3.1 CARACTERÍSTICAS DOS SENSORES ELETROÓPTICOS
O equipamento utilizado para captar a radiação na faixa óptica do espectro é comumente chamado de Radiômetro. Geralmente, os radiômetros são discriminados quanto às suas características espaciais, radiométricas e espectrais. Esses aspectos definem a qualidade do dado gerado, deles dependendo a quantidade de informação que poderá ser obtida.
É através do conhecimento dessas características, que o usuário de dados de sensores remotos poderá selecionar aquilo que considera adequado para as aplicações que almeja, tornando-se cônscio de suas possibilidades e limitações.
3.5.1 Características Espaciais
A característica espacial de um sensor eletroóptico imageador é comumente tratada como resolução espacial. A resolução espacial é uma expressão da qualidade óptica da imagem produzida por um sensor e caracteriza a capacidade desse sistema em manter a integridade geométrica do objeto observado (Lillesand et Kiefer, 1994).
Ao ampliar-se mais e mais uma imagem digital monocromática, passam a ser observados retângulos justapostos em diferentes tons de cinza, organizados em linhas e colunas alinhadas, formando uma grade ou matriz. Cada um desses pequenos quadrados representa um elemento de cena (pixel – picture element) que corresponde, por sua vez, a uma pequena área da superfície, ou elemento de superfície, cujo fluxo radiante emergente foi amostrado e convertido em sinal elétrico. Nesse sentido, a resolução espacial também pode ser entendida como a capacidade do sensor dividir a área observada em um número discreto de elementos de cena (Slater, 1980): para uma dada cena, quanto maior o número de elementos de cena que a compõem, menor será a dimensão desses elementos e, conseqüentemente, melhor será a resolução espacial do sensor.
A Figura 3.4 ilustra a degradação da resolução espacial de um alvo. A letra “Q” apresentada em (a) representa um alvo imageado da superfície, nas mesmas condições, por três sensores de características idênticas, exceto pelas resoluções espaciais. Com seus dados foram geradas as imagens em (b), (c) e (d). O sensor que gerou a imagem da Figura 3.4b melhor preservou a qualidade geométrica do alvo da Figura 3.4a, logo, sua resolução espacial é melhor do que a dos sensores que geraram as imagens das Figuras 3.4c e 3.4d.
REAL
GIFOV = 1
GIFOV = 3
GIFOV = 6
(a)
(b)
(c)
(d)
Fig. 3.4 – Degradação progressiva, de (b) para (d), da resolução espacial do alvo “Q”, apresentado em (a).
O elemento de superfície é a menor área da superfície que o sensor é capaz de distinguir, sendo conhecido por campo de visada instantâneo no solo (Ground-projected
Instantaneous Field Of View - GIFOV). O GIFOV pode ser entendido como a projeção do
elemento detector na superfície imageada, através do sistema óptico do sensor (Schowengerdt, 1997). Na Figura 3.4, houve uma nítida perda da resolução espacial, com a diminuição do número de elementos de cena para representar a mesma área da superfície. Isso correspondeu a um aumento do GIFOV de um valor unitário, em (b) para 6 vezes esse valor, em (d).
Mas o GIFOV não é o único responsável pela resolução espacial. O espaçamento entre os detectores ou a taxa de amostragem também a influenciam. Isso porque a grade de pixels que compõem as duas dimensões espaciais da imagem, é formada por uma amostragem regularmente espaçada desses elementos de superfície, em um processo contínuo de aquisição do fluxo radiante da superfície.
Sensores eletroópticos de aquisição em quadro, como as câmeras de vídeo e os
Foward Looking InfraRed (FLIR), possuem, para cada canal espectral, uma matriz
bidimensional de detectores, que são expostos à radiação ao mesmo tempo. Nesse caso, o elemento detector estará associado a um único elemento de cena, como resultado da sua projeção na superfície, de acordo com a sua posição na matriz. Após o tempo de sensibilização dos detectores, é realizada uma “leitura eletrônica” do sinal elétrico de cada um dos detectores, um a um, de forma a organizá-los em uma seqüência temporal lógica (multiplexagem temporal), processo conhecido como varredura eletrônica.
(a)
(b)
(c)
Fig. 3.5 – Varredura em linha (Line) (a), em linhas paralelas (Whiskbroom) (b) e à frente (Pushbroom) (c).
A varredura em linha utiliza um único elemento detector para varrer a superfície. A varredura Whiskbroom utiliza vários elementos detectores, tanto quanto o número de linhas paralelas a serem varridas, alinhados longitudinalmente com o deslocamento do sensor (dispostos em colunas). Por fim, a varredura Pushbroom utiliza uma matriz com centenas de detectores alinhados perpendicularmente à trajetória (dispostos em linha).
O fluxo radiante é captado com os movimentos de varredura em linha e na trajetória. O espaçamento entre os elementos de superfície é proporcionado pela amostragem do sensor, ou seja, a freqüência com que o detector converte um fluxo radiante em sinal elétrico (associada ao tempo de resposta do detector - Seção 3.7.4), sendo conhecido por intervalo de amostragem no solo (Ground Sample Interval - GSI). O pixel é a amostragem espacial na imagem, logo, corresponde ao GSI.
É coerente que o GSI tenha, no máximo, a mesma dimensão do GIFOV, a fim de evitar-se uma subamostragem da superfície (vazios onde o fluxo radiante não foi captado), conforme explica Schowengerdt (1997) “É uma prática comum entre os construtores, salvo raras exceções, estabelecer uma taxa de amostragem tal que o GSI coincida com o GIFOV” (Figura 3.6a).
O GIFOV é determinado geometricamente pela relação entre a altura H do sensor, a distância focal f do seu sistema óptico, e a dimensão do detector d:
GIFOV = d.H / f . (3.1)
Em um sistema estático, o GIFOV representa exatamente a área de projeção do detector sobre a superfície. No entanto, devido aos movimentos de varredura lateral e de rotação da Terra o GIFOV é ligeiramente deslocado, resultando em uma área projetada no solo efetiva (Efective IFOV – EIFOV) maior do que este (Figura 3.6b).
Muitas vezes, refere-se ao GIFOV como sendo a Resolução Espacial do sensor, entendida como a área no solo que é representada por um pixel. No entanto, esse tratamento deve ser coberto de precauções. Primeiramente, porque desconsidera as aberrações e efeitos de difração que ocorre no sistema óptico (Slater, 1980). Em segundo, porque há um efeito de arrasto da cena, devido aos movimentos de varredura (no caso de varredura lateral) e de translação do sensor, causando uma maior abrangência efetiva da superfície do que
simplesmente a dimensão do GIFOV (Schowengerdt, 1997). Em terceiro, porque no caso de haver uma subamostragem, devido a um maior tempo de integração estabelecido para o detector, a área abrangida na superfície será estabelecida pelo GSI, nesse caso, maior que o
GIFOV (Schowengerdt, 1997). E por fim, porque no caso de sensores aeroembarcados, a
distância alvo-sensor pode ser variada, incorrendo em diferentes GIFOV, um para cada altura de aquisição.
Para evitar esses contratempos, a característica espacial dos sensores remotos ópticos é apresentada, pelos construtores, em referência ao ângulo de visada determinado pelo sistema óptico. Esse é conhecido como Instantaneous Field Of View (IFOV), que independe da altura do imageamento, dos movimentos do sensor, e da taxa de varredura:
(3.2)
IFOV = 2 arctg(d / 2f) ≅ d / f .
Tal resultado é obtido de uma relação trigonométrica simples, apresentada na Figura 3.6c: seja o IFOV de um sensor, então tg(α/2) = d/2f . Mas, para f muito maior que d, o ângulo α/2 é muito pequeno, próximo a zero, podendo ser adotada a aproximação tg(α/2) ≅ α/2 . Logo, α/2 ≅ d /2.f ⇒ α ≅ d /f. Assim, para obter o GIFOV a partir do IFOV, basta multiplicar este ângulo pela altura (H) do imageamento (Equação 3.1) (Figura 3.6b).
O estabelecimento do GSI longitudinal deve considerar a altura do sensor, a distância focal e a taxa de amostragem lateral (se de varredura lateral) ou espaçamento entre detectores (se de varredura longitudinal), de forma a combinar-se a velocidade do sensor e o tempo da varredura lateral, para que coincida, ao Nadir, como GSI lateral.
Além dessas características interessa saber qual a dimensão lateral máxima que é possível obter com um determinado sensor. Essa é conhecida como Campo de Visada (Field
Of View - FOV) e é expressa como um ângulo máximo de varredura lateral. No entanto, esse
ângulo corresponde à largura de faixa imageada sendo, muitas vezes, apresentado o seu comprimento (Ground FOV – GFOV). A relação geométrica entre o FOV e o GFOV é dada por :
(3.3)
GFOV = 2 H.tg(FOV / 2) ,
GIFOV GIFOV GSI GSI Lateral L on git ud in al d f
(a)
(b)
(c)
H f dFig. 3.6 – Relação entre o GIFOV e o GSI para os sensores em geral (a) e, em perspectiva, entre o GIFOV, o IFOV e o EIFOV (b). Em (c) é apresentada uma visão bidimensional expandida da relação entre a distância focal (f), o tamanho do detector (d) e o IFOV, representado pelo ângulo α.
FONTE: Adaptada de Schowengerdt (1997, p. 20 e 21)
α
H
Fig. 3.7 – Relação entre o FOV e o GFOV. O ângulo α representa o IFOV.
Assim como para o GSI, o IFOV e o GIFOV são estabelecidos lateral e longitudinalmente. No entanto, o FOV, e conseqüentemente o GFOV, só têm dimensão lateral.
3.5.2 Características Radiométricas
O equipamento utilizado para captar a radiação na faixa óptica do espectro é comumente chamado de Radiômetro. Esse equipamento converte a radiância proveniente do elemento de superfície em sinal elétrico, através dos seus detectores. O sinal dos detectores, analógico, é posteriormente quantizado em valores discretos inteiros, chamados de Números Digitais (ND). Cada ND está associado a um tom de cinza da imagem, que indica um brilho (radiância) diferente da superfície. Assim, quanto mais ND, mais informação estará disponível. A capacidade de quantização do sistema é conhecida como resolução radiométrica.
Tal quantização é feita em sistema binário, utilizado na codificação digital, e apresentado em número de bits do sistema. Cada bit de quantização multiplica por 2 o número de possibilidades de ND. Logo, para um sistema de “n” bits, tem-se 2n NDs. Por exemplo, para um sistema de 8 bits tem-se 28 ND, ou 256 tons de cinza, cuja numeração inicia em 0 (zero). O padrão digital adotado associa o último tom (p.ex. 255, em um sistema de 8 bits), ao Branco e o primeiro, 0 (zero), ao Preto, sendo os demais números digitais associados a tons intermediários de cinza entre esses extremos.
A quantização do sinal está diretamente associada à qualidade da informação apresentada, da mesma forma que a resolução espacial. Assim, sistemas de baixa quantização poderão degradar a informação, mesmo se obtida com um sensor de alta resolução espacial.
A Figura 3.8 ilustra como a quantização pode afetar a qualidade geométrica da imagem. Na Figura 3.8a é apresentado um alvo hipoteticamente imageado, nas mesmas condições, por três sensores de características idênticas, exceto pela resolução radiométrica, que foi estabelecida sendo de 8, 2 e 1 bits. Observa-se que o empobrecimento da resolução radiométrica de 8 bits (Figura 3.8b) para 1 bit (Figura 3.8c) afetou a apresentação do alvo, de forma a torná-lo quase inidentificável.
(a)
(b)
(c)
(d)
REAL 8 bits 2 bits 1 bit
Fig. 3.8 – Degradação da resolução radiométrica. O alvo apresentado em (a) foi degradado de 256 ND (8 bits), em (b), para 4 ND (2 bits), em (c) e 2 ND (1 bit) em (d), preservando-se a mesma resolução espacial de (b).
Sensores de concepção mais antiga como o MultiSpectral Scanner (MSS), do Land
Sattelite-5th (Landsat-5), foram quantizados em 6 bits. O Thematic Mapper (TM), da mesma
plataforma, mas de concepção mais moderna, já foi quantizado em 8 bits. Com essa mesma quantização temos o High Resolution Visible (HRV), do Systeme Probatoire d'Observation de
(MODIS), da plataforma Earth Observing System-1th (EOS-1), já têm sido quantizados em 12
bits (4096 NDs).
3.5.3 Características Espectrais
A capacidade espectral de um radiômetro refere-se ao grau de detalhamento espectral que se pode obter em um sinal (Schowemguerdt, 1997). Este é apresentado em três parâmetros inter-relacionados: abrangência espectral, amostragem espectral e largura espectral de banda. Esses parâmetros indicam a capacidade do sensor distinguir feições de absorção dos alvos. Como essas feições estão associadas às substâncias e às estruturas dos materiais, boas características espectrais de um radiômetro permitirão incrementar a investigação sobre os materiais presentes nesses alvos.
Abrangência espectral é a faixa ou região total do espectro que se consegue cobrir com o equipamento. Essa é importante para que se possa obter um diagnóstico de absorção espectral do alvo que envolva tantos comprimentos de onda quantos necessários para se distinguir uma feição espectral. Assim, quanto maior a abrangência, maior a quantidade de informação sobre o objeto estudado. Existem algumas regiões espectrais de uso comum, estabelecidas pelas limitações da tecnologia dos detectores, que são as regiões do UV, Vis, Ivp, Ivm e Ivt.
Amostragem espectral refere-se ao número de faixas em que a abrangência espectral é segmentada. Essas faixas são conhecidas por Canais, ou Bandas espectrais. Quanto maior o número de faixas (bandas, ou canais), maior será a amostragem. A capacidade de distinguir feições depende, em grande parte, do tipo de amostragem. Essa pode ser de dois tipos: contínua e intercalada. Na amostragem contínua não há regiões espectrais sem amostragem dentro dos limites da abrangência espectral do equipamento, obtendo-se um espectro contínuo com faixas espectrais adjacentes. Na amostragem intercalada, o equipamento capta a radiação em faixas não adjacentes, havendo intervalos sem amostragem.
A largura espectral de banda é a abrangência espectral de cada uma das bandas amostradas pelo radiômetro. Toda energia radiante que chega a um radiômetro é medida dentro de uma faixa espectral. O sinal elétrico do detector é, então, proporcional à soma ponderada da energia de todos os comprimentos de onda presentes nessa faixa (Schowenguerdt, 1997). Quanto menor for essa largura, mais precisa será a informação das bandas de absorção resultantes da interação da radiação com o alvo. No entanto, mesmo com bandas estreitas a informação espectral será pobre se a amostragem espectral for pobre. Nesse caso, com uma subamostragem, obtêm-se informações em pontos descontínuos, espaçados por vazios de informação espectral. Ao contrário, no caso de haver bandas muito largas com alta amostragem, ocorrerá uma grande sobreposição de regiões espectrais, com perda de precisão da informação espectral devido à largura da banda. A soma da largura espectral de banda com a amostragem é conhecida como a Resolução Espectral do equipamento (Clark, 1999).
A situação ideal é a obtenção de equipamentos de bandas estreitas justapostas, com uma amostragem contínua ao longo de toda a abrangência espectral do equipamento. Nesse caso o equipamento é conhecido como Espectrômetro ou Espectrorradiômetro.
Há algumas décadas, têm sido desenvolvidos Radiômetros e Espectrômetros mais sofisticados com a capacidade de “varrer” espacialmente a superfície, amostrar continuamente regiões espaciais adjascentes e, com isso, gerar imagens. Esses equipamentos são distintos com o termo “imageador” como complemento.
Os radiômetros imageadores que possuem poucas bandas, geralmente de largura espectral ampla, incapazes de diferenciar feições estreitas de absorção, têm sido referenciados como Sensores Multiespectrais. Pode-se citar como exemplo, o Enhanced Thematic Mapper
Plus (ETM+), do Landsat-7, o High Resolution Visible/InfraRed (HRVIR), do Spot-4, e a
câmara de Charge-Coupled Device (CCD) do China-Brazil Earth Resources Satellite (CBERS). Já aqueles com características de imageamento em muitas bandas, estreitas e contíguas, têm sido tratados como Espectrômetros Imageadores. Esse é o caso do Airborne
Visible/InfraRed Imaging Spectrometer (AVIRIS) e do Hyperspectral Mapping (HyMap).
3.5.4 Características Temporais
Um dos aspectos apreciáveis dos sensores remotos é a visão sinóptica do objeto de estudo. A exploração regular dessa característica permite avaliar a evolução temporal de diversos fenômenos, em um procedimento chamado de detecção de mudanças. Pode-se, por exemplo, acompanhar o desenvolvimento de culturas agrícolas, a fim de estimar a magnitude da safra, ou monitorar o desflrestamento de áreas de interesse ambiental.
No entanto, para que seja possível um estudo comparativo, é fundamental a preservação da homogeneidade dos dados. Devem ser mantidas, tanto quanto possível, as mesmas características espaciais, espectrais e radiométricas, e a geometria de iluminação e visada, a fim de certificar-se que as mudanças eventualmente detectadas dizem respeito apenas ao fenômeno estudado, ou que, na pior das hipóteses, ocorreram por influência de variações ambientais que não podem ser controladas, como a atmosfera.
Tal capacidade é inerente do modo de operação de sistemas sensores orbitais, mais especificamente os de plataformas de órbitas polar, como o Landsat, o Spot e o CBERS. Em geral suas órbitas são ajustadas de forma que os sensores passem regularmente sobre a mesma região, e sempre no mesmo horário de visitação, visando preservar as condições de iluminação solar (heliossincronismo).
Essa repetitividade regular na cobertura da mesma área é chama de Resolução temporal, ou intervalo de revisita. Atualmente muitos sistemas têm buscado reduzir o intervalo de revisita, com a utilização de mais de um satélite com o(s) mesmo(s) sensor(es). É o caso do MODIS que equipa as plataformas EOS-1 e EOS-2. Outros sitemas, como o HRVIR do Spot, utilizam-se de mecanismos de direcionamento do sistema óptico (Schowengerdt, 1997).
TABELA 3.1 – INTERVALOS DE REVISITA DE SATÉLITES DE SENSORIAMENTO REMOTO
Sistema INTERVALO DE REVISITA (em dias)
Passagem no Equador (diurno)
Landsat 1,2 e 3 18 09:30 a 10:00h
Landsat 4 e 5 16 09:45h
Spot 26 (ao Nadir); 4 a 5 (com apontamentoa) 10:30h
MODIS 2 10:30 ou 13:30h
(a) – Com direcionamento da visada para a lateral.
FONTE: Adaptada de Schowengerdt (1997, p. 25)
REFERÊNCIAS BIBLIOGRÁFICAS
American Geological Institute (AGI). Introduction to eltromagnetic remote sensing. Huston, 1968.
Bass, M. ed. Handbook of optics: fundamentals, techniques and design. 2. ed. New York: McGraw-Hill, 1995. v. 1. p 6.1-6.21.
Berk, A.; Berstein, L.S.; Robertson, D.C. MODTRAN: a moderate resolution model for LOWTRAN 7. Final Report. Air Force Geophysical Laboratory, Hanscomb Air Force Base, MA, 1989. 42p. (AFGL-TR-89-0122)
Boschetti, C. Infrared. [on line]. <www.las.inpe.br/~cesar/> 17 setembro 2001.
Bratt, P.R. Inpurity Germanium and Silicon infrared detectors. In: Willardson R.K. ed. Semiconductors and semimetals. New York: Academic Press, 1977. v. 12, cap. 2, p. 39-142.
Bohren, C.F. Scattering by particles. In: Bass, M. ed. Handbook of optics: fundamentals, techniques and design. 2. ed. New York: McGraw-Hill, 1995. v. 1. p 6.1-6.21.
Bowker, D. E.; Davis, R. E.; Myrick, D. L.; Stacy, K.; Jones, W. T. Spectral reflectances of natural targets for use in remote sensing studies. Hampton: NASA. Langley Research Center, 1985. 25 p. (NASA-1139).
Carvalho, G.C. Atomística: resumo teórico. [on line]. <http://www.fisica.net/quimica/ resumo1.htm>. 24 jul. 2001.
Church, E.L.; Takacs, P.Z. Surface Scattering. In: Bass, M. ed. Handbook of optics: fundamentals, techniques and design. 2. ed. New York: McGraw-Hill, 1995. v. 1. p 6.1-6.21.
Clark, R.N. Spectroscopy of rocks and minerals, and principles of spectroscopy. In: Rencz, A.N. ed. Remote sensing for the earth sciences: manual of remote sensing. 3.ed. New York: John Wiley and Sons, 1999. v. 3. p. 3-52.
Deering, D. W.; Middleton, E. M.; Eck, T. F. Reflectance anisotropy for a spruce-hemlock forest canopy. Remote Sensing of Environment, v. 47, n. 2, p. 242-260, 1994.
Duggin, M.J. On the natural limitations of target differentiation by means of spectral discrimination techniques. In: International Symposium on Remote Sensing of
Environment, 7., Ann Arbor, 1974. Proceedings. Ann Arbor: University of Michigan / Institute of Science and Technology, 1974. v. 1, p.499-514.
Duggin, M.J. The field measurement of reflectance factors. Photogrammetric Engineering and Remote Sensing, v. 46, p. 643-647, 1980.
Eisenman, W.L.; Merriam, J.D.; Potter, R.F. Infrared Detectors. In: Willardson, R.K. ed. Semiconductors and semimetals. New York: Academic Press, 1977. v. 5. p. - . Eisenman, W.L.; Merriam, J.D.; Potter, R.F. Operational characteristics of infrared
photodetectors. In: Willardson R.K. ed. Semiconductors and semimetals. New York: Academic Press, 1977. v.12, cap. 1, p. 1-38.
Freire, M. L. F. Correção atmosférica em imagens LANDSAT contaminadas por efeito de adjacência. Campina Grande. 98 p. Dissertação (Mestrado em Meteorologia) – Universidade Federal da Paraíba, 1996.
Fürstenau, E. Novo dicionário de termos técnicos inglês-português. 21 ed. São Paulo: Globo, 1997. 1413 p.
Gao, Bo-Cai; Goetz A.F.H. Column atmospheric water vapor and vegetation liquid water retrievals from airborne imaging spectrometer data. Journal of Geophysical Research. v. 95 (D4), p. 3549-3564, 1990.
Gao, Bo-Cai; Goetz, A.F.H.; Zamudio, J.A. Removing atmosphere effects from AVIRIS surface reflectance retrievals. In: AVIRIS Workshop, 3., Pasadena, 1991. Proceedings. Pasadena: Jet Propulsion Laboratory, p. 80-86, 1991. (JPL Publ. n. 91-28).
Gao, Bo-Cai; Heidebrecht, K. B.; Goetz, A. F. H. Derivation of scaled surface reflectances from AVIRIS data. Remote Sensing of Environment, v. 44, n. 2-3, p. 165-178, 1993. Gao, Bo-Cai; Heidebrecht, K.B; Goetz, A.F.H. Atmosphere removal program (ATREM)
version 3.1 user´s guide. [on line]. <http://cires.colorado.edu/cses/atrem.html>. 25 Abr. 2002.
Green, R.O. Retrieval of reflectance from AVIRIS-Measured radiance using a radiative transfer code, In: AVIRIS Workshop, 3., Pasadena, 1991. Proceedings. Pasadena: Jet Propulsion Laboratory, p. 200-210, 1991. (JPL Publ. n. 91-28).
Green, R. O; Conel, J. D.; Roberts, D.A. Estimation of aerosol optical depth pressure elevation, water vapor, and calculation of apparent surface reflectance from radiance measured by the Airborne Visible/InfraRed Imaging Spectrometer (AVIRIS) using a radiative transfer code. In: SPIE Imaging Spectrometry of the Terrestrial
Environment. Bellingham, Wash: SPIE, 1993. p. 2-11. (SPIE Proceeding, v. 1937). Green, R. O.; Eastwood, M. L.; Sarture, C. M.; Chrien, T. G.; Aronsson, M. Chippendale, B.
J.; Faust, J. A.; Pavri, B. E.; Chovit, C. J.; Solis, M.; Olah, M. R.; Willians, O. Imaging spectroscopy and the Airborne Visible/Infrared Imaging Spectrometer (AVIRIS). Remote Sensing of Environment, v. 65, n. 3, p. 227-248, 1998.
Goel, N. S. Models of Vegetation Canopy reflectance and their use in estimation of
biophisical parameters from reflectance data. Remote Sensing of Environment, v. 4, n. 1, p. 1-212, 1988.
Halliday, D.; Resnick, R. Física. Rio de Janeiro: Ao Livro Técnico S.A., 1968. 1487 p. Hecht, E. Optics. 2. ed. Reading: Addison-Wesley, 1987. 676p.
Houghton, H.G. Physical meteorology. Cambridge: MIT Press, 1985. 442p.
Huete, A. R. Extension of soil spectra to the satellite: atmosphere, geometric and sensor considerations. Photo Interprétation, v. 34, n. 2, p. 101-114, 1996.
Huete, A. R. Soil and sun angle interactions on partial canopy spectra. Remote Sensing of Environment, v. 8, n. 9, p. 1307-1317, 1987.
Huete, A. R. Soil influences in remotely sensed vegetation-canopy spectra. In: Asrar, G. Theory and applications of optical remote sensing. New York: J. Wiley, 1989. cap. 4, p. 107-141.
Idso, B. S.; Baker, D. G.; Gates, D. M. The energy environment of plants. Advances in Agronomy. v. 18, p. 171-218. 1966.
INPE – Instituto Nacional de Pesquisas Espaciais. Glossário. [on line]. <http:// www3. cptec.inpe.br/satelite/metsat/pesquisa/gloss/> 26 Abr. 2002.
Iqbal, M. An introduction to solar radiation. New York: Academic Press, 1983. 390 p. Irons, J. R.; Weismiller, R. A.; Petersen, G. W. Soil reflectance. In: Asrar, G. Theory and
applications of optical remote sensing. New York: J. Wiley, 1989. cap. 3, p. 66-106. Jackson, R. D.; Pinter Jr., P. J.; Idso, S. B.; Reginato, R. J. Wheat spectral reflectance:
interactions between crop configuration, sun elevation, and azimuth angle. Applied Optics, v. 18, n. 22, p. 3730-3732, 1979a.
Jackson, R. D.; Reginato, R. J.; Pinter Jr., P. J.; Idso, S. B. Plant canopy information
extraction from composite scene reflectance of row crops. Applied Optics, v. 18, n. 22, p. 3775-3782, 1979b
Jackson, R. D.; Slater, P. N.; Pinter Jr., P. J. Discrimination of growth and water stress in wheat by various vegetation indices trough clear and turbid atmospheres. Remote Sensing of Environment, v. 13, n. 3., p. 187-208, 1983.
Kaufman, Y. J.; Tanré, D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS. IEEE Transactions on Geoscience and Remote Sensing, v. 30, n. 2, p. 261-270, 1992.
Katz, E. The history of electrochemistry, electricity and electronic. [on line]. <http:// www.geocities.com/bioelectrochemistry/ritter.htm> 30 Oct. 2001.
Kimes, D. S.; Newcomb, W. W.; Tucker, C. J.; Zonneveld, I. S.; Wijngaarden, W. V.; De Leeuw, J.; Epema, G. F. Directional reflectance factor distributions for cover types of Northern Africa. Remote Sensing of Environment, v. 18, n. 1, p. 1-19, 1985.
Kneizys, F. X.; Shettle, E. P.; Abrew, L. W.; Chetwynd, .J. H.; Anderson, G. P.; Gallery, W. O.; Selby, J. E. A.; Clough, S. A. Users Guide to LOWTRAN 7. Massachusetts: Air Force Geophysical Laboratory, Hanscom Air Force Base, 1988. 137p. (AFGL-TR-88-0177, Environmental Research Paper N.1010).
Knipling, E. B. Physical and physiological basis for the reflectance of visible and near-infrared radiation from vegetation. Remote Sensing of Environment, v. 1, n. 3, p. 155-159, 1970.
Kryskowski, D.; Suits, G.H. Natural Sources. In: Accetta, J.S.; Shumaker, D.L. ed The infrared and electro-optical systems handbook. ERIM and SPIE Optical Engineering Press, 1996. v. 1, p. 137-314.
Lillesand, T. M.; Kiefer, R. M. Remote sensing and image interpretation. 3. ed. New York: J. Wiley, 1994. 750 p.
Liou, K. N. An introduction to atmospheric radiation. New York: Academic Press, 1980. 392 p.
Makmus, W. Random Lorentz band model with exponential-tailed S line intensity
distribution function. Journal of the Optical Society of America, v. 57, p. 323-329, 1967. Manahan, S.E. Fundamentals of environmental chemistry. Michigan: Lewis Publishers,
1993. 844 p.
Mantovani, J. E., Comportamento espectral da água: faixas de maior sensibilidade do fitoplâncton na presença de matéria orgânica dissolvida e de matéria inorgânica particulada. Dissertação de mestrado em Sensoriamento Remoto do INPE, 1993, 98p. McCluney, W.R. Introduction to radiometry and photometry. Boston: Artech House,
1994. 402 p.
Meisl, E. Gustav Mie. [on line]. <http://frhewww.physik.uni-freiburg.de/kabuff/urls/ gmh/mie.html> 13 mar. 2002.
Michaelis: moderno dicionário da língua portuguesa. São Paulo: Cia. Melhoramentos, 1998. 2259 p.
Millman, J.; Halkias, C.C. Integrated electronics: analog and digital circuits and systems. Tókio: McGraw-Hill Kogakusha Ltd., 1972. 911p.
Nassau, K. The physics and chemistry of color: the fifteen causes of color. New York: John Wiley & Sons, 1983. 454 p.
Novo, E.M.L.M. Sensoriamento Remoto: princípios e aplicações. 2 ed. São José dos Campos: Edgard Blücher Ltda.., 1992. 308 p.
O'Connor, J J.; Robertson, E F. Johann Heinrich Lambert. [on line]. <http://www-history.mcs.st-andrews.ac.uk/history/Mathematicians/Lambert.html> 22 jan. 2002a. O'Connor, J J.; Robertson, E F. Willebrord van Roijen Snell. [on line].
<http://www-history.mcs.st-andrews.ac.uk/history/Mathematicians/Snell.html> 11 mar. 2002b. O'Connor, J J.; Robertson, E F. James Clerk Maxwell. [on line].
<http://www-history.mcs.st-andrews.ac.uk/history/References/Maxwell.html> 11 mar. 2002c. O'Connor, J J.; Robertson, E F. John William Strutt Lord Rayleigh. [on line].
<http://www-history.mcs.st-andrews.ac.uk/history/References/Maxwell.html> 11 mar. 2002d.
Pieters, C.M.; Englert, P.A.J. Remote geochemical analysis: elemental and mineralogical composition. Cambridge: Cambridge University Press, 1993. 594 p.
Ribeiro, P. A história do átomo. [on line]. <http://www.geocities.com/CapeCanaveral / 7356/atomo1.htm> 24 jul. 2001.
Rose, R.M.; Shepard, L.A.; Wulff, J. The structure and properties of materials. New York: John Wiley & Sons, 1966. v.4.
Russell, J.B. Química geral. São Paulo: McGraw-Hill do Brasil, 1981. 897 p. Salati, E.; Junk, W.; Shubart, H.O.R.; Oliveira, A.E. Amazônia: desenvolvimento,
integração e ecologia. São Paulo: Brasiliense, 1983.
Saleh, B.E.A.; Teich, M.C. Fundamentals of photonics. New York: John Wiley & Sons, 1991. 966 p.
Seippel, R.G. Transducers, sensors and detectors. Reston: Prentice-Hall, 1983. 299 p. Schott, J.R. Remote sensing: the image chain approach. Oxford University Press, New
York, 1997. 394 p.
Schowengerdt, R.A. Remote sensing: models and methods for image processing. San Diego: Academic Press, 1997. 522 p.
Slater, P.N. Remote sensing: optics and optical systems. Reading: Addison-Wesley, 1980. 575 p.
Tanré, D; Deroo, C.; Duhaut, P. et al. Simulation of the satellite signal in the solar
spectrum (5S), User’s guide. Villeneuve d’ascq: Laboratoire d’Optique Atmospherique, U.S.T. de Lille, 59655, 1986.
Tanré, D; Deroo, C.; Duhaut, P.; Herman, M.; Morcrette, J.J.; Perbos, J.; Deschamps, P.Y. Description of a computer code to simulate the satellite signal in the solar spectrum: 5S code. International Journal of Remote Sensing, v. 11, p. 374-387, 1990.
Teillet, P.M. Surface reflectance retrieval using atmospheric correction algorithms. . In: International Geoscience and Remote Sensing Symposium (IGARSS’89). Canadian
Symposium on Remote Sensing, 12., Vancouver, 1989. Remote Sensing: an economic tool for the nineties. Piscataway: IEEE, 1989. v. 4, p. 864-867.
Van den Bosch, J.M.; Alley, R. Application of LOWTRAN 7 as an atmospheric correction to airborne visible/infrared imaging spectrometer (AVIRIS) data. In: Airborne Visible and Infrared Imaging Spectrometer Workshop, 2., Pasadena, 1990. Proceedings. Pasadena: Jet Propulsion Laboratory, p. 78-81, 1990. (JPL Publ. n. 90-54).
Vane, G.; Goetz, A.F.H. Terrestrial Imaging Spectrometry. Remote Sensing of Environment, v. 24, n. 1, p. 1-29, 1988.
Vane, G.; Green, R. O.; Chrien, T. G.; Enmark, H. T.; Hansen, E. G.; Porter, W. M. The airborne visible/infrared imaging spectrometer (AVIRIS). Remote Sensing of
Environment, v. 44, n. 2-3, p. 127-143, 1993.
Vermote, E.; Tanré, D.; Deuzé, J.L.; Herman, M.; Morcrette, J.J. Second simulation of the satellite signal in the solar spectrum, 6S: an overview. IEEE Transactions on
Geoscience and Remote Sensing, V.35, n.3, p.675-686, 1997.
Romero da Costa Moreira – Instituto de Estudos Avançados / Centro Técnico Aeroespacial Wyatt, C.L. Electro-optical system design: for information processing. New York:
McGraw-Hill, 1991. 343 p.
