Aplicação de imagens ASTER no estudo do ambiente urbano de São Paulo e Rio de Janeiro

• Ano de defesa: 2007
• Autor(a) principal: Marcus Andre Fuckner
• Orientador(a): Elisabete Caria Moraes, Teresa Gallotti Florenzano
• Banca de defesa: Carla Bernadete Madureira Cruz, Carlos Roberto de Souza Filho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: Remote Sensing images are a database for urban studies involving physical, biological and human elements of the environment. The objective of this study is to explore Terra/ASTER images applied to an environmental study of a sector from two Metropolitan Regions: Sao Paulo (SP) and Rio de Janeiro (RJ), the largest urban areas of Brazil. The FLAASH, ISAC, AsterDTM and VIPER Tools algorithms were evaluated for the processing of study area images in two different dates. The techniques used and the analysis of results are an important contribution to urban medium scale studies and to regional and urban planning. The Digital Elevation Model (DEM), top of the atmosphere and surface reflectance, and brightness and surface temperature images were obtained. The spectral mixture model was applied and the correlation between spectral data and air pollution data were analyzed. The DEM obtained showed high correlation with the topographic reference map. However, it was necessary to make adjustments to the results obtained because there were 20 meters less than the reference data. Another possibility for correction of this problem was integration with SRTM data. From the temperature images, using both methods (Emissivity Normalization and Reference Channel), it was possible to detect the urban heat islands as well "urban cold islands". In order to unmix the spectral data, the Multiple Endmember Spectral Mixture Model (MESMA) was used. To perform this unmixing, the representative spectra of the following categories were selected: vegetation, impervious surfaces and soil (V-I-S). The vegetation fraction images are similar to inverse the impervious surface and soil fraction images. Due to this spectral confusion, impervious surface and soil were grouped together. In this sense, it is necessary for each study area and date to set up specific spectral libraries. In contrast to the results obtained in other studies, the correlation between spectral data and particulate matter was not high. The low density of the automatic air quality monitoring stations, their inadequate localization, and the remote sensing image characteristics can explain this result. The layers of the land cover/land use, along with information obtained from reference maps made by the Metropolitan Planning Agency (SP) and the Municipal Environment Agency (RJ), were selected. The mean and the standard deviation of the altitude, temperature and physical fractions mapped per class were analyzed. The integrated analysis of the results was carried out using a correlation index. This analysis showed that the temperature was influenced by altitude, the fractions mapped and the land use. The results obtained per class showed warming around 3 to 4°C in Sao Paulo, and 6°C in Rio de Janeiro. In most cases the correlation and the ranking per class did not change. We concluded that the relation among variables is stable.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m17@80/2008/02.12.12.07

Imagens de sensoriamento remoto constituem a base de dados para estudos urbanos, envolvendo elementos físicos, biológicos e antrópicos do ambiente. O objetivo deste trabalho foi explorar o potencial de aplicação de imagens ASTER/Terra no estudo ambiental de um setor de duas regiões metropolitanas: São Paulo (SP) e Rio de Janeiro (RJ), os maiores aglomerados urbanos do Brasil. Avaliou-se o uso dos algoritmos FLAASH, ISAC, AsterDTM e VIPER Tools no processamento de imagens de duas datas de cada área de estudo. As técnicas e formas de análise dos resultados adotadas se mostraram viáveis para estudos de mesoescala e para a geração de subsídios ao Planejamento Urbano e Regional. Foram gerados modelos digitais de elevação (MDE) e imagens de reflectância e de temperatura (aparente e da superfície), aplicaram-se modelos de mistura espectral e analisou-se a correlação de dados das imagens com dados de poluição do ar. Os MDEs obtidos apresentaram alta correlação com o mapa topográfico de referência, entretanto, foi necessário o ajuste dos resultados, pois seus valores foram em média 20 m inferiores aos de referência. A agregação de dados SRTM ao processamento se mostrou outra possibilidade factível para minimizar estes erros. Através das imagens de temperatura foi possível detectar a presença tanto de ilhas de calor quanto de "ilhas de frio" no espaço intra-urbano, considerando os dois métodos utilizados: Normalização da Emissividade e Banda de Referência. Para decompor a mistura espectral das imagens através de um Modelo de Múltiplos Componentes (MESMA), foram selecionados espectros representativos das categorias Vegetação, Superfícies Impermeáveis e Solo (V-I-S). As imagens-fração vegetação obtidas foram semelhantes ao inverso das imagens-fração de superfícies impermeáveis e solo, que foram agrupados devido à confusão espectral. Foi necessária a construção de bibliotecas espectrais específicas para cada área e data com criteriosa seleção de componentes. Divergindo dos resultados apresentados na bibliografia, não foi verificada alta correlação entre a concentração de material particulado e os dados das imagens. Isto pode ser justificado pela baixa densidade de estações de monitoramento da qualidade do ar, por sua localização inadequada, ou por particularidades das imagens de sensores remotos. Após a obtenção destes resultados foram selecionados planos de informação (classes de uso e ocupação do solo) de mapas da Empresa Paulista de Planejamento Metropolitano S/A e da Secretaria de Meio Ambiente do Rio de Janeiro. Foi analisado o comportamento da média e do desvio padrão da altitude, temperatura e frações mapeadas por classe, bem como realizada uma análise integrada dos resultados através do índice de correlação. A análise mostrou que a altitude, as frações mapeadas e o uso do solo influenciam a temperatura da superfície. Os resultados por classe indicaram um aquecimento de 3 a 4°C em São Paulo e de 6°C no Rio de Janeiro. Para a maioria dos casos, o sentido da correlação e o ranking por classe permaneceram inalterados, o que permitiu concluir que a relação entre as variáveis se mantém.