3

Anais VIII Simpsio Brasileiro de Sensoriamento Remoto, Salvador, Brasil, 14-19 abril 1996, INPE, p. 977-978.

Importncia Prtica da Correo Atmosfrica

JURANDIR ZULLO JUNIOR1 PAULO CESAR BEZERRA1 GRARD GUYOT2 XINGFA GU2
1

CEPAGRI/UNICAMP-Cidade Universitria Zeferino Vaz-13081970-Campinas-SP-Brasil jurandir@cpa.unicamp.br 2 INRA-Domaine Saint-Paul-Site Agroparc-84194 Avignon Cedex 9-Frana {guyot,gxf@avignon.inra.fr}

Abstract. This paper describes the atmospheric influence on the vegetation index NDVI and on the pattern classification. These basic treatments are very important to the practical applications of the satellite images. Keywords: Atmospheric correction, NDVI, Pattern classification diferena normalizada foram definidos como sendo tais que NC(NDVI)=0 quando NDVI=-0,5 e NC(NDVI)=255 1 Resumo Este artigo descreve a influncia da atmosfera em dois para NDVI=+1,0. A tabela 1 contm os parmetros estatsticos das tratamentos bsicos feitos com as imagens de satlite e que so de grande importncia em aplicaes prticas: o imagens de NDVI, que foram calculadas a partir das clculo do ndice de vegetao e a classificao imagens de radincia original NC(Lsat), radincia corrigida NC(L), reflectncia aparente NC(sat) e automtica de padres. reflectncia real NC(). 2 Introduo Tabela 1 -Parmetros estatsticos das imagens de NDVI Os principais efeitos observados nas imagens de Imagem Nvel de Cinza satlite, devido presena real da atmosfera entre o Mdio DP CV Ampl satlite e a superfcie terrestre, so a diminuio da NC(Lsat) 93,87 22,57 24,05 161 faixa de valores digitais possveis registrados pelo NC(L) 108,23 31,15 28,78 205 sensor, diminuio do contraste entre superfcies NC(sat) 112,50 23,31 20,72 170 adjacentes e alterao do brilho de cada ponto da NC() 123,61 31,70 25,64 219 imagem. Uma descrio detalhada do problema da De acordo com estes valores observa-se que a correo atmosfrica feita por Zullo Jr. (1994). presena da atmosfera faz com que o ndice de A imagem utilizada neste artigo foi corrigida pelo vegetao NDVI seja, na mdia, subestimado e que haja programa SCORADIS (Zullo Jr. & Bezerra, 1993 e uma diferenciao menor entre os valores do NDVI das Zullo Jr., 1994) e possui as seguintes caractersticas diversas superfcies existentes na imagem. principais: dimenso de 512 linhas por 512 colunas, A Tabela 2 contm os valores do ndice de bandas temticas TM2, TM3, TM4 e TM5 do satlite vegetao NDVI para as reas-teste de mata, gua e Landsat 5, adquirida em 06/08/92 s 12:27GMT, rbitaponto 719.076, quadrante A, com centro na Mata da cana obtidos a partir da imagem-teste. Tabela 2 - ndice de vegetao NDVI das reas-teste Santa Genebra (22O49S, 47O03O) em Campinas (22O54S, 47O05O). A espessura tica da atmosfera em rea ndice de Vegetao NDVI 06/08/92, medida experimentalmente, foi igual a 0,283, NC(Lsat) NC(L) NC(sat) NC() enquanto que as concentraes de vapor dgua e Mata 0,317 0,553 0,434 0,648 oznio foram 3,08g.cm-2 e 0,31cm.atm. Cana 0,363 0,53 0,476 0,621 gua -0,306 -0,433 -0,251 -0,475 3 ndice de vegetao A diminuio do NDVI da gua para valores A importncia da atmosfera neste assunto ser mostrada prximos a -0,5 o esperado para este tipo de superfcie aqui utilizando-se o ndice de vegetao da diferena considerando-se os baixos valores de sua reflectncia. O normalizada (NDVI) que foi definido por Rouse et allii aumento do NDVI das reas de mata e cana-de-acar (1974). Os nveis de cinza NC(NDVI) das imagens de perfeitamente lgico, considerando-se que so

977

Anais VIII Simpsio Brasileiro de Sensoriamento Remoto, Salvador, Brasil, 14-19 abril 1996, INPE, p. 977-978.

vegetaes densas e sadias. De modo geral, a variao percentual entre os valores do NDVI foi sempre elevada. Isto muito importante considerando-se que os modelos de estimativa dos parmetros de interesse agronmico, a partir do NDVI, so geralmente descritos por funes exponenciais. Observa-se, a partir de Tucker (1979), que uma variao da ordem de 0,2 no valor do NDVI significativa no que se refere estimativa da biomassa, podendo causar diferenas superiores a 140%. 4 Classificao das imagens

A influncia da atmosfera na classificao das imagens de satlite ser apresentada utilizando-se um sistema computacional prprio desenvolvido a partir do mtodo de classificao no-supervisionada proposto por Pao (1989), com base na Teoria de Ressonncia Adaptativa (ART2). A avaliao da preciso das classificaes feita utilizando-se a varincia relativa (Johnson & Wichern, 1982) e o coeficiente Kappa (Rocha, 1992). As Tabelas 3 e 4 apresentam os resultados obtidos. Tabela 3-Classificao da imagem de radincia original Raio CL Varincia relativa TM2 TM3 TM4 TM5 Ger 0,090 22 71,4 77,9 57,1 91,2 64,9 0,100 20 70,8 76,5 57,3 91,1 64,7 0,125 10 55,3 56,0 9,0 77,5 48,3 0,150 9 54,8 55,1 9,0 75,7 47,3 0,175 7 50,3 50,6 8,3 69,0 43,0 0,200 6 45,6 47,8 8,1 69,0 42,5 Tabela 4 - Classificao da imagem de reflectncia real Raio CL Varincia relativa TM2 TM3 TM4 TM5 Ger 0,100 39 79,1 84,6 82,7 89,1 70,2 0,125 21 74,3 78,4 67,2 85,2 64,0 0,150 19 75,1 80,3 67,0 84,3 64,1 0,175 14 70,7 76,1 59,0 77,9 58,6 0,200 11 64,6 64,3 9,8 75,1 44,4 De acordo com esses valores tem-se que para um mesmo raio de confiana (parmetro-chave do mtodo de classificao implementado), o resultado obtido a partir da imagem de reflectncia real foi melhor que o obtido com a imagem de radincia original, principalmente para a banda TM4, que importante na distino das superfcies vegetais. A diminuio do raio de confiana sempre melhora a classificao, provocando um refinamento das classes. A Tabela 5 contm o valor do coeficiente Kappa calculado a partir das imagens classificadas de radincia original e reflectncia real.

Tabela 5 - Coeficiente Kappa Imagem-teste Imagem-padro Coeficiente NC(Lsat) NC() Kappa raio= 0,090 raio= 0,100 39,31 raio= 0,090 raio= 0,125 63,90 raio= 0,090 raio= 0,150 59,08 raio= 0,100 raio= 0,100 46,18 raio= 0,100 raio= 0,125 59,39 raio= 0,100 raio= 0,150 67,47 De acordo com esses resultados tem-se que mesmo as melhores classificaes de cada tipo de imagem apresentam diferenas significativas entre si. superfcie de gua foi sempre assinalada uma nica classe nas imagens classificadas consideradas. As superfcies de cana e solo tiveram at trs classes assinaladas dependendo da imagem considerada, havendo sempre uma predominante. A superfcie-teste de mata a que apresentou o comportamento mais atpico. A menos da imagem de reflectncia real classificada com raio igual a 0,100, observou-se que as classes assinaladas superfcie de mata foram as mesmas da gua e da cana. Mesmo com um raio inferior (igual a 0,090) a classificao da imagem de radincia original no conseguiu distinguir a superfcie de mata das superfcies de cana e gua. Referncias Johnson, R.A.; Wichern, D.W. Applied Multivariate Statistical Analysis, Prentice-Hall, New-Jersey, 1982. Pao, Y.H. Adaptive Pattern Recognition and Neural Networks, Addison-Wesley, 1989. Rocha, J.V. The Influence of Ground Survey Size on Accuracy of Area Estimates from Satellite Images. Tese de Doutorado, Silsoe College, 1992. Rouse, J.W.; Haas, R.H.; Schell, J.A.; Deering, D.W.; Harlan, J.C. Monitoring the Vernal Advancement and Retrogradation of Natural Vegetation. Nasa/GSFC TYPE III, Final Report, Greenbelt, MD, 1974, 371p. Tucker, C.J. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation, Remote Sensing of Environment, N.8, 1979, pp.127-150. Zullo Jr., J., Correo Atmosfrica de Imagens de Satlite e Aplicaes Tese de Doutorado, DCA/FEE/UNICAMP, 1994. Zullo, J. Jr.; Bezerra, P.C. Correo Atmosfrica de Imagens de Satlite Utilizando o 5S, In: VII Simpsio Brasileiro de Sensoriamento Remoto, Curitiba, 1993.

978