See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/321058620

Exercícios do Módulo de Formação em Sistemas

de Informação Geográfica: Análise de Dados de
Satélite em QGIS

Book · November 2017

CITATIONS

3 authors, including:

Cristina Ponte Lira

University of Lisbon
72 PUBLICATIONS 128 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Quaternary sea-level changes: understand the past and present to predict the future
(DEM_GEOL0575) View project

Sustained coastal zone adaptation to sea-level rise – Application to the Guinea-Bissau coastal zones
View project

All content following this page was uploaded by Cristina Ponte Lira on 14 November 2017.

The user has requested enhancement of the downloaded file.

 SISTEMAS
DE INFORMAÇÃO
GEOGRÁFICA
análise de dados de satélite
em QGIS
 Título
Exercícios do Módulo de Formação em Sistemas de Informação Geográfica:
Análise de Dados de Satélite em QGIS

DGRM
Autores
1 2 2
Avenida Brasília Alexandra Amorim , Cristina Lira , Rui Taborda
1449-030 Lisboa
Portugal
Tel.: +351 213 035 700 1
Fax: +351 213 035 702
Departamento de Geologia, Faculdade de Ciências
[email protected] da Universidade de Lisboa
www.dgrm.mam.gov.pt
2
IDL - Instituto Dom Luiz, Departamento de Geologia,
SOPHIA
[email protected] Faculdade de Ciências da Universidade de Lisboa
www.sophia-mar.pt

Coordenação dos Exercícios do Módulo de Formação

COPYRIGHT Cristina Lira

Logótipo SOPHIA ® DGRM 2016.

Todos os direitos reservados. Marca Coordenação do Projeto SOPHIA na FCUL
registada. Não é permitida qualquer Ana C. Brito
reprodução ou retroversão, total ou
parcial, do logótipo SOPHIA sem prévia
Edição
autorização escrita do Editor.
DGRM - Direção-Geral de Recursos Naturais, Segurança e Serviços Marítimos
Exercícios do Módulo de Formação em Edição Eletrónica - 2017
Sistemas de Informação Geográfica:
Análise de Dados de Satélite em QGIS. Design Gráfico
Licença Creative Commons Atribuição
ESCS - Escola Superior de Comunicação Social
Não Comercial Compartilha Igual 4.0
Internacional (CC BY-NC-SA 4.0) (coordenação: João Abreu; paginação: Joana Souza; infografia:
Ricardo Rodrigues; colaboração: Joana Paraíba, Joana Torgal Marques,
Pedro Ribeiro, Renata Farinha, Rita Oliveira)

Referência ao Guia Técnico

Amorim, A., Lira, C., e Taborda, R. (2017). Exercícios do Módulo de Formação
em Sistemas de Informação Geográfica: Análise de Dados de Satélite em QGIS,
DGRM, Lisboa, Portugal. E-book disponível em www.sophia-mar.pt.

Agradecimentos
Os autores agradecem a Ana Nobre Silva pelo apoio na elaboração do exercício 3.

ISBN
978-989-20-7565-5

Documentação de apoio ao módulo de formação SOPHIA – Sistemas de Informa-

ção Geográfica: Análise de Dados de Satélite
EXERCÍCIO 1 4
Sistemas de Informação Geográfica e dados de satélite
1.1 Sistemas de Informação Geográfica e dados de satélite 14

EXERCÍCIO 2 19
Análise de Imagem em ambiente SIG

EXERCÍCIO 3 28
Correções geométricas em imagens óticas

EXERCÍCIO 4 36
Correção radiométrica

EXERCÍCIO 5 45
Plumas túrbidas

EXERCÍCIO 6 53
Mapeamento dos fundos marinhos

EXERCÍCIO 7 65
Mapeamento de manchas de óleo - imagens SAR

EXERCÍCIO 8 66
Dados multidimensionais
 1. Descarregar e explorar uma imagem Landsat 8 OLI/TIR.

1.1 Descarregar uma imagem Landsat 8 OLI/TIR.

As imagens do programa Landsat são fornecidas em formato Geotiff, um formato
específico das imagens TIFF (Tagged Image File Format) que contém informação do
posicionamento da imagem.
a. Navegue para o endereço http://earthexplorer.usgs.gov/ e registe-se. No separador
Search Criteria escreva, no endereço (Address/Place), um local à sua escolha
(e.g. Lisboa) e a seguir Show. Em alternativa clique sobre o mapa no local onde
pretende fazer a busca de imagens disponíveis, cujas coordenadas irão aparecer
no separador Coordinates. No caso do exemplo por endereço irá aparecer Lisboa,
Portugal. Clique nesse endereço (Figura 1, à esquerda).

4
 b. Clique no botão Data Sets, abra o separador Landsat Archive ► Collection 1 e
selecione a opção L8 OLI/TIRS (Figura1, à direita).

Figura 1- Página inicial do EarthExplorer onde se faz a seleção dos tipos de imagem e sensor disponíveis.

c. Clique em Results. Esta ação irá gerar uma

pesquisa de todas as imagens Landsat que
incluem esta região.

d. Para reduzir o número de resultados volte ao

separador Search Criteria ► Data Range e
escolha um intervalo de datas para mostrar (por
exemplo, entre 01/01/2015 e 15/11/2016).
Clique em Results (Figura 2, em cima).
A lista dos resultados mostra a pré-visualização de cada
uma das imagens, apresentadas por ordem cronológica,
com as mais recentes primeiro (Figura 2, em baixo).

e. Descarregue em uma imagem à escolha, de

preferência uma que apresente fraca cobertura
nebulosa (por exemplo, 16/09/2016). Nas
opções de Download selecione Level 1
Product GeoTIFF Data Product, de forma a
descarregar a imagem Landsat em formato
Geotiff com correção geométrica (Level11).
Guarde a imagem numa pasta denominada
Landsat/L8.

Figura 2 – Resultados da pesquisa no Earth Explorer e opções de download.

1 Para mais informações sobre os níveis de correção consulte o guia técnico do módulo de formação Sophia Sistemas de
Informação Geográfica: Análise de Dados Satélite (Lira et al., 2016).

5
A imagem terá aproximadamente 800 MB (dependendo da imagem escolhida), pelo que
deverá demorar um pouco a descarregar.
f. Descomprima a pasta que acabou de descarregar.

1.1.1 Explorar a imagem Landsat8 no QGIS.

a. Abra o Navegador QGIS (ou QGIS Browser).

b. Navegue até à pasta onde guardou e descomprimiu a imagem e abra a pasta com
a imagem Landsat 8, cujo nome deverá ter o formato LC8XXXXXXXXLGN00
(Figura 3). Explore as diferentes bandas no Navegador (nos separadores
Metadados e Pré-visualização).

c. Verifique quais os tipos de formatos raster presentes e respetivas extensões.

d. Quais os ficheiros que correspondem às bandas do sensor OLI e TIRS? Use a

Tabela 1 no final deste documento como auxiliar.

e. Abra o QGIS Desktop e adicione as bandas 1 a 11 da imagem Landsat a um novo

projeto, selecionando e arrastando os ficheiros a partir do Navegador. Explore os
níveis matriciais que descarregou.

f. Identifique a resolução espacial, a resolução radiométrica e o sistema de

coordenadas de cada uma das bandas e compare com os dados da Tabela 1. Sobre
cada um dos ficheiros, faça BLDR ► Propriedades ► separador Metadados
(também pode ver esta informação no separador Metadados do Navegador).

6
Figura 3 – Navegador QGIS em modo de pré-visualização de uma imagem Landsat 8.

1.2 Trabalhar com rasters de grande dimensão – pirâmides.

Quando se trabalha com imagens de grande dimensão a navegação pode tornar-se lenta,
havendo por vezes a possibilidade de aumentar a performance através da criação de
imagens multi-resolução (pirâmides). Importante: ao criar pirâmides no formato interno
o ficheiro original será alterado, por isso sugere-se que faça uma cópia de segurança
dos seus dados antes da transformação, ou que escolha o formato externo.
a. Faça BLDR sobre uma camada Landsat no Painel das Camadas ► Propriedades
► separador Pirâmides.

b. Escolha o formato Externo e o método de reamostragem Vizinho mais próximo.

Faça OK e compare o comportamento desta camada com as restantes camadas,
quando utiliza comandos de Pan ou Zoom.

c. Repita para as restantes camadas. Experimente utilizar diferentes métodos de

reamostragem e compare os resultados.

2. Descarregar e explorar uma imagem Landsat 7.

a. No EarthExplorer descarregue a imagem Landsat 7 - Level 1, da ilha da Madeira,

de 28 de Março de 2010. Guarde a imagem numa pasta denominada Landsat/L7.

b. Abra as imagens no QGIS e compare as resoluções espacial, espectral e

radiométrica destas imagens com as da imagem Landsat 8. Há diferenças a
registar? Em caso afirmativo, quais? Use como auxílio as Tabelas 1 e 2 (no final
deste documento).

c. Ative a banda 8 de uma das imagens Landsat e faça Zoom a uma qualquer zona
da imagem, de forma a distinguir os píxeis. Desligue a banda 8 e ligue, por exemplo,
a banda 7 da mesma imagem Landsat. O que verifica?
d. Usando a ferramenta Medir Linha , estime o comprimento da praia da ilha do
Porto Santo (pode dar vários cliques do rato para medir linhas curvas).

7
 3. Descarregar e abrir uma imagem MODIS AQUA.

Os conjuntos de dados dos níveis 2 e 3 (Level 2 e Level 3) do sensor MODIS a bordo do

satélite AQUA são fornecidos no formato HDF. O HDF é um formato de arquivo que permite
armazenar estruturas de dados multiobjeto, tais como imagens raster, matrizes
multidimensionais ou tabelas binárias. Existem diferentes tipos de modelos HDF. Este tipo
de formato tem uma estrutura de dados que permite múltiplos conjuntos de dados
(subdatasets) num único ficheiro. Cada um destes ficheiros pode corresponder a apenas
uma banda ou a múltiplas bandas.

3.1 Para descarregar a imagem navegue até ao endereço

http://glovis.usgs.gov/.
a. No separador Collection escolha a opção MODIS Aqua ► MYDO9A1
(MODIS/Aqua Surface Reflectance 8-Day L3 Global 500m SIN Grid) que
corresponde ao nível 3 de refletância diária global. Na informação geográfica
coloque latitude 45.0 e longitude -7.1. Escolha a imagem com data 2014/03/06.
Descarregue a imagem fazendo Add ► Send to Cart ► Proceed To Chekout ►
Submit Order (se pedido, fazer o registo com as credenciais fornecidas para o
EarthExplorer). Um endereço será enviado para o e-mail de registo para proceder
ao download da imagem. Guarde a imagem numa pasta denominada MODIS/L3.

b. Consulte as características desta imagem em:

https://lpdaac.usgs.gov/dataset_discovery/modis/modis_products_table/mod09a1.

Este produto apresenta, em cada píxel, a melhor observação possível L2G durante um
período de 8 dias. Os produtos L2G apresentam valores de refletância à superfície, tal
como seria medida ao nível do solo na ausência de dispersão atmosférica ou absorção.

As características dos produtos MODIS podem ser consultados em:

https://lpdaac.usgs.gov/dataset_discovery/modis/modis_products_table.

a. Quantas bandas tem esta imagem?

b. Qual a sua resolução espacial?

c. Adicione a imagem MODIS AQUA ao QGIS usando o

botão (Adicionar Camada Raster). Verifique se
existem diferenças entre a informação carregada e a
consultada na página das características das imagens.

8
Neste ponto iremos descarregar uma imagem do sensor ASAR a bordo do satélite Envisat
(Environmental Satellite), um satélite de observação da Terra da Agência Espacial
Europeia (ESA) com 10 instrumentos a bordo, cuja missão teve início em 2002 e terminou
em 2012. O QGIS utiliza a biblioteca GDAL2 para ler e gravar vários formatos de dados,
permitindo-lhe ler imagens de alguns destes sensores.

4. Descarregar e abrir uma imagem ASAR.

4.1 Navegue até: https://earth.esa.int/web/guest/data-access/sample-data/-

/asset_publisher/tg8V/content/prestige-oil-spill-galicia-spain-
1623?p_r_p_564233524_assetIdentifie#_56_INSTANCE_z3vD_matmp.
a. Em Available Sample Data escolha ASAR.

b. Descarregue a imagem ASAR Wide Swath (WS)

ASA_WSM_1PXPDE20021117_104431_000000672011_00180_03741_0009.N1.
gz que corresponde ao dia 17-11-2002.

c. Descomprima para uma pasta com o mesmo nome e adicione a imagem ASAR ao
projeto QGIS. Escolha um Sistema de Referência de Coordenadas (SRC)
adequado.

a. Que região está representada na

imagem?
b. Qual a resolução espacial desta
imagem? Compare com a
resolução especificada nas
características do sensor (Tabela
3).

Para além das imagens de satélite disponíveis para descarregar na internet, existe também
muita informação derivada, com maior ou menor processamento. Um dos portais que

2
Geospatial Data Abstraction Library (Biblioteca de Abstração de Dados Geoespaciais), uma biblioteca de tradução para
dados geoespaciais (matriciais e vetoriais), distribuída pela Open Source Geospatial Foundation sob uma licença Open
Source do tipo X/MIT.

9
disponibiliza alguma desta informação na temática MAR é o portal COPERNICUS MARINE
ENVIRONMENT MONITORING SERVICE (antigo MyOcean project). Neste portal, a
informação raster vem, fundamentalmente, no formato NetCDF.

5. Descarregar, abrir e explorar dados em formato NetCDF.

O NetCDF é um formato de arquivo projetado para suportar a criação, acesso e partilha de

dados científicos, muito utilizado pelos geocientistas, que suporta N-dimensões, i.e., X, Y,
Z, tempo.

5.1 Navegue até ao endereço http://marine.copernicus.eu/.

a. Faça o registo, caso ainda não esteja registado.

b. Selecione a área de pesquisa dos produtos disponíveis clicando no separador

IBERIA-BISCAY-IRELAND REGIONAL SEAS.

c. Selecione o parâmetro Ocean Chlorophyll e nível

de Processamento L4-OBS. Explorar o produto
NORTH ATLANTIC CHLOROPHYLL (OPTIMAL
INTERPOLATION) -
OCEANCOLOUR_ATL_CHL_L4_
NRT_OBSERVATIONS_009_037.

d. Clique em MORE INFO para ver as características

do produto.

a. Qual é a sua cobertura temporal?

5.2 Descarregue o produto.

5.2.1 Faça ADD TO CART e DOWNLOAD. Guarde-o numa pasta designada
MyOcean.

5.2.2 Explore o produto no QGIS.

a. Em QGIS os ficheiros NetCDF são adicionados através do botão (Adicionar

Camada Raster). É também possível arrastar um ficheiro NetCDF do Windows
Explorer diretamente para a aplicação.

b. Mude a simbologia do tema para que as diferenças sejam mais percetíveis.

10
 a. Qual é a zona de Portugal que apresenta
maior concentração de clorofila?

b. Qual a zona, da total representada, que

apresenta maiores concentrações de
clorofila? Apresente uma explicação
possível para este padrão.

Que formatos de dados matriciais (raster) foram utilizados neste

exercício?

Enumere os satélites e sensores cujas imagens foram utilizadas neste

exercício.

Enumere duas diferenças na resolução entre as imagens Landsat 7 e

Landsat 8.

Defina resolução radiométrica.

Quantas bandas apresenta o sensor ótico do Landsat 8?

11
Tabela 1. Bandas e respetivos comprimentos de onda das imagens Landsat 8 (retirado de
http://landsat.usgs.gov/band_designations_landsat_satellites.php).

Tabela 2. Bandas e respetivos comprimentos de onda das imagens Landsat 7 (retirado de

http://landsat.usgs.gov/band_designations_landsat_satellites.php).

Tabela 3. Características da imagem ASAR do tipo ASA_IMS_1P (retirado de

https://earth.esa.int/handbooks/asar/CNTR3-1-2.html e https://earth.esa.int/handbooks/asar/CNTR2-6-
2.html#eph.asar.prodalg.levb.prod.highorg.img.stalone.prodtypes.slook).

12
 1. Descarregar a imagem ótica Sentinel 2.

Pretende-se descarregar a imagem ótica Sentinel 2 do dia 29-11-2015 da região do

Algarve.
a. Navegue até ao Copernicus Open Access Hub usando o endereço
https://scihub.copernicus.eu.

b. Entre no Copernicus Scientific Data Hub clicando em Open Hub.

c. Caso ainda não tenha efetuado o seu registo no Sentinels Scientific Data Hub,
registe-se; caso já esteja registado, faça Login.

14
 d. Faça zoom à região do Algarve (Figura 1) e com o rato desenhe um polígono de
área de pesquisa.
e. Coloque a referência S2MSI1C como critério de procura, o que corresponde a
imagens Sentinel 2, nível de processamento L1C.

Figura 1 - Sentinels Scientific Data Hub, com seleção na zona do Algarve.

f. Use o ícone e aceda às definições avançadas de procura (Advanced Search);

no Sensing period pesquisar desde 28-11-2015 a 05-12-2015 usando o ícone .

g. Proceda ao download de um dos produto que apareceram com estes critérios de

escolha usando o ícone (Download Product) e guarde a imagem numa pasta
denominada Sentinela2. Ambas as imagens são da mesma data de aquisição, mas
o processamento foi realizado em datas diferentes.

A imagem a descarregar tem cerca de 6.3 Gb pelo que pode demorar algum
tempo a descarregar, consoante a ligação da Internet.

1.1 Abrir a imagem Sentinel 2 no QGIS.

Após descarregar a imagem é necessário descomprimir o ficheiro. As imagens Sentinel 2
são fornecidas ao utilizador no formato JPEG2000 (.JP2). Os produtos são uma compilação
de grânulos elementares de tamanho fixo, dentro de uma única órbita. Um grânulo é a
partição mínima indivisível de um produto (que contém as possíveis bandas espectrais).
Para mais informações consulte: https://earth.esa.int/web/sentinel/user-guides/sentinel-2-
msi/product-types.

15
Neste exercício vamos abrir o grânulo correspondente à zona T29SNB.

h. Usando o ícone e dentro da paste Sentinela2 navegue até à pasta GRANULE

-> S2A_OPER_MSI_L1C_TL_MTI__20151129T193058_A002279_T29SNB_N02.00 ->
IMG_DATA. Esta pasta contém as 13 imagens que correspondem às 13 bandas de
aquisição de informação do sensor MSI (MultiSpectral Imager) do Sentinel 2.

i. Selecionando as 13 bandas e clique Open.

1.1.1 Explore as imagens Sentinel 2 no QGIS.

1.1.2 Verifique a resolução espacial e radiométrica destas imagens.

Em alternativa poderá navegar diretamente no explorador de ficheiros,

selecionar as 13 bandas e arrastá-las para o ambiente QGIS

1. Identificar as principais diferenças entre as imagens do sensor OLI do

Landsat 8 e o sensor MSI do Sentinel 2, usando como suporte a Tabela
1 e a Figura 2.

Tabela 1 - Bandas e respetivos comprimentos de onda das imagens Landsat 8 (retirado de

http://landsat.usgs.gov/band_designations_landsat_satellites.php).

16
Figura 2 - Bandas e respetivos comprimentos de onda das imagens Sentinel 2 (retirado de
https://earth.esa.int/web/sentinel/user-guides/sentinel-2-msi/resolutions/spatial).

17
A janela do módulo SCP apresenta as ferramentas básicas para processar e analisar
imagens de satélite (Figura 1).

Figura 1 – Janela do Semi-Automatic Classification Plugin.

1. Instalar o módulo SCP no QGIS.

a. Aceda ao menu Módulos e na pesquisa digite “semi-automatic” (Figura 2). Escolha

Instalar módulo.
A instalação do módulo SCP acrescenta automaticamente um novo menu, assim como a
SCP Dock no lugar do Painel da Camadas, com o qual pode ser alternado. Acrescenta
também três novas barras de ferramentas (SCP Working Toolbar, SCP Tools e SCP Edit
Toolbar). A primeira inclui as ferramentas de criação de áreas de treino e de classificação;
a segunda é equivalente ao novo menu e a terceira contém as ferramentas de edição de
rasters (Figura 3).

19
Figura 2 – Janela de pesquisa de módulos.

Figura 3 – Menu, dock e barras de ferramentas do módulo SCP.

2. Explorar a janela principal do módulo SCP.

a. Abra a janela principal do módulo SCP clicando em na barra de ferramentas
SCP Working Toolbar e explore os diversos separadores disponíveis.
A SCP Working Toolbar apresenta 9 menus (Figura 1), dos quais se destaca:

O menu Download Images, onde se encontram as ferramentas para

procurar e descarregar imagens gratuitas de deteção remota, sendo necessária
ligação à Internet.

20
O menu para pesquisar e descarregar imagens apresenta 4 janelas independentes de
download de imagens Landsat, Sentinel-2, ASTER e MODIS. Para qualquer um deles é
necessária autenticação e/ou login nos respetivos servidores (respetivamente
https://ers.cr.usgs.gov/, https://scihub.copernicus.eu/userguide/1SelfRegistration e
https://urs.earthdata.nasa.gov.

O menu Ferramentas (Tools), para manipular áreas de interesse nas imagens (ROI –
Regions Of Interest - úteis para classificar rapidamente imagens multi-temporais, ou para
avaliação da precisão da classificação) e assinaturas espectrais.

Permite criar pontos aleatórios para as ROI , importar assinaturas espectrais

disponíveis em diversas fontes (incluindo na USGS Spectral Library) , exportar
assinaturas espectrais , alterar o peso de cada banda (que por defeito é igual a 1) no
algoritmo da classificação (para realçar determinadas características de certos materiais)
, entre outras funcionalidades.

O menu Preprocessing, para preparar as imagens para a sua posterior análise.

Permite converter os números digitais DN (Digital Numbers) das imagens (Landsat,

Sentinel-2 e ASTER) em valores de refletância no topo da atmosfera (TOA – Top Of
Atmosphere)1; cortar várias imagens em simultâneo; separar uma imagem multibanda em
várias imagens unibanda; realizar a análise PCA (Principal Component Analysis) das
bandas carregadas (para definir quais as melhores bandas da imagem a utilizar); ou
converter imagens vetoriais em imagens raster.

O menu Band calc, para realizar cálculos entre os píxeis das bandas carregadas.

O menu Band set, para definir quais as bandas a utilizar.

O menu Batch, para executar automaticamente várias funções.

1 Mais informação no guia Sistemas de Informação Geográfica: Análise de Dados de Satélite (Módulo 5 da formação Sophia).

21
 3. Funcionalidades de pesquisa e download.
a. Num novo projeto, abra a janela SCP e escolha o menu Download Images .

b. Introduza os seus dados de login no EarthExplorer e faça uma pesquisa para uma
imagem OLI Landsat 8, definindo as coordenadas para os pontos UL (upper left –
superior esquerdo) e LR (lower right – inferior direito), por exemplo -10(UL X), 40
(UL Y), -8 (LR X) e 38 (LR Y). Escolha um intervalo de datas recente e cobertura
nebulosa máxima 0%.

c. Observe as características das imagens encontradas utilizando o botão Preview

para a imagem selecionada. Selecione as opções
e faça download de
uma imagem que abranja a zona terminal do estuário do Tejo (note que no separador
Download options poderá escolher as bandas que quer descarregar - neste caso
mantenha todas as bandas selecionadas).

4. Funcionalidades de visualização.

a. Se selecionou a opção Load bands in QGIS no ponto anterior, as camadas serão

carregadas automaticamente na janela principal do QGIS (caso não tenham
carregado, utilize o botão ).

b. Centre e faça zoom à imagem na zona da desembocadura do Tejo.

c. Escolha uma banda, no Painel das Camadas, e com o BLDR sobre ela, escolha
Propriedades e o separador Estilo.

A janela de estilos permite alterar

várias características das imagens
e gravar o procedimento efetuado
para uma imagem, para que possa
ser replicado nas restantes. Estas
alterações são realizadas “on the
fly”, ou seja, para que se tornem
definitivas nas imagens, estas
terão de ser gravadas com as
novas características.
d. Explore as ferramentas de
ajuste de imagem da janela
Estilo, de forma a melhor
representar a informação
contida na imagem
escolhida.

22
As operações de realce permitem melhorar a capacidade de interpretação visual de uma
imagem por um de dois métodos:
a) alteração do contraste da imagem;
b) conversão de tons de cinza para representação de cores.
As operações de realce permitem ajustar os dados contidos nas imagens, dados estes que
podem ser categorizados sob a forma de histogramas, com o objetivo de realçar
determinados atributos das imagens. Desta forma a visualização e manipulação do
histograma, característico de cada banda e/ou imagem, é a forma mais eficiente de
proceder a este destaque.

5. Alteração do contraste nas imagens

a. Volte a carregar a mesma imagem no QGIS e, com o BLDR sobre ela, escolha mais
uma vez o separador Propriedades para realçar a imagem, desta vez através do
separador Histograma.
A janela do Histograma do Raster permite visualizar e alterar o histograma, escolhendo-se
manualmente os valores mínimo e máximo para a representação da imagem (Figura 4).
Estas alterações podem também ser gravadas como um novo estilo, podendo ser a seguir
replicadas nas outras imagens.

b. Altere os valores de máximo e mínimo e faça Aplicar. Observe as diferenças em

relação à imagem original. Experimente diferentes valores.

Figura 4 – Alterações no contraste de imagens de satélite na janela do histograma.

23
 6. Diferentes composições coloridas

O olho humano reconhece muitas mais cores do que diferentes tons de cinzento. Desta
forma a variabilidade de cores pode ser utilizada para realçar pequenas diferenças entre
níveis de cinzentos. O processo que transforma uma imagem originalmente em níveis de
cinzento numa imagem em diferentes níveis de cor denomina-se por representação em
pseudocor ou pseudocolor.
A visualização da informação em cor verdadeira (visualização aproximada à realidade
percepcionada pelos nossos olhos) é denominada de representação em cor verdadeira.
Esta representação corresponde à combinação colorida das bandas Vermelho-Verde-
Azul, também denominado RGB (do inglês Red-Green-Blue).
Qualquer alteração, quer na ordem das bandas quer na informação espectral que compõe
a imagem, produz uma imagem diferente, que será denominada de falsa cor.

6.1 Composição colorida cor verdadeira

a. Adicione as bandas vermelho, verde e azul da imagem Landsat 8 (consulte a Tabela
1).

b. Proceda à composição colorida em cor verdadeira.

Abra o menu Band set na janela SCP e selecione as bandas pela ordem correta,
seguidas de . Utilize as setas para ordenar as bandas. Em quick wavelength
settings escolha Landsat 8 OLI. Escolha Create virtual raster of band set e em seguida
faça Run .

c. Faça o melhoramento do contraste na nova imagem colorida (note que, agora, terá
3 histogramas diferentes para manipular, um por cada cor da imagem).

6.2 Composição colorida em falsa cor

a. Adicione as restantes bandas da gama infravermelha da imagem Landsat 8. Se

necessário faça Refresh list para atualizar a lista das bandas na janela do plugin
SCP.

b. Proceda à composição colorida em falsa cor 5-4-3, retirando as bandas que não
interessam na composição com o botão (Delete Row). A cor
predominantemente vermelha corresponde a quê?

24
 c. Proceda às composições coloridas em falsa cor 6-5-4, 7-6-4, 7-5-3 em imagens
diferentes e observe as diferenças.

d. Que combinação usaria para melhor visualizar a zona de praia emersa?

7. Representação em pseudocor

a. Adicione aos projeto a banda 10 da imagem Landsat 8.

b. Melhore o contraste da imagem através do histograma (BLDR sobre a camada no

Painel das Camadas ► Propriedades ► Histograma).

c. Mude para o separador Estilo e escolha Banda de cor falsa simples em Processar
tipo. Para os valores Min e Máx copie os valores mínimo e máximo que definiu no
histograma.

d. Em Cor escolha um esquema de cores (ou edite um manualmente) que permita

representar os valores mais altos a vermelho e os mais baixos a azul. Verifique se o
vermelho corresponde ao valor mais alto e o azul ao mais baixo; caso contrário,
clique em Inverter.

e. Clique em Classificar e aparecerão as cores associadas aos intervalos, de acordo

com o esquema de cores que escolheu. Faça Aplicar (Figura 5). Nota: por defeito a
aplicação apresenta 5 cores, mas pode aumentar o seu número, escolhendo, no
modo, Intervalo igual e alterando o número de classes a representar; a aplicação
atribui automaticamente mais cores intermédias ao esquema de cores.

Figura 5 – Banda 10 da imagem OLI Landsat 8 em pseudocor.

25
 f. Amplie a região metropolitana de Lisboa e interprete as diferenças. Dica: use como
auxílio na interpretação a composição colorida 5-4-3.

g. Grave a informação da rampa de cores num ficheiro .qml (em Estilo ►Guardar
estilo) na pasta onde guardou os restantes ficheiros deste exercício e dê-lhe o nome
PseudocorL8B10).

Para que servem as operações de realce?

Qual a combinação de bandas que corresponde à composição colorida

em cor verdadeira nas imagens Landsat 8?

Qual a diferença entre falsa cor e pseudocor?

Tabela 1. Bandas e respetivos comprimentos de onda das imagens Landsat 8 (retirado de

http://landsat.usgs.gov/band_designations_landsat_satellites.php).

26
EXERCÍCIO 3

1. Obtenha a carta de sedimentos superficiais da plataforma continental

portuguesa, disponível numa publicação científica do LNEG
(http://www.lneg.pt/download/9638/24_2952_ART_CG14_ESPECIAL_II.
pdf).

1.1 Abra o documento e amplie a figura 1 de forma a ocupar a totalidade do

monitor. Utilize a ferramenta de corte do Windows (Snipping Tool ) para
gravar uma imagem a partir do recorte da carta de sedimentos publicada.
Grave duas cópias da imagem em formato .JPG.

2. Abra um novo projeto QGIS.

3. Adicione o serviço de mapas com a Carta Administrativa Oficial de

Portugal (CAOP) em WMS disponibilizado pelo IGEO (Direção-Geral do
Território).

28
 3.1 Navegue até ao sítio www.igeo.pt, vá a dados abertos e pesquise “caop”.
Carregue na opção Serviços ► Caop Continente ► Continente WMS e
copie o endereço disponibilizado. Verifique, na ficha técnica, qual o
sistema de referência utilizado na carta.

3.2 Carregue o serviço WMS para o seu projeto QGIS. No menu Camada
escolha Adicionar camada ► Adicionar camada WMS WMTS (ou vá
diretamente ao botão ). Escolha Novo, dê o nome CAOP à ligação e
cole no URL o endereço copiado no ponto anterior (Figura 1), fazendo OK
a seguir.

Figura 1 - Adicionar serviços de mapas em WMS.

a. Na mesma janela clique em Conectar. Selecione a camada Distritos-2016 e faça

Adicionar (Figura 2).

Figura 2 – Lista de camadas disponíveis na CAOP.

Poderá, se assim o entender, alterar a cor dos contornos dos polígonos, bastando para
isso aceder às propriedades da camada e, no separador Estilo, escolher, em Tonalidade,
Colorir e, em seguida, escolher a cor desejada.

b. Verifique o sistema de coordenadas do projeto QGIS e (re)defina o SRC com o

sistema de coordenadas da CAOP.

29
 4. Identifique na CAOP a zona representada na carta de sedimentos que
gravou no ponto 1 (do Cabo Mondego ao Cabo Carvoeiro) e faça zoom
até essa zona (Figura 3).

Figura 3 – Localização da zona representada pela carta de sedimentos na CAOP.

5. Ative, se necessário, o módulo de georreferenciação do QGIS (em

Módulos ► Gerir e Instalar Módulos, verifique se está ativo o módulo
).

6. Através do menu Raster abra o módulo Georreferenciador e

georreferencie a imagem através de pontos homólogos (utilize, por
exemplo, enseadas e promontórios reconhecíveis no litoral).

6.1 Em navegue até à pasta onde guardou a carta de sedimentos e abra

a imagem, escolhendo o mesmo SRC da CAOP (Configurações->
Propriedades do raster ► Geral ► Sistemas de referência de
coordenadas). Maximize a janela, se necessário.

6.2 Na janela Georreferenciador faça Adicionar Ponto e escolha um

ponto na carta de sedimentos que seja fácil de identificar na CAOP, por
exemplo um ponto no contorno da costa na (utilize a ferramenta zoom –
scroll e botão do meio do rato - para maior rigor).

30
 6.3 Após selecionar o ponto na carta de sedimentos, escolha “A partir da janela
do mapa” para ir para a CAOP, onde irá escolher o ponto homólogo
(utilize a ferramenta zoom para maior rigor). Faça OK.

6.4 Repita o procedimento de 6.2 e 6.3 para adicionar os restantes pontos (no
mínimo 4). Caso se engane nalgum ponto poderá eleminá-lo,
selecionando-o na tabela da janela Georreferenciador e com o BDLR fazer
Remover.
a. Vá a Configurações da transformação e preencha de acordo com a Figura 4.
Faça OK. Clique em faça Iniciar Georreferenciamento .
Na janela do projeto será carregado automaticamente o novo mapa georreferenciado. Arraste a
CAOP para cima no Painel das Camadas de forma a visualizar os contornos dos distritos sobre a
carta dos sedimentos (Figura 5).

Figura 4 – Módulo de georreferenciação.

6.5 Volte ao georreferenciador e escolha outros tipos de transformação e

métodos de reamostragem, verificando as diferenças no erro médio
apresentado no fundo da tabela que contém os pontos. Caso não esteja
satisfeito com o erro apresentado, acrescente mais pontos homólogos.
Escolha diferentes nomes para os novos resultados. No final faça Iniciar
Georreferenciamento .

31
Figura 5 – Resultado da georreferenciação.

7. Georreferencie a imagem através de posicionamento de pontos em

coordenadas conhecidas.

7.1 Tente reconhecer as coordenadas e o sistema de coordenadas dos pontos

representados na carta de sedimentos da Figura 6 (utilize o PDF original
para verificar esta informação).

Para proceder à georreferenciação da imagem com pontos coordenados, poderá optar por
utilizar as coordenadas geográficas reconhecidas na gratícula, e neste caso deverá
redefinir o sistema de coordenadas do seu referencial para o sistema de coordenadas
respetivo, definindo ainda uma transformação de coordenadas apropriada.
Em alternativa, poderá utilizar as mesmas posições/pontos, introduzindo as coordenadas
transformadas para o sistema de coordenadas do seu georreferencial de trabalho (neste
caso Sistema ETRS89-TM06), esta opção permite ter uma estimativa de erro de
georreferenciação, em metros, que não acontece no caso anterior por se tratar de
coordenadas geográficas.

32
Figura 6 - Imagem com pontos cujas coordenadas foram reconhecidas da grelha de coordenadas da imagem.

7.2 Inicie a georreferenciação da nova imagem através de pontos com

coordenadas conhecidas. Neste caso vamos optar pelas coordenadas
transformadas para o sistema de coordenadas projetadas do
georreferencial (ETRS 89-TM06).
a. Faça Ficheiro ► Reiniciar Georreferenciador para limpar os pontos de controlo
e carregue a carta de sedimentos da plataforma que ainda não utilizou com o botão
.

b. Defina o SRC do raster como o

mesmo da CAOP – ERTS89-TM06.
Em Configurações ►
Propriedades do raster ► Sistema
de referência de coordenadas. Esta
operação assegura que as
coordenadas introduzidas estão
neste sistema de coordenadas.

c. Introduza os quatro pontos

representados na Figura 6 com o
mesmo procedimento anterior ( )
e atribua-lhes as coordenadas
projetadas listadas na Tabela 1.

33
 d. Nas configurações da transformação assegure que o SRC de destino é o
EPSG:3763), dando um novo nome ao raster de saída. No final faça Iniciar
Georreferenciamento .

7.3 Verifique o erro médio associado à última georreferenciação efetuada.

8. Qual o método de georreferenciação mais preciso? Porquê?

Tabela 1 - Coordenadas geográficas dos pontos reconhecidos na carta de sedimentos (representados na Figura 6).

COORDENADAS GEOGRÁFICAS COORDENADAS PROJETADAS

PONTOS
(ELIPSOIDE INTERNACIONAL DATUM LISBOA) (ETRS 89-TM06)

LONGITUDE LATITUDE X Y

PONTO 1 9º 40’ W 40º 10’ N -130743.78 56647.32

PONTO 2 9º 00’ W 40º 10’ N -73950.47 55879.57

PONTO 3 10º 00’ W 39º 20’ N -160966.22 -35522.57

PONTO 4 9º 00’ W 39º 20’ N -74848.43 -36648.41

34
As correções radiométricas principais correspondem à transformação de níveis digitais
para valores de radiância e refletância e a operações de correção atmosférica.
Uma vez que os dados de satélite são obtidos através de um sinal que atravessa a
atmosfera, o valor registado num dado local (píxel) da imagem não é um registo exato do
valor no terreno, pois a magnitude do sinal é, normalmente, alterada ao interagir com a
atmosfera.
A correção atmosférica nem sempre é necessária mas, em determinados casos, é
aconselhada, como por exemplo:

• No cálculo de razões entre duas bandas, uma vez que comprimentos de onda mais
pequenos experimentam maior scattering (dispersão) e vice-versa, enviesando
assim os resultados;
• Quando se pretende relacionar os níveis de radiância da superfície com algum
fenómeno físico;
• Na comparação de medições realizadas em datas diferentes, onde condições
atmosféricas serão geralmente diferentes.

36
As imagens Landsat 8 são disponibilizadas em números digitais (DN – Digital Number)
pelos sensores OLI (Operational Land Imager) e TIRS (Thermal InfraRed Sensor), podendo
os valores ser recalculados de forma a obter:

• radiância espectral no topo da atmosfera (𝐿𝜆 );

• refletância espectral planetária no topo da atmosfera (𝜌𝜆);
• temperatura de brilho em Kelvin (K) ou graus Celsius (ºC).

Os produtos Landsat 8 providenciados pelo USGS EROS Center exibem

informação em números digitais (DN) quantificados e calibrados,
representando imagens multiespectrais adquiridas pelos sensores a bordo
do Landsat 8. Os produtos são fornecidos em formato de números inteiros
a 16 bits, podendo ser redimensionados para refletância no topo da
atmosfera (TOA reflectance) ou radiância (radiance), utilizando os
coeficientes fornecidos no ficheiro de metadados (ficheiro ”_MTL.txt”). Este
ficheiro também contém as constantes térmicas para converter as imagens
térmicas TIRS para temperatura de brilho. Informação adicional pode ser
consultada em http://landsat.usgs.gov/Landsat8_Using_Product.php.

1. Conversão de números digitais para radiância espectral no topo da

atmosfera (TOA) das bandas 10 e 11 (Infravermelho térmico).

A conversão de DN para 𝐿𝜆 é feita através da expressão:

𝐿𝜆=𝑀𝐿 𝑄𝑐𝑎𝑙 +𝐴𝐿

onde 𝐿𝜆 é a radiância espectral no topo da atmosfera (em 𝑊/(𝑚2 ∗ 𝑠𝑟 ∗ 𝜇𝑚)); 𝑀𝐿 é o fator
multiplicativo da radiância parametrizado para cada banda (RADIANCE_MULT_BAND_X,
onde X é o número da banda); 𝑄𝑐𝑎𝑙 é o número digital do píxel e 𝐴𝐿 é o fator aditivo
parametrizado para cada banda (RADIANCE_ADD_BAND_X).

1.1 Crie uma pasta de trabalho com o nome AE_Ex4, com uma subpasta
denominada Corr_Radiometrica.

1.2 Num projeto QGIS novo adicione as bandas 10 e 11 da imagem Landsat 8

descarregada no exercício 2.

1.3 Abra o módulo SCP que instalou no exercício 2 e escolha Preprocessing

► Landsat.

37
 a. Em escolha a diretoria onde está guardada a imagem Lansat 8 e em
escolha o ficheiro MTL que contém os metadados com a informação a incluir na
conversão.

b. Da lista de bandas que foi carregada em baixo, precisaremos apenas das bandas
10 e 11; para excluir as restantes, selecione-as e faça .

c. Faça Run e aguarde o aviso sonoro.

d. Grave o resultado na pasta Corr_Radiometrica.

1.4 Minimize a janela do módulo SCP e observe as diferenças entre as

imagens originais e as recém-criadas (automaticamente carregadas), por
exemplo, no que respeita aos limites máximos e mínimos. Abra os
histogramas e compare-os (Figura 1), utilizando a ferramenta zoom se
necessário (BLER para aproximar e BLDR para afastar, arrastando sobre
o histograma).

Figura 1 – Histograma da banda 11 da imagem Landsat 8 antes (esquerda) e após (direita) a conversão para
radiância espectral TOA.

2. Conversão de números digitais para refletância espectral no topo da

atmosfera (TOA) das bandas 1 a 8 (multiespectrais).

A conversão de números digitais para refletância espectral no topo da atmosfera é

realizada pela expressão:
𝜌𝜆′ = 𝑀𝜌 𝑄𝑐𝑎𝑙 + 𝐴𝜌

38
Onde 𝜌𝜆′ é a refletância espectral planetária no topo da atmosfera, sem a correção do
ângulo solar; 𝑀𝜌 é o fator multiplicativo da refletância parametrizado para cada banda
(REFLECTANCE_MULT_BAND_X, onde X é o número da respetiva banda); 𝑄𝑐𝑎𝑙 é o
número digital do pixel e 𝐴𝜌 é o fator aditivo parametrizado
(REFLECTANCE_ADD_BAND_X) para cada banda.
A refletância espectral no topo da atmosfera corrigida do ângulo solar é dada por:
𝜌𝜆′ 𝜌𝜆′
𝜌𝜆 = =
cos(𝜃𝑆𝑍 ) sin(𝜃𝑆𝐸 )
Onde 𝜌𝜆 é a refletância espectral planetária, 𝜃𝑆𝐸 é o ângulo de elevação solar local (o
ângulo de elevação solar central da imagem, em graus, é fornecido no ficheiro de
metadados - SUN_ELEVATION) e 𝜃𝑆𝑍 é o ângulo zenital solar local, sendo calculado pela
expressão 𝜃𝑆𝑍 = 90° − 𝜃𝑆𝐸 .
Desta forma a expressão final de conversão dos níveis digitais para refletância espectral
no topo da atmosfera é:
𝑀𝜌 𝑄𝑐𝑎𝑙 + 𝐴𝜌
𝜌𝜆 =
sin(𝜃𝑆𝐸 )

2.1 No módulo SCP volte a escolher, em , a diretoria onde estão guardadas

as imagens Landsat 8. Selecione, na lista de bandas em baixo, as bandas
9, 10 e 11 e faça . Verifique se estão na lista apenas as bandas 1 a 8.

a. Faça Run (por serem muitas imagens, o programa poderá levar algum tempo
a processá-las).

b. Grave o resultado na subpasta Corr_Radiometrica.

2.2 Minimize novamente o módulo SCP e observe as diferenças entre as

imagens originais e as recém-criadas, principalmente no que respeita aos
limites máximos e mínimos.

3. Conversão para temperatura de brilho.

As imagens térmicas fornecidas pelo sensor TIRS (Thermal InraRed Sensor) podem ser
convertidas de radiância espectral TOA para temperatura de brilho expressa em graus
Kelvin ou em graus Celsius. A temperatura de brilho no sensor (também denominada de
temperatura radiante - 𝑇𝑟𝑎𝑑 ) assume que a Terra é um corpo negro1, i.e., com emissividade
igual a 1, e inclui os efeitos atmosféricos (e.g. como a absorção) e outras emissões ao

1
Corpo que absorve toda a radiação incidente.

39
longo do caminho percorrido entre superfície e sensor. A temperatura de brilho no sensor
em graus Kelvin pode ser estimada pela expressão:
𝐾2
𝑇𝑟𝑎𝑑 =
𝐾1
ln( + 1)
𝐿𝜆

onde 𝑇𝑟𝑎𝑑 é a temperatura de brilho no sensor em graus Kelvin; 𝐾1 é a constante térmica

específica de cada banda de infravermelho térmico (bandas 10 e 11), designada por
K1_CONSTANT_BAND_X no ficheiro de metadados; 𝐾2 é a segunda constante térmica
específica de cada banda, designada por K2_CONSTANT_BAND_X; e 𝐿𝜆 é a radiância
espectral no topo da atmosfera (em 𝑊/(𝑚2 ∗ 𝑠𝑟 ∗ 𝜇𝑚).
A temperatura de brilho em graus Celsius é dada pela expressão:
𝑇𝑟𝑎𝑑(°𝐶) = 𝑇𝑟𝑎𝑑 − 273.15

3.1 Para converter as bandas TIRS para temperatura de brilho em graus

Kelvin, abra novamente o módulo SCP, escolhendo, em , a mesma
diretoria da imagem Landsat 8, selecionando
.

3.2 Repita os passos contidos no ponto 1.3 para selecionar as bandas 10 e 11

e correr a aplicação. Quando fizer Run e surgir a janela de procura de
diretorias, crie, dentro da pasta Corr_Radiometrica, uma nova subpasta
denominada TEMP (utilize o BLDR ► New ► Folder).

3.3 Compare os valores numéricos e os histogramas das novas imagens

(Figura 2) com os das criadas no ponto 1.

Figura 2 – Histograma da banda 10 da imagem Landsat 8 após conversão para temperatura de brilho em graus
Celsius.

3.4 Converta agora para temperaturas de brilho em graus Kelvin.

40
 a. Volte ao módulo SCP e escolha o separador Band calc

b. Faça para carregar todas as camadas que estão ativas e escolha a última que
criou, referente à temperatura em ºC, clicando duas vezes sobre esta.

c. Acrescente o resto da expressão para converter em Kelvin (utilize a expressão dada

no início deste ponto).

d. Faça Run.
Poderá acontecer que a nova imagem não carregue conforme o esperado. Experimente
abrir o histograma e alterar os valores mínimo e máximo de forma a corresponderem aos
valores de temperatura do ficheiro equivalente em ºC, adicionados de 272.15.

4. Representação gráfica da variação da temperatura na região de Lisboa.

4.1 Instale o módulo Profile Tool.

4.2 Abra o módulo Profile Tool e selecione uma das bandas térmicas
corrigida para temperatura de brilho em graus Celsius, fazendo zoom para
a região do estuário do Tejo.
a. Faça Add Layer no canto inferior direito, para selecionar esta imagem como a fonte
dos dados para o perfil.

b. Trace uma linha que atravesse todo o estuário, semelhante à da Figura 3. Termine
a linha com duplo clique.

41
 estuário
mar nuvem

Figura 3 – Módulo Profile Tool, com a imagem TIRS como fundo.

c. Grave o perfil em formato PDF na pasta Corr_Radiometrica e analise-o,

comparando com a imagem e relacionando as variações de temperatura com a
morfológia.

4.3 Mantendo a mesma imagem (térmica) como fonte dos dados para o perfil,
faça zoom à zona do estuário do Sado e trace uma polyline desde a foz
até ao rio Sado (à semelhança da Figura 4), terminando com duplo clique.
Note que cada vértice da polyline fica registado no perfil com uma linha vertical.

Figura 4 - Módulo Profile Tool, com a banda 3 como fundo.

42
 a. Grave o perfil em formato PDF (com um nome diferente) na pasta
Corr_Radiometrica e analise-o, comparando com a imagem e com o perfil anterior.

5. Comparação da informação espectral teórica com a informação das

imagens.

A USGS tem uma série de ferramentas e serviços de apoio a quem trabalha com as
imagens por eles disponibilizadas. Destes serviços destaca-se o Spectral Viewer, uma
ferramenta que permite determinar as melhores bandas de uma imagem para interpretar
ou estudar determinada propriedade do terreno.
Esta ferramenta permite a visualização de como as bandas de diferentes satélites registam
a intensidade do comprimento de onda (cor) da luz, denominado de Resposta Espectral
Relativa. O Spectral Viewer dispõe de informação para vários satélites e para vários
materiais, como a água ou a vegetação.
Esta ferramenta é usada em modo online e está disponível em
http://landsat.usgs.gov/tools_spectralViewer.php.

5.1 Compare a informação espectral teórica da refletância da água e a

respetiva informação exibida pela banda 4.
a. Trace um perfil sobre a água (numa zona onde a água esteja límpida) na imagem
da refletância TOA da banda 4.

b. Compare-o com o perfil exibido pela ferramenta Spectral Viewer.

c. Trace novo perfil sobre outra zona onde a água apresente sedimento em
suspensão. Indique as diferenças.

5.2 Compare a informação espectral da vegetação.

a. Compare a informação espectral da vegetação do tipo Fir Spruce com a vegetação
do parque de Monsanto em Lisboa.

b. Experimente outros tipos de vegetação.

43
Os estuários e as zonas costeiras ligam os ecossistemas terrestres aos oceânicos,
proporcionando zonas de mistura entre águas fluviais, costeiras e abertas. Estas áreas de
interface são ricas em nutrientes, compostos orgânicos muito importantes para a produção
primária e heterotrófica nas zonas costeiras. Os processos que ocorrem junto à costa,
como a produção primária, a atividade microbiana e a produção secundária são afetados
por este aporte de nutrientes de origem continental.
Uma vez que a carga de sedimentos em suspensão pode desempenhar um papel
importante no ciclo de nutrientes, importa conhecer a dinâmica destas zonas de mistura,
designadas por plumas túrbidas (Figura 1). As plumas túrbidas podem estar associadas
à presença de sedimentos em suspensão, matéria orgânica, nutrientes ou contaminantes.
Por exemplo, as plumas túrbidas podem ser distinguidas usando diferentes assinaturas
espectrais. Os coeficientes de absorção total são mais afetados pela concentração de
sedimento em suspensão do que pela concentração de clorofila ou matéria orgânica
dissolvida.

Figura 1 - Imagem com plumas túrbidas junto à costa.

45
 1. Descarregar e corrigir os níveis radiométricos de uma imagem ótica da
Região Autónoma da Madeira.

1.1.1 Aceda ao site da DGT com o endereço: http://www.dgterritorio.pt/ e pesquise

Madeira concelhos.
a. Aceda a CAOP2015 (Carta Administrativa de Portugal) e navegue até CAOP
(download).

b. Clique em Carta Administrativa Oficial de Portugal – use a versão mais recnte,

faça o download dos polígonos da Área Administrativa da Madeira.

Abra um novo projeto QGIS (verifique se tem o SRC WGS 84) e adicione o ficheiro vetorial
descarregado, após descompressão. Faça zoom à zona da ilha da Madeira.
Em vez do website Earth Explorer, será utilizado o módulo Semi-Automatic Classification
Plugin (SCP) para pesquisar e descarregar as imagens.

2. Abra o módulo SCP e escolha o separador Landsat download,

preenchendo as suas credenciais do Earth Explorer.

2.1 Utilize a função (Set area in the map) para determinar a área de
pesquisa como a Região Autónoma da Madeira.

2.2 Escolha L8 OLI/TIRS e a data 2014-01-10 e faça Find para ver a lista
de resultados. Utilize a função Preview para pré-visualizar e escolher
a imagem a descarregar (esta função carrega automaticamente no projeto
a camada com a pré-visualização da imagem Landsat).
Pode, no Painel das Camadas do projeto, arrastar a camada vetorial para cima, de modo
a sobrepor-se às pré-visualizações das imagens Landsat.

a. Apague a imagem que não quer descarregar, selecionando a respetiva linha.

b. Deixe ficar selecionadas as três opções associadas ao download no separador

Landsat download e faça Run , escolhendo a localização para guardar as
imagens Landsat.

Por se tratar de várias imagens a descarregar e pré-processar, este passo irá demorar
algum tempo. Por ter deixado selecionada a opção Preprocess images, o módulo SCP

46
executa automaticamente a conversão para refletância espectral espectral espectral no
topo da atmosfera: o separador Preprocessing ►Landsat mostra o que é executado, por
defeito, quando aquela opção é selecionada (Landsat conversion to TOA reflectance
and brightness temperature).
O módulo irá guardar as imagens Landsat originais na pasta que designou e irá carregar
no projeto QGIS as imagens já pré-processadas com a conversão para refletância no topo
da atmosfera (TOA), guardando na pasta as originais descarregadas.
Note que, para as imagens térmicas (B10 e B11) o módulo não executou a conversão,
porque esta só é executada para imagens óticas (Figura 2).

Figura 2 – Valores máximos e mínimos das camadas (bandas óticas 1 e 2 e bandas térmicas 10 e 11).

3. Criar máscaras de área de interesse e terra.

A criação de máscaras irá fazer uso de dados vetoriais de apoio que podem ser
descarregados da Internet. Irá utilizar, uma vez mais, a camada CAOP da Madeira que
descarregou do site da DGT.
A região de análise das plumas túrbidas será a costa sul da ilha da Madeira, pelo que será
necessária uma máscara da ilha. Para efetuar este procedimento é aconselhável simplificar
a informação vetorial, utilizando nesta camada vetorial a instrução Polygon Dissolve
(Processamento ► Caixa de Ferramentas ► Pesquisar “dissolve”). A aplicação atribui
automaticamente o nome Dissolved Polygons à nova camada (se desejar pode atribuir-
lhe outro nome).
Uma vez dispondo de um polígono único para a região que queremos, é possível aplicá-lo
como máscara a ficheiros do tipo raster. Em primeiro lugar irá delimitar a zona de interesse
e de seguida, sobre esta, proceder à remoção dos valores de terra.

3.1 Crie uma Nova Camada Shapefile , do tipo polígono. Nomeie-a “Area”
e torne-a editável com o botão .

47
 a. Com a ferramenta Adicionar elemento , faça um retângulo que inclua a ilha da
Madeira (termine o polígono com o BLDR). Esta é a nossa área de interesse.

b. Verifique se todas as camadas do projeto têm o mesmo sistema de coordenadas

(SC) e caso isso não se verifique coloque todas as camadas com o mesmo SC.

c. Utilize a ferramenta Difference (da Caixa de

Ferramentas) para subtrair a camada da ilha da
Madeira (Dissolved Polygons) da área de
interesse.

d. Aplique este polígono como máscara para

excluir a área de terra na imagem corrigida da
banda 4 (RT_LC82080372014010LGN00_B4),
utilizando a ferramenta Clip.

Pode optar entre criar ficheiros temporários ou gravá-los na sua pasta de trabalho, com
nomes escolhidos por si. Este último ficheiro deverá ser gravado com o nome B4_mask.

4. Calcular a concentração de partículas em suspensão

O cálculo simplificado da concentração de partículas em suspensão (CPS) pode ser

realizado usando a banda 4 a partir da expressão:
4
𝐶𝑃𝑆 = 𝐴𝜌𝑇𝑂𝐴

onde 𝐴 = 289.29 𝑔𝑚−3 (ver Vanhellemont & Ruddick, 2014) e o índice 4 refere-se à banda
4.

4.1 Calcule a concentração de partículas em suspensão (CPS) segundo a

expressão acima:
4.1.1 Usando a camada B4_mask e a função Calculadora Raster calcule a CPS
(Figura 3);
a. Grave a camada como CPS e faça OK.

48
 Figura 3 – Cálculo da concentração de partículas em suspensão
(CPS).

4.1.2 Represente os valores de CPS numa imagem em pseudocor e exclua os valores

que representam as nuvens (por exemplo valores superiores a 30):
a. No Painel das Camadas, BDLR sobre a camada ► Propriedades ► Estilo ►
Banda de cor falsa simples e defina os limites Min e Máx, escolhendo a seguir
uma paleta de cores variadas (ex.: BrBG) e o modo Quantis.

Pode atribuir as cores a intervalos definidos automaticamente ou pode criar estes intervalos
manualmente. Note que as zonas com nebulosidade ficam falsamente classificadas como
zonas de maior CPS (Figura 4).

Figura 4 – Imagem corrigida para refletância TOA antes (esquerda) e após (direita) aplicação da fórmula para cálculo
da CPS.

5. Criação de um mapa temático de concentração de partículas em

suspensão.

A criação de mapas temáticos das propriedades estimadas usando imagens de satélite é

muitas vezes o objetivo final da deteção remota.

5.1 Usando a camada CPS proceda à criação de um mapa temático.

a. Vá a Novo Compositor de Impressão e atribua-lhe o nome CPS.

49
 b. Faça Adicionar novo mapa e selecione a área que este vai ocupar no
compositor desenhando um retângulo.

c. Utilizando a ferramenta Mover conteúdo do item , posicione a zona sudoeste

da ilha da Madeira no centro da janela do compositor, de forma
a mostrar as principais plumas túrbidas (se desejar, poderá
alterar do mapa no separador Propriedades principais).

d. Adicione uma legenda e personalize-a: vá a Adicionar nova

legenda e, em Propriedades do item, escolha quais as
camadas que quer representar (selecionando as camadas que
deseja excluir e clicando em ).

A janela de edição da legenda permite grande flexibilidade na sua apresentação, com um

grande número de propriedades que podem ser personalizadas.
A janela Itens permite definir qual o elemento a ser editado e permite também alterar a
ordem de sobreposição dos diferentes elementos entre si (arrastando-os).

e. Adicione a escala gráfica em ,

desenhando um retângulo (se tiver
mais do que um mapa, tenha
atenção ao nome do mapa que
aparece no separador das
Propriedades principais,
associado à legenda).
f. Adicione a indicação de norte em e (neste último é necessário digitar a
letra “N”).

g. Exporte a imagem criada em Compositor ► Exportar como Imagem, gravando-

a na pasta do exercício (Figura 5).

h. Grave o modelo em Compositor ► Guardar como Modelo, na pasta do exercício.

50
Figura 5 - Mapa temático da concentração de partículas em suspensão (CPS) na costa sudoeste (à esquerda) e na
costa nordeste (à direita) da ilha da Madeira.

Vanhellemont, Q. and Ruddick, K., 2014, Turbid wakes associated with offshore wind
turbines observed with Landsat8, Remote Sensing of Environment, 145:105-155. DOI:
10.1016/j.rse.2014.01.009.

51
Existe um conjunto de técnicas geofísicas, sedimentológicas e biológicas que podem ser
utilizadas para obter informação sobre os fundos oceânicos.
De entre os equipamentos de geofísica, os sondadores acústicos, como o sonar de
varrimento lateral e os sondadores multifeixe, destacam-se pelo potencial que
apresentam na identificação de diferentes tipos de sedimentos superficiais e na
construção de modelos digitais de terreno que reproduzem o relevo submarino. Esta
informação, aliada à colheita de amostras no fundo, permite cartografar as suas
caraterísticas.
Os sondadores acústicos funcionam através da medição da intensidade do retorno do
sinal acústico (backscatter) a partir do fundo do mar, sendo esta intensidade função das
propriedades dos sedimentos e da rugosidade do fundo (material refletor). De uma forma
geral, um retorno forte – tons claros - está associado à presença de rocha e/ou
sedimentos grosseiros; um retorno fraco – tons cinza escuros - está associado a
sedimentos mais finos.
Também a rugosidade irá afetar a refletividade do solo, micro topografias, tais como
ripples ou bioturbação, podem também ser cartografadas, pois apresentam um sinal de
retorno intensificado.

53
 1. Imagens backscatter de sonar de varrimento lateral

A imagem da intensidade do retorno do sinal acústico (backscatter) utilizada neste

exercício, obtida a partir de sonar de varrimento lateral, foi gentilmente cedida pela
Divisão de Geologia Marinha – Secção de Geofísica, do Instituto Hidrográfico
(http://www.hidrografico.pt/geologia-marinha.php)1.

1.1 Classificação automática de uma imagem.

a. Abra no QGIS a imagem backscatter adquirida com o sonar de varrimento lateral,
que se encontra na pasta de dados deste exercício.

b. Localize a área onde foi realizado o levantamento de sonar de varrimento lateral,

usando o serviço WMS do exercício 3 (limites CAOP).

c. Indique a resolução espacial do levantamento.

Abra as Propriedades da camada ► Metadados ► Propriedades ►
Tamanho do Pixel.

d. Identifique, visualmente, áreas de rocha/ sedimento grosseiro e sedimentos finos,

baseando-se nos valores de intensidade presentes na imagem.

e. Classifique o tema Sonar usando um algoritmo de classificação automática.

f. Abra a ferramenta Cluster analysis no menu Processamento ► Caixa de

Ferramentas, escolhendo, nas ferramentas de processamento disponíveis SAGA
(2.1.2) ► Image Analysis ► Cluster analysis2.

g. Escolha o método Combined Minimum Distance / Hillclimbing e, como número

de classes (Clusters), 3. Clique em Run e analise os resultados.

h. Experimente diferentes números de classes: 4, 5, 10 e 20. Mude a simbologia da

classificação – experimente dar a mesma tonalidade às classes que considerar
pertencerem ao mesmo tipo de fundo. Observe o resultado.

i. Observe as diferenças entre as classificações anteriores e escolha a que obteve

melhores resultados, justificando a sua escolha. Grave essa opção como
Sonar_Unsurpervised e apague as restantes.

1 Para mais informações sobre os equipamentos disponíveis no Instituto Hidrográfico consultar:

http://www.hidrografico.pt/sondadores-multifeixe.php.

2 Esta já não se encontra presente nas versões mais recentes do QGIS.

54
Nas zonas costeiras pouco profundas e com águas límpidas a radiação solar consegue
penetrar na coluna de água e atingir o fundo. Se a natureza do substrato for uniforme é
possível estimar a profundidade da coluna de água, uma vez que, a diferentes
profundidades, corresponderão diferentes intensidades do sinal. Se, por outro lado, o fundo
for diferenciado é possível mapear essas diferenças.
A segunda parte deste exercício consiste em classificar a profundidade relativa da coluna
de água, na região do banco do Cambalhão (junto à península de Tróia), assumindo que a
água nesta zona é límpida e o fundo é uniforme (de natureza arenosa). A profundidade da
coluna de água pode ser classificada em 4 domínios principais: supratidal, intertidal,
subtidal pouco profundo e subtidal profundo. A imagem a classificar é uma imagem
ótica Landsat 8, recortada para a área de interesse (Figura 1). O nível da maré no momento
de aquisição desta imagem era -0.8 m em relação ao nível médio do mar (NMM).

Figura 1 - Imagem Landsat 8 recortada para a área de interesse - o banco do Cambalhão em Tróia.

55
 1. Imagens óticas do sensor Landsat 8

1.1 Classificação assistida da imagem ótica.

a. Abra um novo projeto QGIS, verifique se este tem as transformações de SRC
(Sistema de Referência de Coordenadas) em modo “on the fly” e adicione a
imagem compósita l8130908, presente na pasta de dados do exercício, subpasta
Landsat8_Geotiff.

b. Proceda à representação da área em composição colorida em cor verdadeira.

1.1.1 Selecione a área de interesse – zonas húmidas e área marinha.

a. Neste ponto serão eliminadas as zonas de terra usando o tema vetorial
Terra_Mask.

Adicione o tema vetorial Terra_Mask, presente na mesma

pasta.

Como queremos excluir a área de terra e não de mar, temos de criar uma nova máscara a
partir da camada Terra_Mask:
Como vamos editar a camada, crie uma cópia de segurança da
camada Terra_Mask: faça BDLR no Painel das Camadas sobre a
camada Terra_Mask ► Guardar como…, guardando na pasta dos
dados do exercício com o nome
Terra_Mask2.

BDLR sobre a nova camada ► Alternar

Edição em

A camada fica com os vértices editáveis.

Ligue a camada raster , de

forma a ficar visível sob a máscara.

Em vez de criarmos novos vértices, iremos utilizar os

existentes no polígono, que não farão falta na criação da
nova máscara.
Mova os vértices um a um, puxando-os
a partir do contorno norte do polígono,
utilizando a Ferramenta de Nós ,
alinhando-os com o contorno sul da
imagem raster com informação diferente
de zero.

56
 Apague os vértices que não utilizou,
selecionando-os com o rato e usando a
tecla Delete.

Pare a edição da camada em .

1.1.2 Definição das áreas de treino.

Neste ponto será realizada a classificação assistida da camada de água e zonas húmidas
pelo método da máxima verosimilhança, disponível no módulo Semi-automatic
Classification Plugin - SCP.
A classificação assistida necessita de um ficheiro com as assinaturas das áreas de treino,
definidas pelo utilizador. O primeiro passo de qualquer classificação assistida será,
necessariamente, definir as classes onde treinar o classificador. As classes a utilizar neste
exercício representam os diferentes domínios:
Supratidal – correspondente a zonas de praia emersa – areia seca;
Intertidal – correspondente a zonas sob influência da maré;
Subtidal pouco profundo – correspondente a zonas pouco profundas;
Subtidal profundo – correspondente a zonas profundas;
Raso – zona interna do estuário sujeita à ação da maré;
Sapal – zona interna do estuário sujeita à ação da maré mas com vegetação.

a. Na janela SCP Dock ► SCP input ► Input image

selecione a imagem I813098 em
, como a camada a utilizar na
classificação.

b. Em Training input clique em e grave o ficheiro

das áreas de treino na pasta dos dados do exercício,
com o nome AreasTreino.scp.

57
 c. Verifique (BDLR na barra superior da aplicação) se tem ativa a barra de
ferramentas SCP Working Toolbar: Ative-a se necessário e escolha (Create
a ROI3 polygon).

d. Trace um polígono para caracterizar uma das classes, definindo os seus vértices e
terminando com BDLR (pode utilizar o scroll do rato para ampliar ou afastar a
imagem e o botão central para arrastar – função pan). Tome como exemplo os
polígonos da Figura 2.

Figura 2 – Exemplo de localização dos polígonos referentes às áreas de treino.

e. Na janela SCP Dock abra o separador

Classification dock (se necessário, para
maior facilidade na utilização, arraste o SCP
Dock para fora da janela da aplicação) e, em
ROI creation, preencha o nome da classe a
atribuir ao polígono recém–desenhado.

3
As iniciais ROI significam Region Of Interest, ou área de interesse.

58
Para melhores resultados, podem desenhar-se vários polígonos para representar a mesma
classe. A designação Class identifica cada polígono (assim como o código C ID) e a
designação Macroclass identifica o conjunto de polígonos que representa a mesma classe
(assim como o código MC ID).

f. Termine com para enviar os

dados do primeiro polígono para a
ROI Signature list, em cima.

g. Repita os 3 pontos anteriores para

as restantes classes, aumentando
manualmente o código MC ID
sempre que passe para uma classe
diferente da anterior. A aplicação
aumenta automaticamente o código
C ID para cada polígono criado.

Na imagem classificada queremos 6 diferentes cores para as 6 diferentes macroclasses

(e não para as 12 classes).

h. Passe para o separador Macroclasses do SCP Dock ► Classification dock. Aqui

poderá corrigir os nomes das classes e atribuir cores manualmente (pode carregar
um esquema de cores pré-existente em ).

É possível alterar nomes e cores na lista de assinaturas ROI, clicando duas vezes no
elemento a alterar.
i. Passe para o separador Classification algorithm e escolha usar MC ID e o
algoritmo Maximum Likelihood.

59
O algoritmo processa cada uma das classes individualmente, mas escolhendo a opção MC
ID a aplicação atribui a mesma cor às diferentes classes que pertençam à mesma
macroclasse.

j. Em Classification output escolha Apply

mask e procure a máscara criada
anteriormente (Terra_Mask2). Esta opção
fará com que o algoritmo de classificação
incida apenas sobre as áreas de água e zonas
de transição, excluindo as áreas de terra.
Escolha também Create vector e Run .

k. Retire as zonas a negro da imagem (os elementos não classificados), abrindo a

janela de estilos da nova camada classificada e tornando transparente a classe
Unclassified (duplo clique sobre a cor a alterar e reduzindo a zero a opacidade).
Faça o mesmo na camada vetorial que criou (
l. Figura 3).

Figura 3 – Aspeto final das camadas classificadas (á esquerda a camada matricial, à direita a camada vetorial).

60
Poderá alterar as cores da
camada vetorial de forma a
corresponderem às cores da
camada matricial. Se preferir,
poderá também retirar os
contornos na camada poligonal
(em BDLR ► Propriedades ►
Estilo ► Símbolo ► Alterar ►
Preenchimento simples ►
Limite transparente).

m. Compare ambos os resultados (matricial e vetorial) e verifique se estão de acordo

com o que observa na imagem original.

61
 1. Aplicação de filtros para eliminação de ruído.

1.1 Aplicar filtros de generalização para limpeza de uma das imagens

anteriormente classificadas.
As imagens anteriormente classificadas, quer a imagem de backscatter quer a imagem
ótica, apresentam zonas bem classificadas, mas outras zonas apresentam alguns píxeis
que claramente se encontram mal classificados. Aplicando alguns filtros de generalização
é possível melhorar a classificação inicial.

a. Escolha uma das imagens classificadas para realizar o processo de filtragem.

b. Usando o filtro Classification sieve disponível no SCP (no separador

Postprocessing ) tente melhorar a classificação (Figura 4).

62
Figura 4 – Pormenor da zona central do estuário, antes (esquerda) e após (direita) aplicação do filtro Sieve.

63
As imagens SAR são ideais na deteção de manchas de petróleo, uma vez que estas
manchas (oil slick) aparecem como zonas escuras nas imagens. Do ponto de vista
operacional, a deteção destas manchas é realizada em dois passos distintos: 1) deteção
de slicks e 2) classificação para determinar a natureza do slick – natural (biológico) ou
artificial (manchas de óleo).
As imagens SAR também são muito utilizadas na deteção de embarcações, uma vez que
estas apresentam um retorno muito grande do sinal na zona onde as embarcações estão
presentes.

Uso de imagens de satélite em situação de emergência.

A 13 de novembro de 2002 o petroleiro Prestige, que transportava 77 mil toneladas de

petróleo, sofreu uma rutura num dos seus tanques, durante uma tempestade ao largo da
costa da Galiza. Às 8:00 da manhã de 19 de novembro, o navio partiu-se ao meio,
afundando-se durante a tarde e libertando o petróleo para o mar.

O incidente do Prestige poluiu centenas de quilómetros de linha de costa e mais de uma

centena de praias nas costas de Espanha, França e Portugal, tendo sido considerado o
maior desastre ambiental na história da Península Ibérica.
No sentido de apoiar as agências responsáveis pela resposta ao incidente do derrame de
petróleo, a Agência Espacial Europeia (ESA) forneceu dados espaciais dos satélites ERS
e Envisat, quase diariamente, desde 17 de novembro.

65
Figura 1 – Notícia no site da BBC do acidente do Prestige na Galiza.
(http://news.bbc.co.uk/1/hi/world/europe/2487739.stm)

Algumas destas imagens, utilizadas no esforço de mapeamento e mitigação do derrame,

estão disponibilizadas no site da ESA e podem ser descarregadas de forma gratuita.
A aplicação SNAP (Sentinel Application Platform), criada para a análise e processamento
de imagens Sentinel, é gratuita e permite, para além da aplicação de filtros,
processamentos mais extensos e complexos. O processamento e análise de imagens SAR
com esta aplicação é o tópico da formação SOPHIA – Tópico 3 - Deteção Remota:
Aplicação de Imagens de Radar de Abertura Sintética. Neste exercício pretende-se apenas
demonstrar a capacidade do QGIS na leitura de alguns ficheiros típicos de imagens SAR
(como o .N1) e na extração simples de informação usando este tipo de imagens.

1. Descarregar a imagem SAR da altura do derrame

1.1 Descarregue a imagem SAR do sensor ASAR a bordo do satélite Envisat.

a. Navegue até: https://earth.esa.int/web/guest/data-access/sample-data/-
/asset_publisher/tg8V/content/prestige-oil-spill-galicia-spain-
1623?p_r_p_564233524_assetIdentifie#_56_INSTANCE_z3vD_matmp.

b. Em Available Sample Data escolha ASAR.

c. Descarregue a imagem ASAR Wide Swath (WS) denominada

ASA_WSM_1PXPDE20021117_104431_000000672011_00180_03741_0009.N1.
gz, correspondente ao dia 17-11-2002 e grave numa pasta à sua escolha.

d. Com o botão adicione a imagem descarregada (terá primeiro de descomprimir

a pasta gravada) ao seu projeto.

66
 e. Nas Propriedades do Projeto e separador SRC, active a opção Enable ‘on the
fly’ CRS transformation (OTF) e escolha como sistema de coordenadas o sistema
de coordenadas geográficas WGS84.

f. Verifique a resolução espacial da imagem carregada e compare com a resolução

espacial da Tabela 1 anexa.

2. Mapear a extensão do derrame.

O mapeamento de manchas de óleo na água, numa imagem SAR, é facilitado pelo facto
destas manchas se apresentarem em tons mais escuros relativamente aos restantes
elementos da imagem. Isto acontece porque a superfície coberta de óleo apresenta menor
rugosidade, o que por sua vez influencia o retorno do sinal para o sensor SAR (o retorno
de sinal nesta circunstância é muito fraco, originando valores escuros na imagem). O
mapeamento da área de derrame de petróleo no dia 17 de novembro de 2002 será baseado
nesta característica das imagens SAR.

2.1 Delimitação automática do derrame

A delimitação automática do derrame pode ser realizada, de forma simples, a partir da
definição de um valor de limiar (threshold) correspondente ao máximo valor de píxel
considerado como pertencente à mancha de óleo e acima do qual se considera que não
há presença de petróleo. A imagem é então classificada em dois valores: 1 (óleo) e 0 ou
Nodata (não óleo).
a. Definição de um valor de limiar adequado para representar a presença de óleo na
água.

b. Em Propriedades da camada, separador Histograma, experimente diferentes

valores de limiar usando os valores Min e Max de representação do histograma. Vá
fazendo Aplicar para visualizar as diferenças. Experimente diferentes valores até
encontrar aquele que melhor se ajusta (tente por exemplo Min:300 e Max:301 como
primeira aproximação).

c. Uma vez definido o valor proceder à classificação da imagem usando a ferramenta

Calculadora Raster. Introduza o código abaixo alterando “SAR@1” para o nome
do raster a classificar e os valores 301 e 302 pelos valores máximos e mínimos
encontrados no ponto anterior.
( "SAR@1" <= 301)*1 + ("SAR@1" >302)*0

Desta operação resulta que os valores representados por 1 correspondem às zonas de

óleo e os valores 0 a todas as restantes áreas.
d. Proceda à limpeza da imagem usando um filtro apropriado. Experimente, por
exemplo, o filtro Majority filter presente em Ferramentas de Processamento►
SAGA(2.1.2)►Raster Filter com um raio de 4.

67
 e. Quando estiver satisfeito com o processo de filtragem, guarde a imagem raster final
com o nome Mancha.

2.2 Calcular a área afetada pelo derrame

a. Converta a imagem de formato raster para polígonos: Raster ► Conversão ►
Vectorizar (Raster para vector). Grave com o nome Mancha_v.

b. Com a ferramenta selecione os polígonos com o campo DN = 1.

c. Mantendo a seleção exporte a nova shapefile com o nome Mancha_v1

(BDLR►Guardar Como) tendo o cuidado de selecionar a opção Guardar apenas
os elementos selecionados.

d. Edite a nova camada vetorial de forma a eliminar o polígono externo.

Uma vez que a nossa camada vetorial se encontra com o sistema de coordenadas
geográficas, para efetuar o cálculo das áreas terá que proceder à sua projeção para um
sistema de coordenadas retangulares.

68
 e. Altere o sistema de coordenadas da camada para ETRS89 – PTM06
(BDLR►Propriedades►Geral►Sistemas de referência de coordenadas).

f. Abra a calculadora de campos e escolha a opção Criar um novo campo e

escreva Area como Nome do campo de saída. Escolha Número decimal (real)
no Tipo de campo de saída. Na expressão digite $area e faça OK. Sai do modo
de edição e grave os resultados.

g. Use a ferramenta para calcular a área total do derrame.

2.3 Deteção de embarcações

É possível detetar a presença de embarcações nas imagens SAR, de forma muito simples,
uma vez que estas apresentam um retorno muito forte do sinal (valores brancos) devido à
reflexão especular dupla. Desta forma, e à semelhança do que foi feito para detetar a
mancha de óleo, definir-se-á um valor de limiar para a identificação das embarcações,
sabendo que neste caso o retorno é mais forte (tons brancos).
a. Adicione novamente a imagem original ao QGIS.

b. Repita os pontos 2.1.b. e 2.1.c tendo em consideração a informação fornecida

anteriormente. Experimente os valores de limiar Min e Máx de 3000 e 3001
respetivamente como primeira aproximação.

c. Mascare as zonas de terra usando a função Cortador (Raster►Extração►Corte).

Use como camada máscara a shapefile Mask_Terra_Mask na pasta de exercícios
QGIS. Grave o Resultado como SAR_Mar.

d. Proceda à classificação deste novo raster usando os valores de limiar previamente

definidos no ponto b anterior. Nomeie a reclassificação como Barcos.

e. Converta a imagem de formato raster para polígonos:

Raster►Conversão►Vectorizar (Raster para vector). Grave com o nome
Barcos_v.

f. Edite a nova camada vetorial até ficar satisfeito com os resultados.

2.4 Produção de cartografia e disponibilização a terceiros

A produção de mapas temáticos é um dos objetivos da cartografia de emergência. A sua
disponibilização a terceiros pode efetuar-se, não só em formato raster ou vetorial mas,
também em formato PDF. Desta forma, proceder-se-á à produção de um mapa com a área
afetada pelo derrame e disponibilizar-se-á em formato PDF com informação geográfica
associada.
a. Represente a mancha de petróleo identificada na imagem SAR através de um mapa
semelhante ao da Figura 2. Use a ferramenta (Novo Compositor de
Impressão) e adicione a camada vetorial Mancha_v.

69
 b. Exportar o mapa em formato PDF usando o botão

Figura 2. Mapa temático da localização do derrame de petróleo ao largo da costa da Galiza.

Tabela 1. Características da imagem ASAR_WSM_1P. Retirado de:

http://envisat.esa.int/services/sample_products/asar/asar_sample_prducts.pdf

70
O NetCDF (Network Common Data Form) é um formato de arquivo projetado para suportar
a criação, acesso e partilha de dados científicos, muito utilizado pelos geocientistas,
especialmente nas comunidades que gerem dados atmosféricos e oceanográficos para
armazenar variáveis (temperatura, pressão, velocidade do vento, altura de onda, etc.).

O portal Copernicus Marine Environment Monitoring Service -

http://marine.copernicus.eu/ - constitui um importante repositório de dados oceanográficos
a nível europeu.
Marine data is an engine for “smart and sustainable growth” in the European Union, as
stated in the recent Marine Knowledge 2020 EC Communication. The Copernicus Marine
Service has been designed to respond to issues emerging in the environmental, business
and scientific sectors. Using information from both satellite and in situ observations, it
provides state-of-the-art analyses and forecasts daily, which offer an unprecedented
capability to observe, understand and anticipate marine environment events
http://marine.copernicus.eu/).

1. Descarregar a informação da temperatura superficial do oceano do

Portal Copernicus.

a. Navegue até ao endereço http://marine.copernicus.eu/.

72
 b. Na seleção por área escolha IBERIA-BISCAY-IRELAND REGIONAL SEAS.

c. Escolha o conjunto de dados IBI_ANALYSIS_FORECAST_WAV_005_005 e

consulte a descrição dos dados clicando em .

Os dados representam o produto IBF MFC: previsão de ondas de alta resolução de curto
prazo (5 dias) para a área IBI (Ibérica Biscay Irish). O sistema de modelo de onda MFC IBI
é executado diariamente pela Puertos del Estado e é baseado no modelo MFWAM, é
executado numa grelha de 10 km de resolução horizontal e forçado com os dados do vento
ECMWMF. Além de gerar o produto de previsão de 5 dias entregue aos usuários do
CMEMS, o sistema de ondas IBC MFC está configurando para fornecer internamente
alguns parâmetros de acoplamento adequados para serem usados como forçando numa
corrida acoplada de previsão de modelo de oceano IBI NEMO.

d. Inicie o download dos dados clicando em . Coloque as suas credenciais

para fazer o Log in, se ainda não for usuário crie uma nova conta.

73
 e. Escolha o produto IBI_ANALYSIS_FORECAST_WAV_005_005-HOURLY; como
data de inicio 2017-09-10 23:00:00 e de fim 2017-09-11 23:00:00 (Figura 1); e
escolha as variáveis VMDR e VHM0 (Figura 2).

Figura 1 – Escolha do intervalo de tempo.

Figura 2 – Escolha das variáveis.

f. Faça o download da imagem (canto superior/inferiro direito) e

novamente download no caixa SUBSETTER depois de calcular o tamanho do ficheiro

para as datas escolhidas . Grave o ficheiro na pasta do exrecício.

O sistema de downloads SUBSETER e DIRECT GET FILE apenas permitem fazer

download de ficheiros até 2048 Mb, mas usando o sistema FTP é possível fazer o download
de dados sem limitações.

74
 2. Abra o ficheiro descarregado de extensão .nc com a ferramenta .

a. Na janela de seleção da camada raster faça Selecionar todas e clique OK.

O QGIS reconhece de imediato que o ficheiro é um ficheiro NetCDF, aparecendo um menu

para selecionar qual o arquivo NetCDF que o utilizador deseja abrir, que sistema de
coordenadas de referência a ser usado e qual variável a importar. Se apenas uma variável
estiver disponível o QGIS cria automaticamente um ficheiro raster dessa variável.
No caso específico do nosso ficheiro, o QGIS deteta que o ficheiro não tem sistema de
coordenadas, atribuindo-lhe automaticamente o sistema de coordenadas geográficas
EPSG 4326, WGS84.
A ação anterior permitiu que fossem carregados para o QGIS os dois rasters com
informação referente a VHM0 e VMDR.

b. Selecione um esquema de cores que lhe pareça apropriado para cada uma das
variáveis e explore as diferenças. O que representam as variáveis VHM0 e VMDR?

3. Instalar o módulo NetCDF Browser que permite extrair os dados

temporais que queremos representar.

a. No separador Módulos -> Gerir e Instalar Módulos instale o módulo NetCDF

Browser.

75
b. Clicando em abra o módulo instalado.

c. Selecione o ficheiro NetCDF descarregado.

d. Escolha uma das variáveis para fazer a visualização e clique em Select para
escolher as datas a extrair. O QGIS abre uma janela com todas as datas disponíveis
e selecione 5 datas espaçadas de algumas horas.

76
e. Adicione as datas selecionadas ao QGIS fazendo Add Selection.

f. Edite cada uma das camadas raster com uma simbologia apropriada. Verifique que
a camada que está a editar corresponde à Banda (do menu propriedades) que
selecionou anteriormente, pois o ficheiro raster continua a conter toda a informação
temporal do ficheiro original.

4. Instalar o módulo Loop Visible Layers que permite visualizar cada

camada em sequência.

a. No separador Módulos -> Gerir e Instalar Módulos instale o módulo Loop

VisibleLayers.

b. Coloque visíveis as camadas rasters criadas pelo módulo anterior e cuja

simbologia foi editada, e coloque invisíveis as camadas NetCDF criadas no ponto
2.

c. Na janela do módulo clique em para ver a evolução da variável escolhida ao

longo do tempo.

77
Promotores e Parceiros Financiamento

Entidades Participantes

Apoios e Colaborações
View publication stats