Aplicações de Sensoriamento Remoto - 2ª ed.

O livro apresenta as técnicas modernas de sensoriamento remoto aplicadas em diversas disciplinas, faz uma revisão ampla das potencialidades de aplicações dos dados adquiridos por satélites e fornece sucintamente os conhecimentos básicos das diversas disciplinas. Com mais de 900 páginas será vendido em formato digital com possibilidade de compra por capítulos!

Ver descrição completa

Editora:

Oficina de Textos

descrição completa

Lançado exclusivamente em formato digital, ele pode ser adquirido na versão completa ou em capítulos avulsos.

São 16 capítulos – cerca de 900 páginas – repletos de imagens, gráficos e quadros comparativos, nos quais o autor traça um panorama das aplicações do sensoriamento remoto.

Ele se inicia com os fundamentos conceituais, os tipos de satélite e as características dos espectros de solo e vegetação que formam as imagens.

A nova edição conta ainda com um capítulo dedicado ao Modelo Universal de Previsão de Safra Agrícola (MUPSA), um modelo inédito internacionalmente, que pode ser aplicado para quaisquer tipos de vegetação em qualquer área, desde que estejam em nível de um pixel da resolução espacial dos satélites.

Os fundamentos e algorítimos são apresentados em detalhes.

Especificação

Autor	William Tse Horng Liu
Sumário	Sumário
Degustação	Degustação
eISBN	978-85-7975-177-6
Publicação	2015
Formato	Digital
Edição	2

Especificação de Capítulos

Capítulo 01	Capítulo 1 - Fundamento Teórico Descrições do satélite, das interações da radiação solar com a superfície, da atenuação atmosférica e do funcionamento dos sensores de satélite que registram as energias eletromagnéticas da radiação solar refletidas pelos diversos objetos da superfície. Apresentações dos exemplos das aplicações das cinco assinaturas singulares na identificação dos objetos na superfície do globo, incluindo: assinaturas espectral, espacial, angular, temporal e polarizada. Palavras chaves: energia eletromagnética, espectro da radiação solar, assinaturas espectrais, assinaturas espaciais, assinaturas temporais, assinaturas angulares, assinaturas polarizadas, janelas atmosféricas, refletância, transmitância.
Capítulo 02	Capítulo 2 - Sistema de Satélites Os satélites são classificados em órbitas polares, geosincronizada e geoestacionária. Descrições do desenvolvimento dos diferentes sistemas de satélites e as vantagens e desvantagens dos sensores não-imagenadores e imaginadores. Os sensores imaginadores incluem sensores fotográficos, eletro-óticos, microondas e LIDAR. Abordagem das vantagens e limitações dos diferentes sensores baseadas nas resoluções espectrais e espaciais. Apresentações dos diversos satélites, incluindo: Landsat, SPOT, IKNOS, Quickbird, KOMPSAT, EROS, ERS, ENVISAT, OrbView, TERRA, NOAA, GOES, METEOSAT, DMSP, ADEOS, INSAT e CBERS.
Capítulo 03	Capítulo 3 - Características Espectrais de Solo Descrições das propriedades físicas e químicas do solo que afetam as refletâncias espectrais do solo, incluindo: perfil, umidade, ar, densidade, absorção de cátions, capacidade de troca de cátions e acidez do solo. Fatores que afetam a refletância espectral do solo, tais como: Cores, composição de minerais, materiais orgânicos, textura, rugosidade, estrutura, emissividade e propriedades de polarização. Apresentações das assinaturas espectrais de vários tipos de solo e suas aplicações da classificação do solo.
Capítulo 04	Capítulo 4 - Características Espectrais de Vegetação Descrição da estrutura de uma folha e os fatores que afetam as refletâncias espectrais de vegetação, tais como maturidade de folha, pigmento, orientação estrutural do mesófilo, folhas danificadas, ensolaradas, suculentas, nas sombras e deficiências de nutrientes, vácuos, estrutura da copa de vegetação. Apresentações das refletâncias espectrais típicas de uma copa de vegetação e do monitoramento da vegetação terrestre via satélite.
Capítulo 05	Capítulo 5 - Aplicações Geológicas Descrições das técnicas de analise das características físicas e ou químicas do ambiente geológico estático e dinâmico via satélites baseados nas presenças dos minerais no solo que possuem as assinaturas espectrais singulares da energia eletromagnética que são identificadas pelos vários sensores das bandas chaves. As aplicações geológicas incluem geomorfologia, litologia, rochas estruturais e tectônicas, geologia econômica, desastres geológicos, glaciais, geologia marina e geobotânica.
Capítulo 06	Capítulo 6 - Recursos Hídricos Interações entre luz e água. Aplicações de sensoriamento remoto na estimativa de profundidade e área superficial da água e nos monitoramentos de água subterrânea, aquíferos rasos de areias e cascalhos, qualidade da água e áreas de inundações. Modelo de previsão e estimativa de áreas de inundação da Bacia do Rio Alto Paraguaia.
Capítulo 07	Capítulo 7 - Índices de Vegetação Apresentações e descrições dos diversos tipos de índices de vegetação que são derivados com várias combinações das refletâncias obtidas pelas várias bandas dos sensores de satélites, incluindo RVI, SBI, GVI, GABS, DVI, DNVI, TVI, PVI, SAVI, MSVAI, SARVI, TSAVI, ARVI, TSARVI, TWVI, VCI, TCI, MPDT, SDR, VH, GMVI, AVI e TSAVI. Aplicações de NDVI no monitoramento das condições do crescimento da cultura e nas estimativas de índices de área foliar e radiação fotossintética ativa.
Capítulo 08	Capítulo 8 - Balanço de Energia da Superfície Terrestre Descrições dos métodos de estimativas de albedo, emissividade, temperatura da superfície terrestre, radiações solares onda curta incidente e líquida, radiação onda longa líquida, evapotranspiração e balanço de energia da superfície.
Capítulo 09	Capítulo 9 - Monitoramento das Secas Definições e medições de potencial da água e tensão da água no solo. Descrições dos movimentos de água no solo, nas plantas e no sistema solo-planta-atmosfera. Descrições de vários índices de seca e o balanço hídrico. Monitoramentos de secas, umidades do solo e variabilidades climáticas via satélites.
Capítulo 10	Capítulo 10 - Usos do Solo Urbano Descrições dos métodos de classificação de usos do solo urbano, métodos de estimativas de população, qualidade de moradia, monitoramento da conservação de energia e ilha de calor urbano baseando nas evoluções espectrais e temporais via satélites.
Capítulo 11	Capítulo 11 - Monitoramento de Queimadas Apresentação dos fatores que afetam comportamentos do fogo, incluindo combustível, microclima e topografia, dos métodos de detecção da ocorrência e estimativa de área de queimadas via satélites e dos modelos de índices de risco de queimadas.
Capítulo 12	Capítulo 12 - Previsão de Safra Agrícola Previsão de safra agrícola envolve as estimativas de área plantada e produtividade. Apresentação dos métodos de estimativa de área plantada que incluem as técnicas de regressão estatística e a estratificação e amostragem de segmentos. Os conhecimentos básicos de fisiologias vegetais tais como fotossíntese, eficiência fotossintética, graus dia do crescimento e ciclo fisiológico da cultura são apresentados para facilitar o desenvolvimento dos modelos de estimativa de produtividade que incluem modelos estatísticos agroclimatológicos, modelos de simulação dos processos fisiológicos e modelos de previsão da safra agrícola via satélite. Também são apresentadas as aplicações de dados de satélites no desenvolvimento do sistema operacional de previsão da safra agrícola e do sistema de agricultura de precisão.
Capítulo 13	Capítulo 13 - Processamentos dos Dados de Satélites Descrições dos horários locais e deslocamentos dos dias e horários dos satélites NOAA, Landsat e SPOT. Apresentações dos métodos de calibrações radiométricas dos sensores de satélites NOAA, Landsat, EOS, METOSAT e SPOT, os métodos de correções atmosféricas e geométricas, efeitos bidirecionais, eliminação de contaminação de nuvens e as técnicas de filtragem dos ruídos de sinais recebidos pelos sensores. O processamento e a classificação dos dados do satélite SAR também são apresentados. Palavras Chaves: órbitas, NOAA, AVHRR, SPOT, Landsat. EOS, METESAT, SAR, correção radiométrica, correção geométrica, ruídos, calibração radiométrica, correção atmosférica, filtragem, efeito bidirecional.
Capítulo 14	Capítulo 14 - Classificação de Imagem Digital Geração de mapa digital baseado nos dados de escala de mapa, projeções, GPS, escaneamento de base cartográfica, georreferenciamento de mapa digital e vetorização. Apresentação das assinaturas espectrais típicas de diversos usos do solo, tais como, água, solo, vegetação, área urbana e seus usos em transições da superfície. A classificação de imagem de satélite envolve as classificações não supervisionada e supervisionada. Os métodos de classificação não supervisionada incluem ISODATA e K-means. Os métodos de classificação supervisionada incluem análise de componentes principais, máxima verossimilhança, análise de textura, mistura linear, paralelapípedo, regressão múltipla, Krigagem, espaço-S, redes neurais, máquinas de vetor de suporte, pós-classificação e perspectivas futuras.
Capítulo 15	Capítulo 15 - Sistema de Informações Geográficas Descrições de tipos de dados digitais e do modelo digital de elevação para a construção do SIG dinâmico. Apresentação dos vários modelos de SIG dinâmico, incluem modelo de cadeia markoviana, modelo logístico de difusão, modelo de regressão, autômatos celulares. Três modelos SIG dinâmicos são apresentados como exemplos: modelo dinâmico de processos urbanos, modelo de ciclo hidrológico de uma bacia hidrográfica e modelo de desenvolvimento sustentável da bacia do Rio Miranda.
Capítulo 16	Capítulo 16 - Modelo Universal de Previsão da Safra Agrícola Apresentação de um modelo versátil de previsão de safra agrícola para a qualquer cultura em qualquer local em nível de um pixel da resolução espacial dos satélites, chamado Modelo Universal de Previsão de Safra Agrícola (MUPSA). O MUPSA é para atender os satélites do futuro que forneçam as informações digitais de altas resoluções espectrais, espaciais e temporais. O MUPSA identifica um tipo de vegetação em função da evolução temporal de NDVI e dos graus dias do crescimento, GDD (“Growth Degree Day”), acumulados dos estágios fenológicos da cultura. O MUPSA informa as condições dos crescimentos e desenvolvimentos fisiológicos de uma determinada vegetação de cada área vigiada por um pixel rastreado por satélites. Qualquer fator que afeta o crescimento da vegetação pode ser identificado. Portanto, além de prever a safra agrícola, essas informações podem ser integradas para a implantação de um sistema de agricultura de precisão via satélite e de um sistema de manejo sustentável de recursos ambientais gerenciados pelo SIG (Sistema de Informações Geográficas). O MUPSA aplica o classificador ANNs (“Artificial Neural Networks”) para identificar pixel por pixel uma determinada cultura, integrando as evoluções multitemporais multiespaciais dos parâmetros de multifontes incluindo: multiespectrais, NDVI, GDD, Temperatura da superfície (Ts), Temperaturas do ar Máximo e Mínimo da superfície (Tamax, Tamin), Precipitação (Pcp), Avanços Tecnológicos (AT), índice de área foliar, LAI (“Leaf Area Index”), radiação fotossintética ativa, PAR (“Photosynthetic Active Radiation”), fração da radiação fotossintética ativa absorvida pela copa da vegetação, FPAR (“Fractional absorved Photosynthetic Active Radiation”), produtividade primária Bruta, GPP/PSN (“Gross Primary Productivity/Photosynthesis”) e produtividade primária líquida, NPP (“Net Primary Productivity”). O MUPSA pode ser desenvolvido paralelamente quando tiver o domínio das tecnologias aplicando o software ANNS que use os padrões gerados com as 5 assinaturas singulares, incluindo assinatura espectral, espacial, temporal, angular e polarizada integrando-se NDVI e GDD para a identificação pixel por pixel que é ocupado pelo determinado tipo de vegetação. Após a identificação dos pixels ocupados por uma determinada cultura, será calculada a área plantada total em níveis de município, estado e nação. Em seguida, o MUPSA estima a produtividade de uma determinada cultura em um determinado município em função de PSN, NDVI, PAR e Ts dos vários estágios do ciclo fenológico, aplicando as técnicas estatísticas de regressão linear múltipla. O PSN de um pixel será calculado em função de eficiência fotossintética (e), NDVI e PAR. O PSN de uma determinada cultura em nível municipal será calculado com o peso de PSN de um determinado pixel obtido pela razão da área de curva do NDVI do pixel dividida pela área total das curvas de NDVI dos pixels ocupados pela mesma cultura plantada no município. Os municípios que somam uma produção total da produção estadual de uma determinada cultura serão incluídos nas construções dos modelos municipais. Os estados que somam uma produção total da produção nacional de uma determinada cultura serão incluídos nas construções dos modelos estaduais. Baseado no MUPSA, um modelo do SIG pode ser desenvolvido para o monitoramento das evoluções temporais e espaciais de usos do solo e no gerenciamento sustentável dos recursos ambientais visando o equilíbrio das ofertas e demandas dos alimentos e produtos biológicos globais. O MUPSA então alcança sua tarefa sagrada de vigiar e aproveitar cada pedaço da terra do globo inteiro aos benefícios dos seres humanos.