Academic literature on the topic 'Imagen Pancromática y Multiespectral'

Pesquisas relacionadas à Florestas Urbanas tem sido utilizadas como ferramentas para o planejamento e gestão do espaço público. Um dos instrumentos para realização desses estudos é a utilização de imagens de satélite. A presente pesquisa avaliou o uso de imagem multiespectral pancromática do satélite Quickbird para a obtenção de indicadores de floresta urbana da cidade Arinos-MG. Foram feitas classificações supervisionadas para caracterização de alvos intra-urbanos e as proporções estudadas para a mensuração da floresta urbana utilizando-se indicadores compostos que consideraram a proporção entre espaço arborizado e espaço impermeabilizado, a proporção entre espaço arborizado e espaço construído, além da obtenção do Índice de Floresta Urbana. Os indicadores obtidos para a área estudada mostraram-se satisfatórios quando comparados aos encontrados em outros trabalhos. Além disso, os dados sugerem que há um grande potencial de incremento da arborização urbana, uma vez que esta área apresentou um Espaço Livre Herbáceo em torno de 50%. Concluiu-se que as imagens multiespectrais de satélite são indicadas na obtenção de dados para a análise da Floresta Urbana, podendo ser usados para reconhecimento da Qualidade da distribuição da vegetação no espaço urbano e suas relações com os demais componentes das cidades.

A implementação de projetos e tomadas de decisões requerem reunião, organização e atualização contínuas de informações a respeito das mudanças rápidas e constantes ocorridas nas sociedades atuais. Assim, são de suma importância a realização de levantamentos cartográficos diretamente para base de dados, os quais nunca estão terminados e devem sempre acompanhar as referidas mudanças através do progresso da tecnologia, quando há melhoria significativa nas condições de trabalho e nos resultados. Perante essa necessidade, a qualidade das imagens com as quais se trabalham deve ser a melhor possível, a qual depende principalmente da resolução espacial dos sensores. Deste modo, a busca pelas que possibilitem a realização de tais atividades com a melhor eficiência e, concomitantemente, com o menor custo possível tem se tornado um tópico de interesse crescente por parte da comunidade científica e é o tema deste trabalho. Na metodologia desenvolvida procurou-se perceber se houve aumento da eficiência nas tarefas de aquisição de dados (em termos de quantidade de dados e de tempo despendido) realizadas no âmbito do Multinational Geospatial Co-production Program, com a utilização das imagens multiespectrais (2 m de resolução espacial) comerciais provenientes do satélite WorldView-2 que substituíram as do WorldView-1 (0,5 m de resolução), apenas pancromáticas. Dos resultados obtidos foi possível verificar que a utilização das imagens multiespectrais resulta em média numa eficiência cerca de 36,7% superior em relação à das pancromáticas. Contudo, uma análise mais minuciosa revelou que nem para todos os objetos citados neste projeto o uso das imagens multiespectrais revela-se como o mais promissor.

As áreas úmidas são cientificamente reconhecidas por seus diversos valores funcionais, entretanto, apesar da importância ecológica destas áreas, são escassos os estudos e conjuntos de dados existentes que incluam informações a respeito da localização e extensão. Nesse contexto, o objetivo do presente trabalho é discriminar e quantificar áreas de Campo Limpo Úmido (CLU) no Distrito Federal por meio de fusão de imagens multiespectrais - Landsat5/TM e CBERS2B/HRC. Imagens de maio a outubro de 2008, da estação seca, foram fusionadas a partir da técnica de processamento IHS. Os resultados mostraram que houve melhora na identificação das áreas de CLU na medida em que permitiu um aumento na discriminação dos alvos já que integrou a maior resolução espacial da banda pancromática à maior resolução espectral das demais bandas. O mapa de distribuição das áreas de CLU indicou um total de aproximadamente 8,46 km² localizadas essencialmente em unidades de conservação. Conclui-se que a técnica de fusão de imagens, é uma alternativa promissora para a melhor discriminação das áreas de CLU já que esta fitofisionomia do cerrado possui dimensões espaciais reduzidas em relação às fitofissionomias associadas a áreas secas.

O presente estudo foi realizado nas Zonas de Expansão Urbanas Norte e Sul de Londrina (PR), localizadas na mesorregião geográfica do Norte do Paraná, ocupando ao norte uma área de 2.594,58 ha e ao sul 4.246,23 ha, respectivamente. Utilizou-se o grande potencial do Sistema de Informações Geográficas (SIG), acompanhado de imagens de satélite Spot-5, para elaborar um mapa de conflitos de uso/ocupação do solo nas Áreas de Preservação Permanente. Os materiais utilizados nesse trabalho foram: imagens do satélite Spot-5, bandas multiespectrais 1, 2 e 3; passagem da órbita em 18 de janeiro de 2004; resolução espacial de 10m x 10m e uma banda Pancromática (PAN), com resolução espacial de 5m x 5m. O geoprocessamento teve suporte computacional no aplicativo do Sistema de Processamentode Informações Geocodificadas – SPRING 4.1.1. Concluiu-se que há diversos problemas ambientais nessas áreas, decorrentes da interferência antrópica sobre elementos essenciais da vegetação arbórea e recursos hídricos – como práticas agrícolas, pecuária (pastagem, piscicultura e granjas) e urbanização acelerada e desordenada.

As técnicas de fusão de imagens multiespectrais e pancromáticas se mostram como ferramentas valiosas para o aprimoramento da acuidade visual do ponto de vista da resolução espacial e, por consequência, do reconhecimento de feições de uso e cobertura da terra. O presente trabalho teve como objetivo a avaliação qualitativa e quantitativa de 3 métodos de fusão de imagens sendo o método IHS, Brovey e Simple Mean. Para tal foram utilizadas imagens do satélite CBERS 4, sensores MUX e PAN para o estudo de caso na Área de Proteção Ambiental do Rio Machado, região sul de Minas Gerais. Entre os resultados, destacam-se os melhores reconhecimentos do ponto de vista qualitativo para o método IHS e o melhor ajuste estatístico com o método Brovey com os menores valores de dispersão para a Regressão Linear. Com isso, conclui-se que, apesar dos resultados alcançados com as imagens obtidas e com os testes realizados, existe uma subjetividade na escolha do melhor produto, dada a escala utilizada e o objetivo proposto.

Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial.

As macrófitas apresentam elevada capacidade de assimilar e estocar nutrientes, auxiliando na recuperação de rios poluídos. Estes fatores tornam as macrófitas importantes do ponto de vista econômico e ecológico. Entretanto, o acúmulo de macrófitas pode representar risco para os recursos hídricos. Por isso, o ambiente de desenvolvimento de macrófitas deve ser monitorado, pois sua elevada concentração pode prejudicar o ecossistema aquático, a biodiversidade, a navegação e o abastecimento de água. Este artigo tem como objetivo identificar locais com presença de macrófitas, seus pontos de fixação e de acúmulo, analisando mudanças temporais e assim oferecer informações para sua remoção ou contenção. Para isso, técnicas de interpretação de imagens de alta resolução são aplicadas, utilizando imagens provenientes do sensor GeoEye-1, satélite que produz imagens de alta resolução (1,65m multiespectral e 0,41m pancromático). Os resultados mostram que com o aumento de 8% na população do município sob análise e, consequentemente, o aumento da concentração de poluentes na água (27% fosforo e 60% nitrogênio), a área do rio com concentração de macrófitas aumentou 305%. Com isso, evidenciamos a existência de correlação entre a concentração de macrófitas com variáveis de qualidade da água, e estas, à ação humana. Por meio da replicação do método para outros locais, a pesquisa contribui para estudos voltados à questão de qualidade da água com o objetivo de identificar e monitorar quais nutrientes estão sendo encontrados em determinada área e suas possíveis fontes geradoras.

De demandas de mapeamento cartográfico temático no contexto do projeto de pesquisa "Aplicação de geotecnologias na orientação do uso da Terra com base nos Impactos das mudanças climáticas globais: sub bacias hidrográficas litorâneas do estado de São Paulo e do estado do Rio de Janeiro", liderada pela Faculdade de Engenharia da UERJ e da colaboração eficaz com o Instituto Geológico do Estado de São Paulo, financiado pela FAPESP e FAPERJ, mapas foram produzidos de uso da Terra e cobertura vegetal, tanto com uso da banda pancromática como multiespectrais do sistema THEOS. Trata-se do sensor acoplado ao satélite tailandês THEOS (Thailand Earth Observation Satellite), que é o primeiro equipamento para observação da Terra naquele país, lançado em 1º de Outubro de 2008 por GISTDA - Geo-Informatics and Space Technology Development Agency. A fim de realizar experimentos de laboratório com imagens desse sistema, optou-se por usá-lo em mapeamento dos municípios costeiros paulistas Caraguatatuba e Ubatuba, e o mesmo foi feito com os municípios fluminenses de Paraty, Angra dos Reis e Mangaratiba. Os resultados deste mapeamento estão disponíveis em www.georeferencial.com.br e são aqui apresentados. Foram empregadas técnicas de processamento digital de imagens com uso dos sistemas SPRING e ENVI, e as escalas cartográficas finais 1/125.000 e 1/10.000, com bandas multi e pan, respectivamente. Serão destacados métodos de segmentação e de classificação supervisionada, com o objetivo de identificação de padrões de uso da Terra e cobertura vegetal. Resultados posteriores serão apresentados em relação ao mapeamento das planícies costeiras em face da explosão populacional e imobiliária de grande valor patrimonial nas zonas costeiras.

El objetivo de este trabajo es identificar las unidades de paisaje que permitan comprender los procesos dominantes de la paleogeografía en la zona costera de Rio Grande. Se utilizaron dos imágenes LANDSAT 8, usando el sensor Operational Land Image (OLI). Se realizó la fusión de la banda pancromática (banda 8) con las bandas 3, 4 y 5, generándose una imagen de 15 metros de resolución espacial. Fue posible identificar y mapear las unidades de paisaje en la zona de Rio Grande. En el área de sedimentos marinos del Holoceno, se identificó la presencia de crestas de playa regresivas intercaladas con depósitos eólicos. Las áreas de bancos de arena son paleo-orientaciones de la costa durante el Holoceno. El proceso de fusión de imágenes (sensor OLI) que permite la generación de una imagen de 15 metros de resolución espacial fue esencial en los resultados y como una propuesta metodológica de trabajo, ya que facilita la interpretación de las unidades de paisaje.

In this work of thesis there appears the development of a technology of codification to achieve the compression of images satelitales, facilitating hereby his transmission on having used minor bandwidth and minor time of transmission, as well as also facilitating his storage on having used devices with minor capacity in bytes. This project is characterized by the implementation of computational algorithms based on the software Matlab, where one has developed two technologies of compression with the purpose of reaching a high degree of compression without altering too much the information contained in the image. They are two technologies combined that are in use in this thesis: the codification with losses, and without losses. The codification with losses is based on the use of transformed discreet of the cosine in 2D (two dimensions), as the JPEG standard uses it, and the codification without losses based on the use of the codification Huffman, where it is achieved to assign the minor quantity of bits for the codification without losing any information. This combination of technologies obtains valuable results especially in images satelitales that are obtained by very poor resolutions in comparison with the conventional photographies

The integration of airborne and satellite imagery with Computer Vision and Machine Learning methodologies provided the ability of covering ample ground and enabled the detection of new terrain features, providing means to remotely locate, monitor and protect from destruction sites of cultural heritage. This work seeks to fuse spectral information obtainable from multispectral or hyperspectral images with spatial information derived from panchromatic images, provided by ESA and obtained from its satellites, to implement a high-performance automatic detection system capable of detecting buried or covered by vegetation dolmens. Separate methods were implemented, where for hyperspectral images a system was attempted based on the dolmens respective spectral material signature, and for panchromatic and multispectral images a system that extracted spectral indices, fused all into one and applied circle detection to identify dolmen locations, eliminating false positives through supervised machine learning. The hyperspectral images could not be used for the creation of a dolmens’ material signature, and by extension cannot automatically delineate regions of high likelihood of dolmen presence in images, due to the size of each pixel being of much higher dimensions than the known dolmens and the dolmens surrounding environments being too similar. The system created through the fusion of panchromatic and multispectral images proved capable of detecting dolmen locations, while simultaneously proving that part of the existent defined ontology of the dolmen (their insertion near water sources) can be used to delineate areas of high probability of dolmen presence, and that using supervised learning methods can enable the elimination of around 87.2% of false positives.
A integração de imagens aéreas e satélite com metodologias do âmbito da Aprendizagem Automática (Machine Learning) e Visão Computacional (Computer Vision) providenciou a capacidade de cobrir terrenos amplos e permitiu a extração de novas características do terreno, fornecendo meios para localizar, monitorizar e proteger remotamente de destruição locais com património cultural. Este trabalho procura unir informações espectrais e espaciais, derivadas de imagens multiespectrais, hiperespectrais e pancromáticas cedidas e obtidas pelos satélites da ESA, para implementar um sistema de deteção automática de alto desempenho capaz de detetar dolmens enterrados ou cobertos por vegetação. Separadamente, implementaram-se métodos onde se tentou desenvolver um sistema baseado na assinatura espectral do material dos dolmens, para imagens hiperespectrais, e, para imagens pancromáticas e multiespectrais, um sistema para extrair índices espectrais, fundir todos os índices extraídos num só e aplicar deteção de círculos para identificar locais onde haja grande probabilidade de existir um dólmen, após eliminação de falsos positivos através de uma técnica supervisionada de Aprendizagem Automática. As imagens hiperespectrais não demonstraram capacidade de definir uma assinatura de material de dolmens e, por extensão, não aptas a delinear automaticamente regiões com alta probabilidade de presença de dólmen, devido à grande dimensão dos pixels em comparação com os pixels dos dolmens conhecidos e os arredores dos dolmens serem demasiado semelhantes. O sistema criado da fusão de imagens pancromáticas e multiespectrais mostrou-se capaz de detetar localizações de dólmen, provando, simultaneamente, que parte da informação na ontologia existente para dólmens em Portugal (nomeadamente, a inserção usual próximo de fontes de água) pode ser usada para delinear áreas de alta probabilidade de presença de dólmen e que o uso de métodos de aprendizagem supervisionada permitiu eliminar cerca de 87.2% falsos positivos.