Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE
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/30232 |
Resumo: | Satélites equipados com sensores multiespectrais, tais como os da série Landsat (TM, ETM+, OLI), tem um importante papel em aplicações geológicas, em especial os sensores que possuem faixas espectrais no infravermelho de ondas curtas, pois é nessa região do espectro que grupos minerais, como o das argilas, apresentam picos de refletância. Os satélites da missão Sentinel-2, pertencentes ao programa Corpernicus da Agência Espacial Europeia (ESA –European Spatial Agency) possuem como finalidade dar continuidade a missões como Landsat e SPOT. A província fósforo-uranífera da região de Itataia, objeto deste estudo, está localizada no município de Santa Quitéria (CE) e inserida no contexto geológico do Domínio Ceará Central (DCC) da Província Borborema (PB). O objetivo deste trabalho foi efetuar a comparação das imagens dos sensores MSI Sentinel-2 e do OLI Landsat-8, por meio de parâmetros estatísticos, como o coeficiente de Pearson, e analisar suas aplicações para o mapeamento geológico. Para tanto, foram selecionadas as bandas correlatas de ambos os sensores, pré-processadas para um conjunto de dados compatível para comparação. Posteriormente, foram gerados os coeficientes entre os pares de bandas correlatas, e também razões de bandas para análise dos dados. As imagens Sentinel-2, analisadas nesse trabalho, apresentaram forte correlação com as imagens do Landsat-8, com coeficientes de Pearson variando entre 0.857 e 0.930, e as razões de bandas apresentaram um coeficiente variando entre 0.772 e 0.910. As maiores correlações foram entre as bandas do infravermelho de ondas curtas (SWIR), sendo coeficientes de Pearson de 0.935 entre as bandas 6 (OLI) e 11 (MSI), 0.926 para as bandas 7(OLI) e 12(MSI) e a razão com maior coeficiente foi a 6/7 (OLI) e 11/12(MSI). Essa forte correlação entre as bandas do SWIR demonstram o potencial das imagens Sentinel-2 para trabalhos em geologia, uma vez que muitos grupos minerais possuem picos de refletância nessa faixa espectral. |
id |
UFRJ-21_e2fb573e35778f23180e0072213a7280 |
---|---|
oai_identifier_str |
oai:www.revistas.ufrj.br:article/30232 |
network_acronym_str |
UFRJ-21 |
network_name_str |
Anuário do Instituto de Geociências (Online) |
repository_id_str |
|
spelling |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CESensoriamento remoto; Mapeamento geológico; Província BoboremaSatélites equipados com sensores multiespectrais, tais como os da série Landsat (TM, ETM+, OLI), tem um importante papel em aplicações geológicas, em especial os sensores que possuem faixas espectrais no infravermelho de ondas curtas, pois é nessa região do espectro que grupos minerais, como o das argilas, apresentam picos de refletância. Os satélites da missão Sentinel-2, pertencentes ao programa Corpernicus da Agência Espacial Europeia (ESA –European Spatial Agency) possuem como finalidade dar continuidade a missões como Landsat e SPOT. A província fósforo-uranífera da região de Itataia, objeto deste estudo, está localizada no município de Santa Quitéria (CE) e inserida no contexto geológico do Domínio Ceará Central (DCC) da Província Borborema (PB). O objetivo deste trabalho foi efetuar a comparação das imagens dos sensores MSI Sentinel-2 e do OLI Landsat-8, por meio de parâmetros estatísticos, como o coeficiente de Pearson, e analisar suas aplicações para o mapeamento geológico. Para tanto, foram selecionadas as bandas correlatas de ambos os sensores, pré-processadas para um conjunto de dados compatível para comparação. Posteriormente, foram gerados os coeficientes entre os pares de bandas correlatas, e também razões de bandas para análise dos dados. As imagens Sentinel-2, analisadas nesse trabalho, apresentaram forte correlação com as imagens do Landsat-8, com coeficientes de Pearson variando entre 0.857 e 0.930, e as razões de bandas apresentaram um coeficiente variando entre 0.772 e 0.910. As maiores correlações foram entre as bandas do infravermelho de ondas curtas (SWIR), sendo coeficientes de Pearson de 0.935 entre as bandas 6 (OLI) e 11 (MSI), 0.926 para as bandas 7(OLI) e 12(MSI) e a razão com maior coeficiente foi a 6/7 (OLI) e 11/12(MSI). Essa forte correlação entre as bandas do SWIR demonstram o potencial das imagens Sentinel-2 para trabalhos em geologia, uma vez que muitos grupos minerais possuem picos de refletância nessa faixa espectral.Universidade Federal do Rio de JaneiroMiranda, Mateus de PaulaDuarte, Cynthia RomarizGomes, Daniel Dantas MoreiraSouza, Cassiano Dias deNeto, Cláudio Ângelo da Silva2019-12-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufrj.br/index.php/aigeo/article/view/3023210.11137/2019_2_366_377Anuário do Instituto de Geociências; Vol 42, No 2 (2019); 366-377Anuário do Instituto de Geociências; Vol 42, No 2 (2019); 366-3771982-39080101-9759reponame:Anuário do Instituto de Geociências (Online)instname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJporhttps://revistas.ufrj.br/index.php/aigeo/article/view/30232/17086Copyright (c) 2019 Anuário do Instituto de Geociênciashttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2019-12-10T15:04:16Zoai:www.revistas.ufrj.br:article/30232Revistahttps://revistas.ufrj.br/index.php/aigeo/indexPUBhttps://revistas.ufrj.br/index.php/aigeo/oaianuario@igeo.ufrj.br||1982-39080101-9759opendoar:2019-12-10T15:04:16Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.none.fl_str_mv |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE |
title |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE |
spellingShingle |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE Miranda, Mateus de Paula Sensoriamento remoto; Mapeamento geológico; Província Boborema |
title_short |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE |
title_full |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE |
title_fullStr |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE |
title_full_unstemmed |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE |
title_sort |
Análise Comparativa de Imagens Sentinel-2A (MSI) e Landsat-8 (OLI) Aplicadas ao Mapeamento Geológico, Região de Itataia, Santa Quitéria, CE |
author |
Miranda, Mateus de Paula |
author_facet |
Miranda, Mateus de Paula Duarte, Cynthia Romariz Gomes, Daniel Dantas Moreira Souza, Cassiano Dias de Neto, Cláudio Ângelo da Silva |
author_role |
author |
author2 |
Duarte, Cynthia Romariz Gomes, Daniel Dantas Moreira Souza, Cassiano Dias de Neto, Cláudio Ângelo da Silva |
author2_role |
author author author author |
dc.contributor.none.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Miranda, Mateus de Paula Duarte, Cynthia Romariz Gomes, Daniel Dantas Moreira Souza, Cassiano Dias de Neto, Cláudio Ângelo da Silva |
dc.subject.por.fl_str_mv |
Sensoriamento remoto; Mapeamento geológico; Província Boborema |
topic |
Sensoriamento remoto; Mapeamento geológico; Província Boborema |
description |
Satélites equipados com sensores multiespectrais, tais como os da série Landsat (TM, ETM+, OLI), tem um importante papel em aplicações geológicas, em especial os sensores que possuem faixas espectrais no infravermelho de ondas curtas, pois é nessa região do espectro que grupos minerais, como o das argilas, apresentam picos de refletância. Os satélites da missão Sentinel-2, pertencentes ao programa Corpernicus da Agência Espacial Europeia (ESA –European Spatial Agency) possuem como finalidade dar continuidade a missões como Landsat e SPOT. A província fósforo-uranífera da região de Itataia, objeto deste estudo, está localizada no município de Santa Quitéria (CE) e inserida no contexto geológico do Domínio Ceará Central (DCC) da Província Borborema (PB). O objetivo deste trabalho foi efetuar a comparação das imagens dos sensores MSI Sentinel-2 e do OLI Landsat-8, por meio de parâmetros estatísticos, como o coeficiente de Pearson, e analisar suas aplicações para o mapeamento geológico. Para tanto, foram selecionadas as bandas correlatas de ambos os sensores, pré-processadas para um conjunto de dados compatível para comparação. Posteriormente, foram gerados os coeficientes entre os pares de bandas correlatas, e também razões de bandas para análise dos dados. As imagens Sentinel-2, analisadas nesse trabalho, apresentaram forte correlação com as imagens do Landsat-8, com coeficientes de Pearson variando entre 0.857 e 0.930, e as razões de bandas apresentaram um coeficiente variando entre 0.772 e 0.910. As maiores correlações foram entre as bandas do infravermelho de ondas curtas (SWIR), sendo coeficientes de Pearson de 0.935 entre as bandas 6 (OLI) e 11 (MSI), 0.926 para as bandas 7(OLI) e 12(MSI) e a razão com maior coeficiente foi a 6/7 (OLI) e 11/12(MSI). Essa forte correlação entre as bandas do SWIR demonstram o potencial das imagens Sentinel-2 para trabalhos em geologia, uma vez que muitos grupos minerais possuem picos de refletância nessa faixa espectral. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-12-01 |
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/30232 10.11137/2019_2_366_377 |
url |
https://revistas.ufrj.br/index.php/aigeo/article/view/30232 |
identifier_str_mv |
10.11137/2019_2_366_377 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revistas.ufrj.br/index.php/aigeo/article/view/30232/17086 |
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 42, No 2 (2019); 366-377 Anuário do Instituto de Geociências; Vol 42, No 2 (2019); 366-377 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_ |
1797053538498510848 |