Analise de Bandas do Landsat 8 e Aplicacao da Tecnica de Pseudocor

RESULTADOS Os sensores do Landsat 8 adquirem radiação eletromagnética em 11 bandas no entanto o arquivo de dados fornecido continham 9 das quais a banda 8 pancromática foi a mais utilizada Como cada banda possui um espectro distinto suas resoluções e destaques da imagem consequentemente podem favorecer elementos diferentes A banda 1 Deep BlueViolet coleta a cor azul profunda e como resultado é utilizada para diferenciar a água de terra bem como distinguir as partículas de poeira ou fumaça no ar além de identificar aerossóis As bandas 2 3 e 4 são filtros Azul Verde e Vermelho isto é do espectro visível e compõem a coloração RGB Red Green and Blue 432 Nesse sentido essa composição permite que sistema humano também desse mesmo espectro identifique visualmente os dados capturados pelo sensor A banda 5 Near InfraRed é o espectro do infravermelho próximo que reflete a água presente nas plantas podendo ser usada para o monitoramento ecológico As bandas 6 e 7 por outro lado usam diferentes partes do infravermelho de ondas curtas e são úteis em termos de monitoramento de rochas e solos A banda 9 possui limitações de frequências e quando a maioria delas são absorvidas significa que os dados captados estão acima da atmosfera como as nuvens A banda 8 por fim é pancromática em preto e branco e tem a maior resolução em comparação com as outras de 15m por pixel A capacidade de coleta de espectros em um único canal permite que técnicas sejam aplicadas utilizandoa a fim de melhorar a qualidade da imagem e aumentar o nível de compreensão sobre a área estudada Uma delas é a Pseudocor ou seja a transformação de uma escala de níveis de cinza em uma escala de cores para atribuílas aos intervalos de DNs valores numéricos associados a cada pixel e ressaltar aspectos da imagem CRÓSTA AP 1992 Nesse sentido a melhor resolução da banda 8 o emprego dessa técnica a partir das composições de bandas em RGB formam diferentes visualizações da Mina Serra Sul 7 Figura X Composição de bandas em RGB 432 cor real Figura X Composição de bandas em RGB 543 8 Figura X Composição de bandas em RGB 764 Figura X Composição de bandas em RGB 564 9 Figura X Composição de bandas em RGB 753 A capacidade de diferenciar e identificar as composições de materiais superficiais variados só é factível em razão de suas propriedades diferenciadoras e de comportamentos específicos ao longo do espectro eletromagnético Nesse sentido a classificação automática de imagens multiespectrais de sensoriamento remoto é um método de associar cada pixel aos valores numéricos DNs definidos pela reflectância do objeto de estudo e a formação de um grupo de classes Como produto obtêmse um mapa digital temático com a distribuição geográfica de um tema CRÓSTA AP 1992 Para realizar essa classificação utilizamse conceitos de filtragem uma vez que a seleção de energias a serem bloqueadas filtragem espacial ou a intensificação de determinadas características de alta média ou baixas frequências filtragem espacial de frequência definem entre outros fatores os resultados O Filtro Passa Alta permite a exibição somente de feições de alta frequência bloqueando consequentemente as de baixa frequência Enquanto isso o Filtro Passa Baixa só 10 apresenta as feições de baixa frequência e impede a passagem das altas frequências Desse modo o SVM Support Vector Machine é um mecanismo que com base nesses conceitos e na quantidade de dados fornecidos padroniza um sistema de classificação criado e o reproduz para toda a área analisada Em relação a Mina Serra Sul utilizouse o SVM do software ArcGIS com as classificações de Vegetação Construção civil Corpos de água Área desmatada e Área da Cava Figura X Classificação SVM da Mina Serra Sul Nesse caso a classificação SVM não teve altos índices de assertividade na diferenciação das classes devido à baixa quantidade de dados fornecidos e na resolução de qualidade média Ademais o sensoriamento remoto adota a intensidade individual dos pixels e o arranjo espacial como um todo que diz respeito 11 à forma e textura Todavia a classificação SVM só se concentra nas características espectrais mais uma problemática que dificulta a completude de tal análise O maior problema é por sua vez o fato da classificação ser uma representação simplificada diante da complexidade vinculada a uma cena de satélite As classes previamente selecionadas não condizem completamente com a realidade ou podem ser uma mistura de mais de uma superfície real resultando em adversidades da classificação gerada CRÓSTA AP 1992 Além das composições de bandas em RGB e da classificação SVM que diferenciam os componentes da área fazse necessário uma análise no que tange a altitude formas do relevo e morfometria da Mina Serra Sul Inicialmente a essa nova perspectiva análitica foi elaborado um mapa de elevação sobreposto ao relevo sombreado em azimute 45º e elevação 45º que aponta as variações altimétricas mínimas e máximas Figura X Mapa de Elevação com coloração sintética da Mina Serra Sul 12 A partir disso notase que a região central sentido Oeste apresenta altos valores de altitude sendo o máximo deles de 905 metros e o mínimo de 317 em direção ao Sudeste A área de maior elevação é não obstante a região que corresponde a área da cava logo que deveria apresentar baixos valores gradativamente de altimetria em virtude dos taludes e explotação do minério Tal fato pode ser explicado pelo momento no qual as imagens foram capturadas isto é antes da lavra O Modelo Digital de Elevação é uma estrutura numérica de dados elaborada através de algoritmos matemáticos que representa a distribuição espacial de uma variável quantitativa e contínua CARNEIRO 2023 À vista disso o Modelo Digital de Elevação pode conter tanto o Modelo Digital do Terreno MDT representação altimétrica da superfície quanto o Modelo Digital de Superfície MDS construções e árvores por exemplo Figura X Mapa de Elevação em cena 3D com composição RGB 432 da Mina Serra Sul 13 Por conseguinte o Modelo Digital de Elevação em cena 3D da Mina Serra Sul ainda que com um pequeno exagero na altimetria do terreno corrobora a concepção de que a cava ainda não estava desenvolvida quando as imagens do LandSat 8 foram adquiridas e propõe uma visualização geral da área estudada Em consonância com o MDE o mapa de declividade é uma forma de representação temática da distribuição espacial dos diferentes níveis de inclinação existentes em um terreno amparando a análise da paisagem Colavite Passos 2012 Figura X Mapa de Declividade com coloração sintética da Mina Serra Sul Como apresentado as Regiões com maiores registros de declividades são a Sudeste e Nordeste e algumas ocorrências sentido Sul No Noroeste por outro lado são zonas de baixas declividades 14 CONCLUSÕES A banda LandSat 8 pancromática e com uma maior resolução atrelada à técnica de Pseudocor com a composição de bandas em RGB forneceu imagens da Mina Serra Sul com diferentes destaques visuais Na combinação RGB 432 por ser do espectro do visível permitiu a visualização do local tal qual o sistema visual humano 15 ESCREVA AQUI O NOME DE SUA FACULDADE ESCREVA O NOME DO CURSO ESCREVA AQUI O NOME DA DISCIPLINA ESCREVA O NOME DO PROFESSOR RESUMO ESCREVA AQUI SEU Nome e Sobrenome do acadêmico 2023 O texto descreve o uso dos sensores do Landsat 8 e a análise das bandas de radiação eletromagnética adquiridas por esses sensores Existem 11 bandas no total mas apenas 9 foram fornecidas nos arquivos de dados A banda 8 que é pancromática em preto e branco foi a mais utilizada Cada banda possui um espectro distinto o que permite destacar diferentes elementos na imagem As bandas 1 a 4 correspondem às cores azul profundo verde e vermelho do espectro visível e sua combinação forma a coloração RGB A banda 5 reflete o infravermelho próximo e é útil para monitorar a presença de água nas plantas As bandas 6 e 7 usam partes diferentes do infravermelho de ondas curtas e são úteis para monitorar rochas e solos A banda 9 é limitada em frequências e indica que os dados capturados estão acima da atmosfera como nuvens Já a banda 8 possui a maior resolução e é usada para melhorar a qualidade da imagem e aumentar a compreensão da área estudada Uma técnica utilizada é a Pseudocor que transforma os níveis de cinza em uma escala de cores para ressaltar aspectos da imagem Essa banda permite diferentes visualizações da área A classificação automática de imagens multiespectrais é um método usado para associar cada pixel a valores numéricos definidos pela reflectância do objeto O SVM Support Vector Machine é um mecanismo utilizado para padronizar e reproduzir o sistema de classificação em toda a área analisada No entanto a baixa quantidade de dados e a resolução média do Landsat 8 podem afetar a precisão da classificação Além da análise das bandas e da classificação SVM é importante considerar a altitude o relevo e a morfometria da área estudada O Modelo Digital de Elevação MDE é usado para representar a distribuição espacial da altitude enquanto o mapa de declividade mostra a distribuição das diferentes inclinações do terreno Logo chegamos a conclusão que o uso dos sensores do Landsat 8 e a análise das bandas de radiação eletromagnética forneceram informações valiosas sobre a área estudada Embora o arquivo de dados fornecido tenha limitado o número de bandas disponíveis a banda 8 pancromática mostrouse especialmente útil devido à sua alta resolução Através de técnicas como a Pseudocor e a classificação SVM foi possível obter diferentes visualizações e compreensões da área identificando elementos como água vegetação construções e áreas desmatadas No entanto é importante destacar que a baixa quantidade de dados e a resolução média do sensor Landsat 8 afetaram a precisão da classificação automática realizada pelo SVM A representação simplificada das classes e a possibilidade de misturas de superfícies reais também apresentaram desafios nessa análise Além da análise das bandas a consideração da altitude do relevo e da morfometria da área através do Modelo Digital de Elevação e do mapa de declividade adicionou uma perspectiva importante para compreender a paisagem como um todo Apesar das limitações e desafios enfrentados as informações obtidas por meio do sensoriamento remoto e da análise das imagens do Landsat 8 proporcionaram insights valiosos sobre a área estudada auxiliando em estudos e monitoramentos ecológicos geológicos e geográficos Essas informações são fundamentais para o planejamento e a tomada de decisões em diversos campos como o monitoramento ambiental a gestão de recursos naturais e o planejamento urbano