das áreas ocupadas por atividades de carcinicultura e agricultura em detrimento de áreas ocupadas por planícies de inundação, caatinga e manguezais.

Outra importante característica que deve ser destacada nas áreas costeiras é o fato das mesmas serem diretamente influenciadas pela variação das marés. O nível de variação das marés é inversamente proporcional a latitude da costa. Davies (1964) classificou as variações de maré como sendo: micro- (< 2 m), meso- (2-4 m) e macromaré (> 6 m). Nas regiões onde ocorrem variações de maré acima de dois metros, feições geomorfológicas como: bancos de areia, bancos lamosos e canais de maré passam a se apresentar de acordo com o nível da maré. Atualmente essas feições são

__________________________________________________________________________70

Dissertação - PPGCEP Araújo, T. S. 2011

representadas de forma estática nos mapeamentos de sensibilidade ambiental ao óleo. O que pode ocasionar falhas no planejamento de contingência de um derramamento onde haja a eventual chegada do óleo a costa.

Assim sendo, a utilização de alguns produtos propícios para a detecção de mudanças sofridas no ambiente costeiro, que possibilitem a atualização e o aperfeiçoamento do mapeamento da sensibilidade ambiental ao óleo serão apresentados.

4.1. Produtos ASTER

Através das imagens ASTER corrigidas foram produzidas composições coloridas RGB: 3-2-1. Nessas composições as áreas vegetadas aparecem em tons de vermelho graças à alta reflexão da vegetação na região do infravermelho próximo correspondente a banda 3. Já a água varia a sua aparência em tons de azul e preto, esse comportamento pode ser explicado pela reflexão dos sedimentos, presentes na coluna de água, na região espectral do verde, correspondente a banda 1 do ASTER. Já alvos como as salinas em estágio seco e compostos por material arenoso quartzarênico, como as dunas, barras arenosas e bancos de areia, tentem a se destacarem como alvos claros por apresentarem alta reflexão em todas as três bandas utilizadas nessa composição.

Observando essas imagens em composição colorida, podemos afirmar que as mesmas são adequadas para se obter dados como a disposição da linha de costa, feições geomorfológicas de alvos como barras arenosas, bancos de areia, bancos lamosos e a disposição das intervenções antrópicas como tanques de salinas e viveiros de carcinicultura. Entretanto é importante destacar que os dados ASTER são indicados para o mapeamento temático até a escala de 1: 50.000, em função de sua resolução espacial (CAMARGO et al., 2009).

Ao se proceder a comparação temporal entre imagens ASTER, contidas dentro de um intervalo temporal de seis anos (Figura 19), pode-se observar que a ação da deriva litorânea que atua nessa região se manifesta no sentido de leste para oeste.

A amostragem das imagens dispostas na figura 19 é de aproximadamente três em três anos (2003, 2006 e 2009) e o que se observa é uma intensa migração de sedimentos caracterizada pela quase destruição de uma barra arenosa, localizada a oeste, na imagem do ano 2003 que diminui bastante a sua área nas imagens de 2006 e 2009.

Outra evidência do intenso transporte de sedimentos na região estudada é a formação de quatro bancos de areia na porção central da imagem de 2009. A formação

desses bancos pode ser explicada tanto pela ação da deriva litorânea quanto pela deposição proporcionada pelo estuário do Rio Açu. Em ambos os casos, os sedimentos parecem ficar aprisionados nesse local específico devido à presença constante de um banco lamoso que propicia o empilhamento dos sedimentos arenosos sobre ele.

A figura 20 apresenta a comparação temporal para outra porção da área de interesse e reduz o intervalo temporal para quatro anos com imagens ASTER de 2006, 2007 e 2009. Nessa porção destacamos a existência da antiga Barra Arenosa do Corta Cachorro, que segundo Souto (2009), passou a ser uma ilha barreira a partir de 2006 com o surgimento do Canal do Arrombado.

Esta área foi monitorada por Souto (2009), até 2007 com a utilização de imagens Landsat e CBERS. Quando comparadas com as imagens apresentadas na figura 20, pode-se observar a continuidade do processo que resultou na abertura do canal e uma tendência de alargamento para oeste, corroborando assim com o prognóstico descrito por Souto (2009).

72 ASTER – RGB: 3-2-1 - 16/07/2003 ASTER – RGB: 3-2-1 - 06/12/2006 ASTER – RGB: 3-2-1 - 05/01/2009 LOCALIZAÇÃO Barra Arenosa Bancos de Areia Bancos de Areia

ASTER – RGB: 3-2-1 - 06/12/2006 ASTER – RGB: 3-2-1 - 05/03/2007

ASTER – RGB: 3-2-1 - 05/01/2009

LOCALIZAÇÃO

Barra Arenosa Canal do “arrobado”

___________________________________________________________________________74

Dissertação - PGCEP Araújo, T. S. 2011

A eficiência das imagens ASTER no monitoramento das modificações ocorridas no ambiente costeiro pode ser novamente demonstrada na porção leste da área de pesquisa. Na figura 21, foi feita uma comparação entre as cenas de 2007 e a outra, obtida em 2009. No centro das imagens tem-se a Ilha Barreira da Ponta do Tubarão, segundo Souto (2009) essa ilha tem um histórico de surgir e se extinguir ao longo dos anos. Ainda segundo esse mesmo autor, em 2007 a ilha apresentava uma tendência de migrar em direção sudoeste devido a influencia da deriva litorânea e do canal de maré, que está situado entre a ilha e o continente. A imagem ASTER de 2009 corrobora mais uma vez com este autor, pois ficou evidenciado o aumento da ilha em direção ao sudoeste.

Além das modificações ocasionadas pela dinâmica costeira as atividades econômicas humanas também se caracterizam como um agente impulsionador de mudanças na área de teste dessa pesquisa. A prova disto é o que pode ser observado na figura 22, que compara composições coloridas das cenas ASTER de 2003 e 2006 de um recorte da área de teste situado a sudoeste da cidade de Macau. Nessa comparação é possível perceber um significativo crescimento da ocupação das atividades de carcinicultura na planície de inundação do estuário do Rio Açu. Esse crescimento confirma os resultados do monitoramento realizado por Mafra (2005), que analisou imagens Landsat de 1989 a 2003 e detectou o surgimento e a rápida expansão das atividades de carcinicultura na área.

Figura 21 – Comparação temporal de composições coloridas ASTER da Ilha da Ponta do Tubarão

ASTER – RGB: 3-2-1 - 05/03/2007 ASTER – RGB: 3-2-1 - 05/01/2009

LOCALIZAÇÃO Ilha Barreira

76

Figura 22 – Comparação de composições coloridas ASTER de áreas de carcinicultura

ASTER – RGB: 3-2-1 - 06/12/2006 ASTER – RGB: 3-2-1 - 16/07/2003

LOCALIZAÇÃ Viveiros

Na determinação do índice de sensibilidade ambiental ao óleo representados nas cartas SAO, as áreas recobertas por vegetação de manguezal são caracterizadas como de extrema sensibilidade. Isso se deve a intrínseca estrutura desse tipo de vegetação que geralmente se dispõe em um complexo emaranhado de raízes aéreas e galhos, de extrema dificuldade de limpeza em caso de uma possível contaminação por óleo. Outra razão para os manguezais se encaixarem com área de extrema sensibilidade ambiental é a sua importância ecológica, uma vez que esses sistemas servem como berçário para uma grande quantidade de espécies da fauna marinha.

Sendo assim, a correta delimitação das áreas de ocorrência de vegetação mangue é uma premissa fundamental em mapas de sensibilidade ambiental ao óleo. Para mapear essas áreas sugere-se a utilização de imagens ASTER em composição colorida RGB: 3-NDVI-1, apresentada na figura 23, onde a água se comporta da mesma forma que nas composições RGB: 3-2-1 (em tons de azul e preto), entretanto, as áreas de solo exposto se mostram em tons de magenta por apresentarem altas reflexões nas regiões do infravermelho próximo e do verde que correspondem respectivamente às bandas 3 e 1, e valores negativos na banda resultante da aplicação do NDVI. Nessa composição a vegetação se destaca em varias nuances de verde variando do verde-oliva até o verde limão.

Figura 23 – Comparação de composições coloridas ASTER com o uso do NDVI

ASTER – RGB: 3-NDVI-1 - 05/01/2009 LOCALIZAÇÃO

Mangue

Restinga

___________________________________________________________________________78

Dissertação - PGCEP Araújo, T. S. 2011

Para interpretar a disposição da vegetação na referida composição colorida é preciso entender o comportamento espectral antagônico da vegetação nas regiões do visível e do infravermelho próximo. O comportamento da vegetação de uma forma geral demonstra que quanto mais denso e vigoroso é o dossel da vegetação, mais energia do espectro do visível será absorvida graças aos processos fotossintéticos. Resultando em baixa reflexão nesse intervalo de comprimento de onda. Em contra partida a mesma vegetação, densa e vigorosa, apresentará altas medidas de reflexão de energia eletromagnética nos comprimentos de onda contidos no intervalo do infravermelho próximo, pois, a energia nesse intervalo interage diretamente com a estrutura molecular das folhas. Em se tratando de uma vegetação menos vigorosa e ou menos densa, as medidas de reflexão na região do visível aumentarão e as do infravermelho próximo diminuirão proporcionalmente.

É baseado nesse comportamento que o NDVI atua, integrando e realçado o contraste da reflexão da vegetação em diferentes regiões do espectro eletromagnético. O índice de vegetação pode ser usado para varias aplicações, entre elas, a diferenciação de tipos de cobertura vegetal. Na figura 23, podemos identificar as áreas recobertas pela vegetação de manguezal, pois as mesmas se apresentam em tons de verde limão, graças a possuírem um elevado NDVI, que é possível devido à vegetação de mangue ser densa e se encontrar sempre vigorosa em razão da sua capacidade de processar água salobra. Já as áreas de restinga e caatinga se dispõem na imagem em tons de verde escuro possuindo um baixo NDVI, pois são aglomerações vegetais menos densas e estão submetidas à constante estresse hídrico.

4.2. Produtos PALSAR

No decorrer deste trabalho pode-se constatar que os dados ASTER são capazes de suprir em vários aspectos o fornecimento de informações necessárias a atualização de mapas de sensibilidade ambiental ao óleo em zonas costeiras. Contudo, o sensor ASTER apresenta uma limitação comum a todos os sensores de sua categoria, que é a dependência da radiação emitida pelo Sol. Como podemos observar na imagem ASTER de 2007, representada nas figuras 20 e 21, a simples incidência de nuvens que bloqueiam a radiação do Sol é suficiente para ocasionar falta de dados na imagem. E como as áreas litorâneas em geral são suscetíveis a incidência de nuvens, devido à

umidade advinda do oceano, essa limitação pode significar uma representativa falta de dados em certas regiões.

Buscando contornar esse problema as imagens do sensor PALSAR apresentam-se como alternativa. Por se tratar de um sensor ativo, o PALSAR produz imagens a partir da interação da energia eletromagnética, gerada por ele, no intervalo das microondas.

Com as microondas possuindo comprimentos de onda de 23 cm (banda L), as imagens produzidas pelo PALSAR não são afetadas diretamente pela presença de cobertura de nuvens nas regiões imageadas.

Além de uma alternativa em caso de falta de dados, as imagens PALSAR possuem informações complementares aos dados obtidos por sensores ópticos, uma vez que, as interações das ondas de microondas com a superfície ressaltam diferentes propriedades físicas dos alvos imageados. Diferente dos sensores ópticos, que registram a refletância ou emissividade dos objetos da superfície, os sensores de microondas se utilizam das variações de retroespalhamento para compor suas imagens. As propriedades da superfície que influenciam diretamente nas variações do retroespalhamento são: a sua disposição geométrica relativa (rugosidade) e a constante dielétrica dos materiais.

Para interpretar as imagens do PALSAR, podemos classificar subjetivamente o retroespalhamento em quatro tipos básicos: o retroespalhamento especular, que acontece quando um determinado alvo reflete pouca ou nenhuma energia de volta ao sensor; o retroespalhamento difuso moderado, onde, pouca energia e refletida para o sensor; o retroespalhamento difuso em que uma quantidade significativa de energia retorna ao sensor; e o retroespalhamento de canto, no qual a energia contida em um pulso emitido pelo sensor retorna em sua quase totalidade.

Outra característica do PALSAR é o fato dele utilizar as microondas em um comprimento de onda fixo. Diante disso, buscando maximizar o poder de diferenciação dos alvos o PALSAR gera imagens de diferentes polarizações das microondas.

Sabendo dessas informações podemos observar na figura 24, uma imagem PALSAR de 2009, que retrata a área urbana de Macau (a sudeste da imagem) e os seus arredores. Nessa figura, temos a comparação entre as duas polarizações (HH e HV) e uma composição colorida RGB: HH – HV – (HH+HV). Logo de início se destaca o fato das imagens PALSAR, apresentarem um ótimo contraste entre a água e as terras emersas, permitindo assim, a obtenção da informação acerca da linha de costa.

___________________________________________________________________________80

Dissertação - PGCEP Araújo, T. S. 2011

Figura 24 – Imagem PALSAR da área urbana de Macau e imediações

PALSAR – RGB: HH-HV-(HH+VV) - 24/07/2009 PALSAR – HV - 24/07/2009

PALSAR – HH - 24/07/2009

LOCALIZAÇÃO

Dunas _{Linha de Costa}

Salinas

Efeito Cardinal

Efeito Cardinal Dunas

Esse contrate se deve ao fato da água apresentar coeficientes baixos de retroespalhamento em comparação com a maioria da superfície emersa. A resolução da imagem também se mostra adequada para identificar facilmente alvos de interesse como áreas ocupadas por salinas e por viveiros de carcinicultura. Já as áreas recobertas por vegetação se destacam das áreas de solo exposto e de dunas, pois, o dossel da vegetação imprime retroespalhamento difuso dos pulsos de microondas. Esse comportamento se teve ao fato do dossel possuir uma textura rugosa e uma elevada constante dielétrica devido à unidade presente nas folhas. As áreas de solo exposto e dunas apresentam baixos índices de retroespalhamento, devido ao fato dessas superfícies apresentarem: uma rugosidade relativamente lisa, em relação ou comprimento de onda em questão, e baixa constante dielétrica, o que acarreta a penetração dos pulsos de microondas.

Já a área urbana se destaca na imagem como uma zona com altos valores de reflexão, pois as formas geométricas trapezoidais das edificações causam o efeito do retroespalhamento de canto, que devolve uma grande parte do pulso eletromagnético para o sensor. Esse efeito chega a causar a saturação dos pixels vizinhos aos alvos urbanos o que dificulta sua interpretação. Outro comportamento dos alvos urbanos passível de ser observado na imagem HH, representada figura 24, é o efeito cardinal de radar, que se mostra quando algumas poligonais dentro da área urbana destacam-se com alto brilho em relação as demais áreas da cidade. Segundo Jensen (2009), isso se deve ao fato dessas áreas serem compostas por feições lineares, cuja orientação permite que sejam iluminadas pela energia do sensor a um ângulo ortogonal. Contudo, o efeito cardinal não se manifesta na imagem obtida com a polarização cruzada HV, nessa polarização o retroespalhamento se distribui uniformemente no tecido urbano. Podemos atribuir isso ao fato que a imagem HV registra com maiores intensidades os sinais que foram despolarizados pelos alvos, e os alvos urbanos possuem a característica de despolarizar a radiação de microonda, independente da orientação de suas feições. O contraste entre as imagens produzidas com diferentes polarizações também se mostrou eficiente na diferenciação da vegetação que apresenta maiores coeficientes de retroespalhamento na polarização cruzada (HV).

Embora adequada em muitos aspectos para a obtenção de dados importantes na atualização de mapas de sensibilidade ao óleo, as imagens do PALSAR apresentam algumas limitações quando se emprega apenas o critério visual para a sua interpretação. Foi realizada uma composição colorida (figura 24), mas não foi possível realçar alguns alvos importantes. Assim sendo, foram realizados tentamos utilizar a composição

___________________________________________________________________________82

Dissertação - PGCEP Araújo, T. S. 2011

colorida (figura 24), mas não conseguimos realçar significativamente nenhum alvo importante. Assim sendo, foram realizados procedimentos de integração de imagem para superar essa limitação.

4.3. Produtos Integrados

Visando superar as limitações pontuais de cada sensor e realçar alvos específicos, reunindo informações complementares, utilizou-se a técnica de integração IHS, para produzir imagens hibridas de três dos quatro sensores utilizados nessa pesquisa.

É importante salientar que para a utilização dessa técnica faz-se necessária empregar imagens adquiridas em datas próximas e que não apresentem modificações muito abruptas quando comparadas entre si.