Imagine a seguinte situação de aplicação de sensoriamento remoto: determinado profissional necessita realizar o monitoramento mensal de uma bacia hidrográfica e para isso pretende criar um mapa uso da superfície, distinguindo área urbana, culturas agrícolas, áreas de preservação, corpos d’água maiores que 200 metros e o rio principal de 50 metros de largura. Por ser uma área extensa, e possuir equipamentos computacionais de capacidade média, analise as afirmativas a seguir que julgue ser a mais coerente para o objetivo:
a) Optou-se por um sensor com resolução espacial de 1 km , espectral de 2 bandas (faixa do azul e do verde), radiométrica de 3 bits e temporal de 1 dia.
b) Optou-se por um sensor com resolução espacial de 250 metros, espectral de 2 bandas (faixa do vermelho e infra-vermelho próximo), radiométrica de 4 bits e temporal de 30 dias.
c) Optou-se por um sensor com resolução espacial de 250 metros, espectral de 4 bandas (faixa do azul, verde, vermelho e infra-vermelho próximo), radiométrica de 5 bits e temporal de 15 dias.
d) Optou-se por um sensor com resolução espacial de 30 metros, espectral de 4 bandas (faixa do azul, verde, vermelho e infra-vermelho próximo), radiométrica de 5 bits e temporal de 15 dias.
e) Optou-se por um sensor com resolução espacial de 30 metros, espectral de 5 bandas (faixa do azul, verde, vermelho e infra-vermelho próximo e médio), radiométrica de 20 bits e temporal de 40 dias.
a) Optou-se por um sensor com resolução espacial de 1 km , espectral de 2 bandas (faixa do azul e do verde), radiométrica de 3 bits e temporal de 1 dia.
b) Optou-se por um sensor com resolução espacial de 250 metros, espectral de 2 bandas (faixa do vermelho e infra-vermelho próximo), radiométrica de 4 bits e temporal de 30 dias.
c) Optou-se por um sensor com resolução espacial de 250 metros, espectral de 4 bandas (faixa do azul, verde, vermelho e infra-vermelho próximo), radiométrica de 5 bits e temporal de 15 dias.
d) Optou-se por um sensor com resolução espacial de 30 metros, espectral de 4 bandas (faixa do azul, verde, vermelho e infra-vermelho próximo), radiométrica de 5 bits e temporal de 15 dias.
e) Optou-se por um sensor com resolução espacial de 30 metros, espectral de 5 bandas (faixa do azul, verde, vermelho e infra-vermelho próximo e médio), radiométrica de 20 bits e temporal de 40 dias.
Passo 1
O enunciado pede que eu escolha, entre as alternativas dadas, o sensor mais coerente para monitoramento mensal de uma bacia hidrográfica, produzindo um mapa de uso da superfície que distinga: área urbana, culturas agrícolas, áreas de preservação, corpos d’água maiores que
metros e o rio principal com largura de
metros. As alternativas apresentam combinações de resolução espacial, bandas espectrais, resolução radiométrica (bits) e resolução temporal (revisita). Vou listar explicitamente os dados de cada alternativa (valores em TeX):
a) resolução espacial , bandas: azul e verde (2 bandas), radiometria
, temporal
.
b) resolução espacial , bandas: vermelho e NIR (2 bandas), radiometria
, temporal
.
c) resolução espacial , bandas: azul, verde, vermelho, NIR (4 bandas), radiometria
, temporal
.
d) resolução espacial , bandas: azul, verde, vermelho, NIR (4 bandas), radiometria
, temporal
.
e) resolução espacial , bandas: azul, verde, vermelho, NIR e SWIR (5 bandas), radiometria
, temporal
.
a) resolução espacial
b) resolução espacial
c) resolução espacial
d) resolução espacial
e) resolução espacial
Passo 2
Requisito espacial: precisamos conseguir distinguir corpos d’água com largura
e um rio de largura
. Uma maneira simples e prática de avaliar se uma imagem consegue “ver” um objeto é calcular quantos pixels cabem na largura do objeto:
Para identificação confiável, a prática comum é querer pelo menos
pixels cobrindo a largura do objeto (isso dá alguma forma e distingue do ruído); com
pixel o objeto pode ficar indistinto. Vou calcular para cada resolução dada, tanto para o rio (
) quanto para corpos
.
- Para resolução
:
Conclusão: impossível detectar essas feições.
- Para resolução
:
Conclusão: também insuficiente.
- Para resolução
:
Conclusão: para
corpos a detecção será boa (vários pixels). Para o rio de
teremos cerca de
pixels — marginal, mas passível de detecção/tratamento (com algum cuidado e técnicas de classificação/segmentação). Portanto, apenas as alternativas com resolução espacial de
passam no critério espacial mínimo;
e
são claramente inadequadas para detectar o rio de
.
Passo 3
Requisitos espectrais (bandas): para distinguir áreas urbanas, culturas agrícolas, vegetação natural e água, quais bandas são úteis?
- Azul (
): útil para distinguir água (absorção na região azul) e para correção atmosférica. - Verde (
): informação visual e distinção de vegetação em reflectância verde. - Vermelho (
): importante para contraste entre vegetação e solo; usado em índices. - Infravermelho próximo (NIR): crucial para separar vegetação (alta reflectância em NIR) de água e solo; base de índices como NDVI.
- SWIR (infravermelho de ondas curtas): útil para detectar umidade do solo/vegetação, separar nuvem/neblina, caracterizar materiais, mas nem sempre essencial para uma classificação básica de uso do solo.
Para separar vegetação vs culturas vs urbano vs água, as combinações mínimo útil são
e
(permitem NDVI), sendo o ideal ter também
e
para melhor classificação e distinção de água e materiais urbanos. Portanto, opções com só
bandas (
ou
) são limitadas:
é melhor que
para vegetação, mas ainda perde informação visual. Ter
bandas
é uma boa escolha para mapear uso do solo; a banda SWIR (5ª banda) ajuda, mas não é estritamente necessária. Avaliando alternativas: c) e d) têm as
bandas mínimas; e) tem
bandas (um plus). b) tem só
(R+NIR) — útil, mas limitado; a) tem apenas azul e verde — claramente insuficiente.
Passo 4
Resolução radiométrica (bits): a resolução radiométrica indica quantos níveis de intensidade podemos representar. O número de níveis possíveis é
.
Calculemos os níveis de cada alternativa:
Calculemos os níveis de cada alternativa:
-
níveis. -
níveis. -
níveis. -
níveis.
Explicação prática: mais níveis significam maior sensibilidade para distinguir pequenas diferenças de reflectância (útil para classificação automática), mas também maior volume de dados e requisitos de processamento. Sensores ópticos de sensoriamento remoto tradicionais operam com
a
bits por banda;
bits (
níveis) é um pouco baixo mas ainda permite diferenciação grosseira;
bits (
níveis) é muito pouco — muitos materiais diferentes ficarão indistinguíveis.
bits é exagerado para a maioria dos propósitos aplicacionais e gera dados muito grandes (e processamento pesado), o que é problemático se eu tenho capacidade computacional média. Portanto, radiometrias muito baixas (
bits) ou extremamente altas (
bits) são indesejáveis no contexto.
Passo 5
Resolução temporal (revisita): o enunciado quer monitoramento mensal. Isso significa que um intervalo de revisita menor ou igual a
é desejável para ter pelo menos uma cena por mês; menor que isso é melhor (mais atualizações). Vamos comparar:
-
: excelente revisita (mas a alternativa a) tem baixa resolução espacial e espectral). -
: bom — permite 2 imagens/mês em condições ideais (útil para selecionar cenas sem nuvens). -
: atende exatamente ao requisito mensal (mas se houver nuvens, pode perder o mês). -
: pior do que mensal — não garante uma cena por mês.
Portanto, idealmente queremos
, e
é preferível. A alternativa e) com
não atende o requisito de monitoramento mensal de forma confiável.
Passo 6
Capacidade computacional e volume de dados: com capacidade média, precisamos evitar opções que gerem muito volume de dados por cena ou que exijam processamento pesado desnecessário:
- Alta resolução espacial (p.ex.
em vez de ) já aumenta volume de dados por cena, mas é necessário aqui para detectar o rio. - Mais bandas aumentam volume linearmente;
bandas é razoável. - Radiometria de
(opção e)) aumenta o volume por pixel muito mais (multiplicativo) e exige armazenamento e processamento maiores — pode ser um problema com hardware médio. - Temporal mais frequente gera mais cenas por período, aumentando processamento cumulativo; mas
é aceitável.
Logo, a opção que combina resolução espacial adequada, número de bandas suficiente sem exagero e radiometria moderada é mais compatível com capacidade média.
Passo 7
Síntese e escolha: recapitulemos as avaliações por alternativa:
-
a)
, , , : ótima revisita, mas resolução espacial e radiométrica insuficientes e bandas inadequadas para separar vegetação/urbano/água. Rejeitada. -
b)
, , , : resol. espacial insuficiente (rio não detectável), poucas bandas e radiometria baixa. Rejeitada. -
c)
, 4 bandas, , : bandas boas e temporal boa, mas resolução espacial ainda insuficiente para o rio de . Rejeitada. -
d)
, 4 bandas, , : resolução espacial adequada para detectar corpos facilmente e detectar (ainda que marginalmente) o rio de ( pixels); bandas são apropriadas para distinguir vegetação, agricultura, urbano e água; temporal atende e é melhor que mensal; radiometria ( níveis) é um pouco baixa mas aceitável dada a limitação das alternativas e ao fato de que mais bits (como ) gerariam muito volume e não agregariam proporcionalmente para a tarefa. Além disso, essa opção equilibra necessidade de detalhe com volume de dados compatível com capacidade média. Considero esta a opção mais coerente. -
e)
, 5 bandas (inclui SWIR), , : espacial e espectral (a mais completa) são ótimas; porém radiometria é exagerada para trabalho operacional aqui (gera grandes volumes) e, pior, a revisita é mais lenta que o requisito mensal — isso é um problema para monitoramento mensal. Com capacidade computacional média e necessidade de cerca de uma imagem por mês, a alternativa e) torna-se menos adequada apesar das bandas extras.
Conclusão: a alternativa que melhor equilibra resolução espacial necessária, bandas suficientes, radiometria e revisita para monitoramento mensal com hardware médio é a alternativa d).
Resposta
d)