4.3 - Transformação da imagem

Tem o mesmo objetivo anterior, só que agindo simultaneamente sobre mais de uma banda. Operações aritiméticas são usadas para combinar e transformar as bandas originais em "novas" imagens, que realcem certas feições geográficas da cena.

Uma das operações aritméticas é a subtração de imagens, utilizada para identificar mudanças entre imagens coletadas em datas diferentes, o que permite mapear as alterações sofridas no desenvolvimento urbano das periferias das cidades (crescimento das favelas, p.ex.), ou para identificar áreas onde ocorreram desmatamentos. Nesta rotina, tomam-se duas imagens que tenham sofrido registro geométrico, e subtrai-se o valor de luminosidade de uma, do pixel correspondente da outra. Uniformiza-se a imagem resultante pela adição de uma constante (no caso, o valor 127, que corresponde ao cinza-médio) ao valor resultante da subtração. Nesta terceira imagem, nas áreas onde não ocorreram mudanças ou ela foi muito pequena, prevalece o valor 127; nas demais, que mostraram mudanças significativas, os pixels terão valores maiores ou menores que 127, mais claras ou mais escuras, dependendo da ´direção´ da mudança na reflectância entre as 2 imagens submetidas à operação. Para entender visualmente a subtração, observe que os 3 pixels da direita na 1a. imagem, que foram subtraidos, não aparecem na imagem resultante.

Outra operação aritmética importante é a razão entre imagens ou razão espectral. É uma das transformações de imagens mais comuns e serve para realçar as bruscas variações na respostas espectrais de várias coberturas terrestres. Pela divisão entre si dos dados de duas diferentes bandas espectrais, a imagem resultante pode destacar as variações nas inclinações das curvas de reflectância das bandas e que poderia, de outro modo, serem mascaradas pelas variações de brilho do pixel em cada uma das bandas. Veja este exemplo. A vegetação saudável reflete fortemente na faixa do infravermelho-próximo (IV-P) do espectro; enquanto absorve fortemente na faixa do vermelho visível. Outros tipos de cobertura, como o solo e a água, têm reflectância quase parecidas nessas duas faixas. Assim, dividindo-se a banda 7 do Landsat MSS (IV-P = 0,8 a 1,1 um) pela banda 5 (vermelho = 0,6 a 0,7 um), resulta em valores muito maiores que 1,0 para a vegetação e em torno de 1,0 para o solo e a água. Como resultado, a discriminação da vegetação dos outros tipos de cobertura, fica significativamente realçada.

Ficamos ainda habilitados a identificar áreas de vegetação não saudável ou estressada, que exibem baixa reflectância no IV-P, pela divisão ter resultado menor do que nas áreas de vegetação sadia.

Outra vantagem é que, por trabalharmos com valores relativos (ou seja, razões) em vez dos valores absolutos de luminosidade, as variações na iluminação da cena como resultado dos efeitos topográficos, são reduzidas.

Uma transformação de imagem largamente adotada é o Índice de Diferença Normalizada de Vegetação (NDVI na sigla em inglês), que tem sido utilizado para monitorar o estado da cobertura vegetal em escala continental e global, usando a Resolução Radiométrica Muito Alta Avançada (AVHRR em inglês) do sensor dos satélites NOAA. A figura ao lado mostra uma imagem resultante desta transformação.

As diferentes bandas dos dados multiespectrais são, em geral, altamente correlacionadas (parecidas) e, portanto, contêm informações similares já que pertencem à uma mesma cena. As bandas 4 e 5 do LandsatMSS, p.ex., apresentam aspectos visuais parecidos, pois as reflectâncias dos mesmos tipos de cobertura são quase iguais. Técnicas de transformação das imagens baseadas em complexo processamento das características estatísticas das bases de dados multi-bandas, podem ser utilizadas para reduzir essa redundância de dados e correlação entre as bandas. Uma delas é a Análise dos Componentes Principais.

O objetivo desta transformação é reduzir o número de bandas, comprimindo o mais possível as informações. As "novas" bandas resultantes são chamadas componentes. O processo visa maximizar (estatisticamente) o volume de informações (ou variância) do dado original nos novos componentes.

Como pode ser visto no esquema da figura acima, as 7 bandas do LandsatTM podem ser transformadas, de modo que os primeiros 3 componentes contenham cerca de 90% da informação original contida nas sete bandas. A interpretação e análise destas 3 bandas combinadas, seja no modo visual ou digital, é bem mais simples e mais eficiente do que se tentássemos usar todas as 7 bandas originais.

Este método, além de reduzir o número de bandas para estudo, ainda melhora a interpretação visual da imagem.

SIGa-me (jviana@openlink.com.br)