Informações sobre a umidade do solo são fundamentais para monitorar as condições hídricas da superfície e prever secas e estiagens. Para efetuar este monitoramento com métodos de detecção direta em grandes áreas, o custo é alto e demorado. As possibilidades que se abrem com o uso dos sensores a bordo de satélites que são sensíveis à energia de microondas são grandes, pois a técnica permite detecção de umidade do solo, de temperatura do solo e de quantidade de cobertura de vegetação para grandes áreas da superfície terrestre. O presente trabalho pretendeu colaborar para avaliação do potencial do sensor de microondas AMSR-E na detecção da umidade do solo. Para isso, foram utilizados dados de umidade do solo coletados pelo sensor AMSR-E, a bordo do satélite AQUA do programa NOAA, em 2009 para uma área do sul do Brasil, no Estado do Rio Grande do Sul, e feita a comparação com dados de precipitação pluvial medida em estações pluviométricas de superfície. Os resultados mostraram que existe relação entre umidade do solo detectada pelo sensor e a precipitação pluvial ocorrida. Nos meses avaliados verificou-se que os padrões de resposta do sensor à umidade do solo corresponderam em grande medida aos padrões de precipitação pluvial, o que na prática nos possibilita relacionar um evento a outro. Houve semelhança de padrões espaciais de umidade do solo com os padrões de molhamento do solo por parte da precipitação pluvial. As comparações realizadas entre os padrões permitem afirmar que o sensor AMSR-E pode servir ao monitoramento de secas e estiagens de maneira geral para um território, uma vez que consegue perceber a evolução da umidade do solo espacialmente e temporalmente para grandes áreas. / Information on soil moisture is critical to monitor the surface water conditions and predict droughts and dry spells. To perform this monitoring with traditional methods the cost is high and time consuming. The possibilities opened by the use of sensors aboard satellites that are sensitive to microwave energy are high, because the technique allows detection of soil moisture, soil temperature and amount of vegetation cover for large surface areas land. This study sought to contribute to assessing the potential of microwave sensor AMSR-E soil in detection. For this we used data collected by the soil moisture sensor AMSR-E aboard the AQUA satellite NOAA program in 2009 to an area of southern Brazil, in Rio Grande do Sul, and made a comparison with data rainfall measured in surface rainfall stations. The results showed that there is a relation between the sensors detects soil moisture and the phenomenon of rainfall occurred over the same territory. In the availed months it was found that the response patterns of soil moisture sensor to correspond largely to rainfall patterns, which in practice allows us to relate one event to another. There was similarity of spatial patterns of soil moisture with the patterns of soil wetting by rainfall. The comparisons between the patterns to indicate that the AMSR-E sensor can be used to monitor droughts and dry spells in general to a territory once can detect the evolution of soil moisture and period for large areas.

A alta resolução espacial, incorporada aos novos sensores remotos imageadores, apresenta um cenário que promove uma captura excessiva das variações espectrais das classes, funcionando mais como ruído e aumentando desnecessariamente a variância interna das classes. Estas características geram prejuízos no processo de classificação, pois aumentam o erro de Bayes e conseqüentemente pioram a acurácia da classificação. Por isso, a necessidade de abandonar o pixel como unidade de classificação e passar adotar regiões obtidas por segmentação prévia da imagem. Buscando introduzir no processo de classificação variáveis que pudessem se adequar a essas novas características, o presente estudo propõe-se investigar a utilização de atributos de forma e textura em adição aos atributos espectrais. Para poder avaliar a eficácia de cada atributo no processo de classificação, será utilizado um algoritmo de classificação em múltiplos estágios e entre os possíveis critérios de separabilidade será utilizada a distância de Bhattacharrya. A aplicação do algoritmo proposto foi testado sobre os dados imagem do sistema Quickbird e a implementação em ambiente Matlab. / High spatial resolution image data are becoming increasingly available to the users community. The obvious advantages introduced by high resolution data also pose some new challenges. Chief among them is the problem of digital image classification. The traditional pixel based classification procedures frequently yield poor results when applied to high spatial resolution image data. The small ground pixel size frequently captures an unnecessary high level of detail resulting in large class-variances which increase the confusion among classes. In this context, it is normally more convenient to replace individual pixels by image segments, also known as objects, as individuals to be labeled according with the existing classes. One of the main advantages of employing smaller pixels is the ability of capturing spatial information such as shape and texture which may be conveniently added to the spectral data to increase the accuracy in the resulting thematic map. In this study, it is investigated the combined use of spectral and spatial attributes in a classifier. As the data dimensionality may increase substantially due to the larger amount of data used, a feature extraction process are used in the classification procedure, rather than the original spectral and spatial data themselves. A binary decision tree classifier is used in this study to label every image segment. In a binary tree, only two classes are considered at a time on every node. The feature extraction procedure has to optimize the distance between a pair of classes. In this study, the criterion used to define the linear transformation for feature extraction is the Bhattacharyya distance. The proposed methodology is tested using high spatial resolution image data acquired by the sensor system Quickbird. Results are presented and commented.

Com o cômputo dos componentes do balanço de radiação, obtém-se o saldo de radiação (Rn), ou seja, a energia restante na superfície que é utilizada principalmente nos processos de evapotranspiração, aquecimento do ar e do solo. Dada a importância deste tópico de pesquisa, o objetivo geral deste estudo foi calcular o saldo de radiação à superfície usando imagens do sensor ASTER, a bordo do satélite TERRA. A região de estudo abrangeu duas áreas teste no Rio Grande do Sul, representadas pela área de abrangência de duas imagens do sensor ASTER, complementados com dados de estações meteorológicas automáticas (Eldorado do Sul e Bento Gonçalves). Os resultados mostram que os valores de saldo de radiação, assim como seus componentes, obtidos através das imagens ASTER, apresentam magnitude compatível com os valores esperados para as condições das regiões analisadas. Sobre a superfície d’água é observada o maior saldo de radiação e o menor valor observado foi sobre solo exposto. A área coberta com vegetação apresenta valores intermediários de saldo de radiação. A informação gerada mostra a distribuição espacial do saldo de radiação, o que é um avanço em relação à obtenção deste elemento em condições experimentais. / With the computation of the components of the balance of radiation, is obtained the net radiation, in other words, the remaining energy in the surface that is used principally in the processes of evapotranspiration, heating of the air and of the soil. When the importance of this topic of inquiry was attached, the general objective of this study calculated the net radiation to the surface using images of the sensor ASTER, on board of satellite TERRA. The region of study included two areas test in Rio Grande do Sul, represented by the area of range of two images of the sensor ASTER, complemented with data of meteorological automatic stations (Eldorado do Sul and Bento Gonçalves). The results show that the values of net radiation, as well as his components obtained through the ASTER images, present compatible magnitude with the values waited for the conditions of the analysed regions. On the water surface is observed the biggest net radiation and the least observed value is on soil bare. The area covered with vegetation presents intermediary values of net radiation. The produced information shows the space distribution of the net of radiation, which is an advancement regarding getting this element in experimental conditions.

O objetivo deste trabalho foi avaliar os efeitos associados a El Niño e La Niña sobre o crescimento e desenvolvimento da cobertura vegetal e sua evolução temporal no Estado do Rio Grande do Sul, utilizando imagens do satélite NOAA. Foram utilizados dados mensais de precipitação pluvial e imagens de Índice de Vegetação por Diferença Normalizada (NDVI), no período de julho de 1981 a junho de 2000, sendo as análises feitas para todo o Estado e para as diversas Zonas de Cobertura e Uso do Solo. Os dados, classificados como El Niño, La Niña e neutro, foram utilizados para confeccionar imagens médias, imagens de anomalias e para traçar gráficos de evolução temporal de NDVI. Por fim, foi feita a análise da relação entre precipitação pluvial e NDVI. Os resultados mostraram que as diversas Zonas de Cobertura e Uso do Solo apresentam padrões diferenciados de variação na cobertura vegetal ao longo do ano, o qual é determinado pela disponibilidade hídrica, de radiação solar e de temperatura, sendo possível quantificar as alterações do padrão, através do monitoramento com imagens de NDVI/NOAA. Parte da variabilidade interanual do padrão de evolução do NDVI está associada à ocorrência do fenômeno El Niño e La Niña, como conseqüência, principalmente, do efeito deste fenômeno sobre a precipitação pluvial do Estado. Em anos de El Niño há um aumento na precipitação pluvial e conseqüentemente anomalias positivas de NDVI, enquanto que em anos de La Niña ocorre diminuição da precipitação pluvial a qual proporciona predominância de anomalias negativas de NDVI. Existe um tempo de resposta da vegetação às condições hídricas, ocasionado por uma defasagem entre o aumento ou diminuição da precipitação pluvial e o conseqüente aumento ou decréscimo de NDVI. O padrão e a intensidade dos efeitos no NDVI associados ao fenômeno El Niño e La Niña, estão relacionados às condições edafoclimáticas e de uso e cobertura do solo. As relações entre NDVI e precipitação pluvial evidenciam que este é um dos principais elementos que influi nas condições de crescimento vegetal para o Estado do Rio Grande do Sul.

O Regional Atmospheric Modeling System (RAMS), versão 3b, foi utilizado para simular o escoamento na Região Metropolitana de Porto Alegre (RMPA) para explicar a influência de circulações clássicas e não clássicas devido as proximidades do oceano e da Lagoa dos Patos, e da ilha de calor formada pelas cidades. O RAMS foi utilizado em um domínio tridimensional com duas grades sendo utilizadas, a grade mais grossa com resolução horizontal de 8 Km, e a grade mais fina com resolução horizontal de 2 Km. A inicialização do modelo é homogênea e parte do repouso, em uma situação de verão. Foram realizados 3 experimentos; o primeiro deles com apenas a grade mais grossa e com a parametrização da vegetação sendo grama curta em todo o domínio; o segundo utilizando as duas grades, sendo que a área coberta pela grade mais fina é parametrizada como deserto, nas duas grades; o terceiro diferencia-se do segundo pela adição de uma forçante térmica no primeiro nível da área coberta pela grade mais fina durante o período da noite (após o pôr do sol). Os resultados mostram que circulação de brisa lacustre/terrestre é responsável por uma forte tendência meridional no escoamento resultante sobre a RMPA, só sendo atenuada pela componente zonal da circulação de brisa marítima à partir do final da tarde. A confluência dessas duas circulações provoca uma tendência a elevação da camada de mistura. A presença da ilha de calor aumenta o movimento convectivo, com maior transporte vertical de calor sensível, e também retardou o avanço da frente de brisa marítima, embora durante a noite a sua influência não tenha sido muito significante.

Em cenas naturais, ocorrem com certa freqüência classes espectralmente muito similares, isto é, os vetores média são muito próximos. Em situações como esta, dados de baixa dimensionalidade (LandSat-TM, Spot) não permitem uma classificação acurada da cena. Por outro lado, sabe-se que dados em alta dimensionalidade [FUK 90] tornam possível a separação destas classes, desde que as matrizes covariância sejam suficientemente distintas. Neste caso, o problema de natureza prática que surge é o da estimação dos parâmetros que caracterizam a distribuição de cada classe. Na medida em que a dimensionalidade dos dados cresce, aumenta o número de parâmetros a serem estimados, especialmente na matriz covariância. Contudo, é sabido que, no mundo real, a quantidade de amostras de treinamento disponíveis, é freqüentemente muito limitada, ocasionando problemas na estimação dos parâmetros necessários ao classificador, degradando portanto a acurácia do processo de classificação, na medida em que a dimensionalidade dos dados aumenta. O Efeito de Hughes, como é chamado este fenômeno, já é bem conhecido no meio científico, e estudos vêm sendo realizados com o objetivo de mitigar este efeito. Entre as alternativas propostas com a finalidade de mitigar o Efeito de Hughes, encontram-se as técnicas de regularização da matriz covariância. Deste modo, técnicas de regularização para a estimação da matriz covariância das classes, tornam-se um tópico interessante de estudo, bem como o comportamento destas técnicas em ambientes de dados de imagens digitais de alta dimensionalidade em sensoriamento remoto, como por exemplo, os dados fornecidos pelo sensor AVIRIS. Neste estudo, é feita uma contextualização em sensoriamento remoto, descrito o sistema sensor AVIRIS, os princípios da análise discriminante linear (LDA), quadrática (QDA) e regularizada (RDA) são apresentados, bem como os experimentos práticos dos métodos, usando dados reais do sensor. Os resultados mostram que, com um número limitado de amostras de treinamento, as técnicas de regularização da matriz covariância foram eficientes em reduzir o Efeito de Hughes. Quanto à acurácia, em alguns casos o modelo quadrático continua sendo o melhor, apesar do Efeito de Hughes, e em outros casos o método de regularização é superior, além de suavizar este efeito. Esta dissertação está organizada da seguinte maneira: No primeiro capítulo é feita uma introdução aos temas: sensoriamento remoto (radiação eletromagnética, espectro eletromagnético, bandas espectrais, assinatura espectral), são também descritos os conceitos, funcionamento do sensor hiperespectral AVIRIS, e os conceitos básicos de reconhecimento de padrões e da abordagem estatística. No segundo capítulo, é feita uma revisão bibliográfica sobre os problemas associados à dimensionalidade dos dados, à descrição das técnicas paramétricas citadas anteriormente, aos métodos de QDA, LDA e RDA, e testes realizados com outros tipos de dados e seus resultados.O terceiro capítulo versa sobre a metodologia que será utilizada nos dados hiperespectrais disponíveis. O quarto capítulo apresenta os testes e experimentos da Análise Discriminante Regularizada (RDA) em imagens hiperespectrais obtidos pelo sensor AVIRIS. No quinto capítulo são apresentados as conclusões e análise final. A contribuição científica deste estudo, relaciona-se à utilização de métodos de regularização da matriz covariância, originalmente propostos por Friedman [FRI 89] para classificação de dados em alta dimensionalidade (dados sintéticos, dados de enologia), para o caso especifico de dados de sensoriamento remoto em alta dimensionalidade (imagens hiperespectrais). A conclusão principal desta dissertação é que o método RDA é útil no processo de classificação de imagens com dados em alta dimensionalidade e classes com características espectrais muito próximas. / The remote sensing analysis of natural scenes has been relying primarily on data collected by sensors that provide a relatively small number of spectral bands. In most of the cases, this low dimensional image data has proved capable of performing image data classification in an acceptable way. There are some cases, however, in which some or all of the classes involved are spectrally very similar, i.e., their mean vectors are nearly identical. In these cases, the low dimensional image data yield a very low classification accuracy. This problem may be solved by using high dimensional image data. It is well known that high dimensional image data allows for the separation of classes that are spectrally very similar , provided that their covariance matrices differ significantly. One problem with high dimensional data, however, is related to the estimation of the required parameters, specially the class covariance matrices. As the data dimension increases, so does the number of parameters to be estimated. In real world conditions, however, the sample size normally available for parameter estimation is limited, resulting in poor estimates for the parameters. This problem becomes apparent when one compares the classification accuracy against the data dimensionality. Initially the accuracy of the classifier tends to increase as the number of spectral bands increase, i.e., as the data dimensionality becomes larger. Eventually the accuracy peaks and as the data dimensionality continues to increase the classification accuracy tends to decrease. This pattern, known as the "Hughes Phenomenon" is caused by the gradual deterioration of the parameters estimation as the data dimensionality keeps increasing while the number of available training samples remains constant. One possible way to mitigate this problem consists in the procedure known as regularization of the covariance matrix. This procedure can be performed in two steps: (1) replacing the class covariance matrix by a linear combination of the class covariance matrix and the common covariance matrix for all classes involved in the process and (2) scaling the class covariance matrices to counter the bias that tend to estimate the small eigenvalues too small and the large eigenvalues too large. This bias occur whenever the number of training samples is too small compared with the data dimensionality. This study is concerned with the applications of the regularization techniques to remote sensing high dimensional image data such as the data provided by the AVIRIS sensor system. Methods using the conventional quadratic classifier (QDA) and the classifier implementing the regularized covariance matrices (RDA) are tested and compared. The experiments have shown that the regularization techniques were very efficient in mitigating the Hughes phenomenon. In some experiments, the maximum accuracy was obtained using the conventional quadratic classifier (QDA), with a smaller number of spectral bands. In other cases the regularized procedure (RDA) produced more accurate results at higher dimensionality having mitigated the Hughes phenomenon. The investigation of the behavior of the regularization procedure (RDA) in remote sensing image data constitutes the main contribution of this study. The regularization procedure, originally proposed by Friedman is shown to perform well in remote sensing digital image classification. The regularization procedure (RDA) seems to be capable of improving the accuracy of the classification procedure when high dimensional image data is used.

O objetivo geral deste trabalho é desenvolver estudos relacionados à dispersão de poluentes, considerando a queima de carvão para geração de energia nas Usinas Termoelétricas de Charqueadas e São Jerônimo. O período de estudo foi do dia 17 a 23 de junho de 2003. Neste período houve a passagem de um sistema frontal. Sendo possível avaliar a dispersão dos poluentes em condições pré-frontal, frontal e pós-frontal. Para simular o comportamento dos poluentes neste período, foi utilizada uma subrotina de dispersão acoplada ao modelo RAMS (Regional Atmospheric Modeling System). Os resultados mostraram que nos dias classificados como pré-frontal e pós-frontal as concentrações do material particulado, dióxido de enxofre e do óxido de nitrogênio, atingiram seus valores máximos, pelo fato da umidade relativa do ar estar bastante baixa em torno de 60%, pressão atmosférica da ordem de 1021 hPa e a intensidade dos ventos fraca. No dia classificado como frontal, as concentrações estavam praticamente nulas, devido à passagem do sistema frontal que causou a queda na pressão atmosférica, aumento da umidade relativa e também pelo fato da ocorrência de precipitação atmosférica neste dia. As comparações dos resultados simulados, com os dados observados na estação de qualidade do ar mostraram-se satisfatórios. Com exceção do dia 22 de junho, que apresentou uma diferença da ordem de 90%.

A temperatura da superfície terrestre (TST), além da ação determinante sobre o crescimento e o desenvolvimento das plantas, influencia também muitos processos físicos, químicos e biológicos, tendo significativa relevância científica em um vasto campo das atividades de pesquisa e gerenciamento dos recursos naturais. O objetivo geral deste estudo foi verificar a adequação do uso de sensores orbitais AVHRR/3 NOAA (National Oceanic and Atmospheric Administration) classe POES (Polar Operational Environmental Satellites) para mapeamento de temperaturas da superfície terrestre no Rio Grande do Sul, visando sua implementação em programas operacionais de monitoramento agrometeorológico. No estudo realizado no período de junho a setembro de 2002, foram utilizadas 11 imagens noturnas e 20 imagens diurnas, captadas na estação de recepção de imagens NOAA pertencente ao Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia (CEPSRM). Após processamento, as imagens foram utilizadas para a determinação da temperatura de brilho da banda 4 e 5 da TST através dos métodos de Becker e Li (1990), Kerr et al. (1992) e Sobrino et al. (1993). A TST obtida a partir das imagens foi comparada aos dados de temperatura do ar obtidos em 13 estações meteorológicas de superfície Os resultados mostraram que os sensores orbitais AVHRR/3 são adequados para o mapeamento noturno de temperaturas da superfície terrestre no Rio Grande do Sul. O método de Sobrino et al. (1993) é o mais adequado entre os métodos testados para a estimativa das temperaturas noturnas no Estado, embora ainda seja necessário um aprofundamento teórico em relação aos efeitos atmosféricos sobre regiões localizadas em baixas latitudes. Também a temperatura estimada por sensores remotos pode ser utilizada para estimar a temperatura do ar nos locais avaliados, sendo que ainda deve ser testada a extrapolação para outros locais.

Este trabalho tem a finalidade de fornecer os elementos necessários à montagem de um SIG para gerenciamento e controle de obras públicas, tendo como ponto de partida as relacionadas às estradas de terra, portanto na área rural do município, podendo, ser estendido as outras áreas da gestão pública. A preferência pela questão viária dá-se pelo fato dela ter grande apelo econômico e relativa facilidade de aquisição dos planos de informação, quais sejam: malha viária, pontos notáveis, obras de arte, drenagem, relevo e solo. Planos de informação pertinentes à malha viária, aos pontos notáveis e às obras de arte, adquiridos em levantamento de campo com GPS, e drenagem, relevo e solo adquiridos via vetorização de plantas existentes. Através de um programa de apoio à gerência denominado SISGEM - Sistema de Gerência de Estradas Municipais - pode-se obter dados a respeito da produção, produtividade, custos, etc, gerando atributos aos geo objetos dos planos de informação descritos acima, e, desta forma, permitindo o cruzamento de planos de informações vetoriais com os relatórios gerados a partir dos trabalhos realizados.

Made available in DSpace on 2014-06-12T16:31:02Z (GMT). No. of bitstreams: 2 arquivo5082_1.pdf: 4920534 bytes, checksum: 940e54fb31f410f308cf2eb5b1e5cd0f (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Empresa Brasileira de Agropecuária / Um dos indicadores da desertificação é a redução da cobertura de plantas perenes. Aliado a essa mudança está à degradação dos solos das áreas com menor cobertura vegetal, sendo possível sua identificação através de dados de sensoriamento remoto. A erosão do solo pela água remove a superfície do solo e expõe as camadas sub-superficiais que conduzem às mudanças em algumas propriedades químicas e físicas do solo, variando com a profundidade. A reflectância do solo é uma propriedade cumulativa que se deriva do comportamento espectral inerente da combinação heterogênea da matéria mineral, orgânica, e fluida que compreende os minerais dos solos. Estudos diversos descreveram as contribuições relativas à reflectância de solos naturais de parâmetros do solo tais como, a matéria orgânica, a umidade do solo, a distribuição de tamanho da partícula, a estrutura do solo, o índice do óxido do ferro, a mineralogia do solo, e o material de origem. Além de existirem poucos levantamentos florestais que cobrem boa parte do bioma, os mesmos utilizaram metodologias diferentes, dificultando assim uma comparação de resultados e avaliação da evolução da cobertura vegetal. Com base nisso, este estudo buscou analisar áreas de risco passíveis à desertificação no semi-árido brasileiro, fazendo uma abordagem conceitual, espacial e espectral do problema, utilizando técnicas de Sensoriamento Remoto numa área denominada Núcleo de Desertificação do Seridó RN/PB