Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Anuário do Instituto de Geociências (Online) |
Texto Completo: | https://revistas.ufrj.br/index.php/aigeo/article/view/28471 |
Resumo: | As imagens orbitais vêm sendo amplamente empregadas em diversas aplicações no contexto de observação da Terra, as quais exigem diferentes níveis de detalhamento e de acurácia posicional. O Programa CBERS (China–Brazil Earth Resources Satellite Program) originou-se de uma parceria entre Brasil e China no setor técnico-científico espacial. O satélite CBERS-4 é o quinto satélite do Programa CBERS e contém o sensor PAN, que coleta imagens pancromáticas com elemento de resolução espacial (GSD – Ground Sample Distance) de 5 m. Os estudos relacionados à análise da confiabilidade posicional e correção geométrica de imagens CBERS-4 ainda são limitados. Estudos prévios com imagens CBERS-4 PAN com diferentes níveis de processamento indicam deslocamentos posicionais significativos das imagens georreferenciadas, disponibilizadas pelo INPE (Instituto Nacional de Pesquisas Espaciais), incompatíveis com o seu GSD. Nesse sentido, o objetivo desse trabalho consistiu em investigar a aplicação de modelos matemáticos generalizados na correção geométrica de imagens CBERS-4 PAN usando limites das propriedades rurais do INCRA (Instituto Nacional de Colonização e Reforma Agrária) como pontos de controle. Destaca-se que esses limites estão disponíveis para propriedades de todo o Brasil, o que possibilita a replicação do trabalho em nível nacional. Foram consideradas imagens com diferentes níveis de correção prévia (níveis 1 e 2). As imagens de nível 1 são resultantes apenas da aplicação de procedimentos de calibração radiométrica, enquanto as de nível 2 são imagens de nível 1 corrigidas geometricamente a partir de informações de dados orbitais do satélite. Nos experimentos, considerou-se 3 (três) imagens no nível 1 e 1 (uma) imagem no nível 2. Adotaram-se os seguintes modelos generalizados: Polinomiais de ordem 1, 2 e 3; Projetiva e; Thin Plate Spline (TPS). Os modelos generalizados têm por vantagem não exigir o conhecimento dos parâmetros de aquisição do sistema, como a distância focal, o tamanho do sensor, dentre outras. Entretanto, exigem quantidade significativa de pontos de controle com distribuição uniforme ao longo da imagem. Para o processo de correção geométrica utilizou-se diferentes configurações de pontos de controle (30, 25, 20, 15 e 10) coincidentes com os limites das propriedades rurais georreferenciadas no Estado de Mato Grosso do Sul, que apresentam acurácia superior a 50 cm. A validação da correção geométrica foi realizada a partir do REQM (Raiz quadrado do Erro Quadrático Médio) nos pontos de verificação. A transformação Polinomial de ordem 1 apresentou valores elevados (maior que 10 GSD – 50 metros) de REMQ quando comparado aos demais modelos matemáticos, mesmo considerando 30 pontos de controle. O modelo Polinomial de ordem 2 apresentou comportamento mais consistente se comparado aos demais modelos. Mesmo ao considerar apenas 10 GCP apresentou REQM entre 1 e 2 GSD. Nesse modelo não há melhora significativa nos resultados mesmo aumentando a quantidade de pontos de controle. Nos demais modelos (TPS, Projetiva e Polinomial de ordem 3), verificou-se um aumento significativo no REQM ao se reduzir a quantidade de pontos. As imagens utilizadas nesse trabalho recobrem parte do Estado de Mato Grosso do Sul, o qual engloba a maior parte do Pantanal, considerado patrimônio natural da humanidade. Essas imagens orbitais, portanto, podem contribuir para o mapeamento e monitoramento de seus recursos naturais e, consequentemente, na proteção desse patrimônio. |
id |
UFRJ-21_67ba6701dd67231301314e5f77c24bd3 |
---|---|
oai_identifier_str |
oai:www.revistas.ufrj.br:article/28471 |
network_acronym_str |
UFRJ-21 |
network_name_str |
Anuário do Instituto de Geociências (Online) |
repository_id_str |
|
spelling |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão FundiáriaSensoriamento remoto; Cartografia; Preservação ambientalAs imagens orbitais vêm sendo amplamente empregadas em diversas aplicações no contexto de observação da Terra, as quais exigem diferentes níveis de detalhamento e de acurácia posicional. O Programa CBERS (China–Brazil Earth Resources Satellite Program) originou-se de uma parceria entre Brasil e China no setor técnico-científico espacial. O satélite CBERS-4 é o quinto satélite do Programa CBERS e contém o sensor PAN, que coleta imagens pancromáticas com elemento de resolução espacial (GSD – Ground Sample Distance) de 5 m. Os estudos relacionados à análise da confiabilidade posicional e correção geométrica de imagens CBERS-4 ainda são limitados. Estudos prévios com imagens CBERS-4 PAN com diferentes níveis de processamento indicam deslocamentos posicionais significativos das imagens georreferenciadas, disponibilizadas pelo INPE (Instituto Nacional de Pesquisas Espaciais), incompatíveis com o seu GSD. Nesse sentido, o objetivo desse trabalho consistiu em investigar a aplicação de modelos matemáticos generalizados na correção geométrica de imagens CBERS-4 PAN usando limites das propriedades rurais do INCRA (Instituto Nacional de Colonização e Reforma Agrária) como pontos de controle. Destaca-se que esses limites estão disponíveis para propriedades de todo o Brasil, o que possibilita a replicação do trabalho em nível nacional. Foram consideradas imagens com diferentes níveis de correção prévia (níveis 1 e 2). As imagens de nível 1 são resultantes apenas da aplicação de procedimentos de calibração radiométrica, enquanto as de nível 2 são imagens de nível 1 corrigidas geometricamente a partir de informações de dados orbitais do satélite. Nos experimentos, considerou-se 3 (três) imagens no nível 1 e 1 (uma) imagem no nível 2. Adotaram-se os seguintes modelos generalizados: Polinomiais de ordem 1, 2 e 3; Projetiva e; Thin Plate Spline (TPS). Os modelos generalizados têm por vantagem não exigir o conhecimento dos parâmetros de aquisição do sistema, como a distância focal, o tamanho do sensor, dentre outras. Entretanto, exigem quantidade significativa de pontos de controle com distribuição uniforme ao longo da imagem. Para o processo de correção geométrica utilizou-se diferentes configurações de pontos de controle (30, 25, 20, 15 e 10) coincidentes com os limites das propriedades rurais georreferenciadas no Estado de Mato Grosso do Sul, que apresentam acurácia superior a 50 cm. A validação da correção geométrica foi realizada a partir do REQM (Raiz quadrado do Erro Quadrático Médio) nos pontos de verificação. A transformação Polinomial de ordem 1 apresentou valores elevados (maior que 10 GSD – 50 metros) de REMQ quando comparado aos demais modelos matemáticos, mesmo considerando 30 pontos de controle. O modelo Polinomial de ordem 2 apresentou comportamento mais consistente se comparado aos demais modelos. Mesmo ao considerar apenas 10 GCP apresentou REQM entre 1 e 2 GSD. Nesse modelo não há melhora significativa nos resultados mesmo aumentando a quantidade de pontos de controle. Nos demais modelos (TPS, Projetiva e Polinomial de ordem 3), verificou-se um aumento significativo no REQM ao se reduzir a quantidade de pontos. As imagens utilizadas nesse trabalho recobrem parte do Estado de Mato Grosso do Sul, o qual engloba a maior parte do Pantanal, considerado patrimônio natural da humanidade. Essas imagens orbitais, portanto, podem contribuir para o mapeamento e monitoramento de seus recursos naturais e, consequentemente, na proteção desse patrimônio.Universidade Federal do Rio de JaneiroAkiyama, Thales ShoitiJunior, José MarcatoTommaselli, Antonio Maria Garcia2019-09-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufrj.br/index.php/aigeo/article/view/2847110.11137/2018_2_358_368Anuário do Instituto de Geociências; Vol 41, No 2 (2018); 358-368Anuário do Instituto de Geociências; Vol 41, No 2 (2018); 358-3681982-39080101-9759reponame:Anuário do Instituto de Geociências (Online)instname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJporhttps://revistas.ufrj.br/index.php/aigeo/article/view/28471/15502Copyright (c) 2019 Anuário do Instituto de Geociênciashttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2022-10-06T17:22:23Zoai:www.revistas.ufrj.br:article/28471Revistahttps://revistas.ufrj.br/index.php/aigeo/indexPUBhttps://revistas.ufrj.br/index.php/aigeo/oaianuario@igeo.ufrj.br||1982-39080101-9759opendoar:2022-10-06T17:22:23Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.none.fl_str_mv |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária |
title |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária |
spellingShingle |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária Akiyama, Thales Shoiti Sensoriamento remoto; Cartografia; Preservação ambiental |
title_short |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária |
title_full |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária |
title_fullStr |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária |
title_full_unstemmed |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária |
title_sort |
Correção Geométrica de Imagens CBERS-4/PAN com Modelos Generalizados Usando como Referência Dados do Sistema Nacional de Gestão Fundiária |
author |
Akiyama, Thales Shoiti |
author_facet |
Akiyama, Thales Shoiti Junior, José Marcato Tommaselli, Antonio Maria Garcia |
author_role |
author |
author2 |
Junior, José Marcato Tommaselli, Antonio Maria Garcia |
author2_role |
author author |
dc.contributor.none.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Akiyama, Thales Shoiti Junior, José Marcato Tommaselli, Antonio Maria Garcia |
dc.subject.por.fl_str_mv |
Sensoriamento remoto; Cartografia; Preservação ambiental |
topic |
Sensoriamento remoto; Cartografia; Preservação ambiental |
description |
As imagens orbitais vêm sendo amplamente empregadas em diversas aplicações no contexto de observação da Terra, as quais exigem diferentes níveis de detalhamento e de acurácia posicional. O Programa CBERS (China–Brazil Earth Resources Satellite Program) originou-se de uma parceria entre Brasil e China no setor técnico-científico espacial. O satélite CBERS-4 é o quinto satélite do Programa CBERS e contém o sensor PAN, que coleta imagens pancromáticas com elemento de resolução espacial (GSD – Ground Sample Distance) de 5 m. Os estudos relacionados à análise da confiabilidade posicional e correção geométrica de imagens CBERS-4 ainda são limitados. Estudos prévios com imagens CBERS-4 PAN com diferentes níveis de processamento indicam deslocamentos posicionais significativos das imagens georreferenciadas, disponibilizadas pelo INPE (Instituto Nacional de Pesquisas Espaciais), incompatíveis com o seu GSD. Nesse sentido, o objetivo desse trabalho consistiu em investigar a aplicação de modelos matemáticos generalizados na correção geométrica de imagens CBERS-4 PAN usando limites das propriedades rurais do INCRA (Instituto Nacional de Colonização e Reforma Agrária) como pontos de controle. Destaca-se que esses limites estão disponíveis para propriedades de todo o Brasil, o que possibilita a replicação do trabalho em nível nacional. Foram consideradas imagens com diferentes níveis de correção prévia (níveis 1 e 2). As imagens de nível 1 são resultantes apenas da aplicação de procedimentos de calibração radiométrica, enquanto as de nível 2 são imagens de nível 1 corrigidas geometricamente a partir de informações de dados orbitais do satélite. Nos experimentos, considerou-se 3 (três) imagens no nível 1 e 1 (uma) imagem no nível 2. Adotaram-se os seguintes modelos generalizados: Polinomiais de ordem 1, 2 e 3; Projetiva e; Thin Plate Spline (TPS). Os modelos generalizados têm por vantagem não exigir o conhecimento dos parâmetros de aquisição do sistema, como a distância focal, o tamanho do sensor, dentre outras. Entretanto, exigem quantidade significativa de pontos de controle com distribuição uniforme ao longo da imagem. Para o processo de correção geométrica utilizou-se diferentes configurações de pontos de controle (30, 25, 20, 15 e 10) coincidentes com os limites das propriedades rurais georreferenciadas no Estado de Mato Grosso do Sul, que apresentam acurácia superior a 50 cm. A validação da correção geométrica foi realizada a partir do REQM (Raiz quadrado do Erro Quadrático Médio) nos pontos de verificação. A transformação Polinomial de ordem 1 apresentou valores elevados (maior que 10 GSD – 50 metros) de REMQ quando comparado aos demais modelos matemáticos, mesmo considerando 30 pontos de controle. O modelo Polinomial de ordem 2 apresentou comportamento mais consistente se comparado aos demais modelos. Mesmo ao considerar apenas 10 GCP apresentou REQM entre 1 e 2 GSD. Nesse modelo não há melhora significativa nos resultados mesmo aumentando a quantidade de pontos de controle. Nos demais modelos (TPS, Projetiva e Polinomial de ordem 3), verificou-se um aumento significativo no REQM ao se reduzir a quantidade de pontos. As imagens utilizadas nesse trabalho recobrem parte do Estado de Mato Grosso do Sul, o qual engloba a maior parte do Pantanal, considerado patrimônio natural da humanidade. Essas imagens orbitais, portanto, podem contribuir para o mapeamento e monitoramento de seus recursos naturais e, consequentemente, na proteção desse patrimônio. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-09-09 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://revistas.ufrj.br/index.php/aigeo/article/view/28471 10.11137/2018_2_358_368 |
url |
https://revistas.ufrj.br/index.php/aigeo/article/view/28471 |
identifier_str_mv |
10.11137/2018_2_358_368 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revistas.ufrj.br/index.php/aigeo/article/view/28471/15502 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2019 Anuário do Instituto de Geociências http://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2019 Anuário do Instituto de Geociências http://creativecommons.org/licenses/by/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
Anuário do Instituto de Geociências; Vol 41, No 2 (2018); 358-368 Anuário do Instituto de Geociências; Vol 41, No 2 (2018); 358-368 1982-3908 0101-9759 reponame:Anuário do Instituto de Geociências (Online) instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Anuário do Instituto de Geociências (Online) |
collection |
Anuário do Instituto de Geociências (Online) |
repository.name.fl_str_mv |
Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
anuario@igeo.ufrj.br|| |
_version_ |
1797053535797379072 |