#Falsa-Cor

Composição em Falsa-Cor das Imagens

Landsat

carlosmarove@hotmail.com Carlos O. Marove

© 2018 Carlos O. Marove 1

Anti-Copyright. Copie, modifique e difunda.

Introdução

Este draft destina-se aos estudantes de Sistemas de Informação Geográfica, sobretudo, com

nível de iniciantes no uso de software ArcGIS 10.3. Para além de informações relacionadas aos

princípios de composição em falsa cor de imagem de satélite, poderão também aprender com

este documento a efectuar o processo de composição.

No final deste exercício, compreenderá o princípio de composição de imagem e será capaz de

compor três bandas em uma única imagem e, o mais importante será capaz de entender o

processo anterior a extracção de informação útil numa imagem Landsat. Contudo, será capaz de

fazer a composição convencional de cor.

Atenção

-NÃO CITAR

© 2018 Carlos O. Marove 2

Composição em Falsa-Cor das Imagens Landsat

Trata-se do processo de afectação convencional das cores das imagens com vista a tirar proveito

da melhor formas dos elementos contidos nas imagens, este processo é baseada na chamada

composição em falsa-cor. Embora não semelhante à realidade, a imagem resultante deste

processo é basicamente aceite que com ela se tira o máximo de informação da imagem em

interpretação ou classificação.

A composição em Falsa-cor é baseada em assinatura espectral dos objectos identificados na

imagem e sua relação com as cores afectadas nos canais escolhidos (RGB), e assim, se

identificam os objectos consoante a cor que exibem.

Esta composição pode ser feita nos canais RGB (Red, Green e Blue), ou seja, (Vermelho, Verde e

Azul) segundo os números de bandas 2-3-4 (RGB234), por exemplo, as imagens Landsat 8

OLI/TIRS a composição pode ser feita combinando os canais das bandas 2-3-4 no sistema RGB.

Princípio:

A composição em Falsa-cor baseia-se no princípio de que a vegetação verde e saudável tem pico

de refletância no IR próximo porque a clorofila absorve o visível (0.4 a 0.6 μm). A nossa visão vê a

vegetação como verde porque dentro do visível a clorofila absorve mais o azul e o vermelho e

reflecte muito o verde. Portanto, conclui-se que o que for atribuído a cor vermelha ou o que

aparecer avermelhado na imagem será vegetação. Os canais em azul, considerando que água

tem pico no azul, o que aparecer a azul será água. Embora a refletância possa variar com a

Fig.1: Composição em Falsa-cor canais RGB2-3-4, Landsat 8 OLI/TIRS 2017.

© 2018 Carlos O. Marove 3

situação a que se encontra a água se está ou não limpa. Seguindo a mesma lógica, a presença do

cião-claro, uma cor esbranquiçada ou amarelada, sabe-se que se trata do resultado da junção

das três cores primárias, representando áreas urbanas ou aglomerados humanos, areia, rocha,

solo descoberto/sem cobertura vegetal, etc., isto se deve ao facto destes possuírem uma

reflectância espectral idêntica nos três canais do RGB.

Composição em Falsa-cor usando ArcGIS 10.3.

Não se alarme, as versões anteriores e posteriores ao ArcGIS 10.3 podem sim fazer a composição

em falsa-cor

Para efectuar a composição em falsa-cor da sua imagem, siga os seguintes procedimentos:

Note que primeiro precisa compor as bandas 2-3-4 para formar uma imagem única. Ao compor

as bandas as três imagens serão compostas para facilitar a manipulação de suas bandas, ou seja,

a composição em falsa-cor.

Para compor as bandas em imagem única:

a. Corre o ArcGIS.

b. Adicione as imagens segundo as bandas 2-3-4.

c. No Arctoolbox Selecione Data Management Tools>>Raster>>Raster

Processing>>Composite Bands.

LC08_2017_B2.tiff LC08_2017_B4.tiff LC08_2017_B3.tiff

© 2018 Carlos O. Marove 4

d. No Input Raster adicione as imagens 2-3-4.

e. No Output Raster dê o nome de saída. Exemplo, Composite2017.

f. Clique OK.

Note que agora tem uma imagem composta por 3 bandas.

Composição da imagem.

a. Com o cursor do mouse sobre a imagem composta. Faça um clique direito.

b. Clique no menu Symbology>>RGB Composite.

c. No canal Red, Green e Blue, selecione Band 4-3-2, Respectivamente.

d. Clique em Ok.

© 2018 Carlos O. Marove 5

Composição em Falsa-cor da Imagem Landsat 8

© 2018 Carlos O. Marove 6

Classificação de imagens.

O processo de classificação de imagens visa identificar feições que fazem parte de uso e

cobertura da área em analise para a elaboração de mapas temáticos. Entretanto, é fundamental

a definição de classes a mapear para posterior identificação na imagem. Essas classes

geralmente tem sido agrupados em níveis cujo seu mapeamento depende da resolução das

imagens. Por exemplo, a tabela que se apresenta a seguir mostra dois níveis de classe de

mapeamento proposto pela USGS (1992). Portanto, para o nível 1, o mapeamento pode ser feito

usando imagens de satélites de resolução de 30 m como as de Landsat, contrário do nível 2 que

exige imagens com resolução de 1m como as de QuickBird.

© 2018 Carlos O. Marove 7

Classificação da USGS

Nível 1 Nível 2

1. Terra Urbana ou com Actividade Humana

1.1 Residencial 1.2 Comercial e de Serviços 1.3 Industrial 1.4 Transportes, Comunicações e Utilidade Pública 1.5 Complexos Industriais e Comerciais 1.6 Mistura de Urbana e Actividade Humana 1.7 Outro tipo de Urbana ou Actividade Humana

2. Terra Agrícola

2.1 Culturas e Forragens 22 Hortícolas, Pomar, Bosque, Viveiro, Vinhedo e

Produção de Plantas Ornamentais 2.3 Áreas de Alimentação Confinada 2.4 Outras Terras Agrícolas

3. Pastagens

3.1 Pastagem Herbácea 3.2 Pastagem Shrub-Brushland 3.3 Pastagem Mista

4. Floresta

4.1 Floresta Decídua 4.2 Floresta Semprevirente 4.3 Floresta Mista

5. Água

5.1 Rios e Canais 5.2 Lagos 5.3 Reservatórios 5.4 Baías e Estuários

6. Pântanos 6.1 Pântanos com Vegetação 6.2 Pântanos sem Vegetação

7. Terras Áridas

7.1 Terrenos Salinos Secos 7.2 Praias 7.3 Áreas Arenosas 7.4 Rochas Expostas ao Solo 7.5 Jazigos de Minerais, Pedreiras e Saibreiras 7.6 Áreas de Transição 7.7 Terras Áridas Mistas

8. Tundra (Planície)

8.1 Shrub and Brush Tundra 8.2 Tundra Herbácea 8.3 Tundra sem Vegetação 8.4 Tundra Húmida 8.5 Tundra Mista

9. Terras de Gelo ou Neve Perene 9.1 Campos de Neve Perene 9.2 Glaciares

Fonte: USGS, 1992.

© 2018 Carlos O. Marove 8

Procedimentos de Classificação de Imagens

Continuaremos em…

Parte II

≪≪≪≪