O sensoriamento remoto é a aquisição de informações à distância. A NASA observa a Terra e outros corpos planetários por meio de sensores remotos em satélites e aeronaves que detectam e registram a energia refletida ou emitida. Sensores remotos, que fornecem uma perspectiva global e uma riqueza de dados sobre os sistemas da Terra, permitem a tomada de decisões informadas com base no estado atual e futuro do nosso planeta.

• Órbitas
• Observando com o espectro eletromagnético
• sensores
• resolução
• processamento, interpretação e análise de dados
• desbravadores de dados

Órbitas

Existem três tipos principais de órbitas nas quais residem os satélites: polar; não polar, órbita terrestre baixa e geoestacionária.

Os satélites de órbita polar estão em um plano orbital inclinado em quase 90 graus em relação ao plano equatorial. Essa inclinação permite que o satélite detecte todo o globo, incluindo as regiões polares, fornecendo observações de locais de difícil acesso pelo solo. Muitos satélites em órbita polar são considerados síncronos com o Sol, o que significa que o satélite passa sobre o mesmo local no mesmo tempo solar a cada ciclo.

As órbitas polares podem ser ascendentes ou descendentes. Em órbitas ascendentes, os satélites estão se movendo do sul para o norte quando seu caminho cruza o equador. Em órbitas descendentes, os satélites estão se movendo de norte a sul. A parceria conjunta NASA / NOAA Suomi National Polar-orbiting (Suomi NPP) é um exemplo de satélite em órbita polar que fornece cobertura diária do globo.

As órbitas baixas da Terra, não polares, estão a uma altitude normalmente inferior a 2.000 km acima da superfície da Terra. (Para referência, a Estação Espacial Internacional orbita a uma altitude de ~ 400 km.) Essas órbitas não fornecem cobertura global, mas cobrem apenas uma faixa parcial de latitudes. A Global Precipitation Mission (GPM) é um exemplo de satélite não polar de órbita terrestre baixa que cobre de 65 graus ao norte a 65 graus ao sul.

Os satélites geoestacionários seguem a rotação da Terra e viajam na mesma velocidade da rotação; por causa disso, os satélites parecem para um observador na Terra estar fixos em um local. Esses satélites capturam a mesma visão da Terra com cada observação e, portanto, fornecem cobertura quase contínua de uma área. Os satélites meteorológicos como a série Geostationary Operational Environmental Satellite (GOES) são exemplos de satélites geoestacionários.

Observação com o espectro eletromagnético

A energia eletromagnética, produzida pela vibração de partículas carregadas, viaja na forma de ondas através da atmosfera e do vácuo do espaço. Essas ondas têm diferentes comprimentos de onda (a distância de uma crista a outra) e frequências; um comprimento de onda mais curto significa uma frequência mais alta. Alguns, como ondas de rádio, microondas e infravermelho, têm um comprimento de onda mais longo, enquanto outros, como ultravioleta, raios-x e raios gama, têm um comprimento de onda muito mais curto. A luz visível fica no meio dessa faixa de radiação de ondas longas a curtas. Essa pequena porção de energia é tudo o que o olho humano é capaz de detectar. A instrumentação é necessária para detectar todas as outras formas de energia eletromagnética. A instrumentação da NASA utiliza toda a gama do espectro para explorar e compreender os processos que ocorrem aqui na Terra e em outros corpos planetários.

Algumas ondas são absorvidas ou refletidas por elementos da atmosfera, como a água vapor e dióxido de carbono, enquanto alguns comprimentos de onda permitem o movimento desimpedido pela atmosfera; a luz visível tem comprimentos de onda que podem ser transmitidos pela atmosfera. A energia de micro-ondas tem comprimentos de onda que podem passar pelas nuvens; muitos de nossos satélites meteorológicos e de comunicação tiram vantagem disso.

A principal fonte de energia observada pelos satélites é o sol. A quantidade de energia solar refletida depende da aspereza da superfície e de seu albedo, que é o quão bem a superfície reflete a luz em vez de absorvê-la.A neve, por exemplo, tem um albedo muito alto, refletindo até 90% da energia que recebe do sol, enquanto o oceano reflete apenas cerca de 6%, absorvendo o resto. Freqüentemente, quando a energia é absorvida, ela é reemitida, geralmente em comprimentos de onda mais longos. Por exemplo, a energia absorvida pelo oceano é reemitida como radiação infravermelha.

Todas as coisas na Terra refletem, absorvem ou transmitem energia, cuja quantidade varia de acordo com o comprimento de onda. Tudo na Terra tem uma “impressão digital” espectral única, assim como sua impressão digital é exclusiva para você. Os pesquisadores podem usar essas informações para identificar diferentes características da Terra, bem como diferentes tipos de rochas e minerais. O número de bandas espectrais detectadas por um determinado instrumento , sua resolução espectral determina quanta diferenciação um pesquisador pode identificar entre os materiais.

Para obter mais informações sobre o espectro eletromagnético, com vídeos complementares, veja o Tour do Espectro Eletromagnético da NASA.

Sensores

Sensores, ou instrumentos, satélites de bordo e aeronaves usam o sol como fonte de iluminação ou fornecem sua própria fonte de iluminação, medindo a energia que é refletida de volta. Sensores que usam energia natural do sol são chamados de sensores passivos; aqueles que fornecem sua própria fonte de energia são chamados de sensores ativos.

Os sensores passivos incluem diferentes tipos de radiômetros (instrumentos que medem quantitativamente a intensidade da radiação eletromagnética em bandas selecionadas) e espectrômetros (dispositivos que são projetados para detectar, medir e analisar o conteúdo espectral da radiação eletromagnética refletida). A maioria dos sistemas passivos usados por aplicativos de sensoriamento remoto opera nas porções visível, infravermelho, infravermelho térmico e micro-ondas do espectro eletromagnético. Esses sensores medem a temperatura da superfície terrestre e do mar, propriedades da vegetação, propriedades de nuvem e aerossol e outras propriedades físicas.

Observe que a maioria dos sensores passivos não conseguem penetrar a densa cobertura de nuvens e, portanto, têm limitações para observar áreas como os trópicos, onde a densa cobertura de nuvens é frequente.

Os sensores ativos incluem diferentes tipos de detecção e alcance de rádio ( radar), altímetros e dispersores. A maioria dos sensores ativos opera na banda de microondas do espectro eletromagnético, o que lhes dá a capacidade de penetrar na atmosfera na maioria das condições. Esses tipos de sensores são úteis para medir os perfis verticais de aerossóis, estrutura da floresta, precipitação e ventos, topografia da superfície do mar e gelo, entre outros.

A página Earthdata Sensores remotos fornece uma lista de todos os sensores da NASA Sensores passivos e ativos de ciências da terra. O que é o radar de abertura sintética? fornece informações específicas sobre este tipo de sensor de radar ativo.

Resolução

A resolução desempenha um papel na forma como os dados de um sensor podem ser usados. Dependendo da órbita do satélite e do projeto do sensor, a resolução pode variar. Existem quatro tipos de resolução a serem considerados para qualquer conjunto de dados – radiométrico, espacial, espectral e temporal.

A resolução radiométrica é a quantidade de informações em cada pixel, ou seja, o número de bits que representam a energia registrada. Cada bit registra um expoente de potência 2. Por exemplo, uma resolução de 8 bits é 28, o que indica que o sensor tem 256 valores digitais potenciais (0-255) para armazenar informações. Assim, quanto maior a resolução radiométrica, mais valores estarão disponíveis para armazenar informações, proporcionando melhor discriminação mesmo entre as menores diferenças de energia. Por exemplo, ao avaliar a qualidade da água, a resolução radiométrica é necessária para distinguir entre diferenças sutis na cor do oceano.

A resolução espacial é definida pelo tamanho de cada pixel em uma imagem digital e a área na superfície da Terra representada por esse pixel. Por exemplo, a maioria das bandas observadas pelo Espectrorradiômetro de Imagem de Resolução Moderada (MODIS), tem uma resolução espacial de 1km; cada pixel representa uma área de 1 km x 1 km no solo. O MODIS também inclui bandas com resolução espacial de 250 m ou 500 m. Quanto mais precisa a resolução (quanto menor o número), mais detalhes você pode ver. Na imagem abaixo, você pode ver a diferença na pixelização entre uma imagem de 30 m / pixel, uma imagem de 100 m / pixel e uma imagem de 300 m / pixel.

A resolução espectral é a capacidade de um sensor de discernir comprimentos de onda mais finos, ou seja, ter bandas mais estreitas. Muitos sensores são considerados multiespectrais, o que significa que têm entre 3 a 10 bandas. Sensores que possuem centenas a até milhares de bandas são considerados hiperespectrais. Quanto mais estreita for a faixa de comprimentos de onda de uma determinada banda, melhor será a resolução espectral. Por exemplo, o espectrômetro aerotransportado visível / infravermelho (AVIRIS) captura informações em 224 canais espectrais. O cubo à direita representa o detalhe nos dados. Nesse nível de detalhe, podem ser feitas distinções entre tipos de rochas e minerais, tipos de vegetação e outras características. No cubo, a pequena região de alta resposta, no canto superior direito da imagem, está na porção vermelha do espectro visível (cerca de 700 nanômetros), e é devido à presença de 1 centímetro de comprimento (meia polegada ) artémia vermelha na lagoa de evaporação.

Resolução temporal é o tempo que leva para um satélite completar uma órbita e revisitar a mesma área de observação. Esta resolução depende da órbita, das características do sensor e da largura de faixa. Como os satélites geoestacionários correspondem à taxa na qual a Terra está girando, a resolução temporal é muito mais precisa, em cerca de 30s – 1min. Os satélites em órbita polar têm uma resolução temporal que pode variar de 1 a 16 dias. Por exemplo, MODIS tem uma resolução temporal de 1-2 dias, permitindo-nos visualizar a Terra conforme ela muda dia a dia. O Landsat, por outro lado, tem uma largura de faixa mais estreita e uma resolução temporal de 16 dias; mostrando não mudanças diárias, mas bimestrais.

Por que não construir um sensor de alta resolução espacial, espectral e temporal? É difícil combinar todos os recursos desejáveis em um sensor remoto; para adquirir observações com alta resolução espacial (como Landsat), uma faixa mais estreita é necessária, o que por sua vez requer mais tempo entre as observações de uma determinada área, resultando em uma resolução temporal mais baixa. Os pesquisadores precisam fazer concessões. É por isso que é muito importante entender que tipo de dados são necessários para qualquer área de estudo. Ao pesquisar o clima, que é muito dinâmico ao longo do tempo, ter uma resolução temporal fina é fundamental. Ao pesquisar mudanças sazonais na vegetação, uma resolução temporal fina pode ser sacrificada por uma resolução espectral e / ou espacial mais alta.

Processamento, interpretação e análise de dados

Dados de sensoriamento remoto adquiridos de instrumentos a bordo de satélites requerem processamento antes que os dados sejam utilizáveis pela maioria dos pesquisadores e usuários de ciência aplicada. A maioria dos dados brutos de satélite de observação da Terra da NASA (Nível 0, consulte os níveis de processamento de dados) são processados nas instalações da Science Investigator-led Processing Systems (SIPS). Todos os dados são processados para pelo menos um Nível 1, mas a maioria tem produtos de Nível 2 (variáveis geofísicas derivadas) e Nível 3 (variáveis mapeadas em escalas de grade de espaço-tempo uniformes) associados. Muitos até têm produtos de nível 4. Os dados de ciências da Terra da NASA são arquivados em um dos Distributed Active Archive Centers (DAACs).

A maioria dos dados é armazenada no formato Hierarchical Data Format (HDF) ou Network Common Data Form (NetCDF).Numerosas ferramentas de dados estão disponíveis para subdividir, transformar, visualizar e exportar para vários outros formatos de arquivo.

Depois que os dados são processados, eles podem ser usados em uma variedade de aplicações, da agricultura aos recursos hídricos, saúde e qualidade do ar. Um único sensor não resolverá todas as questões de pesquisa em uma determinada aplicação. Os usuários muitas vezes precisam utilizar vários sensores e produtos de dados para responder às suas perguntas, tendo em mente as limitações dos dados fornecidos por diferentes resoluções espectrais, espaciais e temporais.

Criação de imagens de satélite

Muitos sensores adquirem dados em diferentes comprimentos de onda espectrais. Por exemplo, a banda um do Landsat 8 adquire dados a 0,433-0,453 micrômetros e a banda um do MODIS adquire dados a 0,620-0,670 micrômetros. O Landsat 8 tem um total de 11 bandas, enquanto o MODIS tem 36 bandas, todas medindo diferentes regiões do espectro eletromagnético. As bandas podem ser combinadas para produzir imagens dos dados para revelar diferentes características da paisagem. Freqüentemente, imagens de dados são usadas para distinguir as características de uma região que está sendo estudada ou para determinar uma área de estudo.

Para uma imagem de cores verdadeiras (vermelho, azul, verde (RGB)) do Landsat, bandas 4 , 3, 2 são combinados respectivamente; com a NASA / NOAA conjunta Suomi National Polar-Orbiting Partnership (Suomi NPP) Visible Infrared Imaging Radiometer Suite (VIIRS), uma imagem em cores reais é Vermelho = Banda I1, Verde = Banda M4, Azul = Banda M3. Imagens em cores reais mostram a Terra como você a veria de cima. Outras combinações, no entanto, podem ser usadas para aplicações científicas específicas – do monitoramento de enchentes ao delineamento da urbanização e ao mapeamento da vegetação. Por exemplo, com dados VIIRS, a criação de uma imagem em cores falsas (R = M11, G = I2, B = I1) é útil para distinguir cicatrizes de queimaduras de vegetação rasteira ou solo nu, bem como para expor áreas inundadas. Para ver mais combinações de bandas do Landsat, verifique o artigo Landsat Band Remix do NASA Scientific Visualization Studio ou o artigo do Earth Observatory Many Hues of London. Para outras combinações de bandas comuns, veja o artigo How to Interpret Common False-Color Images do Earth Observatory; o artigo fornece combinações de bandas comuns, mas também fornece informações sobre como interpretar as imagens.

Interpretação da imagem

Depois que os dados são processados em imagens com várias combinações de bandas, eles podem ajudar nas decisões de gestão de recursos e avaliação de desastres; a imagem só precisa ser interpretada. Existem algumas estratégias para começar (adaptadas de How to Interpret a Satellite Image do Observatório da Terra).

1. Conheça a escala – existem diferentes escalas com base na resolução espacial da imagem e cada escala fornece diferentes características importantes. Por exemplo, ao rastrear uma enchente, uma visão detalhada de alta resolução mostrará quais casas e empresas estão cercadas por água. A visão mais ampla da paisagem mostra quais partes de um condado ou área metropolitana estão inundadas e talvez de onde vem a água. Uma visão ainda mais ampla mostraria toda a região – o sistema de rios inundados ou as cadeias de montanhas e vales que controlam o fluxo. Uma visão hemisférica mostraria o movimento dos sistemas meteorológicos conectados às enchentes.
2. Procure padrões, formas e texturas – muitos recursos são fáceis de identificar com base em seu padrão ou forma. Por exemplo, as áreas agrícolas são de forma muito geométrica, geralmente círculos ou retângulos. Linhas retas são estruturas tipicamente feitas pelo homem, como estradas ou canais.
3. Defina cores – ao usar cores para distinguir características, é importante saber a combinação de bandas usada na criação da imagem. Imagens de cores verdadeiras ou naturais são basicamente o que veríamos com nossos próprios olhos se olhássemos do espaço para baixo. A água absorve a luz, então normalmente ela parece preta ou azul; no entanto, a luz do sol refletida na superfície pode fazer com que pareça cinza ou prateado. Os sedimentos podem afetar a cor da água, tornando-a mais marrom, assim como as algas, tornando-a mais verde. A vegetação varia de cor dependendo da estação: na primavera e no verão, é tipicamente um verde vivo; o outono pode ser laranja, amarelo e castanho; e o inverno pode ter mais marrons. O solo nu geralmente tem um tom de marrom; no entanto, depende da composição mineral do sedimento. As áreas urbanas são tipicamente cinzentas devido ao concreto extenso. O gelo e a neve são brancos, mas as nuvens também. É importante ao usar cores para identificar coisas para usar recursos ao redor para colocar as coisas em contexto.
4. Considere o que você sabe – ter conhecimento da área em que você está observando ajuda na identificação desses recursos.Por exemplo, saber que a área foi recentemente queimada por um incêndio pode ajudar a determinar porque a vegetação pode ser um pouco diferente.

Análise quantitativa

Diferentes tipos de cobertura da terra podem ser discriminado mais facilmente, usando algoritmos de classificação de imagem. A classificação da imagem usa a informação espectral de cada pixel individual. Um programa que usa algoritmos de classificação de imagem pode agrupar automaticamente os pixels no que é chamado de classificação não supervisionada. O usuário também pode indicar áreas de tipo de cobertura vegetal conhecido para “treinar” o programa para agrupar aqueles como pixels; isso é chamado de classificação supervisionada. Mapas ou imagens também podem ser integrados em um sistema de informações geográficas (SIG) e, em seguida, cada pixel pode ser comparados com outros dados GIS, como dados de censo. Para obter mais informações sobre a integração de dados de ciências da Terra da NASA em um GIS, verifique a página Earthdata GIS.

Os satélites também costumam carregar uma variedade de sensores que medem parâmetros biogeofísicos , como temperatura da superfície do mar, dióxido de nitrogênio ou outros poluentes atmosféricos, ventos, aerossóis e biomassa. Esses parâmetros podem ser avaliados por meio de técnicas de análise estatística e espectral.

Desbravadores de dados

Para Auxiliar na introdução à pesquisa baseada em aplicativos usando dados de sensoriamento remoto, o Data Pathfinders fornece um guia de seleção de produtos de dados com foco em disciplinas científicas e áreas de aplicação específicas, como as mencionadas acima. vide links diretos para os conjuntos de dados mais comumente usados e produtos de dados das coleções de dados de ciências da Terra da NASA e links para ferramentas que fornecem várias maneiras de visualizar ou subdividir os dados, com a opção de salvar os dados em diferentes formatos de arquivo.