UNIVERSIDADE FEDERAL DO PARANÁ
DEPARTAMENTO DE GEOMÁTICA
Sensoriamento Remoto
Exercício No. 01 : G.E.E. imagem multiespectral

Abrindo uma imagem no E.E.

Agora vamos abrir uma imagem Landsat que cobre Curitiba. Esta imagem foi obtida em 25 de maio de 2021. No armazenamento, as imagens são organizadas por ano/mês/dia, então a data é descrita como 20210525.
Dentro do esquema de organização de imagens do acervo Landsat, a região de Curitiba está na imagem órbita=220, ponto=078, por isso, esta imagem recebe a designação 220078.
Juntando, o nome da imagem é: 'LANDSAT/LC08/C01/T1/LC08_220078_20210525'.

Copie as linhas abaixo na área de "new script" e execute (run) o programa. // carregar imagem. ee (trad: EarthEngine.imagem)
var image = ee.Image('LANDSAT/LC08/C01/T1/LC08_220078_20210525');
// Selecionar as bandas que deseja visualizar E alguns parâmetros:
//min/max são os valores para dar realce (transformação linear e o fator gamma de cor).

var vizParams = {bands: ['B6', 'B5', 'B4'], min: 5000, max: 10000, gamma: 1.3};
// Desloque o display ao centro da imagem (voo).
Map.centerObject(image, 9);
// Finalmente, vamos ver a imagem com estas definições.
Map.addLayer(image, vizParams, 'Landsat 8 false color');

Execute este script e mude os valores de mínimo e máximo. o que ocorre? Qual é o melhor par de mínimo e máximo?

Desloque esta imagem até a Ilha do Mel e a cidade de Pontal do Paraná. Você também pode dar Zoom. Está vendo algo como a imagem abaixo?

Se você adiciona... print(image) Terá uma descrição da imagem. Por exemplo, seu tamanho e número de bandas. Você pode acessar várias funções associadas a uma imagem através de comandos da classe Image do EE. Pode consultar na aba da esquerda, Docs em ee.Image.
Se tudo deu certo, na área de console verá as informações. Pode expandir cada item. Por exemplo Bands mostra as bandas que tem e o tamanho. Properties mostra muita mais informação, como por exemplo a zona UTM, as coordenadas da imagem, elevação solar na hora de tomada da imagem, e a órbita/ponto.

Voltando à aula, se voce adiciona... print(image.bandNames()) a seu programa, na área de "console" poderá ver todas as bandas que esta imagem tem, 12.
0: B1
1: B2
2: B3
3: B4
4: B5
5: B6
6: B7
7: B8
8: B9
9: B10
10: B11
11: BQA1: B2

A imagem tem 12 bandas, mas vamos nos concentrar, por enquanto, nas primeiras 7, que se localizam nas regiões espectrais mostradas na tabela abaixo. Com base na região espectral especificada em micras, qual seria o nome da região espectral que cada banda cobre? Que nome podemos dar a cada banda?

banda

Região espectral (micras)

Nome

B1:

0.43-0.45

B2:

0.45-0.51

B3:

0.53-0.59

B4:

0.64-0.67

B5:

0.85-0.88

B6:

1.57-1.65

B7:

2.11-2.29

Visualização - Visível

RGB

Com o conjunto de bandas disponível, selecione as três correspondentes à região visível do espectro, vermelho, verde e azul, e utilize essas três bandas para visualizar uma composição colorida visível na tela do computador. Lembre-se de selecionar estas bandas o engine (var vizParams = {bands:...).

Cartografia

Deseja-se elaborar um mapa da região coberta pela imagem. Para isto, devem ser consideradas as seguintes classes:

Exemplo

Descrição (pode clicar na imagem para ampliar)

vegetação densa (mata Atlântica)

Manguezais: Frequentes na interface do ambiente terrestre e marítimo, ou seja, dos rios e dos mares. É um ecossistema bastante úmido frequente nas zonas tropicais e subtropicais (https://www.todamateria.com.br/mangue/)

Restinga: É um tipo de vegetação que cresce sobre solos arenosos na região da planície costeira, na interface entre os ambientes marinho e continental.

Vegetação rasteira : Esta cobertura vegetal se encontra, nas regiões mais altas, onde o solo é mais rochoso. Por exemplo, em torno do farol da Ilha do Mel.

Areia

Áreas urbanas

Solo descoberto

Água: No caso da água deseja-se também fazer um estudo da carga de sedimentos na água:

Água com sedimentos

Água sem sedimentos

Visualize a imagem no visível (RGB) e analise a cena considerando as classes citadas acima.

  • Verifique quantos tipos de vegetação podem ser reconhecidos com facilidade.
  • Verifique se é possível discriminar água pura de água com sedimentos
  • É possível delimitar as áreas de manguezais?
  • é possível delimitar a área urbana?

    NIR -R - G

    Agora repita a tarefa acima, mas desta vez usando uma imagem colorida em falsa cor, para isto, faça a seguinte associação na opção display:

  • R: banda do infravermelho próximo
  • G: banda do vermelho
  • B: Banda do verde

    Se tudo deu certo, a imagem vegetação deve aparecer em vermelho e a água em tons de azul.

    Agora, avalie se houve melhora na discriminação das classes usando esta composição colorida, em comparação com a do visível. Para isto, discuta com um colega as vantagens e desvantagens de cada composição.

    Verifique, em qual composição é mais fácil detectar cada classe usando a tabela abaixo.

    Objeto

    RGB

    NIR-R-G

    Água pura

       

    Água turva

       

    Areia

       

    Solo descoberto

       

    Áreas urbanas

       

    Solo descoberto

       

    Restinga

       

    Manguezais:

       

    Vegetação

       

    MIR-NIR-Red

    Finalmente vamos incluir a informação do infravermelho médio. Visualize uma composição onde:

  • R: Banda do infravermelho médio
  • G: banda do infravermelho próximo
  • B: banda do vermelho

    e verifique quais classes podem ser melhor vistas nesta composição. Repita a análise anterior.

    Objeto

    RGB

    NIR-R-G

    MIR-NIR-R

    Água pura

         

    Água turva

         

    Areia

         

    Solo descoberto

         

    Áreas urbanas

         

    Solo descoberto

         

    Restinga

         

    Manguezais:

         

    Vegetação

         

    Resumo

    Bem, se tudo deu certo, você teve a oportunidade de ver três composições coloridas da mesma cena e observou que algumas combinações são mais apropriadas para detectar ou mapear determinadas classes ou fenômenos.

    Avaliação:

    Responda:

    1. Qual combinação de bandas, dentre as cinco apresentadas no exercício, é mais adequada para o estudo da qualidade da água?
    2. Qual combinação de bandas é mais apropriada para discriminar diferentes tipos de vegetação?
    3. Qual combinação de bandas é mais apropriada para mapear estradas?
    4. Qual combinação de bandas é mais apropriada para mapear solo nu?
    5. Qual combinação de bandas é mais apropriada para analisar a umidade na vegetação e nos solos?
    6. Qual combinação de bandas é mais apropriada para delimitar a água?

    Copyright © 2021
    Jorge Centeno: centeno@ufpr.br