The main research programs and their contributions

Pré-processamento é o conjunto de técnicas e métodos que permitem a correção dos erros inerentes ao processo de aquisição de dados.

As atividades de pré-processamento incluem o tratamento inicial dos dados brutos, que visam sua calibração radiométrica, a correção de distorções geométricas e a remoção de ruído. No início da tecnologia de sensoriamento remoto, as correções dos dados originais tinham que ser realizadas pelo usuário, o que exigia um nível de conhecimento de processamento digital muitas vezes incompatível com sua formação básica. Os dados fornecidos pelos centros de recepção e distribuição já têm sofrido as correções básicas para as diferentes aplicações. No entanto, é importante conhecer as fontes de erros, e os tipos de correção existentes, para que o usuário possa especificar, adequadamente, o tipo de dados que deseja (NOVO, 2010).

Cada sensor em cada banda espectral tem seu próprio critério para discretizar os valores de radiância medidos na escala específica de sua resolução radiométrica (8 bits, 10 bits, 12 bits etc). Assim, as imagens resultantes, ainda que obtidas por um mesmo sensor, mas em diferentes bandas, não apresentam necessariamente compatibilidade entre os números digitais (ND), ou seja, são valores numéricos proporcionais aos valores de radiância medidos em diferentes bandas espectrais. Isso traz como consequência a impossibilidade de comparação entre ND de bandas diferentes, ainda que se trate de um mesmo sensor, bem como de sensores diferentes (PONZONI; SHIMABUKURO; KUPLICH, 2012) (Figura 3).

Figura 3 – Dados do sensor remoto armazenados em formato matricial (raster). Os valores de brilho do elemento de imagem (pixel) estão localizados na linha i, coluna j e banda k no conjunto de dados multiespectral ou hiperespectral. Os valores de brilho do sensor armazenados como bytes de 8, 9 e 11 bits

Fonte: Jensen (2016) – traduzido.

Porém, para o processamento das imagens, é necessário que esse número digital seja convertido para valores físicos, como a reflectância, no qual a reflectância é a razão entre a irradiância (radiação incidente) e a radiância refletida ou emitida pelo alvo (MATHER, 2004). Os erros radiométricos são consequentes das falhas instrumentais e limitações próprias do processo de imageamento (NOVO, 2010).

Conforme D’Alge (2001), a correção geométrica é a remoção dos erros sistemáticos presentes nas imagens, para que se possa interpretar a resposta das imagens para uma certa posição no espaço. A correção é necessária para compensar as distorções e facilitar sua utilização na extração de informações. São várias as fontes de distorções das imagens, como a altitude, velocidade da plataforma do sensor, posicionamento do satélite, distorções panorâmicas, curvatura

da terra e refração atmosférica (curvatura da luz quando passa de um meio para outro de densidade diferente) (LILLESAND; KIEFER; CHIPMAN, 2004; NOVO, 2010).

A seleção do modelo mais adequado para a reamostragem é fundamental para precisão na correção das distorções (SCHOWENGERDT, 1997). O modelo do vizinho mais próximo é o mais utilizado e oferece a vantagem da simplicidade no cálculo e evita à alteração dos valores originais dos pixels de entrada (LILLESAND; KIEFER; CHIPMAN, 2004). Desta forma, os dois tipos de erros (radiométrico e geométrico) podem ser resultantes tanto da interferência da atmosfera quanto dos instrumentos utilizados na aquisição dos dados (NOVO, 2010).

A correção atmosférica de imagens de satélite é feita para minimizar os efeitos atmosféricos na radiância de uma cena, por causa dos fenômenos de espalhamento (espalhamento da radiação pelas partículas atmosféricas), absorção (processo pelo qual a energia radiante é absorvida e convertida em outras formas de energia) e refração da energia eletromagnética, que afeta a radiância refletida pela superfície captada pelo sensor (SONG et al., 2001).

A correção dos efeitos atmosféricos é importante em três casos específicos: 1) quando o usuário quer recuperar o valor da grandeza radiométrica medida, ou seja, quando ele deseja conhecer a reflectância, emitância ou retroespalhamento do objeto em estudo, para poder utilizar estes valores em modelos empíricos ou teóricos; 2) quando o usuário precisa utilizar algoritmos que se baseiem em operações aritméticas entre bandas; 3) quando o usuário quer comparar imagens de diferentes datas em termos das propriedades dos objetos na cena (NOVO, 2010).

Para a correção atmosférica pode ser utilizado o método Dark Object Subtraction (DOS) que consiste na correção do espalhamento atmosférico no qual a interferência atmosférica é estimada diretamente com base nos ND da imagem de satélite, sendo ignorada a absorção atmosférica (CHAVEZ JÚNIOR, 1988).

Segundo esse método, a correção atmosférica – DOS, em toda e qualquer cena e em qualquer banda espectral existem pixels que deveriam assumir o valor “0”, seja nas imagens originais com ND, seja naquelas já convertidas para fator de reflectância bidirecional (FRB) aparente (o fator de reflectância é bidirecional quando há geometrias distintas envolvidas nos ângulos de visada e de iluminação do alvo, quando este fator de reflectância bidirecional refere-se aos valores de reflectância do objeto ao topo da atmosfera sob a interferência dos constituintes atmosféricos, são

classificados como FRB aparente), uma vez que eles poderiam não receber radiação incidente.

Portanto, esses pixels não poderiam refletir radiação, podendo também absolvê-la totalmente, o que igualmente implicaria valores nulos de reflexão. A correção é feita, nesse caso, segundo um procedimento que tem como objetivo identificar, em cada banda espectral, quais quantidades de ND ou de FRB aparentes deveriam ser subtraídas de cada imagem como um todo, ou seja, são definidos outros valores de ND e FRB aparente que são subtraídos de todos os ND e FRB aparentes de toda a cena, considerando que a interferência atmosférica é uniforme ao longo de toda a cena (PONZONI; SHIMABUKURO; KUPLICH, 2012).

A correção atmosférica pode ser feita também por uma metodologia baseada em modelos de transferência radiativa (MTR), que exigem informações sobre parâmetros meteorológicos da atmosfera no instante da aquisição da imagem. Dentro desta metodologia está o modelo 6S (Second Simulation of the Sensor Signal in the Solar Spectrum). Este modelo foi desenvolvido por Vermote et al. (1997), e originalmente implementado para a simulação da radiância que chega nos sensores em bandas dentro do espectro solar, entre 0,25 μm a 4,0 μm, podendo assim ser utilizado para estabelecer as características de sensores.