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.

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 200 metros e o rio principal com largura de 50 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 1\\ \text{km}, bandas: azul e verde (2 bandas), radiometria 3\\ \text{bits}, temporal 1\\ \text{dia}.
b) resolução espacial 250\\ \text{m}, bandas: vermelho e NIR (2 bandas), radiometria 4\\ \text{bits}, temporal 30\\ \text{dias}.
c) resolução espacial 250\\ \text{m}, bandas: azul, verde, vermelho, NIR (4 bandas), radiometria 5\\ \text{bits}, temporal 15\\ \text{dias}.
d) resolução espacial 30\\ \text{m}, bandas: azul, verde, vermelho, NIR (4 bandas), radiometria 5\\ \text{bits}, temporal 15\\ \text{dias}.
e) resolução espacial 30\\ \text{m}, bandas: azul, verde, vermelho, NIR e SWIR (5 bandas), radiometria 20\\ \text{bits}, temporal 40\\ \text{dias}.

Passo 2

Requisito espacial: precisamos conseguir distinguir corpos d’água com largura >200\\ \text{m} e um rio de largura 50\\ \text{m}. Uma maneira simples e prática de avaliar se uma imagem consegue “ver” um objeto é calcular quantos pixels cabem na largura do objeto:
\text{nº pixels} = \frac{\text{largura do objeto}}{\text{resolução espacial (tamanho do pixel)}}.ºçã
Para identificação confiável, a prática comum é querer pelo menos \sim 2 pixels cobrindo a largura do objeto (isso dá alguma forma e distingue do ruído); com 1 pixel o objeto pode ficar indistinto. Vou calcular para cada resolução dada, tanto para o rio ( 50\\ \text{m}) quanto para corpos 200\\ \text{m}.
  • Para resolução \,1\\ \text{km} = 1000\\ \text{m}:
\frac{50}{1000}=0{,}05\\ \text{pixels (rio)},\qquad \frac{200}{1000}=0{,}2\\ \text{pixels (lago)}.
Conclusão: impossível detectar essas feições.
  • Para resolução \,250\\ \text{m}:
\frac{50}{250}=0{,}2\\ \text{pixels (rio)},\qquad \frac{200}{250}=0{,}8\\ \text{pixels (lago)}.
Conclusão: também insuficiente.
  • Para resolução \,30\\ \text{m}:
\frac{50}{30}\approx1{,}67\\ \text{pixels (rio)},\qquad \frac{200}{30}\approx6{,}67\\ \text{pixels (lago)}.
Conclusão: para 200\\ \text{m} corpos a detecção será boa (vários pixels). Para o rio de 50\\ \text{m} teremos cerca de 1{,}7 pixels — marginal, mas passível de detecção/tratamento (com algum cuidado e técnicas de classificação/segmentação). Portanto, apenas as alternativas com resolução espacial de 30\\ \text{m} passam no critério espacial mínimo; 250\\ \text{m} e 1\\ \text{km} são claramente inadequadas para detectar o rio de 50\\ \text{m}.

Passo 3

Requisitos espectrais (bandas): para distinguir áreas urbanas, culturas agrícolas, vegetação natural e água, quais bandas são úteis?
  • Azul ( \text{B}): útil para distinguir água (absorção na região azul) e para correção atmosférica.
  • Verde ( \text{G}): informação visual e distinção de vegetação em reflectância verde.
  • Vermelho ( \text{R}): 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 \text{R} e \text{NIR} (permitem NDVI), sendo o ideal ter também \text{B} e \text{G} para melhor classificação e distinção de água e materiais urbanos. Portanto, opções com só 2 bandas ( \text{B}\&\text{G} ou \text{R}\&\text{NIR}) são limitadas: \text{R}\&\text{NIR} é melhor que \text{B}\&\text{G} para vegetação, mas ainda perde informação visual. Ter 4 bandas (\text{B},\text{G},\text{R},\text{NIR}) 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 4 bandas mínimas; e) tem 5 bandas (um plus). b) tem só 2 (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 2^{\text{bits}}.
Calculemos os níveis de cada alternativa:
  • \,3\\ \text{bits}\Rightarrow 2^{3}=8 níveis.
  • \,4\\ \text{bits}\Rightarrow 2^{4}=16 níveis.
  • \,5\\ \text{bits}\Rightarrow 2^{5}=32 níveis.
  • \,20\\ \text{bits}\Rightarrow 2^{20}=1\,048\,576 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 \sim 8 a 16 bits por banda; 5 bits ( 32 níveis) é um pouco baixo mas ainda permite diferenciação grosseira; 3 bits ( 8 níveis) é muito pouco — muitos materiais diferentes ficarão indistinguíveis. 20 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 ( 3 bits) ou extremamente altas ( 20 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 30\\ \text{dias} é desejável para ter pelo menos uma cena por mês; menor que isso é melhor (mais atualizações). Vamos comparar:
  • 1\\ \text{dia}: excelente revisita (mas a alternativa a) tem baixa resolução espacial e espectral).
  • 15\\ \text{dias}: bom — permite 2 imagens/mês em condições ideais (útil para selecionar cenas sem nuvens).
  • 30\\ \text{dias}: atende exatamente ao requisito mensal (mas se houver nuvens, pode perder o mês).
  • 40\\ \text{dias}: pior do que mensal — não garante uma cena por mês.
Portanto, idealmente queremos \le 30\\ \text{dias}, e 15\\ \text{dias} é preferível. A alternativa e) com 40\\ \text{dias} 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. 30\\ \text{m} em vez de 250\\ \text{m}) já aumenta volume de dados por cena, mas é necessário aqui para detectar o rio.
  • Mais bandas aumentam volume linearmente; 4 bandas é razoável.
  • Radiometria de 20\\ \text{bits} (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 15\\ \text{dias} 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) \,1\\ \text{km}, \text{B}\&\text{G}, 3\\ \text{bits}, 1\\ \text{dia}: ótima revisita, mas resolução espacial e radiométrica insuficientes e bandas inadequadas para separar vegetação/urbano/água. Rejeitada.
  • b) \,250\\ \text{m}, \text{R}\&\text{NIR}, 4\\ \text{bits}, 30\\ \text{dias}: resol. espacial insuficiente (rio 50\\ \text{m} não detectável), poucas bandas e radiometria baixa. Rejeitada.
  • c) \,250\\ \text{m}, 4 bandas, 5\\ \text{bits}, 15\\ \text{dias}: bandas boas e temporal boa, mas resolução espacial ainda insuficiente para o rio de 50\\ \text{m}. Rejeitada.
  • d) \,30\\ \text{m}, 4 bandas, 5\\ \text{bits}, 15\\ \text{dias}: resolução espacial adequada para detectar corpos >200\\ \text{m} facilmente e detectar (ainda que marginalmente) o rio de 50\\ \text{m} ( \approx1{,}7 pixels); bandas (\text{B},\text{G},\text{R},\text{NIR}) são apropriadas para distinguir vegetação, agricultura, urbano e água; temporal 15\\ \text{dias} atende e é melhor que mensal; radiometria 5\\ \text{bits} ( 32 níveis) é um pouco baixa mas aceitável dada a limitação das alternativas e ao fato de que mais bits (como 20) 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) \,30\\ \text{m}, 5 bandas (inclui SWIR), 20\\ \text{bits}, 40\\ \text{dias}: espacial e espectral (a mais completa) são ótimas; porém radiometria 20\\ \text{bits} é exagerada para trabalho operacional aqui (gera grandes volumes) e, pior, a revisita 40\\ \text{dias} 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)

Exercícios relacionados