Este documento apresenta um tutorial sobre detecção remota utilizando o visualizador ChangeMatters. O tutorial descreve (1) as componentes e funcionalidades do visualizador, (2) como interpretar imagens de satélite e análise multitemporal de NDVI, e (3) casos de estudo sobre dinâmicas de crescimento urbano, florestal e agrícola.

1. MÓDULO 6: Exercício
Deteção Remota
Mário Caetano
mario@novaims.unl.pt
April 2016
www.novaims.unl.pt

2. Módulo 6 – Deteção Remota | Tutorial 2
Conteúdos
1. O visualizador ChangeMatters ....................................................................................................3
As componentes do visualizador ChangeMatters...........................................................3
Interpretação visual de imagens no ChangeMatters....................................................6
Análise multitemporal com base no NDVI no visualizador ChangeMatters......8
2. Casos de estudo............................................................................................................................... 10
Crescimento urbano................................................................................................................... 10
Dinâmica florestal ...................................................................................................................... 11
Dinâmica agrícola....................................................................................................................... 15
3. Conclusões......................................................................................................................................... 17

3. Módulo 6 – Deteção Remota | Tutorial 3
1. O visualizador ChangeMatters
Na componente prática do módulo de Deteção Remota iremos utilizar o
visualizador ChangeMatters da ESRI. Esta aplicação encontra-se num site da Web e
não necessita de instalação, apenas de um browser como o Internet Explorer da
Microsoft ou o Mozilla Firefox.
O ChangeMatters permite visualizar (1) imagens de satélite para dois anos
diferentes do período 1975-2010, e (2) dinâmicas da paisagem através de análise
multitemporal baseada num índice de vegetação, o NDVI (Normalized Difference
Vegetation Index), para o mesmo período temporal.
O ChangeMatters não é então um software de processamento de imagem, ou seja,
não permite produzir informação cartográfica ou estatística a partir de imagens de
satélite através de interpretação visual ou classificação automática. No entanto, o
visualizador ChangeMatters permitia ilustrar a forma como as imagens de satélites
podem ser utilizadas para avaliar dinâmicas na paisagem, e por isso foi selecionado
para a parte prática do Módulo de Deteção Remota
O site ChangeMatters permite visualizar imagens de apenas um programa de
observação da Terra, o Landsat. Este programa iniciou-se em 1972 e desde então já
foram lançados 8 satélites em órbita quase-polar, sendo distinguidos pelo número
de ordem de lançamento, e.g. Landsat-8.
Os sensores a bordo dos satélites Landsat têm evoluído e têm possibilitado a
aquisição de imagens com melhores resoluções espaciais (de 80 m do MSS a 30 m
do OLI) e espectrais (de 4 bandas do MSS a 9 bandas do OLI). A resolução temporal
passou de 18 a 16 dias. O OLI é o sensor montado no Landsat-8 lançado em 2013.
As componentes do visualizador ChangeMatters
Ligue o seu browser (Internet Explorer, Mozilla Firefox, Chrome ou Opera).
Seguidamente, escreva o seguinte endereço
http://changematters.esri.com/compare
Deverá visualizar a seguinte página:

4. Módulo 6 – Deteção Remota | Tutorial 4
O ChangeMatters é uma visualizador que dispõe lado-a-lado duas imagens de
satélite Landsat de dois anos diferentes. Na janela da esquerda surge a imagem
mais antiga, neste caso de 1975. Na janela do centro surge a imagem mais recente,
neste caso de 2000. Na janela da direita surge a diferença do índice de vegetação
NDVI (NDVI Change) registada entre a imagem mais antiga e a imagem mais
recente, neste caso 1975 e 2000.
Repare que cada janela tem uma régua de zoom no seu canto superior esquerdo,
como a ilustrada aqui
Movendo o quadrado que se encontra na régua para cima ou para baixo, fará zoom
in (aproximação) ou zoom out (afastamento). Em alternativa poderá clicar nas
setas com sentido ascendente ou descendente.
Para deslocar a imagem, basta mover o cursor para cima de uma das janelas, clicar
com o botão esquerdo do rato, e deslocar o rato com o botão premido.

5. Módulo 6 – Deteção Remota | Tutorial 5
Experimente.
Como pode reparar, as janelas estão sincronizadas, ou seja, se fizer um zoom in ou
um zoom out numa das janelas as outras deslocarão as imagens para a mesma
localização geográfica daquela com que está a interagir.
No topo da página existem as seguintes três caixas:
 Em “Search” podemos escrever o nome de um local para onde queremos
visualizar as imagens.
 Em “Select Image Map” podemos selecionar diversos tipos de visualização
das imagens, nomeadamente composições coloridas RGB. As possibilidades
são
 Em “Select Dates” podemos selecionar as datas da primeira e da segunda
imagens. Pode selecionar um dos seguintes pares de imagens

6. Módulo 6 – Deteção Remota | Tutorial 6
Interpretação visual de imagens no ChangeMatters
A caixa “Select image type” permite selecionar vários tipos de composições
coloridas RGB, desde a de cores verdadeiras à composição infravermelho, passando
por composições que permitem realçar determinado tipos de coberto,
nomeadamente vegetação (healthy vegetation e vegetation analysis) e a fronteira
entre terra e água. Neste visualizador as composições coloridas não são indicadas
pelo número de bandas (e.g. RGB 432) porque os comprimentos de onda cobertos
por cada banda não são os mesmos para todos os satélites Landsat que captaram as
imagens disponíveis no visualizador.
Experimente as várias opções neste botão. Facilmente poderá concluir que a cor da
paisagem varia com o tipo de composição colorida que seleciona. Importa desde já
recapitular o que foi dito no ebook sobre as cores com que aparecem os vários tipos
de coberto nas composições coloridas:
De uma maneira simplista pode-se dizer que numa composição colorida RGB: (1) a
vegetação aparece sempre nos tons da cor a que se atribui o infravermelho próximo,
pois a vegetação reflete proporcionalmente sempre mais neste comprimento de onda
do que nos outros; (2) a água aparece sempre com uma cor escura, porque reflete
sempre pouco em todos os comprimentos de onda; (3) o solo nu e as áreas urbanas,
porque refletem muito em vários comprimento de onda, aparecem sempre em cores
muito refletivas.
Neste tutorial iremos sempre utilizar a composição que a aplicação designa por
“infravermelho”, que atribui a banda do infravermelho próximo à cor vermelha
(R), a banda do vermelho à cor verde (G) e a banda do verde à cor azul (B). Quer
isto dizer que a vegetação aparecerá sempre em tons avermelhados, a água em
preto, e o solo e urbano em azul ou verde claros muito brilhantes. As nuvens
aparecem em cor branca.
O ChangeMatters dispõe de uma legenda para a interpretação visual das imagens
de satélite, que varia com o tipo de composição colorida que está selecionada. No
caso de “Infrared” aparece
mas, e por exemplo, se for para “Natural Color” já surge

7. Módulo 6 – Deteção Remota | Tutorial 7
Estas legendas confirmam o que foi dito acima: “Facilmente poderá concluir que a
cor da paisagem varia com o tipo de composição colorida que seleciona”.
No caso da diferença de imagens NDVI, a legenda é sempre a mesma
Vamos focar-nos primeiro na interpretação visual das imagens de satélite. Ao
passar o rato por cima de cada um dos quadrados da legenda das imagens de
satélite irá obter um extrato de uma imagem apresentando esse tipo de coberto.
Por exemplo, ao passar o rato pela caixa do “Urban” poderá visualizar seguinte:
Tal como as imagens e as legendas, estes extratos de imagens alteram-se sempre
que seleciona outra composição colorida em “Select Image Map” no topo do site.

8. Módulo 6 – Deteção Remota | Tutorial 8
Análise multitemporal com base no NDVI no visualizador
ChangeMatters
Vamos agora focar-nos na imagem que resulta da diferença de NDVI das imagens
que estão nas duas primeiras janelas de visualização (NDVI Change). Relembre que
o NDVI é um índice de vegetação, e o seu valor em cada pixel à proporcional à
abundância de vegetação na área coberta por esse mesmo pixel. Se existirem pelo
menos duas imagens de duas datas para o mesmo local, o que é o caso, pode-se
calcular a diferença de NDVI, o que neste visualizador se designa por “NDVI
Change”.
No ChangeMatters, foi atribuída uma escala de cores à diferença de NDVI: do verde,
que corresponde a um aumento de vegetação, ao rosa, que corresponde a um
decréscimo de vegetação. Se passar o rato por cima de cada um dos quadrados da
chave de interpretação da imagem diferença de NDVI (i.e. Veg, increase)
obterá uma imagem que apresenta exemplos de cada um dos tipos de dinâmica. Por
exemplo, ao passar o rato por cima do quadrado de aumento de vegetação obterá

9. Módulo 6 – Deteção Remota | Tutorial 9
se clicar em “How t o interpret a change image” na caixa
deverá obter a seguinte imagem:
Esta imagem dá pistas para a interpretação visual da diferença de NDVIs, utilizando
como exemplo a área geográfica e os anos que por predefinição aparecem no
visualizador. Esta imagem localiza-se na “Mt St Helena National Monument” nos
EUA e foi selecionada porque houve uma erupção do vulcão muito grande em 1980.
Quando na caixa “Select Dates” se seleciona uma data anterior à erupção e outra
posterior podem-se avaliar os impactos da erupção na paisagem.
Uma análise da imagem de diferença de NDVI apresentada acima, permite
facilmente identificar zonas de aumento de vegetação e de diminuição de vegetação
Clique em “Close” para fechar a janela de ajuda.

10. Módulo 6 – Deteção Remota | Tutorial 10
2. Casos de estudo
Crescimento urbano
Para ilustrar a forma como as imagens de satélite e a análise multitemporal
baseada na diferença do índice de vegetação NDVI podem ser utilizadas para
avaliar o crescimento urbano, iremos focar-nos na região do Porto.
A primeira coisa a fazer será então selecionar a área geográfica que queremos
estudar. Para isso em “Search” na barra do topo da página, escreva “Porto” e
carregue no “Enter” do seu teclado. . Deverão aparecer diversas opções como se
ilustra nesta figura
Selecione , “Porto, Porto, Portugal.

11. Módulo 6 – Deteção Remota | Tutorial 11
Selecione “Infrared” no “Select image type” e seguidamente em “Select Dates”
selecione o intervalo 1990-2010. Poderíamos selecionar 1975-2010, mas não o
fazemos aqui pois enquanto que a imagem Landsat de 1975 tem pixels de 30 m, a
de 1975 tem pixels de 80 m o que dificulta a comparação.
Faça um zoom out para poder visualizar a área metropolitana e não apenas a
cidade do Porto. Deverá obter a seguinte janela.
Analisando as imagens de 1990 e 2010 facilmente se conclui que a mancha urbana,
que aqui surge em tons de verde e azul claro, aumentou significativamente entre
1990 e 2010. Essa é a razão porque na imagem de diferença de NDVI há um
predomínio da cor rosa a que corresponde o decréscimo de vegetação, uma vez
que esta desapareceu para a implementação das áreas urbanas. A cor cinzenta
corresponde a uma não alteração da abundância de vegetação.
Dinâmica florestal
Para ilustrar a utilidade nas imagens de satélite para identificar e caraterizar a
dinâmica do Coberto Florestal, utilizamos a Mata de Leiria.
Na caixa da localização geográfica escreva Marinha Grande e na das datas selecione
o período 2005-2010. Lembre-se que depois de escrever nestas caixas tem sempre
que carregar no “Enter” do seu teclado. Deverá continuar a utilizar o “Infrared”.
Depois das seleções acima referidas faça um zoom out para que apareça a Mata de
Leiria nas imagens (que surge do lado esquerdo da Marinha Grande). Ilustra-se

12. Módulo 6 – Deteção Remota | Tutorial 12
abaixo o que poderá aparecer. Claro que a área visualizada depende sempre do
zoom out que fizer.
Faça agora uma zoom in sobre a Mata de Leiria de maneira a obter uma área
geográfica com a parecida com a seguinte

13. Módulo 6 – Deteção Remota | Tutorial 13
Poderá facilmente concluir que as imagens de satélite permitem identificar os
talhões da floresta que foram cortados entre as duas datas (pois surgem com a cor
rosa na imagem de diferença de NVDI) e aqueles em que houve crescimento
acentuado (pois surgem com a cor verde na imagem de diferença de NDVI).
Também nas próprias imagens pode facilmente identificar essas alterações. Os
talhões em que houve corte do povoamento florestal entre 2005 e 2010 passam de
uma cor avermelhada na imagem de 2005 (que indica presença de vegetação) para
uma cor esverdeada na imagem de 2010 (que indica solo nu, i.e. ausência de
vegetação). Os talhões que tinham sido cortados um pouco antes de 2005,
aparecem nesta imagem com uma cor esverdeada, e na imagem de 2010 já surgem
com uma cor avermelhada, o que significa que a vegetação regenerou entre 2005 e
2010
Mesmo ao pé da Régua do Zoom aparece, na imagem de 2005, uma área irregular
de cor verde escura. Façamos o zoom in sobre essa área, de maneira a obter o
seguinte:
Faça um zoom in ainda maior

14. Módulo 6 – Deteção Remota | Tutorial 14
Para interpretarmos o que pode ser a mancha verde escura de forma irregular que
surge no canto superior direito, vamos mudar as datas para 2000-2005
Esta macha escura corresponde também a uma diminuição do coberto florestal.
Pela sua forma irregular, podemos concluir que não se trata de um corte florestal
mas de um incêndio florestal.

15. Módulo 6 – Deteção Remota | Tutorial 15
Dinâmica agrícola
Para ilustrar a forma como as imagens de satélite podem ser utilizadas para
identificar a implementação de agricultura de regadio, selecione “Grândola” e as
datas 2000-2005. Depois faça zoom out de maneira obter uma área geográfica
como a que se ilustra aqui
No centro da imagem de 2005 pode ver uma área redonda com um vermelho muito
vivo, que na imagem de diferença de NDVI surge com um verde claro muito forte.
Se fizer um zoom in sobre a área circular pode obter a figura seguinte

16. Módulo 6 – Deteção Remota | Tutorial 16
Esta área corresponde à implementação de uma área de regadio através de um
pivot, que é um sistema de rega circular. Na imagem de 2005 a área regada por este
pivot surge com um vermelho muito vivo por que a cultura agrícola deve estar no
máximo do seu vigor. Na imagem de 200 este pivot não existia e por isso a
vegetação não está tão viçosa. Isto também nos permite concluir que estas imagens
devem ser de Verão, pois é nesta estação que se regam as culturas agrícolas.
Uma limitação do visualizador ChangeMatters é que não há indicação do mês em
que cada uma das imagens foi adquirida pelo satélite. Esta limitação pode por vezes
dificultar a interpretação das dinâmicas entre anos diferentes, porque pode haver
variações de vegetação não porque houve uma alteração de classes mas
simplesmente porque as imagens foram obtidas em meses diferentes. Ou seja, as
diferenças podem ser devidas a diferentes estados fenológicos da vegetação, e
consequentemente também se poderiam obter com imagens do mesmo ano.
Importa no entanto dizer que, e com base nos vários casos que estudei neste site,
possivelmente as imagens do visualizador foram adquiridas no Verão, pelo menos
para Portugal.

17. Módulo 6 – Deteção Remota | Tutorial 17
3. Conclusões
Os exemplos mostrados neste tutorial permitem concluir que as imagens de satélite
podem ser utilizadas para caraterizar a dinâmica da paisagem. Se as imagens forem
visualizadas num software de Sistema de Informação Geográfica (SIG), o analista
pode, através de interpretação visual e utilizando ferramentas de digitalização,
delimitar as áreas onde surgem alterações.
Tal como explicado no ebook, a interpretação visual é lenta e requer um grande
esforço em termos de recursos humanos. É por essa razão que se tem vindo a
adoptar métodos automáticos para produção de informação a partir de imagens de
satélite.
Os mapas temáticos produzidos a partir de imagens de satélite, independente de
serem derivados por interpretação visual ou métodos automáticos, podem depois
ser utilizados em SIGs para quantificar os tipos de alteração de ocupação do solo
entre dois momentos no tempo.
Na figura abaixo, a título exemplificativo do que se pode fazer, faz-se uma
caraterização da dinâmica da paisagem para Portugal Continental entre 1985 e
2000 com base em mapas de ocupação do solo produzidos no âmbito do programa
CORINE Land Cover. As setas indicam os sentidos das alterações e os números o
total da área de uma classe que foi convertida para outra, em milhares de ha. Por
exemplo entre 1985 e 2000, 21 mil ha de floresta foram convertidos em territórios
artificializados.

18. Módulo 6 – Deteção Remota | Tutorial 18