Documente Academic
Documente Profesional
Documente Cultură
Loredana Copăcean
Mihai Valentin Herbei
TELEDETECŢIE
FUNDAMENTE TEORETICE
1
Coordonator colecţie:
Prof. univ. dr. Ioan PETROMAN
2
Cosmin Alin Popescu
Loredana Copăcean
Mihai Valentin Herbei
TELEDETECŢIE
FUNDAMENTE TEORETICE
Timişoara, 2015
3
Autori:
Conf. dr. ing. Cosmin Alin POPESCU
Universitatea de Ştiinţe Agricole şi Medicină Veterinară a Banatului
„Regele Mihai I al României”, Timişoara
Referenţi ştiinţifici:
Conf. univ. dr. Marcel TÖRÖK-OANCE
Universitatea de Vest, Timişoara
CIP
Editura Eurostampa
Timişoara, Bd. Revoluţiei din 1989 nr. 26
Tel/Fax: 0256 204 816
edituraeurostampa@gmail.com
www.eurostampa.ro
Tipărit la Eurostampa
4
CUPRINS
Introducere ........................................................................................................... 7
Capitolul 1 Noţiuni generale ............................................................................... 9
1.1. Definiţia şi obiectul de studiu al teledetecţiei ................................................. 9
1.2. Istoricul şi dezvoltarea teledetecţiei ............................................................. 12
1.2.1. Evoluţia cantitativă şi calitativă ......................................................... 12
1.2.2. Evoluţia metodelor de analiză a datelor ............................................. 16
1.3. Teledetecţia la nivel internaţional şi naţional ............................................... 17
Capitolul 2 Bazele fizice ale teledetecţiei .......................................................... 19
2.1. Radiaţiile electromagnetice .......................................................................... 19
2.2. Spectrul electromagnetic .............................................................................. 21
2.3. Propagarea radiaţiilor în atmosferă .............................................................. 24
2.4. Sursele de radiaţii utilizate în teledetecţie ..................................................... 25
2.5. Efecte atomsferice asupra radiaţiei electromagnetice şi interacţiunea
cu obiectele de pe suprafaţa terestră ............................................................. 27
2.6. Comportamentul spectral al unor componente
ale mediului înconjurător ............................................................................. 31
2.6.1. Reflectanţa şi radianţa spectrală ......................................................... 31
2.6.2. Emisia ................................................................................................. 34
2.6.3. Semnătura spectrală ............................................................................ 36
2.6.4. Reflectanţa spectrală a vegetaţiei, solului şi apei
în vizibil şi infraroşu apropiat............................................................. 38
2.6.4.1. Reflectanţa spectrală a vegetaţiei ............................................ 38
2.6.4.2. Reflectanţa spectrală a solurilor şi rocilor de Alterare ........... 42
2.6.4.3. Reflectanţa spectrală a apei ..................................................... 44
Capitolul 3 Mijloace şi tehnici de teledetecţie ................................................... 45
3.1. Mijloace şi tehnici ale teledetecţiei pasive .................................................... 47
3.2. Mijloace şi tehnici ale teledetecţiei active ..................................................... 52
Capitolul 4 Sisteme de sateliţi ........................................................................... 62
4.1. Sateliţi comerciali .......................................................................................... 62
4.1.1. Misiunea Landsat ................................................................................ 63
4.1.2. Misiunea SPOT ................................................................................... 71
4.1.3. Sateliţii Ikonos şi QuickBird .............................................................. 76
4.1.4. Programul european ERS ................................................................... 79
4.2. Sateliţi militari ............................................................................................... 81
5
Capitolul 5 Imagini de teledetecţie .................................................................... 82
5.1. Generalităţi .................................................................................................... 82
5.2. Rezoluţia imaginilor de teledetecţie .............................................................. 85
5.3. Interpretarea imaginilor de teledetecţie ......................................................... 96
5.3.1. Etape ale interpretării imaginilor de teledetecţie ................................ 97
5.3.2. Criterii de interpretare a imaginilor de teledetecţie ............................ 99
Capitolul 6 Preprocesarea imaginilor de teledetecţie .................................... 104
6.1. Rectificarea imaginilor ................................................................................ 104
6.1.1. Corecţiile radiometrice ..................................................................... 105
6.1.2. Corecţiile geometrice ........................................................................ 109
6.2. Nivele de preprocesare a imaginilor ............................................................ 113
Capitolul 7 Procesarea numerică a imaginilor de teledetecţie ...................... 115
7.1. Ameliorarea imaginilor................................................................................ 115
7.1.1. Îmbunătăţirea contrastului ................................................................ 115
7.1.2. Diferenţierea tonurilor de culoare ..................................................... 120
7.1.3. Filtrarea spaţială................................................................................ 121
7.2. Segmentarea şi mozaicarea imaginilor ........................................................ 122
7.2.1. Segmentarea ...................................................................................... 122
7.2.2. Mozaicarea ........................................................................................ 124
7.3. Combinaţii de benzi spectrale...................................................................... 125
7.4. Operaţii de transformare a imaginilor ......................................................... 138
7.4.1. Obţinerea indicilor prin diferite metode de transformare ................. 139
7.4.1.1. Indici obţinuţi prin ransformarea Tasseled Cap .................... 139
7.4.1.2. Indicii de vegetaţie ................................................................. 140
7.4.1.3. Indicii normalizaţi de diferenţiere ......................................... 145
7.4.2. Combinaţii pansharpened ................................................................. 155
7.4.3. Analiza componentelor principale .................................................... 158
7.4.4. Operaţii de aritmetică spectrală ........................................................ 160
7.4.4.1. Adunarea şi scăderea imaginilor satelitare ........................... 161
7.4.4.2. Înmulţirea şi împărţirea imaginilor satelitare ....................... 163
7.5. Clasificarea imaginilor satelitare ................................................................. 168
7.5.1. Clasificarea nesupervizată ................................................................ 171
7.5.2. Clasificarea supervizată .................................................................... 174
Bibliografie ........................................................................................................ 181
6
INTRODUCERE
7
8
Capitolul 1
NOŢIUNI GENERALE
A - Sursa de energie
B - Radiaţia şi atmosfera
C - Interacţiunea cu
anumite obiecte
D - Înregistrarea energiei
de către senzor
E - Transmisia, recepţia şi
procesarea
F - Interpretare şi analiza
G - Aplicaţii
11
• în prezent - monitorizarea şi analiza schimbărilor survenite
• pentru viitor – estimări şi simulări ale unor situaţii posibile.
Cele prezentate anterior evidenţiază importanţa teledetecţiei ca
ştiinţă, dată de posibilităţile mari ale acesteia de inventariere a resurselor
naturale terane şi supraterane, localizarea acestora pe reprezentări
cartografice sau pe imagini vizualizate direct, materializate prin baze de
date absolut necesare pentru managementul lor durabil [56].
a. b.
Foto 1.1 a - Fotografie realizată din balon de către Nadar [61];
b – fotografia oraşului Boston, SUA [62]
12
- sateliţii Laussedat realizează, începând cu ultimele două decenii ale
secolului al XIX-lea fotografii aeriene folosind o cameră fotografică
montată pe un zmeu
- în anul 1864 apare fotogrammetria (definită mai târziu, în 1893), în
Germania, inventată de Meydenbauer, domeniu care foloseşte
fotografiile terestre pentru măsurători, utilizate în special în
realizarea planurilor pentru construcţii [32]; dezvoltarea ulterioară a
fotogrammetriei a fost posibilă numai după apariţia primelor
stereoscoape, respectiv: stereoscopul cu oglinzi (R. Wheatstone –
1838), stereoscopul cu lentile (D. Brewster – 1849) şi stereoscopul
cu patru oglinzi, asemănător cu cel care este folosit şi în prezent
(Helmholz – 1857)
- prima peliculă color a fost pusă la punct in 1895 [40], prin separarea
celor trei culori de bază, folosind pigmenţi roşii, galbeni şi albaştri
[56] dar a fost necesară aşteptarea până în 1935 a apariţiei primului
film color comercial al societăţii Kodak [14]
- în 1904 este realizată prima fotografie aeriană (în 1897 după unii
autori), folosind o rachetă, de către suedezul Maul [32], în care este
ilustrat un peisaj dintr-un oraş suedez
- în anul 1908 la LeMans (Franţa) şi 1909, la Centocelle (Italia), este
realizată prima fotografie din avion, de către Wilbur Wright, unul
dintre inventatorii aparatului de zbor
- în anul 1911 este realizată, în ţara noastră, la Bucureşti, prima
fotografie din avion, de către Aurel Vlaicu [56]
- până la începutul primului Război Mondial, un rol foarte important
în misiunile de recunoaştere militară l-au avut camerele „deplasate”
cu ajutorul avioanelor şi manevrate de către aviatori
- dupa anul 1919 şi în Romania, fotografierea aeriană devine, pe lângă
instrument de utilitate militară şi mijloc de interes civil (primele
aplicaţii vizau dezvoltarea oraşelor); în anul 1930 apare un prim
articol de popularizare a fotografiei aeriene in geografie [147]
- în timpul primului Război Mondial utilizarea fotografiilor aeriene în
scopuri militare, prezintă o importanţă majoră, dezvoltându-se rapid
ramura fotointerpretării imaginilor pentru obţinerea informaţiilor
dorite [56]
- după cum am menţionat anterior, perioada interbelică coincide cu
apariţia primelor aplicaţii civile ale fotografiilor aeriene; la mijlocul
anilor 1930, la Berlin (1935) s-au reunit, în cadrul unui congres
internaţional, geografii interesaţi de utilizarea fotografiilor aeriene în
cercetările lor [32]
13
- în 1931 a fost pus la punct primul film sensibil la banda intermediară
de infraroşu [40]
- în timpul celui de-al doilea Război Mondial, tehnicile de teledetecţie
aeriene au fost ameliorate prin dezvoltarea captatorilor radar (în
Anglia), al căror principiu era formulat de către Hertz încă din anul
1889 [40]
- după al doilea Război Mondial, se pătrunde în etapa in care apar
primele imagini de teledetecţie satelitară, folosind alte tehnici decât
fotografierea aeriană [147], care a constituit singurul instrument
standard pentru colectarea de imagini ale suprafeţei terestre în
perspectivă verticală sau oblică
- în 1948 se realizează prima fotografie extraatmosferică a
Pământului, de pe racheta V2, în New Mexico, SUA [147]; aceste
rachete, de origine germană (foto 1.2) au fost lansate la peste 100
km altitudine, una dintre ele fiind echipată cu o cameră, care a
înregistrat imagini ale suprafeţei terestre
Foto 1.3 Satelitul ERTS – Landsat 1 (prelucrare după [43] citat de [129])
15
- în intervalul temporal 1980 - 1996, sunt iniţiate misiuni de
teledetecţie orientate către imagini de rezoluţie spaţială medie
(SPOT lansat în 1986, IRS din India în 1988, JERS din Japonia în
1992, Radarsat din Canada în 1996, etc)
- în 1999, pe lângă lansarea satelitului Landsat 7, este iniţiată misiunea
IKONOS, de către SUA, prima aplicaţie comercială cu imagini de
mare rezoluţie spaţială (4 m, 1 m), urmată, în 2001 de misiunea
QuickBird, cu imagini cu rezoluţii spaţiale de 0,65 şi 2,5 m [32]
- în România, din anul 1992 funcţionează Centrul Român pentru
Utilizarea Teledetecţiei în Agricultură (CRUTA), centru specializat în
aplicaţii ale imaginilor de teledetecţie în acest domeniu, care continuă,
într-o nouă etapă, proiectele începute după 1960 în cadrul fostului
IGFCOT şi de asemenea, se înfiinţează Agenţia Spaţială Română din
1995, care va promova aplicaţii ale teledetecţiei în cercetarea
mediului înconjurător, a riscurilor naturale, a resurselor, etc [31].
16
precum oamenii, asociind forma obiectelor cu funcţia lor. Aceasta induce
o serie întreagă de întrebări despre noţiunile de scală în peisajele
observate, frecvenţele spaţiale, dimensiunea fractală a mediului şi relaţiile
între formele şi funcţiile utilizării solului [40].
O gamă întreagă de posibilităţi de reglare a imaginilor există în
panoplia informatică, precum şi ameliorări ale contrastului şi ale
componenţilor principali [6]. Totuşi, cele mai interesante fac apel la nişte
combinaţii de imagini de rezoluţii diferite sau chiar la sateliţi diferiţi,
utilizând proprietăţi spectrale şi spaţiale în viziune umană. Putem deci să
vorbim de interpretare asistată de calculator, care combină posibilităţile de
analiză umană şi informatizată [40].
17
Institutul Geografic Naţional (IGN)
Gruparea pentru Dezvoltarea Teledetecţiei Aerospaţiale (GDTA)
Universitatea din Paris - a pus bazele, în anul 1984, la
Metodele fizice ale teledetecţiei - şi Universitatea Louis
Pasteur din Strasbourg - a construit un program similar
incluzând fizica şi tratamentul numeric al imaginilor
Biroul de Cercetări Geologice şi Miniere (BRGM)
Institutul Naţional al Cercetării Agronomice (INRA)
Biroul de Cercetare Ştiinţifică şi Tehnică din Străinătate
(ORSTOM) redenumit Institutul Francez de Cercetare
Ştiinţifică pentru Dezvoltarea Cooperării
În Asia
Thailanda, India, Japonia (deţin sateliţi de teledetecţie şi în
prezent lucrează la punerea în funcţiune a produselor derivate)
În Canada
Centrul Canadian de Teledetecţie
Proiectul RADARSAT (un proiect realizat cu participarea a 4
provincii şi mai multor ministere federale)
Centrele universitare din provinciile Ontario, Manitoba,
Alberta. Quebec (având în vedere faptul că gestionarea
resurselor naturale este o responsabilitate provincială)
În România
se poate afirma că ţara noastră este cunoscută ca una dintre
ţările cu tradiţie aerospaţială şi posedă calităţile necesare
pentru sprijinirea eforturilor în aceasta direcţie [40], având
personalităţi precum: Conrad Haas (constructorul primei
rachete în trepte cu stabilizatoare delta), Aurel Vlaicu (primul
român inginer în aeronautică), Traian Vuia (proiectantul
primului aparat autonom de zbor, în 1906), Henri Coandă
(proiectantul primului avion cu reacţie, în 1910) [148]
contribuţii la peste 30 misiuni spaţiale, ştiinţifice şi tehnologice
din anul 1977 este operaţională staţia Intelsat, cu două antene
Agenţia Spaţială Română (ASR), în cadrul căreia funcţionează
Centrul Român pentru Utilizarea Teledetecţiei în Agricultură
(CRUTA).
18
Capitolul 2
BAZELE FIZICE ALE TELEDETECŢIEI
Fig. 2.1 Radiaţia electromagnetică compusă din unde în câmpuri magnetic şi electric [65]
19
Aşadar, acolo unde există un câmp magnetic variabil în timp, ia
naştere un câmp electric şi invers - principiul teoriei electromagnetice
“prezis” de J. C. Maxwell în 1864 [64] - însoţite de energie.
Energia iniţială este transformată alternativ şi permanent dintr-o
formă în cealaltă (electrică în magnetică şi invers), iar procesul se repetă
ducând la propagarea acestui cuplu de câmpuri [63].
Radiaţia electromagnetică are o natură duală: pe de o parte, în
anumite procese, se comportă ca un flux de particule (fotoni sau cuante) –
la emisie, absorbţie, în general în fenomene cu o extensie temporală şi
spaţială mică – iar pe de altă parte, are proprietăţi de undă - în propagare şi
alte fenomene extinse pe durate şi distanţe mari [63].
Radiaţia electromagnetică poate străbate vidul (se propagă cu
viteza luminii) şi poate afecta particulele din mediul fizic prin schimbarea
proprietăţilor lor electronice, de vibraţie şi de rotaţie. Fiecare cuantă are
asociate câmpuri electric şi magnetic ce oscilează ca unde sinusoidale
perpendiculare unul pe celălalt şi faţă de direcţia de propagare (fig. 2.1).
Distanţa dintre maxime este lungimea de undă ( ), iar numărul de vibraţii
ce trec printr-un punct într-o secundă reprezintă frecvenţa ( ).
Lungimea de undă se exprimă în metrii şi submultiplii ai metrului,
iar frecvenţa se exprimă în hertzi (Hz) sau 1/secundă (1/s) şi supraunităţi
ale hertzului.
Conform celor prezentate anterior, undele electromagnetice au, ca
principale proprietăţi lungimea de undă, frecvenţa, amplitudinea şi faza
[65], dintre acestea, pentru mijloacele de teledetecţie, importanţa majoră o
are lungimea de undă.
Indiferent de tipul radiaţiei electromagnetice, relaţiile dintre lungimea
de undă, frecvenţă şi energie se exprimă prin următoarea formulă [65]:
= c / f = hc / E (2.1)
în care:
- lungimea de undă (m)
f – frecvenţa (Hz)
c – viteza luminii (3x10-8 m/s)
h – constanta lui Planck (6,6260755(40)x10-34 Jouli x secundă)
E – energia.
20
unei lungimi de undă mare, impune ca sistemul de detecţie să “vadă”
areale mari de sol pentru a înregistra semnalul [18].
Energia electromagnetică este generată de câteva mecanisme,
precum: schimbările în nivelele energetice ale electronilor, accelerarea
sarcinilor electrice, mişcările termice ale atomilor şi moleculelor,
înjumătăţirea substanţelor radioactive, etc [143].
Se poate afirma că, principiul fundamental al metodelor şi
sistemelor de teledetecţie este simpla măsurare a nivelurilor variabile de
energie ale unei singure entităţi, fotonul (unitatea de bază în câmpul
forţelor electromagnetice). Variaţia energiei acestuia este legată de
parametrii precum lungimea de undă sau frecvenţa.
Procesul formării imaginilor presupune prezenţa unei surse de
energie electromagnetică, transmiterea energiei de la sursă la suprafaţa
investigată, reflexia sau emisia energiei de la suprafaţă spre senzorul care
o înregistrează şi transformarea acesteia într-o imagine vizibilă [144].
Tabelul 2.1
Spectrul electromagnetic [40]
Lungimi de Aparate de
Domenii spectrale
undă teledetecţie
Scanner
Ultraviolet 290-400 nm
ultraviolet
Violet 400-430 nm
Indigo 430-495 nm Scanner
multispectral
Albastru 495-505 nm
(fotografii
Vizibil Verde 505-570 nm 400-700 nm
multispectrale
Galben 570-590 nm
alb-negru şi
Orange 590-620 nm color).
Roşu 620-700 nm
IR apropiat 750-3000 nm Scanner infraroşu
750-14000
Infraroşu IR mediu 3000-8000 nm şi termograf
nm
IR termic 8000-14000 nm infraroşu.
K 0,75-2,4 cm
X 2,4-3,75 cm
Radar C 3,75-7,5 cm Radar, Scanner
Microunde S 7,5-15 cm 0,75-136 cm HF, Radiometru
HF L 15-30 cm HF.
UHF 30-100 cm
P 100-136 cm
22
- Radiaţiile ultraviolete (UV), sunt absorbite la nivelul stratului de
ozon atmosferic şi nu sunt utilizate în teledetecţie, cu excepţia UV
fotografic (lungimi de undă între 300 - 400 nm), care se pot
înregistra sub formă de imagini cu filme sau senzori speciali
24
Analizând fig. 2.4, se observă că ferestrele atmosferice sunt
evidenţiate prin vârfurile curbei care semnifică rata de transmisie
atmosferică, în timp ce intervaele marcate cu culoarea gri sunt prezente în
condiţiile absorbţiei radiaţiilor de către unele componente ale atmosferei
(spre exemplu ozonul pentru ultraviolete sau unele radiaţii calorice, vapori
de apă pentru unele radiaţii infraroşii).
Ratele cele mai mari de transmisie coresopund radiaţiilor din
domeniul vizibil şi parţial, pe intervale, din infraroşu şi microunde (fig.
2.4).
Aplicaţiile teledetecţiei utilizează astfel ferestrele atmosferice,
deoarece radiaţia electromagnetică tranzitează de două ori atmosfera şi
trebuie să ajungă cât mai puţin alterată la senzori, mai ales în cazul celor
satelitari plasaţi pe orbite ce depăşesc limita atmosferei, la 400 km la
Ikonos, 700 - 900 km la Landsat (din diferite generaţii) şi chiar 36000 km
la sateliţi meteorologici geostaţionari [31].
25
cUv
L
4 (2.2)
deoarece acest element de sursă emite în toate direcţiile;
în care:
Lὺ - luminanţa spectrală
Uv - densitate de energie totală care se propagă în toate direcţiile;
c - viteza luminii.
2h 3v
L hv
c2 e KT
1
(2.3)
în care:
Lὺ - luminanţa spectrală
c - viteza luminii;
hv – energia fotonilor;
K = 1,38*10-23 joules (constanta lui Boltzmann);
T – temperatura în grade Kelvin.
2hc2
L hv
5 KT
e 1
(2.4)
Această formulă presupune ca, corpul negru să fie Lambertian
(luminanţa să nu depindă de unghiurile de observare sau de lumină), mai
presupune ca luminanţa să fie independentă de natura corpurilor, doar
temperatura poate să intervină [40].
2. Emitanţa spectrală a corpului negru este dată de formula [40]:
5
D1
M *L
e c2 1
T (2.5)
4
în care: D1 c1 ; c 2 1,439 *10 * K.
26
Lungimea de undă corespunzătoare nivelului maxim de emisiune
este dată în funcţie de temperatură. Ea este exprimată prin următoarea
formulă (Legea lui Wien):
2897
M m
T (2.6)
Soarele, fiind asimilat unui corp negru la o temperatură de 6000˚K
are un maxim de emisiune la 0,480 μm, respectiv 480 nm. Terra
corespunde unui corp negru la o temperatură de 300˚K şi are un maxim de
emisiune la 9,60 μm [40].
În vizibil şi în banda intermediară de infraroşu, Soarele constituie
deci sursa de radiaţii electromagnetice, iar receptorii teledetecţiei
înregistrează energia solară reflectată de obiectele suprafeţei terestre.
Din contră în infraroşul termic, Pământul este cel care constituie
sursa de radiaţie electromagnetică. În infraroşul mediu, Soarele este ziua
sursă de radiaţie, în timp ce Pământul, noaptea.
Pentru lungimi de undă diferite de cele care au fost prezentate, în
special pentru lungimile de undă de ordinul centimetrilor, se utilizează alte
surse fabricate de către om (radar activ, scaterometre).
29
În infraroşu, se observă benzi de absorbţie de 2,7 până la 5 μm
datorate bioxidului de carbon şi vaporilor de apă.
Ozonul are o bandă de absorbţie de 9,6 μm şi azotul de 4,3 μm. Cu
cât grosimea atmosferei traversate de radiaţia solară este mai mare, cu atât
radiaţia solară directă este mai slabă.
Atmosfera este opacă pentru radiaţia infraroşie de 22 μm până la 1
mm, ceea ce explică neutilizarea acestei porţiuni a spectrului în teledetecţie.
În microunde, atmosfera este transparentă de la 3 cm în sus, dar
devine opacă pentru lungimi de undă ce depăşesc 30 m, pentru care se
intră în interacţiune cu ionosfera [40].
Radiaţiile X şi γ sunt absorbite complet de către stratul de ozon, iar
radiaţiile UV în mare măsură. După cum am specificat anterior, regiunile
spectrale cu absorbţia cea mai redusă se numesc ferestre atmosferice [18].
5. Emisiunea proprie (autoemisia). Ca şi suprafaţa Pământului,
atmosfera emite radiaţii datorită stării sale termale. Aceasta este mai
semnificativă în subdomeniul IR mediu, deoarece temperatura atmosferei
este relativ mică [18].
Altfel spus, atmosfera retransmite o parte a radiaţiei primite, ceea
ce contribuie la creşterea fluxului măsurat de către captator. Această
luminanţă atmosferică se adaugă valorii fluxului reflectat sau emis de către
suprafaţa terestră, ceea ce impune necesitatea modelării efectelor
atmosferei asupra fluxurilor măsurate, în special pentru sateliţi, pentru
care aceste efecte sunt foarte importante [40].
De asemenea, efectul de autoemisie a atmosferei poate fi redus şi
prin restrângerea observaţiilor într-o fereastră atmosferică mai bună [57].
Sub efectul atmosferei şi a proceselor specifice planetei noastre, din
cantitatea de radiaţie solară, cca. 50% ajunge pe suprafaţa terestră (fig. 2.7).
p = ER / EI * 100 (2.7)
în care:
p - reflectanţa (%)
ER - energia radiaţiei luminoase reflectată (W)
EI - energia radiaţiei luminoase incidentă (W).
32
Fiecare obiect din natură prezintă o curbă de reflectanţă spectrală (fig.
2.10). Aceasta reprezintă un grafic care evidenţiază variaţia reflectanţei unui
obiect, in funcţie de lungimea de undă a radiaţiei electromagnetice [58].
O presupunere fundamentală în teledetecţie este aceea că
reflectanţa spectrală este o caracteristică unică a fiecărui obiect [68], pe
baza acesteia fiind posibilă identificarea şi analiza obiectului sau
fenomenului respectiv, prin mijloace şi metode specifice.
În cele ce urmează, vom face o prezentare succintă a refelctanţei
diferitelor obiecte sau fenomene în funcţie de domeniile spectrale.
În domeniul vizibil – infraroşu apropiat, sursa de radiaţie
electromagnetică este Soarele.
Fluxul reflectat se măsoară prin spectroradiometre. Dacă unghiul de
deschidere al aparatului este mare, se măsoară reflectanţa emisferică, iar dacă
unghiul de deschidere este îngust, se măsoară reflectanţa bidirecţională [40].
De la lansarea primului satelit din seria Landsat (1972), au devenit
indispensabile măsurătorile de reflectanţă. Astfel, au fost proiectate
diferite radiometre cu benzi de trecere, de exemplu de la Landsat MSS sau
Landsat TM, la satelitul francez SPOT.
În domeniul microunde, în teledetecţia activă, dispunem de o
sursă artificială ce emite o radiaţie de lungime de undă precisă. Lungimile
de undă cel mai frecvent utilizate sunt [40]:
- 3 la 4 cm (bandă X de frecvenţe de la 9 la 10 GHz)
- 4 la 7 cm (banda C de frecvenţe de la 4 la 6 GHz)
- 15 la 30 cm (banda L de frecvenţe de la 1 la 2 GHz)
Se măsoară energia retrodifuzată, reflectată în direcţia receptorului.
Semnalul retrodifuzat (σ0) se defineşte prin relaţia [40]:
K * R 4 * Pr
O
Sr (2.8)
în care:
O - semnalul retrodifuzat
K - coeficientul de etalonaj;
R - distanţa între suprafaţa vizată şi antenă (m);
Pr - puterea primită (dB);
Sr - aria urmei lăsate pe sol (m2).
2.6.2. Emisia
34
(2.9)
în care:
W – energia radiată (Joule);
ε – emisivitatea (emitanţa spectrală a suprafeţei/emitanţa corpului negru
la aceeaşi temperatură);
σ – constanta lui Boltzmann (5,6687 * 10-8 watts m-2˚K-4);
T – temperatura (grade Kelvin).
(2.10)
în care:
LBλ – luminanţa corpului negru;
T – temperatura corpului negru (grade Kelvin);
λ – lungimea de undă de emisiune (metri);
K – constanta lui Boltzmann.
(2.11)
în care:
Lλ (Φ, T) – luminanţa spectrală a corpului natural la temperatura T pentru
un unghi de emisiune Φ; eλ
(Φ) – emisivitatea la un coeficient de emisiune a corpului considerat
pentru unghiul de emisiune Φ.
35
(2.12)
în care:
i, j – polarizări ortogonale;
ei – emisivitate în direcţia θoΦo pentru o polarizare dată;
γ – parametru retur pentru o frecvenţă dată;
Tg – temperatura fizică a solului pentru polarizările i şi j;
Ts – temperatura fizică a cerului pentru fiecare polarizare.
38
Fig. 2.14 Reflectanţa vegetaţiei [68]
39
Pigmenţii nu mai intervin în comportamentul spectral al vegetaţiei
în acest domeniu, reflectanţa şi capacitatea de înregistrare a acesteia de
către senzori fiind determinată de celulele plantelor.
În secţiune transversală (simplificată) frunza are următoarea
structură (fig. 2.16):
- o cuticulă ceroasă – care acoperă epiderma superioară
- un strat de celule formând epiderma superioară
- o hipodermă mai mult sau mai puţin dezvoltată
- un parenchim palisadic, ţesut format din celule alungite (celule
palisadice), bine ordonate, conţinând din abundenţă cloroplaste
- un parenchim lacunos (mezofilul foliar) cu celule de formă
neregulată care formează o reţea netedă cu numeroase intervale
intercelulare sau goluri umplute de aer, de vapori de apă
- un strat de celule, formând epiderma inferioară, unde se găsesc în
principal stomatele care asigură fenomenul de transpiraţie al frunzei
- o cuticulă subţire care acoperă epiderma inferioară.
40
Posibilităţile de transmitere a undelor electromagnetice sunt limitate, ele
sunt fie transmise, fie absorbite.
În parenchimul lacunos (mezofilul foliar), celulele au o formă
sferică şi există numeroase lacune cu diferite substanţe, astfel, prezenţa
mediilor cu indici de refracţie diferiţi conduc la o posibilitate de reflexie a
radiaţiei înspre suprafaţa superioară a frunzei. Parenchimul lacunos este
principalul responsabil pentru reflexia în banda intermediară de infraroşu.
Dacă frunzele unei vegetale se usucă (maturitate sau îmbătrânire),
parenchimul lacunos îşi pierde structura, celulele se aplatizează, lacunele
se reduc, reflectanţa fiind astfel perturbată [40].
3. Reflectanţa vegetaţiei în domeniul infraroşu apropiat (peste 1,4
μm). Comportamentul spectral al vegetalelor în acest domeniu este în funcţie
de conţinutul în apă. O vegetaţie clorofiliană, în bună stare de sănătate are o
curbă de reflectanţă ce prezintă o diminuare importantă la 1,45 μm şi 1,9 μm
corespunzătoare unor benzi de absorbţie a apei (fig. 2.14).
Dacă planta este în curs de maturizare, suferă de stress hidric sau
de o boală, conţinutul său în apă va fi mai scăzut, iar benzile de absorbţie
la 1,45 μm şi 1,9 μm vor fi puţin sau chiar deloc marcate.
Domeniul infraroşu apropiat este de o importanţă majoră pentru
observarea şi cartografierea zonelor acoperite de vegetaţie, mai ales
datorită faptului că gradientul pronunţat de reflectanţă la 0.7 - 0.9 μm este
produs numai de vegetaţie (fig. 2.10).
După cum am menţionat anterior, din cauza conţinutului în apă din
frunze, există două benzi de absorbţie, la 1.5 μm şi 1.9 μm. Acest fapt este
de asemenea folosit pentru supravegherea stadiului de dezvoltare al
vegetaţiei [68].
De asemenea, în funcţie de curbele de reflectanţă spectrală pot fi
identificate diferitele specii vegetale (fig. 2.17).
41
După cum se poate observa în fig. 2.17, forma curbelor de
reflectanţă a celor trei specii vegetale este diferită, ceea ce permite
utilizarea lor pentru identificarea tipuluilor de vegetaţie (curbele spectrale
ale vegetaţiei, în ansamblu, sunt diferite faţă de alte tipuri de suprafeţe,
însă şi în cadrul acestei formaţiuni, sunt evidenţiate unele diferenţieri care
permit analiza la nivel de detaliu).
44
Capitolul 3
MIJLOACE ŞI TEHNICI DE TELEDETECŢIE
45
- cu înaltă rezoluţie spaţială (3 – 80 m): MSS, TM, ETM+ pe sateliţii
Landsat, HRV pe SPOT
- cu medie rezoluţie spaţială (80 – 1000 m): AVHRR pe NOAA,
VEGETATION pe SPOT
- cu rezoluţie spaţială mică (peste 1000 m) - sateliţi meteorologici.
Echipamentele de achziţie a datelor sunt susţinute de vectorii
purtători (platforme purtătoare).
În funcţie de tipul de aplicaţii pentru care au fost lansaţi şi de durata
de existenţă, sateliţii de teledetecţie utilizează două tipuri de orbite [149]:
- geostaţionare ecuatoriale – satelitul este amplasat într-un punct fix,
la o altitudine de 3600 km, deasupra unui punct al ecuatorului
(METEOSAT); nu au raza de acoperire globală, însă furnizează
imagini cu frecvenţă foarte mare (o imagine la jumătate de oră)
- heliosincrone cvasi-polare (SPOT Landsat, ERS, etc.) – cu
altitudinea mult mai joasă, între 700 – 1200 km şi trec mereu la
verticala aceluiaşi punct de pe orbită la aceeaşi oră solară.
Principiile (mijloacele) de teledetecţie pot fi clasificate, în funcţie
de diferite criterii, respectiv [32]:
1. În funcţie de provenienţa radiaţiei electromagnetice:
- principii pasive
- principii active
2. În funcţie de modalitatea de obţinere a informaţiilor:
- principii convenţionale (fotografice)
- principii neconvenţionale (nefotografice).
Ca şi concluzie, în funcţie de metodele şi mijloacele utilizate,
teledetecţia poate fi pasivă – atunci când este utilizată energia naturală
reflectată sau radiată – şi activă – atunci când mijloacele de teledetecţie
utilizează radiaţii proprii (artificiale) pe care le emit pentru a intra în
contact cu obiectele şi/sau fenomenele investigate (fig. 3.1).
46
În cele ce urmează vom prezenta mijloacele şi metodele specifice
celor două tipuri de teledetecţie, respectiv pasivă şi activă.
48
Înregistrarea imaginilor se realizează întotdeauna pe principiul
baleierii: punct cu punct şi linie cu linie [32].
50
Progresul ştiinţific şi cerinţele tot mai mari vis-a-vis de rezultatele
obţinute, au condus la apariţia scanerului hiperspectral, mult mai
performant, fiind capabil să înregistreze simultan un număr foarte mare de
lungimi de undă în limitele unui mare număr de benzi spectrale (ex.
scannerul AVIRIS în 224 de benzi spectrale).
3. Principiul radiometriei se bazează pe detectarea simultană şi
selectivă a radiaţiilor electromagnetice emise de diferitele corpuri, obiecte,
fenomene, la nivel de pixel, in diferite zone ale spectrului, in momente
diferite. Sistemele de senzori sunt speciale si se numesc radiometre [58].
Termenul radiometru este un termen general folosit pentru orice
instrument care măsoară cantitativ radiaţia electomagnetică pe un anumit
interval al spectrului. Când această radiaţie este lumina (spectrul vizibil),
denumirea sa poate fi substituită cu cea de fotometru. Dacă senzorul include
un component care poate dispersa radiaţia dintr-o anumită parte a spectrului,
în intervale discrete de lungimi de undă, acesta se numeşte spectrometru.
Radiometrele măsoară radiaţiile electromagnetice emise de
componentele mediului înconjurător prin compararea lungimii de undă
specifică acestora cu lungimi de undă standard ale unor radiaţii generate
artificial [32].
Imaginile obţinute prin radiometrie sunt imagini fals-color şi sunt
similare celor multispectrale, însă intervalele spectrale sunt mai înguste.
Datele de radiometrie satelitară sunt furnizate prin două sisteme de
senzori: AVHRR (Advanced Very High Resolution Radiometer) de la
bordul sateliţilor NOAA şi ASTER de la bordul satelitului TERRA.
4. Principiul scanării termice utilizează lungimile de undă ale
domeniului infraroşu termal pentru obţinerea imaginilor de potenţial caloric
al obiectelor, care au o temperatură mai mare de 0ºK (-273°C). Altfel spus,
orice corp din natură, primeşte radiaţia calorică de la Soare, o stochează în
structura lui, dar în timp, o cedează spaţiului sub formă de radiaţii din zona
infraroşu termal. In acest mod, fiecare corp emite radiaţii calorice cu
intensităţi diferite in funcţie de temperatură dar şi de lungimea de undă [58].
Ferestrele atmosferice care permit aceste aplicaţii sunt limitate la două
intervale ale infraroşului termal, între 3–5 μm, respectiv 8–14 μm [32].
Senzorii de teledetecţie utilizaţi în cazul acestui principiu senzori
sunt sensibili la diferenţele de temperatură.
Imaginile de teledetecţie obţinute prin scanare termică sunt alb-
negru, imagini în care corpurile calde apar în tonuri deschise, iar corpurile
de culoare închisă, cu suprafeţe mate, au, în infraroşul termal, cea mai
intensă emisie de radiaţii. Obţinerea de imagini prin scanare termică este
posibilă inclusiv pe timp de noapte şi indiferent de condiţiile meteorologice.
51
Imaginile în infraroşu termal diferă în funcţie de momentul zilei când au
fost preluate, deoarece şi comportamentul caloric este diferit. Fiecare
modificare de la un ton de culoare la altul semnifică şi o anumită diferenţă
de temperatură [150].
Imaginile obţinute prin scanare termică au aplicabilitate în
meteorologie şi climatologie (analiza topoclimatică, regionare climatică,
etc), în analize de poluare a mediului, etc.
Pentru obţinerea imaginilor prin scanare termică, sunt utilizaţi
senzori care au în componenţă cristale ale unor metale rare.
În anul 1978, NASA a lansat misiunea HCMM (Heat Capacity
Mapping Mision) cu senzori termici de măsurare a albedoului şi inerţiei
termice aparente la nivelul suprafeţei terestre, cu scopul de a urmări
fenomenele de poluare a unor componente ale mediului înconjurător [32].
52
fiind deci mai importantă decât lungimea de undă - ilustrează cadenţa
semnalului sau a pulsurilor de undă şi rămâne constantă indiferent de
viteza de propagare sau lungimea de undă.
53
(dus-întors), timpul de întârziere (timpul necesar impulsului de sondaj să
parcurgă distanţa până la ţintă şi înapoi) este împărţit la 2 pentru a obţine
timpul de propagare de la radar la ţintă.
Pentru a calcula distanţa inclinată, se utilizează relaţia [78]:
R = c0· t / 2 (3.1)
în care:
R - distanţa înclinată (m);
c0 - viteza luminii = 3·108 m/s;
t - timpul de întârziere (s)
54
culoare, iar cele adapostite şi neuniforme, cu rugozitate mare (cu grad
mare de dispersie a microundelor) apar întunecate [58].
Radarul utilizează doar o parte a spectrului (fig. 3.8), iar radarul de
teledetecţie utilizează doar „porţiunea” corespunzătoare undelor radio,
respectiv benzile K, X. C, L, S, P.
56
Această aplicaţie are ca scop obţinerea de imagini radar cu
rezoluţii mari şi foarte mari, fiind utilizat de exemplu în misiunea SRTM.
În ecologie, pe baza imaginilor SAR se poate realiza clasificarea în
funcţie de modul de utilizare a terenului, măsurarea biomasei plantelor
lemnoase, delimitarea arealelor afectate de inundaţii, identificarea
culturilor și monitorizarea acestora. Datele SAR au fost, de asemenea,
folosite pentru cartografierea riscului de malarie in regiunile tropicale,
oferind imagini care arată distribuția spațială și temporală a inundațiilor.
În hidrologie, datele SAR permit măsurarea stratului de zăpadă,
care este folosit în calculele pentru alimentarea cu apă. Oceanografii
folosesc datele SAR (fig. 3.11) pentru a studia suprafaţa şi valurile,
interacțiunile val - curent, monitorizarea iceberg-urilor.
Fig. 3.11 Imagine SAR (Seasat, banda L, 23,5 cm) de pe coasta de sud a Californiei –
diferenţele de tonuri de culoare de la suprafaţa oceanului sunt date de rugozităţi
diferite cauzate de vânt [134]
în care:
Pr(R) - puterea luminii receptionate
P0 - puterea luminii transmise,
K - eficienţa sistemului optic,
Ar - apertura,
q - semilungimea de undă,
b(R) - coeficientul de retroimprăştiere,
T(R) - transmitanţa atmosferei,
Y(R) - eficienţa geometrică,
Pb - zgomotul luminos de fond.
59
satelitului, iar coordonarea vitezei de deplasare cu cea de scanare se face
cu ajutorul unui sistem special GPS [32].
Radiaţiile luminoase cu alte lungimi de undă, provenite de la
diverse surse, sunt eliminate prin filtrare în condiţiile recepţiei semnalului
de răspuns cu antena specială [31].
Imaginile obţinute cu ajutorul sistemului LIDAR sunt reprezentări
alb-negru, cu rezoluţie spaţială foarte mare (fig. 3.13).
În interpretarea imaginilor, diferenţierea obiectelor se bazează atât
pe poziţia altimetrică, cât şi pe semnătura spectrală. Se utilizează lumina în
spectrul vizibil şi infraroşu apropiat. În imagini poate fi exploatată şi
dimensiunea verticală a obiectelor [32], aşa cum reiese din analiza fig. 3.13.
Fig. 3.13 Imagine LIDAR din zona World Trade Center, New Zork,
din data de 19.09.2001 [135]
60
Fig. 3.14 Principiul sonarului [136]
61
Capitolul 4
SISTEME DE SATELIŢI
62
4.1.1. Misiunea Landsat
Tabelul 4.1
Caracteristici ale satelitului Landsat 1 [105]
Caracteristici tehnice
Data lansării 23.07.1972
Statut expirat 06.01.1978
Senzori RBV, MSS
Înclinarea 99,2º
Altitudine 900 km
Orbita heliosincron
Timpul de revizitare 18 zile
63
Landsat 1 era echipat cu doua instrumente: RBV (Return Beam
Vidicon) şi MSS (MultiSpectral Scanner), fiind funcţional până în anul
1978 [87]. Avea o viteză de 14 rotaţii într-o zi siderală, astfel încât, orice
punct de pe suprafaţa Pământului era înregistrat odată la 18 zile. În acest
fel, a fost posibilă acoperirea globului terestru între paralele de 81º
latitudine nordică şi 81º latitudine sudică [56].
Senzorii RBV au înregistrat imagini în benzile vizibil și infraroșu
(fig. 4.2). Rezoluția imaginilor a fost de 80 m iar dimensiunile scenelor de
185 x 185 km [106].
Fig. 4.2 Imagine Landsat – RBV – Lillie Glacier and Pennell Coast – Antarctica
Courtesy of USGS [106]
64
Landsat 2 a fost lansat în anul 1975 (tabelul 4.3) şi a funcţionat
până în anul1982 [87].
Tabelul 4.3
Caracteristici ale satelitului Landsat 2 [108]
Caracteristici tehnice
Data lansării 22.01.1975
Statut expirat 05.02.1982
Senzori RBV, MSS
Înclinarea 99,2º
Altitudine 900 km
Orbita heliosincron
Timpul de revizitare 18 zile
Tabelul 4.4
Caracteristici ale satelitului Landsat 3 [109]
Caracteristici tehnice
Data lansării 05.03.1978
Statut expirat 31.05.1983
Senzori RBV, MSS
Înclinarea 99,2º
Altitudine 900 km
Orbita heliosincron
Timpul de revizitare 18 zile
Tabelul 4.6
Caracteristici ale satelitului Landsat 4 [110]
Caracteristici tehnice
Data lansării 16.07.1982
Statut expirat 15.06.2001
Senzori TM, MSS
Înclinarea 98,2º
Altitudine 705 km
Orbita heliosincron
Timpul de revizitare 16 zile
66
benzi la o rezoluţie de 30x30 m (fig. 4.3). Utilizează câte 16 detectori pentru
fiecare bandă, cu excepţia benzii a 6-a în care foloseşte 4 detectori [57].
Tabelul 4.7
Caracteristici ale satelitului Landsat 5 [111]
Caracteristici tehnice
Data lansării 01.03.1984
Statut operaţional
Senzori TM, MSS
Înclinarea 98,2º
Altitudine 705 km
Orbita heliosincron
Timpul de revizitare 16 zile
67
Landsat 7 ETM+ a fost lansat in anul 1999 (tabelul 4.8).
Tabelul 4.8
Caracteristici ale satelitului Landsat 7 [112]
Caracteristici tehnice
Data lansării 15.04.1999
Statut operaţional
Senzori ETM+
Înclinarea 98,2º
Altitudine 705 km
Orbita heliosincron
Timpul de revizitare 16 zile
Tabelul 4.9
Benzile spectrale ale sateliţilor Landsat 1 – 7 (*[72], [149])
Lungimea
Zona Domeniul de utilizare şi
Banda spectrală* de undă
spectrală caracteristici
( m)
Cartografierea zonelor de
coastă, diferenţierea
sol/vegetaţie, observarea
1 0.45-0.52 albastru detaliilor din apă (turbiditatea),
cartografierea suprafeţelor
forestiere şi detectarea
lucrarilor inginereşti
Corespunde reflexiei culorii
verzi a vegetaţiei, utilă pentru
2 0.52-0.60 verde detectarea lucrarilor inginereşti
dar şi observarea detaliilor din
ape (turbiditatea)
Diferenţierea speciilor de
plante şi pentru delimitarea
categoriilor de soluri şi a
3 0.63-0.69 rosu
structurilor geologice; de
asemenea, este utilă pentru
detectarea lucrarilor inginereşti
68
Determinarea biomasei
vegetale dintr-o scenă,
identificarea culturilor şi
infraroşu scoaterea in evidenţă a
4 0.76-0.90
apropiat contrastelor sol/cultură şi
pământ/apă.
Poate fi utilizată la delimitarea
suprafeţelor acvatice şi terestre
Bandă sensibilă la cantitatea de
apă din plante, fiind utilă la
studierea fenomenului de
secetă şi analizarea stadiului de
infraroşu
5 1.55-1.74 dezvoltare a plantelor. Este
mediu
utilă pentru deosebirea pe
imagine a norilor de zapadă şi
gheaţă dar şi pentru delimitarea
suprafeţelor acvatice şi terestre.
Determinarea stadiului
vegetativ, a intensităţii căldurii,
efectelor aplicării insecticidelor
şi pentru localizarea poluării
infraroşu
6 10.40-12.50 termale. Energia captată in
termic
banda 6 este emisă de suprafaţa
Pământului fiind posibilă astfel
achiziţia de date şi in timpul
nopţii
Deosebirea tipurilor de roci, a
limitelor tipurilor de soluri şi
pentru determinarea gradului
infraroşu de umiditate al solului şi
7 2.08-2.35
mediu activităţii clorofiliene a
vegetaţiei. Se foloseşte la
delimitarea suprafeţelor
acvatice şi terestre
Permite efectuarea analizelor
detaliate asupra elementelor
antropice, precum şi
8 Imagine alb-negru 0,52-0,92 pancromatic
delimitarea anumitor obiective,
antropice sau naturale
(vegetaţie, sol)
69
SPOT este sensibil şi la o mică zonă din infraroşu, dar şi posibilitatea
calibrării permanente in tandem cu Landsat 5. De asemenea, rezoluţia
benzii termale a fost marită la 60 m [72]. Se achiziţionează 250 scene/zi,
înregistrate în cele 7 benzi întâlnite la Landsat 5 TM şi în plus o imagine
pancromatică, alb-negru, rezoluţia spaţială a acesteia fiind de 15 m [56].
Tabelul 4.10
Caracteristici ale satelitului Landsat 8 [113]
Caracteristici tehnice
Data lansării 11.02.2013
Statut operaţional
Senzori OLI, TIRS
Înclinarea 98,2º
Altitudine 705 km
Orbita heliosincron
Timpul de revizitare 16 zile
70
Instrumentul OLI are doua benzi spectrale noi, una pentru
recunoaşterea norilor cirrus, iar cealată pentru observaţii asupra zonelor
costale, iar TIRS achiziţionează imagini cu două noi benzi spectrale
termice. Scenele LDCM au dimensiunile de 185 km pe direcţia
perpediculară a traseului şi 180 km pe direcţia traseului. Comparativ cu
Landsat 7, numărul de scene înregistrate creşte, de la 250 la 400 scene/zi.
Produsele Landsat sunt realizate in 11 nivele de preprocesare
dintre care cele mai utilizate sunt urmatoarele [72]:
- Nivelul 0: distorsiunile baleiajului sunt corectate ţinând cont de
geometria detectorului şi de tipul de eşantionaj
- Nivelul 1: imaginea este corectată radiometric
- Nivelul 8: corespunde nivelului SPOT 2A (fără puncte de reper)
- Nivelele 9 şi 10: corespund nivelelor 2B, respectiv Ortho.
Imaginile satelitare Landsat sunt digitizate şi transformate în flux
de electroni care se transmit la sol în sistem telemetric, în timp real, unor
staţii de recepţie, dispuse pe tot Globul, la trecerea satelitului deasupra
acestora sau sunt stocate pentru a fi transmise la următoarea trecere [56].
71
Acoperirea Terrei este cvasiglobală, fiind achiziţioneze date între
87 latitudine nordică şi 870 latitudine sudică [40].
0
Primii trei sateliţi SPOT sunt echipaţi cu câte doi senzori HRV
(High Resolution Visible – înaltă rezoluţie în vizibil). În mod pancromatic
(fig. 4.5), HRV utilizează o matrice de 6.000 detectori CCD (Charge
Coupled Detector), care la rândul lor conţin submatrici de câte 3.000 de
elemente CCD, obţinându-se o rezoluţie de 10 x 10 m pe o imagine de 60
x 60 km. În mod multispectral (fig. 4.6). HRV captează date în 3 canale
spectrale la o rezpluţie de 20 x 20 m. Atunci când cele două instrumente
lucrează in tandem pot fi obţinute scene cu o lăţime medie de 117 km [72].
Fig. 4.5 Fereastra din imaginea SPOT pancromatic din zona Feteşti [72]
Fig. 4.6 Scenă SPOT din România (ADAM Programme citat de [40])
72
Satelitul SPOT 4 a fost echipat cu un nou senzor specializat VMI
(Vegetation Monitoring Instrument) utilizat pentru monitorizarea vegetaţiei.
Acesta captează imagini cu o acoperire mare (2000 km), cu o rezoluţie de 1
km, în următoarele benzi: albastru, verde, roşu, IR apropiat şi IR termic [57].
Instrumentele HRV pot achiziţiona date în mod pancromatic,
codificat „P” sau „Pan” şi multispectral, codificat „XS” [45], benzile spectrale
şi lungimile de undă corespunzătoare fiind sintetizate în tabelul 4.12
Tabelul 4.12
Benzile spectrale ale sateliţilor SPOT [72]
Lungimea Zona
Banda Utilizare
de undă ( m) spectrală
Corespunde reflectanţei in verde a
1 0.50-0.59 verde
vegetaţiei
Utilă pentru deosebirea speciilor de plante.
2 0.61-0.68 roşu Este, de asemenea, folosită la delimitarea
pedologică şi geologică
Această bandă oferă in mod deosebit
informaţii despre cantitatea de biomasă
infraroşu vegetală prezentă intr-o scenă. Este utilă
3 0.79-0.89
apropiat pentru identificarea culturilor şi pentru
scoaterea in evidenţă a contrastelor
sol/cultură şi pământ/apă
0.51-0.73
Este sensibilă la toate culorile vizibile, are
(SPOT 1,2,3)
4 pancromatic o rezoluţie de 10 m şi este similară unei
0.59-0.75
fotografii alb-negru
(SPOT 4)
Evidenţiază caracteristici simple ale
1.58-1.73 infraroşu
5 covorului vegetal, experimentări la nivel
(SPOT 4) mediu
regional şi local
73
În concordanţă cu domeniul de utilizare, imaginile SPOT pot fi
distribuite la diferite nivele de preprocesare (prezentate în capitolul 6).
Satelitul SPOT 5, lansat în anul 2002, păstrează caracteristicile
tehnice ale predecesorilor săi, însă se remarcă şi elemente de noutate [72]:
- rezoluţia geometrică in mod multispectral de 10 m şi in mod
pancromatic de 5 m
- rezoluţia geometrică atinge 2,5 m in mod THR-SUPERMODE
(doua canale in pancromatic decalate cu jumatate de pixel şi
procesate prin metode matematice)
- un nou instrument HRS (inalta rezoluţie stereoscopică) conceput
special pentru a obţine cupluri stereoscopice in lungul traiectoriei;
acest mod de achiziţie permite optimizarea generarii Modelului
Numeric al Terenului pentru aria observată
- datorită creşterii capacităţii de procesare la bordul satelitului de la
2 la 5 imagini simultan este posibilă obţinerea de imagini compacte
de 120 km lărgime (perpendicular pe axa de deplasare a satelitului)
- beneficiind de un nou sistem de inregistrare cu memorie solidă, cu
o capacitate de 90 Gb, inlocuind sistemul cu benzi magnetice, se
pot stoca la bord 3 imagini de 50 Mb fiecare până când satelitul
ajunge in raza de acţiune a unei staţii de recepţie pentru descărcare
la sol
- este posibilă inregistrarea de pana la 550 de scene/zi
- este echipat cu instrumentul VEGETATION 2 cu caracteristici
imbunatatite.
Satelitul SPOT 5 este echipat cu două instrumente HRG (tabelul
4.11) - fiecare dintre acestea putând funcţiona în mod simultan sau
independent - capabile să genereze date la patru nivele de rezoluţie pentru
un câmp de 60 de km [72]:
- imagini in infraroşu mediu la 20 m (banda MIR);
- imagini multispectrale la 10 m (benzile B1, B2, B3);
- imagini pancromatice la 5 m (banda P);
- imagini pancromatice SUPERMODE la 2,5 m (banda THR).
Spre deosebire de modul de obţinere a stereoscopiei la sateliţii
SPOT 1 - 4, în cazul lui SPOT 5, instrumentul HRS permite realizarea de
cuple stereoscopice prin vize inainte/inapoi in timp cvasi-real pe durata
unui singur pasaj. Practic, pentru obţinerea stereoscopiei, nu mai este
nevoie de inclinarea laterală a instrumentului [72].
SPOT 6 a fost lansat de către India Polar Satellite Launch Vehicle
pe zborul C21, în data de 9 septembrie 2012, iar SPOT 7 a fost lansat pe
zborul PSLV C23, în 30 iunie 2014 [114].
74
SPOT 6 şi SPOT 7 formează o constelație de sateliți ai Pământului
(fig. 4.7) - imagistică concepută pentru a asigura continuitatea de înaltă
rezoluție, date de culoar larg până în 2024 [114].
a b
Fig. 4.9 Caracteristici ale imaginilor Ikonos: a - imagini multispectrale;
b – imagini pancromatice [59]
76
Afirmaţiile anterioare, sintetizate şi în fig. 4.9, pot fi susţinute şi de
imaginea expusă mai jos (fig. 4.10), imagine Ikonos cu rezoluţia de 1 m,
preluată dintr-o zonă a oraşului Washington DC (SUA) pe baza căreia pot
fi identificate şi analizate o serie de aspecte de urbanism.
Fig. 4.10 Imagine satelitară Ikonos pancromatic (rezoluţia 1 m) a unei zone din
Washington DC, SUA (2001 Space Imaging, inc) [89]
77
Tabelul 4.13
Caracteristici ale satelitului Ikonos [90]
Satelitul Ikonos Caracteristici tehnice
Data lansării 24.09.1999
Înclinarea orbitei 98.1º
Tipul heliosincron
Altitudinea 681 km
Rezoluţia spaţială la 0.82 m pancromatic
Nadir 3.2 m multispectral
Rezoluţia la 26° Off- 1.0 m pancromatic
Nadir 4.0 m multispectral
Timpul de revizitare aprox. 3 zile
Rezoluţia radiometrică 11 bits per pixel
Pancromatic, albastru, verde, roşu,
Benzile spectrale
infraroşu apropiat
78
Rezoluţia spaţială foarte înaltă şi deci gradul foarte ridicat de
detaliere, conferă acestor imagini o valoare teoretică şi practică foarte
ridicată, dovedindu-se utile în orice tip de reprezentare şi analiză a
mediului înconjurător: identificarea ţintelor, delimitări ale componentelor
naturale şi/sau antropice, etc.
Ca şi în cazul imaginilor Ikonos, imaginile achiziţionate de
QuickBird au rezoluţia radiometrică de 11 biţi per pixel.
Misiunea QuickBird s-a încheiat în 27 ianuarie 2015. Cu toate
acestea, imagini QuickBird sunt încă disponibile prin arhiva DigitalGlobe
- WorldView-1, WorldView-2,-WorldView 3 și GeoEye-1 [139].
Fig. 4.12 Imgine ERS-SAR din 22 iunie 1998 (sursa:ESA citat de [72])
79
În anul 1991, Agenţia Spaţială Europenă a lansat satelitul radar
ERS 1 (funcţional până în anul 2000), satelit care, din anul 1995,
evoluează în tandem cu satelitul ERS 2.
Sateliţii din seria ERS au următoarele caracteristici: orbita
heliosincronă, cvasipolară, cvasicirculară, înclinarea orbitei de 98,5 ,
altitudinea medie de 785 km.
Pentru a demonstra şi exemplifica utilitatea imaginilor furnizate de
către sateliţii ERS, am preluat o imagine radar (fig.4.12) care evidenţiază
foarte clar structurile geomorfologice prin mijlocirea analizei vizuale a
texturilor şi a informaţiei fals color (in cazul unor procesări multitemporale).
Radarul cu deschidere sintetică (AMI Image Mode - SAR), senzor
cu care sunt echipaţi sateliţii ERS, achizitionează date cu rezoluţie mare
(30 m), Dimensiunea scenei este de 100 km lăţime şi 250 km lungime
(către partea dreaptă a orbitei satelitului). Datele obţinute cu senzorul
SAR, completate cu alte informaţii furnizate de alte sisteme de sateliţi,
oferă posibilitatea realizării unor analize foarte complexe asupra
componentelor mediului înconjurător [72]. Celelalte instrumente pe care le
deţin sateliţii ERS, respectiv AMI Wind Mode, AMI Wawe mode, Radar
Altimeter-RA, ATSR-M, sunt destinate in special aplicaţiilor din domeniul
ocenografiei [149].
Datele ERS-SAR sunt utilizate pentru obţinerea cu mare precizie a
Modelului Digital al Terenului derivat, chiar şi atunci când zona de interes
este complet acoperită cu nori.
Pe baza datelor prezentate anterior, se poate afirma că, în evoluţia
senzorilor utilizaţi pentru înregistrarea imaginilor se remarcă următoarele
tendinţe [56]:
- mărirea rezoluţiei spaţiale prin reducerea unităţii elementare de
suprafaţă înregistrate de un pixel, ajungându-se la rezoluţii de 0,61
m (QuickBird)
- mărirea rezoluţiei spectrale prin mărirea numărului de benzi
spectrale înregistrate, ca urmare a îngustării intervalului dintre
două benzi vecine, prin utilizarea unor senzori hiperspectrali
- creşterea rezoluţiei temporare, prin reducerea timpului dintre două
înregistrări succesive ale aceleiaşi scene
- creşterea rezoluţiei radiometrice de la 7 biţi/pixel (Landsat 5 TM),
la 8 biţi/pixel (Landsat ETM+), pentru a se ajunge la 11 biţi/pixel
(Ikonos 2 şi QuickBird 2).
80
4.2. Sateliţi militari
81
Capitolul 5
IMAGINI DE TELEDETECŢIE
5.1. Generalităţi
b
Fig. 5.1 Comparaţia imaginilor vectoriale şi raster (a [91], b [92])
82
În cel mai simplu mod, o imagine raster (fig. 5.1) este definită ca o
matrice de valori cunoscute sub numele de pixeli. Fiecare pixel este un
mic pătrat colorat, căruia îi este alocată una sau mai multe cifre. Aceste
cifre definesc culoarea pe care el trebuie să o afişeze. Cu cât o imagine
conţine mai mulţi pixeli, cu atât aceasta va fi de calitate mai bună.
Imaginile de tip raster pot avea extensiile: .jpg, .png, .bmp, .psd, .gif.
În cazul imaginilor vectoriale însă, fişierul stochează liniile, formele
şi culorile care alcătuiesc imaginea sub formă de formule matematice (fig.
5.1). Cu ajutorul acestor formule matematice se determină poziţia, lungimea
şi direcţia liniilor folosite în desen.
Imaginea vector este o colecţie de linii şi curbe conectate, care
alcătuiesc obiectele.
În unele cazuri este recomandată folosirea imaginii vectoriale, iar
în altele a imaginii raster, în funcţie de tipul proiectului. De asemenea, se
pot folosi împreună ambele tipuri de imagini.
În general, o imagine digitală este formată dintr-o matrice de numere
ce înfăţişează o distribuţie spaţială a unor parametrii (fig. 5.1), precum:
reflectanţa radiaţiei electromagnetice, emisivitatea, temperatura, conţinutul
de vapori, elemente topografice sau orice alt parametru cantitativ [18].
Cel mai mic element al unei imagini digitale este pixelul (de la
sintagma engleză „picture element”).
Fiecare dintre pixelii care reprezintă o imagine stocată în interiorul
unui computer are o valoare a pixelului, care descrie cât de luminos este
acel pixel şi/sau ce culoare ar trebui să aibă.
În cel mai simplu caz, cel al imaginilor binare, valoarea pixelului
este un număr de un bit, indicând fie prim planul, fie fundalul. Pentru o
imagine pe o scară de gri, valoarea pixelului este un număr individual,
care reprezintă luminozitatea pixelului. Cel mai obişnuit format de pixeli
este imaginea byte, unde acest număr este stocat sub forma unui întreg de
8 biţi, oferind o gama de valori posibile de la 0 la 255. In mod tipic, zero
se considera pentru negru, iar 255 este considerat a fi alb. Valorile
intermediare constituie diferitele nuanţe de gri [47].
Pentru a reprezenta imagini color, trebuie să fie specificate, pentru
fiecare pixel, componente separate roşii, verzi şi albastre (presupunând un
spaţiu color RVA) şi astfel “valoarea” pixelului este de fapt un vector
format din trei numere. Adesea cele trei componente diferite sunt stocate
ca trei imagini separate în „scale de gri“, cunoscute ca planuri color (unul
pentru fiecare culoare: roşu, verde şi albastru), care trebuie să fie
recombinate atunci când sunt prezentate sau procesate.
83
Datele câmpului vizual instantaneu sunt subîmpărţite în regiuni de
formă şi dimensiuni egale, numite pixeli [40].
Senzorul înregistrează radiaţia electromagnetică şi o transformă
într-un număr digital – ND (fig. 5.2). Valoarea ND reprezintă numărul de
radiaţii electromagnetice reflectate, pe care senzorul le-a captat.
85
Din analiza fig. 5.4 reiese faptul că o serie de detalii vizibile în
imaginea cu rezoluţie de 0,5 m „se pierd” în imaginea cu rezoluţie mai mică,
de 10 m. Aşadar, volumul informaţiilor care pot fi extrase sau vizualizate
creşte paralel cu rezoluţia spaţială, situaţie ilustrată schematic în fig. 5.5.
86
Spre exemplu, un drum de culoare deschisă (albă), cu lăţimea mai
mică decât dimensiunile pixelului, care traversează o pădure poate fi
identificat datorită contrastului de culoare, având în vedere faptul că
vegetaţia reflectă culoarea verde.
Pe de altă parte, obiectele mai mari sau egale cu mărimea pixelului
pot să nu fie detectate dacă reflectanţa acestora este dominată de obiectele
sau detaliile înconjurătoare [56].
În funcţie de rezoluţia spaţială, imaginile de teledetecţie pot fi
clasificate în cinci categorii, sintetizate în tabelul 5.1.
Tabelul 5.1
Clasificarea imaginilor în funcţie de rezoluţia spaţială* [93]
Nr.
Categoria Exemplu de imagine* Utilizare
crt.
Imagini cu METEOSAT - oferă un număr
foarte mică 1-st Generation limitat de detalii
1 rezoluţie - rezoluţie - sunt utilizate în
spaţială (sub 4000 m meteorologie,
1000 m) oceanografie, etc.
Imagini de MODIS - sunt utilizate în
mică rezoluţie monocanal studii care nu
2 – rezoluţie
spaţială necesită nu număr
(1000 - 100 m) 250 m mare al detaliilor
Landsat ETM+ - majoritatea
Imagini de - rezoluţie imaginilor satelitare
rezoluţie 30 m multispectrale:
3
spaţială medie Landsat, SPOT,
(100 – 10 m) ASTER, etc, cu
multiple utilizări
SPOT - imagini în vizibil şi
Imagini de pancromatic infraroşu apropiat, în
mare rezoluţie
4 - rezoluţie 10 m pancromatic,
spaţială
obţinute cu sateliţi
(10 – 1 m)
de ultimă generaţie
Imagini de QuickBird
foarte mare pancromatic - sunt utilizate
5 rezoluţie - rezoluţie pentru analize
spaţială 0,61 m detaliate
(peste 1 m)
87
Acoperirea spaţială a imaginilor (cât de extinsă este suprafaţa
corespondentă unei scene satelitare) este, de asemenea, de foarte mare
importanţă în ceea ce priveşte alegerea unui tip de imagine pentru o
anumită analiză. În majoritatea cazurilor, imaginile au un format standard,
pătrat sau dreptunghiular, însă, în urma operaţiilor de prelucrare, în funcţie
de necesităţile utilizatorilor, pot fi create noi formarte.
Dimensiunile scenelor satelitare în teren sunt standard, dar diferă
de la un sistem de sateliţi la altul: o scenă satelitară Landsat este
aproximativ un pătrat cu dimensiunile 185x185 km la 30 m rezoluţie (fig.
5.7), o scenă SPOT 4 este un pătrat de 60x60 km la 10 m rezoluţie, o
scenă Ikonos un pătrat de 11x11km, la 4 m rezoluţie în multispectral şi 1
m în pancromatic, etc [31].
88
În cazul imaginilor multispectrale (fig. 5.8) rezoluţia spectrală se
poate exprima prin numarul de benzi sau intervale spectrale în care s-au
obţinut în mod simultan imagini ale aceleiaşi suprafeţe de teren şi
raportarea lor la spectrul electromagnetic [32].
89
intensităţii radiaţiei reflectate de obiecte, în cadrul unei imagini). Aceasta
se află în relaţie de dependenţă lineară cu reflectanţa, exprimată la rândul
ei prin numărul digital sau valoarea spectrală. Aşadar, rezultă că datele din
imaginea de teledetecţie sunt exprimate spectral prin radianţă şi reflectanţă
[32]. În cazul unei imagini, analiza strălucirii obiectelor, poate fi făcută
vizual, prin raportarea la scara de gri.
Intervalele largi din spectrul electromagnetic corespund unei aşa
numite rezoluţii spectrale brute, iar benzile înguste, unei rezoluţii spectrale
fine [93].
Aşadar, benzile înguste au o rezoluţie spectrală mai mare [40].
Imaginile de teledetecţie sunt clasificate, în funcţie de rezoluţia
spectrală, în trei mari categorii, criteriul de clasificare fiind numărul de
benzi sau intervale spectrale înregistrate simultan într-o imagine, astfel [32]:
- imagini de mică rezoluţie spectrală (cu până la 3 – 4 benzi) – de
exemplu, imagini furnizate de SPOT 5, Ikonos, etc, în special din
spectrul vizibil şi infraroşu apropiat, cu rezoluţii spaţiale mari şi foarte
mari
- imagini de rezoluţie spectrală medie (cu 3, 4 până la 14, 15 benzi) –
în această categorie fiind incluse imagini obţinute prin scanare
multispectrală sau radiometrie, din spectrul vizibil, infraroşu apropiat,
infraroşu mediu şi infraroşu termal, cu rezoluţie spaţială medie; de
exemplu, imaginile Landsat TM şi ETM+ cu 7 benzi (fig. 5.8)
- imagini de mare rezoluţie spectrală (cu 13, 14, până la 220 benzi) –
cuprind imaginile hiperspectrale, înregistrate în intervale înguste,
furnizate de MODIS (36 benzi), DEDALAUS (102 benzi), etc.
Semnătura (signatura) spectrală reprezintă expresia cromatică
(nuanţă la imaginile color şi ton de culoare la cele alb-negru) a
proprietăţilor spectrale ale obiectelor care apar în imagine [32].
Semnătura spectrală, exprimată prin curbele spectrale, este proprie
fiecărui obiect sau fenomen şi este de o importanţă majoră în analiza şi
prelucrarea imaginilor de teledetecţie (detalii în Capitolul 2).
Din punct de vedere al semnăturilor spectrale, imaginile de
teledetecţie pot fi grupate în două mari categorii:
- imagini alb-negru (în tonuri de culoare sau scară de gri)
- imagini color
a. Imaginile alb-negru prezintă semnături spectrale sub formă de
treceri de la alb la negru, numite şi tonuri de culoare care alcătuiesc scara
de gri [32].
90
De altfel, toate imaginile satelitare furnizate de diferite sisteme de
sateliţi sunt în starea iniţială alb-negru, ulterior, prin operaţii de prelucrare
rezultând imagini color.
În funcţie de numrul de benzi care le compun şi de intervalul
spectral aferent, imaginile alb-negru sunt de două tipuri:
- imagini spectrozonale, înregistrate într-un interval spectral îngust,
într-o singură bandă – verde, roşu, infraroşu termic, etc (fig. 5.9)
Fig. 5.9 Banda 1 (albastru) a unei imagini Landsat 7 ETM+ din Palm Springs [73]
92
benzi spectrale asimilate roşului, verdelui şi albastrului, dar şi scăderii
semnăturilor în sistemul substractiv, respectiv violet, turcoaz, galben [32].
a b c
Fig. 5.15 Scara de gri cu 4 niveluri (a), cu 16 niveluri (b) şi cu 256 niveluri (c) (ESA
(http://www.eduspace.esa.int/eduspace/ citat de [52])
94
Aceste valori corespund nuanţelor de gri (fig. 5.15). Cu cât
numărul nuanţelor de gri este mai mare, cu atât este mai mare rezoluţia
radiometrică, imaginea este mai netedă şi contrastul este mai slab [18]. De
exemplu sateliţii Landsat au 64 de valori pentru senzorul MSS şi 256
pentru senzorul TM [57].
Contrastul unei imagini sau raportul de contrast reprezintă raportul
dintre părţile cele mai luminoase şi cele mai întunecate care compun
imaginea respectivă şi poate fi exprimat prin numărul de tonuri de culoare
care pot fi identificate cu ochiul liber sau prin raportarea la scări de tonuri
sau eşantioanele din scara de gri [32].
Corectarea contrastului se face în cadrul operaţiilor de
preprocesare a imaginilor, care vor fi prezentate în capitolul următor.
Între rezoluţia spaţială şi cea radiometrică există o strânsă legătură.
Fluxul de biţi de la satelit la staţia terestră este diferit pentru rezoluţii
spaţiale sau radiometrice diferite. Să comparăm senzorii HRV ai satelitului
SPOT în pancromatic şi color: în pancromatic semnalul se înregistrează pe
6 biţi, iar în color pe 8 biţi, pe fiecare din cele trei benzi. În total 6 biţi pe o
suprafaţă de 10x10 = 100 m2, respectiv 8x3 = 24 biţi pe o suprafaţă de
20x20 = 400 m2. Este exact acelaşi număr de biţi pentru aceeaşi suprafaţă
[18].
4. Rezoluţia temporală „localizează” în timp caracteristicile
imaginilor de teledetecţie şi reprezintă momentul de timp bine precizat la
care a fost inregistrată o imagine [31] sau intervalul de timp în limitele
căruia un sistem de teledetecţie a înregistrat imagini sau acoperirea
temporală a arhivei de imagini [32].
Fiecare satelit are propriul sau program de revizitare, pentru a
obţine imagini dintr-o anumită zonă.
Frecvenţa cu care senzorul revizitează o zonă este cunoscută sub
numele de rezoluţie temporală. Spre exemplu, în cazul sateliţilor din seria
Landsat, timpul sau perioada de revizitare (revisiting period) este de 16 zile.
Din punct de vedere al rezoluţiei temporale, sistemele de sateliţi şi
implicit imaginile furnizate, pot fi grupate în următoarele categorii [32]:
- sisteme de mare rezoluţie temporală, cu perioada de revizitare
cuprinsă între 1 – 3 zile (QuickBird, Ikonos, SPOT 5, etc)
- sisteme de rezoluţie temporală medie, cu perioada de revizitare
cuprinsă între 4 – 16 zile (unii sateliţi din seria Landsat)
- sisteme de mică rezoluţie temporală, cu perioada de revizitare mai
mare de 17 zile (unii sateliţi din seria SPOT).
Rezoluţia temporală prezintă o importanţă deosebită în analiza
modificărilor unor componente ale mediului înconjurător, survenite în
95
decursul timpului (changes detection – detectarea schimbărilor). Din
arhivele de date satelitare pot fi preluate imagini ale unor suprafeţe de teren
înregistrate de acelaşi senzor, în perioade de timp diferite, prin compararea
acestora fiind posibilă identificarea schimbărilor produse (fig. 5.16).
96
În interpretarea imaginilor de teledetecţie se au în vedere
următoarele aspecte [56]:
- interpretarea reprezintă o operaţie obiectivă, atunci când imaginea
este o reprezentare obiectivă şi în acelaşi timp poate fi considerată
subiectivă, deoarece imaginea este analizată cu mijloacele de
percepţie ale interpretatorului care nu sunt perfecte
- interpretarea este o operaţie dificilă datorită faptului că imaginile
redau componentele mediului în mod diferit comparativ cu modul de
percepţie cu care analistul este obişnuit
- mijloacele tehnice trebuie să fie alese şi folosite în mod
corespunzător pentru reducerea la minimum a caracterului subiectiv,
datorat interpretării de către operator
- operatorii trebuie să aibă o pregătire temeinică atât în teledetecţie,
cât şi în domeniul de specialitate interpretat
- documentarea anterioară asupra ţintelor, pentru a alege corect tipul
de imagine şi operaţiile de prelucrare necesare
- interpretarea nu este exclusiv o operaţie de birou, fiind necesar un
volum minim de lucrări de teren, executate în diferite etape:
observaţii şi măsurători în zone test (zone de interes) reprezentative,
confruntarea imaginii cu terenul pentru stabilirea de corecţii,
stabilirea unor clasificări pentru datele interpretate, verificarea şi
controlul final al rezultatelor prin sondaj
- pentru interpretarea unor aspecte calitative şi cantitative ale
imaginilor se utilizează prelucrări numerice asistate de calculator,
reducându-se subiectivismul interpretării
Interpretarea imaginilor de teledetecţie are în vedere două
componente şi anume:
- interpretarea calitativă – examinarea vizuală a imaginii pentru a obţine
informaţii sumare (şi uneori subiective) asupra zonei analizate
- interpretarea cantitativă – efectuarea unor operaţii complexe de
preprocesare şi procesare a imaginilor (vor fi prezentate în capitolele
următoare) care au ca scop obţinerea unor informaţii complexe,
precise, materializate prin hărţi sau alte moduri de reprezentare.
97
1. Documentarea bibliografică asupra zonei de interes. În
această etapă sunt consultate lucrări din literatura de specialitate, scrise
şi în format electronic (cărţi, materiale cartografice, imagini satelitare,
etc.) pentru a avea cât mai multe detalii asupra ţintei analizate
(localizare, istoric, caracteristici fizico-geografice, aspecte de ordin
administrativ-teritorial, economic, social, date statistice, aspecte
evolutive, etc.).
2. Alegerea imaginilor se bazează pe informaţiile acumulate în
etapa anterioară şi presupune stabilirea caracteristicilor imaginilor care
vor fi utilizate (rezoluţie spaţială, rezoluţie spectrală, rezoluţie
temporală, scara, dimensiunea scenelor, etc). Imaginile utilizate se aleg
în funcţie de „pretenţiile” pe care le impune tipul de analiză care
urmează a fi efectuată. De exemplu: daca se doreşte analiza acoperirii cu
vegetaţie a unei zone, pot fi utilizate imagini cu rezoluţie spaţială medie
(Landsat ETM+, cu rezoluţie 30 m), însă dacă analiza presupune
evidenţierea unor elemente de detaliu, cum este cazul unui studiu de
urbanism, rezoluţia imaginilor trebuie să fie mare sau foarte mare (SPOT
pancromatic, 10 m, QuickBird, sub 1 m, etc.).
Un alt criteriu în alegerea imaginilor poate fi rezoluţia temporală:
pentru a analiza evoluţia unei viituri (care îşi modifică caracteristicile
într-un interval temporal foarte scurt) este necesară utilizarea unor
imagini cu rezoluţie temporală mare (achiziţionate de QuickBird, SPOT
5), iar dacă se urmăreşte expansiunea urbană, pot fi utilizate imagini cu
rezoluţie temporală mică (sisteme de sateliţi cu perioada de revizitare
peste 17 zile).
Alegerea imaginilor reprezintă o etapă foarte importantă,
deoarece de aceste imagini depinde calitatea rezultatelor finale.
3. Pregătirea pentru interpretarea imaginilor reprezintă o etapă
opţională. În această etapă, imaginile sunt trecute prin operaţiile de
preprocesare şi unele operaţii de procesare, însă în prezent, în cele mai
multe cazuri, imaginile satelitare pot fi achiziţionate la nivele de
prelucrare la care aceste operaţii sunt deja aplicate de către furnizori.
4. Interpretarea propriu-zisă a imaginilor, etapă în cadrul căreia
se realizează, prin mijloace specifice stabilite de către analist, extragerea
informaţiei, atât din punct de vedere calitativ, cât şi cantitativ. Pentru
interpretarea în condiţii cât mai favorabile, se apelează la diferite
metode: fuzionarea datelor cu rezoluţii spaţiale diferite (image
sharpening), combinaţii de date multispectrale şi pancromatice, indici
normalizaţi de diferenţiere, etc.
98
5. Validarea rezultatelor presupune compararea rezultatelor
obţinute cu alte surse referitoare la acelaşi obiectiv (hărţi topografice,
hărţi tematice, date statistice, etc.). În multe cazuri, realitatea din teren
poate fi considerată ca element de referinţă în validarea datelor.
99
Fig. 5.17 Imagine satelitară de foarte mare rezoluţie a unei zone urbane [68]
100
Fig. 5.18 Imagine QuickBird cu rezoluţia spaţială de 60 cm din Vatican [139]
a b
Fig. 5.19 Subscenă Landsat ETM+ din Masivul Bugegi: a – combinaţia 321, culori
naturale; b – combinaţia 453, fals-color (Sursa datelor: Global Land Cover Facility,
University of Maryland, citat de [32])
101
Analiza fig. 5.19 evidenţiază următoarele aspecte [32]:
- diferenţierea etajelor de vegetaţie este mult mai evidentă în
imaginea fals-color, faţă de în imaginea în culori naturale
- imaginea fals-color oferă posibilitatea efectuării unei analize a
vegetaţiei mai complexe, comparativ cu imaginea în culori naturale,
de exemplu: pajiştile şi terenurile cultivate din nordul Masivului
Bucegi sunt redate în nuanţe de galben, ca urmare a conţinutului de
clorofilă al vegetaţiei care şi-a început ciclul vegetativ, la altitudini
sub 1000 m, însă la altitudini mai mari, peste 1500 m, în Masivul
Bucegi se poate constata o întârziere, redată în imagine prin nuanţe
mai închise, datorită cantităţii reduse de clorofilă.
În cazul imaginilor fals-color este necesară o mai mare experienţă
a analistului, deoarece cromatica lor este total diferită de cea pe care
ochiul uman o percepe [31].
Se impune cunoaşterea rezoluţiei spectrale a imaginii şi a
comportamentului spectral ce generează signatura spectrală ataşată
obiectului din imagine.
Tonul de culoare, comparativ cu nuanţa, este mai dificil de utilizat
în analiza calitativă a imaginilor. Acesta are mai multe semnificaţii şi diferă în
funcţie de tipul de imagine (radar, pancromatică, etc.). Tonul depinde de
reflectanţa spectrală a obiectelor, de forma şi structura lor şi mai ales de
contrastul existent între acestea şi fondul pe care sunt proiectate [56].
2. Criteriile indirecte depind, în mod deosebit, de rezoluţia
spaţială a imaginilor şi pot fi aplicate în asociere cu criteriile directe.
a. Umbra obiectelor este caracteristică imaginilor care se suprapun
spectrului vizibil şi unei părţi din infraroşu apropiat (pancromatice, fals-
color). Depinde de momentul în care a fost achiziţionată imaginea şi de
înălţimea obiectelor (ajută la identificarea obiectelor înalte, izolate).
b. Dispersia reprezintă gradul de împrăştiere în spaţiu a obiectelor de
acelaşi tip [32] şi este un criteriu util în analiza evoluţiei temporale a unor
componente ale mediului înconjurător, astfel, evidenţierea absenţei unor
elemente fiind punctul de plecare al unor analize mai complexe.
c. Densitatea, în opoziţie cu dispersia, reprezintă gradul de concentrare al
unor obiecte de acelaşi tip pe unitatea de suprafaţă [32].
Ca şi în cazul anterior, densitatea obiectelor poate fi considerată ca
punct de pornire în realizarea unor analize complexe. De exemplu: într-o zonă
urbană, densitatea mare a blocurilor de locuinţe presupune o densitate mare a
populaţiei, mai departe, numărul mare de locuitori „atrage” existenţa centrelor
comerciale, instituţiilor bancare, diversificarea mijloacelor de transport în
comun, etc, care să deservească populaţia respectivă.
102
d. Structura reprezintă modul de organizare spaţială a obiectelor din
imagine. Acest criteriu poate fi aplicat, spre exemplu, în analize teritoriale,
structuri urbane, reţele de aşezări, etc.
e. Textura rezultă din combinarea semnăturilor spectrale la nivelul
imaginii unui obiect neomogen ce apare în imaginile de teledetecţie [32].
Acest criteriu oferă un sprijin important in interpretarea imaginilor,
în special a celor de inaltă rezoluţie spaţială. Este posibil să se
caracterizeze aspectele texturale şi numeric, folosind algoritmi de
discriminare a diferitelor texturi sau operaţii de postprocesare [68].
În imaginea de mai jos (imagine Ikonos cu rezoluţia de 1 m) este
“ilustrată” o plantaţie de palmieri. Deşi culoarea verde este predominantă,
se pot identifica trei tipuri distincte de acoperiri ale solului folosind textura
imaginii (fig. 5.20).
Analizând fig. 5.20 se pot observa următoarele aspecte: porţiunea
triunghiulară din stânga, în colţul de jos, este plantaţia cu palmieri maturi -
sunt vizibili pomii individuali. Textura predominantă este formaţiunea
vegetală alcătuită din trei coroane. In colţul din dreapta-jos culoarea este
mai omogenă, indicând probabil un câmp deschis cu iarbă măruntă [68].
104
Operaţia de rectificare a imaginilor este realizată, în cele mai multe
cazuri, de către furnizorii de imagini, acestea putând fi achiziţionate la mai
multe nivele de preprocesare, în funcţie de necesităţile utilizatorului,
corcţiile specifice fiind făcute în concordanţă cu nivelul de prelucrare la
care sunt achiziţionate imaginile respective.
Rectificarea imaginilor presupune executarea corecţiilor radiometrice
şi corecţiilor geometrice, fiecare cu mai multe operaţii.
106
Cdif.atm = Ltot – LRO (6.1)
în care:
Cdif.atm - corecţia de difuzie atmosferică a radiaţiei (mW/cm2/sr/ m)
Ltot – radianţa totală (mW/cm2/sr/ m)
LRO – radianţa obiectului de reflectanţă zero (mW/cm2/sr/ m).
ND = G *L + B (6.2)
în care:
ND – numărul digital sau valoarea spectrală a pixelului
G – panta răspunsului sa cannel gain
L – radianţa la nivelul pixelului (mW/cm2/sr/ m).
în care:
L – radianţa spectrală la nivelul pixelului (mW/cm2/sr/ m)
LMAX – radianţa spectrală maximă la nivelul pixelului
(mW/cm2/sr/ m)
LMIN - radianţa spectrală minimă la nivelul pixelului (mW/cm2/sr/ m)
ND – numărul digital.
107
Fig 6.3 Transformarea Tassled Cap [27]
108
imperfecţiunii aparatelor de înregistrat, cât şi influenţei factorilor de mediu
[74]. În imagine, acest semnal perturbator este înregistrat prin anumite
nuanţe de gri sau culoare care se suprapun peste nuanţa de gri sau culoare
a detaliilor planimetrice înregistrate.
Eliminarea zgomotului (a semnalului perturbator) poate fi obţinut
pe cale statistică, conform relaţiei [96]:
(6.4)
în care:
Fu(x, y) - câmpul compus al imaginii satelitare
F(x, y) - câmpul imaginii satelitare ideale fără perturbaţii
N(x, y) - zgomotul de câmp.
109
Pentru a prelucra datele împreună cu alte date sau hărți într-un
GIS, toate acestea trebuie să aibă același sistem de referință.
O corecție geometrică (geo-referențiere) este o procedură prin care
conținutului unui hartă îi va fi atribuit un sistem spațial de coordonate (de
exemplu, latitudine și longitudine).
Imaginile de teledetecție sunt în mod inerent supuse distorsiunilor
geometrice. Aceste distorsiuni se pot datora mai multor factori, printre care:
perspectiva optica a senzorilor; mișcarea sistemului de scanare; mișcarea
platformei; altitudinea platformei; topografia terenului; curbura și rotația
Pământului, etc. Corecțiile geometrice sunt destinate să compenseze aceste
distorsiuni, astfel încât reprezentarea geometrică a imaginii să fie cât mai
aproape de realitate. Multe dintre aceste variații sunt sistematice sau
previzibile în natură și pot fi contabilizate prin modelarea corectă a
senzorului, a mişcării platformei și a relației geometrice a platformei cu
Pământul. Alte variaţii, nesistematice sau aleatoare, nu pot fi modelate și
corectate în acest fel. Prin urmare, se impune „alinierea” imaginii satelitare
la un sistem de coordonate cunoscut.
Corecţiile geometrice sunt necesare datorită deformărilor şi/sau
distorsiunilor care apar în imagini. Spre exemplu:
- distorsiunea panoramică apare datorită neverticalităţii axei optice a
staţiei; aceasta produce o distorsiune spre margini şi este necesară o
corecţie astfel încât distanţa să fie dată de [18]:
X = H tg θ (6.5)
în care:
X - distanţa orizontală
H - înălţimea de zbor
Θ - nghiul de rotaţie a oglinzii.
în care:
Φ - unghiul de distorsiune
θ - latitudinea centrului imaginii
R - raza Pământului (6367,5 km)
v - viteza liniară a satelitului calculată pe traseul survolat
α - înclinarea planului orbitei faţă de planul ecuatorului.
110
La imaginile satelitare în formă „brută” sistemul de coordonate este
unul arbitrar motiv pentru care este necesară înlocuirea acestuia cu un
sistem de coordonate la care elementele proiecţiei sunt cunoscute (elipsoid,
raze, etc). Corecţiile geometrice se aplică imaginilor cu scopul de a atribui
coordonate reale (rectangulare sau geografice) unor puncte din cuprinsul
acestora, numite puncte de control în teren (Ground Control Points – GCP)
şi pot fi cunoscute din alte materiale geocorectate [30] (fig. 6.5).
în care:
C – contrastul imaginii (raportul de contrast)
Bmax – strălucirea maximă a pixelilor
Bmin – strălucirea minimă a pixelilor
116
În urma aplicării raportului de contrast (cu valori între 0 – 10),
atunci când valoarea acestuia este mare – deci strălucirea maximă are valori
mult mai mari decât cea minimă – imaginea are un contrast bun [30].
În imaginile brute, datele utile ocupă adesea numai o mică parte a
gamei disponibile de valori. Îmbunătățirea contrastului implică modificarea
valorilor inițiale, astfel încât să fie utilizat un procent cât mai mare din gama
disponibilă, crescând astfel contrastul dintre obiective și fundal.
Pentru a înţelege operaţiunea de îmbunătăţire a contrastului, este
necesară cunoaşterea unor aspecte legate de histograma imaginilor.
Histograma poate fi definită ca o reprezentare grafică a valorilor
luminozității care sunt cuprinse într-o imagine [120] sau grafic
caracteristic fiecărei imagini la nivel de bandă spectrală, fiecărui pixel
fiindu-i atribuit un număr digital (fig. 7.1).
118
2. Egalizarea histogramei (histogram equalized stretch)
presupune redistribuirea pixelilor, atât după numărul digital, cât şi după
numărul de celule alocate numărului digital (fig. 7.3). Pixelii afectaţi vor fi
cei din partea mediană a histogramei iniţiale [30].
Prin această metodă sunt atribuite mai multe valori de afișare
pentru porțiunile frecvente ale histogramei. În acest fel, detaliile din aceste
domenii vor fi relativ mai bine reprezentate în acele zone ale histograma
inițiale, în cazul în care valorile apar mai puțin frecvent.
In alte cazuri, se poate urmări mărirea contrastului în doar o
porțiune specifică a histogramei. De exemplu, să presupunem că avem o
imagine preluată de la gura unui râu, iar porțiunile de apă ale imaginii
ocupă valorile digitale 40 - 76 din întreaga histogramă a imaginii. Dacă
s-ar urmări evidenţierea detaliilor din apă (analiza sedimentelor), am
putea mări contrastul în doar o mica parte a histogramei reprezentată în
imagine prin apa (40 - 76), la toată gama de niveluri de gri de la 0 la 255
[120].
119
Fig. 7.4 Îmbunătăţirea contrastului prin stretch liniar cu saturaţie [94]
123
7.2.2. Mozaicarea
125
a b
Fig. 7.8 Combinaţii de benzi spectrale (a [97]; b [98, 26])
126
Fig. 7.9 Imagine Landsat ETM+ în culori naturale din zona Aligarh [99]
Roşu = XS2
Verde = (3XS1 + XS3) / 4
Albastru = (3XS1 - XS3) / 4
127
Fig. 7.10 Imagine SPOT în culori naturale rezultate prin combinaţii
de benzi spectrale [68]
a b c
Fig. 7.11 Imagine SPOT 4 fals-color obţinută prin diferite combinaţii
de benzi spectrale [68]
128
Apa limpede apare in albastru inchis, in timp ce apa cu sedimente
apare turcoaz. Solurile necultivate, drumurile şi clădirile pot să apară in
diferite umbre de albastru, galben sau cenuşiu, în funcţie de compoziţia lor
spectrală.
O altă schemă pentru formarea unei imagini, obţinute in IR scurt,
in culori false este următoarea [68]:
R = banda IR scurt (banda 4),
G = banda IR apropiat (banda 3),
B = banda roşie (banda 2).
În această schemă vegetaţia apare în umbre de verde, iar solurile
necultivate în culori mov sau indigo. Porţiunea de culoare roşu aprins din
partea stângă, corespunde unor incendii deschise. Fumul care rezultă în
urma arderilor apare în albastru difuz (fig. 7.11.b).
A treia combinaţie s-a realizat fără afişarea benzii IR scurt astfel [68]:
R = banda infraroşu apropiat,
V = banda roşie,
A = banda verde
În urma acestei combinaţii rezultă imaginea fals-color în care
vegetaţia apare în umbre de roşu, iar fumul provenit de la incendiu apare
acum mai strălucitor, în albastru pal (fig. 7.11.c).
Pentru susţinerea şi exemplificarea noţiunilor prezentate anterior,
vom analiza benzile spectrale şi cele mai des utilizate combinaţii de benzi
în cazul imaginilor Landsat 4 – 5 TM.
Banda 1 – este folosită pentru a monitoriza sedimentele din apă,
cartografiere recifele de corali, adâncimea apei; permite diferenţierea
arealelor acoperite de sol, rocă, de cele cu vegetaţie; persistă zgomotul,
tradus în imagine prin nori şi ceaţă.
Banda 2 – are calităţi similare cu banda 1, dar nu la fel de
extreme. Este utilă în diferenţierea vegetaţiei faţă de sol sau roca la zi sau
în analiza turbidităţii apei.
Banda 3 - deoarece vegetația absoarbe aproape toată lumina roșie
(din această cauză este numită uneori banda de absorbție a clorofilei)
această bandă poate fi utilă pentru a distinge vegetația de sol și în
monitorizarea sănătății vegetației [16].
Banda 4 – în această bandă corpurile de apă apare foarte
întunecate deoarece apa absoarbe aproape toată lumina în această lungime
de undă. Acest fapt contrastează cu gradul de reflexie „luminos” pentru sol
și vegetație, deci este o bandă bună pentru diferenţierea apă - teren.
129
Banda 5 - este foarte sensibilă la umiditate și drept urmare, este
deosebit de utilă pentru a monitoriza vegetația și starea de umiditate a
solului. De asemenea, permite diferențierea între nori și zăpadă.
Banda 6 - în infraroşu termic, ceea ce înseamnă că poate fi folosită
pentru a măsura temperatura de suprafață, fiind utilizată în principal pentru
aplicațiile geologice dar şi pentru a măsura stresul termic al plantelor [16].
Banda 7 - este folosită pentru determinarea umidităţii vegetație
(deși în general bandă 5 este preferată pentru aceast aspect), precum și
pentru cartografierea solului și a formaţiunilor geologice.
În continuare vom prezenta unele dintre combinaţiile cel mai des
utilizate, precum şi semnificaţia rezultatului obţinut, folosind o imagine
Landsat 4-5 TM descărcată gratuit de pe site-ul http://earthexplorer.usgs.gov.
Combinaţia 123
În cazul imaginilor Landsat TM, prin combinaţia benzilor 1
(albastru), 2 (verde) şi 3 (roşu) rezultă imagini în culori naturale, aşa cum
sunt percepute de ochiul uman (fig. 7.12).
130
Combinaţia 123 permite recunoaşterea uşoară a terenului şi analiza
„verticală” a apelor, însă nu permite diferenţierea unor detalii, astfel pot
apărea confuzii (norii cu zăpada) cu repercursiuni grave asupra rezultatelor.
Combinaţia 321
Această compoziţie de culori este cea mai apropiată de culorile
reale, cele percepute de ochiul uman, fiind cea mai „reală” combinaţie
care se poate obţine cu o imagine Landsat TM [16]. Asigură recunoaşterea
uşoară a componentelor mediului înconjurător: vegetaţia sănătoasă este
verde, apele sunt albastre, drumurile sunt gri, etc. (fig. 7.13).
131
vegetaţiei datorită absenţei unei benzi din domeniul infraroşu, în care
vegetaţia are reflectanţa maximă, iar imaginile generate pot fi neclare.
Combinaţia 234
Această combinaţie oferă posibilităţi mai mari de analiză a
vegetaţiei datorită introducerii benzii 4 (infraroşu apropiat) în locul benzii 1.
Prin introducerea benzii 4 din infraroşul apropiat se obţine o
imagine fals–color, ceea ce face ca culorile de pe imagine să nu mai
corespundă cu cele percepute de ochiul uman pentru anumite componente
de mediu: pădurea din sudul şi sud-estul teritoriului analizat este
reprezentată prin nuanţe de albastru şi violet, lacul Surduc, prin nuanţe de
maro, etc. (fig. 7.14)
132
Combinaţia 432
Imaginile fals-color obţinute prin combinaţia 432 (fig. 7.15) au
calităţi similare cu cele furnizate de combinaţia 321, fiind prezentă banda
de infraroșu apropiat, respectiv banda 4 [16].
133
Compoziţia 432 este o combinație de benzi spectrale foarte populară
și, aşa cum am menţionat anterior, este utilă pentru studiile de vegetație, dar şi
pentru monitorizarea solului, a diferitelor stadii de creștere a culturilor, etc. în
general, nuanțele de roșu intens indică vegetația sănătoasă, iar cele de roşu
deschis semnifică pajiștile sau zonele cu vegetație puţină. Asa cum se poate
observa în fig. 7.15, zonele rurale sunt redate în albastru deschis [122].
Combinaţia 453
Această combinaţie de infraroşu apropiat (banda 4), infraroşu
mediu (banda 5) şi roşu (banda 3) oferă imagini mai clare decât
combinaţiile anterioare, deoarece cele două benzi de lungime de undă mai
scurte (benzi 1 și 2) nu sunt incluse.
Diferitele tipuri de vegetație pot fi mai clar definite și delimitarea
uscat/apă este evidentă (fig. 7.16).
De asemenea, variațiile de umiditate sunt evidente în această
combinaţie de benzi, care, probabil, reprezintă cea mai comună compoziţie
în cazul imaginilor Landsat [16].
Combinaţia 742
Este similară cu combinaţia 453, cu diferenţa că vegetaţia este
reprezentată prin nuanţe de verde (fig. 7.18).
135
În urma acestei combinații rezultă imagini fals-color în care
vegetația sănătoasă este redată prin nuanţe de verde strălucitor, solul este
reprezentat prin nuanţe de roz, zonele „sărace” în vegetație sunt redate cu
portocaliu și maro, iar suprafeţele acvatice sunt albastre (fig. 7.18).
Nisipul, solurile și minerale sunt evidențiate într-o multitudine de
culori.
Această combinație de benzi este utilă pentru studii geologice,
agricole şi analiza zonelor umede.
De asemenea, este utilă în identificarea şi managementul zonelor
cu incendii, care sunt redate prin nuanţe de roşu.
136
- sensorul Oli include o nouă bandă pentru investigarea zonelor
costale şi analiza concentraţiei de aerosoli din atmosferă (banda 1)
şi o bandă pentru recunoaşterea norilor cirrus (banda 9)
- senzorul TIRS achiziţionează imagini cu două noi benzi spectrale
termice (banda 10 şi banda 11).
137
În situaţia dată, apar diferenţieri în ceea ce priveşte combinaţiile de
benzi spectrale.
În tabelul de mai jos sunt prezentate unele dintre cele mai des
utilizate combinaţii de benzi spectrale şi corespondenţa între Landsat 5 şi
Landsat 7 cu Landsat 8.
Tabelul 7.1
Combinaţii de benzi spectrale la diferiţi sateliţi [124]
Landsat 5,
Imagine Landsat 8
Landsat 7
Fals-color 432 543
Culori naturale 321 432
Fals-color 543 654
Fals-color 753 764
Fals-color 742 753
138
Transformarea imaginilor oferă noi posibilităţi de exploatare, în
funcţie de obiectivul propus.
Dintre operaţiile incluse în această categorie, vom prezenta metode
de obţinere a unor indici utilizaţi în analiza componentelor mediului,
combinaţiile pansharpened, analiza componentelor principale şi divizarea
benzilor spectrale.
139
(7.2)
- pentru TM (7.3)
GVI = -0.2848*TM1-0.2435*TM2-
.5436*TM3+0.7243*TM4+0.0840*TM5-0.1800*TM7
140
mare. O bună parte a radiaţiei din acest domeniu este reflectată sau
transmisă, procentul depinzând atât de structura covorului vegetal, cât şi
de structura celulară a frunzelor. Ca urmare, contrastul dintre reflectanţa în
banda roşu şi reflectanţa în infraroşu apropiat poate constitui o măsură a
cantităţii de vegetaţie [40]. Indicii de vegetaţie reprezintă măsuri ale
acestui contrast, fiind definiţi prin funcţii empirice care integrează
structura covorului vegetal şi parametrii fiziologici legaţi de fotosinteză.
Aceşti indici sunt corelaţi cu indicele suprafeţei foliare şi cu radiaţia
fotosintetic activă absorbită.
În continuare prezentăm unii dintre cei mai importanţi indici de
vegetaţie. Formulele care stau la baza calculării indicilor pornesc de la
ipoteza că variaţia spectrală a solurilor neacoperite de vegetaţie este
liniară, funcţia care o descrie fiind denumită dreapta solurilor. Această
dreaptă poate fi cel mai uşor determinată într-o histogramă bidimensională
a valorilor radiometrice, având ca axă x banda roşu şi ca axă z, banda
infraroşu apropiat. Se identifică în histogramă valorile radiometrice
corespunzătoare lipsei de vegetaţie, dreapta care le aproximează cel mai
bine definind dreapta solurilor [40].
1. Ratio Vegetation Index (Indice de vegetaţie de tip raport –
RVI) a fost descris pentru prima dată de Jordan (1969). Este indicele de
vegetație cu cea mai largă utilizare.
O practică comună în teledetecție este utilizarea de rapoarte de
benzi spectrale pentru a elimina diverse efecte ale albedoului. Pentru
calculul RVI se utilizează relaţia [44]:
NIR
RVI
R (7.4)
NIR - R
NDVI
NIR R (7.5)
141
RVI și NDVI sunt echivalente funcțional și legate prin următoarea
relaţie [44]:
RVI 1
NDVI
RVI 1 (7.6)
NIR
IPVI
NIR R (7.7)
NDVI 1
IPVI
2 (7.8)
142
PVI = sin(a)NIR – cos(a)R (7.10)
NIR R
SAVI (1 L)
NIR R L (7.12)
143
s( NIR s R a )
TSAVI
[a NIR R a s X (1 s s)] (7.13)
NIR R
SAVI (1 L)
NIR R L (7.14)
144
R 0.125
GEMI eta (1 0.25 eta)
1 R (7.16)
145
diminuarea semnăturii obiectului respectiv în banda în care acesta are cea
mai mică reflectanţă [30].
În urma acestor transformări rezultă indicii normalizaţi reprezentaţi
în imagini la scară de gri, în care pixelii au noi valori numerice. Datele
obţinute nu mai sunt de tip byte (niveluri între 0 – 255, în cazul imaginilor
pe 8 biţi), ci de tip floating point, cuprinse între -1 şi 1 [30].
1. Indicele normalizat de diferenţiere al vegetaţiei (Normalized
Difference Vegetation Index - NDVI) este deosebit de util în cartarea
arealelor acoperite cu vegetaţie, în stabilirea tipologiei vegetaţiei, a stării
de sănătate a acesteia.
Pentru a determina densitatea vegetaţiei, se iau în considerare
lungimile de undă din domeniul vizibil și infraroșu apropiat.
Când lumina solară întră în contact cu obiecte şi/sau fenomene
terestre, anumite lungimi de undă ale spectrului electromagnetic sunt
absorbite, iar altele sunt reflectate.
În cazul vegetaţiei, pigmentul din frunzele plantelor, respectiv
clorofila, absoarbe puternic lumina vizibilă (0.4 - 0.7 µm) pentru utilizarea
sa în fotosinteză. Structura celulară a frunzelor, pe de altă parte, reflectă
puternic lumina in infraroşu apropiat (0.7 - 1.1 µm).
Aşadar, valorile NDVI exprimă consistenţa vegetaţiei şi variază în
funcţie de absorbţia radiaţiei în zona spectrală roşu şi reflectanţa acesteia
în zona spectrală infraroşu apropiat.
Formula de calcul exprimă diferenţierea signaturilor spectrale la
limita zonei vizibile, banda roşu, cu zona infraroşu, banda IR apropiat,
având următoarele elemente [60]:
NIR R
NDVI
NIR R (7.17)
147
a b
Fig. 7.22. a - NDVI calculat pe imagine SPOT; b - reprezentarea NDVI
pe imaginea SPOT color-compusă [68]
148
productivitatea într-o anumită regiune este tipică sau dacă creșterea
plantelor este semnificativ cu mult mai mare sau mai redusă. Deci, în
sensul acestui studiu, o anumită regiune în care există o perioadă de
creștere a plantelor redusă (din cauza lipsei de precipitații), este etichetată
ca fiind "în secetă." Alte cauze posibile pentru valori NDVI mai scăzute
decât cele normale sunt temperaturile extrem de scăzute și norii [126].
2. Indicele normalizat de diferenţiere al apei (Normalized
Difference Water Index - NDWI) este util în cartografierea suprafeţelor
acvatice, precum şi în diferenţierea acestora în funcţie de turbiditate
(conţinutul în sedimente).
În calculul NDWI sunt utilizate benzile spectrale verde (datorită
faptului că radiaţiile electromagnetice penetrează apa) şi infraroşu apropiat
(creşte răspunsul spectral al umidităţii din soluri, roci şi plante, iar apa
începe să absoarbă radiaţiile în straturile de suprafaţă).
Formula de calcul a acestui indice este următoarea [60]:
NIR G
NDWI
NIR G (7.18)
149
Fig. 7.23 Harta NDWI pentru UAT Fârdea, judeţul Timiş
G IR
NDSI
G IR (7.19)
150
În teritoriul administrativ Fârdea (fig. 7.24), NDSI are valori
cuprinse între 0,703 – tonuri deschise – care pot fi identificate în zona
lacului Surduc şi în sud - estul teritoriului şi -0,626 – tonuri închise – care
semnifică suprafeţe neacoperite cu zăpadă.
NIR IR
NDMI
NIR IR (7.20)
151
Imaginile obţinute sunt reprezentate prin tonuri de gri, cu valori de
tip floating point, de la -1 (tonuri închise specifice terenurilor cu grad redus
de umiditate) la 1 (tonuri deschise care redau terenurile cu umiditate mare).
În UAT Fârdea, NDMI (fig. 7.25) are valori cuprinse între 0,6, în
zona lacului Surduc şi zona împădurită din sud şi sud – est şi -0,410 în
zona centrală aferentă localităţilor (zone cu umiditate redusă).
152
Pentru obţinerea acestui indice sunt utilizate benzile în care
răspunsul spectral al vegetaţiei neincendiate (infraroşu apropiat), respectiv
incendiate (infraroşu mediu) sunt cele mai puternice [30]. Diferenţele de
reflectanţă semnifică prezenţa clorofilei, înainte de incendiere, respectiv
lipsa acesteia după incendiere, fiind aplicată următoarea relaţie [60]:
NIR MIR
NDBR
NIR MIR (7.21)
IR NIR
NDBI
IR NIR (7.22)
154
Aplicabilitatea practică a acestor indici este de necontestat fiind
posibilă utilizarea lor în orice tip de analiză, în condiţiile unei interpretări
corecte.
a b c
Fig. 7.28 Imagine QuickBird: a – pancromatic; b – multispectral;
c – combinaţia pansharpened [70]
Fig. 7.29. a – imagine color originală (rezoluţie 2,4 m); b – imagine pancromatică
(rezoluţie 0,6 m); c – imagine pansharpened în culori naturale (rezoluţie 0,6 m);
d – imagine pansharpened fals-color (rezoluţie 0,6 m) [127]
156
Pentru a obţine o imagine pansharpened se impune îndeplinirea
unor condiţii esenţiale:
- imaginile care vor fi combinate trebuie să aibă aceeaşi rezoluţie
temporală
- imaginile trebuie să aibă aceleaşi proprietăţi geometrice
- imaginea multispectrală presupune existenţa a trei benzi spectrale la
aceeaşi rezoluţie spaţială [46].
În literatura de specialitate este descris un număr mare de tehnici
pentru realizarea transformării pansharpened.
Metodele specifice transformării pansharpened pot fi clasificate
astfel [23]:
- metode aritmetice – Brovey şi multiplicative
- metode de transformare pe baza IHS, Wavelet, Gram-Schmidt
- metode statistice pe baza celor mai mici pătrate
Una dintre cele mai des utilizate metode este metoda IHS (Intensity –
Hue – Saturation) prin care are loc introducerea benzii pancromatice în locul
uneia dintre componente, pe baza unui algoritm care cuprinde mai multe
etape [30]:
- imaginile multispectrale sunt dimensionate, la nivelul pixelilor, după
cea pancromatică
- se crează cele trei imagini la scară de gri corespunzătoare
componentelor cromatice, prin conversia combinaţiei RGB, în sistem
IHS (Intensity – Hue – Saturation sau Intensitate – Nuanţă – Saturaţie)
- se exclude componenta Intensitate, care reprezintă strălucirea totală
a culorilor obiectelor, similară cu pancromaticul
- se substituie banda pancromatică componentului Intensitate
(similitudini cromatice)
- imaginea combinată este convertită în sistem RGB, rezultatul fiind o
imagine color la rezoluţia spaţială a benzii pancromatice.
În realizarea acestor combinaţii, pot interveni unele inconveniente
de ordin radiometric, legate de saturarea diferenţiată a unor culori care
corespund reflectanţei mai mari într-o bandă.
Pentru a înlătura această pronlemă se modifică histograma benzii
pancromatice după cea a componentei pe care o va înlocui, respectiv
intensitatea sau strălucirea [30].
Analiza comparativă a imaginilor originale şi a celor obţnute prin
transformarea pansharpened, indică diferenţieri semnificative la nivel de
detalii şi deci recomandă această metodă de prelucrare pentru a fi utiliztă
în diferite studii care emit „pretenţii” vis-a-vis de conţinutul informaţional
al imaginilor.
157
7.4.3. Analiza componentelor principale
159
informațiile se concentrează în primele două sau trei componente. Celelalte
componente conțin, în general, numai „zgomot”. Dacă sunt analizate doar
cele mai componente semnificative, volumul de date poate fi mult redus.
În urma utilizării analizei componentelor principale, interpretarea
imaginii devine mai complicată (fig. 7.32), dar, în multe cazuri, această
tehnică este foarte eficientă.
Fig. 7.32 Imagine de teledetecţie (sus) şi analiza componentelor principale (jos) [50]
160
benzi spectrale separate, de la un singur set de date spectrale sau pot fi
formate din benzi individuale, care aparţin la seturile de date înregistrate
în momente temporale diferite sau utilizând diferiţi senzori.
În continuare vom prezenta succint cele patru operaţii din această
categorie, respectiv adunarea, scăderea, înmulţirea şi împărţirea
imaginilor, operații care se efectuează pe două sau mai multe imagini co-
înregistrate din aceeași zonă geografică.
Fig. 7.33 Scenă Landst din zona de vest a României (banda 3 şi banda 4)
161
Având în vedere faptul că cele două benzi considerate, respectiv
banda 3 (roşu) şi banda 4 (infraroşu apropiat) nu ne oferă detalii asupra
componentelor mediului, am efectuat aduunarea celor două imagini,
rezultatul fiind vizibil îmbunătăţit sub aspectul contrastului (fig. 7.34).
a b
Fig. 7.34 Adunarea a două imagini satelitare: a - rezultatul adunării şi b -
redimensionarea acestuia
a b
Fig. 7.35 Îmnmulţirea imaginii Landsat din zona Fârdea: a - banda 4; b – rezultatul
înmulţirii cu factorul de scalare 1.3
164
Tabelul 7.2
Diferenţa între valorile numerelor digitale ale imaginilor iniţiale şi a celor
transformate prin împărţire [24]
Versant Landsat, B3 Landsat, B4 Raport B3/B4
Însorit 94 42 2.24
Umbrit 76 34 2.23
b
Fig. 7.37 a - Combinaţie RGB 321 Landsat ETM+; b – Imaginea din fig. 7.37 a obţinută
prin combinaţie RGB a rapoartelor 5/7 - roşu, 2/3 – verde şi 3/1 – albastru [99]
166
Analiza comparativă a celor două imagini din fig. 7.37
demonstrează afirmaţiile anterioare: efectul umbririi (sau al ceţii, norilor,
în unele cazuri), evident în imaginea 7.37.a a fost înlăturat prin
combinarea celor trei rapoarte, în sistem RGB, în imaginea 7.37.b, astfel
interpretarea şi/sau clasificarea imaginii fiind posibile în condiţii corecte
Eliminarea efectului topografic şi generarea imaginii corespunzătoare
unei interpretări corecte şi complexe, prin raportarea benzilor, este ilustrată şi
în fig. 7.38.
167
RGB, pot fi identificate, atât tipurile de roci, cât şi caracteristicile
acestora, obţinute prin cele trei rapoarte [103].
În acest mod, imaginea „finală” reprezentată în fig. 7.38.e, poate fi
supusă procesului de interpretare.
168
Clasele de informaţii sunt acele categorii de interes, pe care
analistul le identifică în imagine: diferite tipuri de culturi, diferite tipuri de
păduri sau specii de arbori, diferite unități geologice sau tipuri de roci, etc.
Clasele spectrale sunt grupuri de pixeli, uniforme (sau aproape
uniforme) în ceea ce privește valorile lor de luminozitate în diferite canale
spectrale [51]. Scopul clasificării este acela de a „potrivi” cele două tipuri
de clase, spectrale şi de informaţii. Această „potrivire” perfectă se
realizează în puţine cazuri, deoarece într-un interval larg pe care se
suprapune o clasă de informații (de exemplu, păduri) poate fi cuprins un
număr variabil de subclase spectrale unice. Folosind exemplul de pădure,
subclasele spectrale se pot datora variațiilor în ceea ce priveşte vârsta,
specia și densitatea arborilor sau pot fi, de asemenea, rezultatul umbririi
sau variației de iluminare a scenei respective.
Prin urmare, clasificarea imaginilor reprezintă gruparea pixelilor
care alcătuiesc imaginea digitală sub forma de clase sau teme de acoperire
a terenului [30].
Clasificarea imaginilor satelitare are scopul de a construi imagini
tematice în care, fiecare pixel este asignat (pe baza răspunsului spectral)
unei clase particulare de obiecte [96]. Acest fapt este posibil deoarece
fiecare pixel care întră în componenţa imaginii conţine informaţii
geografice.
Altfel spus, clasificarea spectrală are ca scop cartografierea
obiectivă a arealelor din imagine care au caracteristici radiometrice
(reflectanţă şi/sau emisivitate) similare [93].
În cel mai simplu mod, se poate defini clasificarea ca fiind
procesul de grupare a datelor in funcţie de caracteristicile comune. În urma
acestui process rezultă date tematice, calitative (fig. 7.39) care reprezintă
categorii specifice bazate pe proprietaţile spectrale şi/sau pe sursele de
date auxiliare, ca şi pe verificarea terenului.
În urma clasificării imaginilor satelitare este posibilă:
- extragerea informaţiilor geografice referitoare la zona de interes
- realizarea hărţilor tematice (de vegetaţie, modul de utilizare a
terenului, urbanism, etc.)
- utilizarea informaţiilor obţinute în alte aplicaţii realizate cu soft-uri
de specialitate (spre exemplu GIS).
Procedurile de clasificare pot fi defalcate în două subdiviziuni largi
în funcţie de metoda utilizată (fig. 7.40):
- clasificarea supravegheată (asistată, supervizată) – abilitează
introducerea unor informaţii obţinute apriori pentru “a-l antrena” pe
clasificator; analistul identifică porţiuni omogene de diferite tipuri
169
(clase de informații) denumite training areas (domenii de instruire).
bazate pe familiaritatea analistului cu zona geografică şi cunoaşterea
modului actual de utilizare a terenului; în acest fel, operatorul
"supraveghează" gruparea în seturi de clase specifice, iar
informațiile numerice din toate benzile spectrale sunt folosite pentru
a "instrui" calculatorul să recunoască zone similare din punct de
vedere spectral pentru fiecare clasă cu ajutorul programelor speciale
sau pe baza unui algoritm specific, pentru a determina numeric
"semnăturile" pentru fiecare clasă de instruire; odată ce calculatorul
a stabilit semnăturile pentru fiecare clasă, fiecare pixel din imagine
este comparat cu aceste semnături și „distribuit” în clasa cea mai
apropiată sub aspect spectral, astfel, în clasificarea supravegheată
sunt identificate clasele de informaţii acestea fiind utilizate pentru a
determina clasele spectrale corespunzătoare [51]
a b
Fig. 7.40 Clasificarea imaginilor satelitare: a – nesupervizată; b – supervizată [145]
170
nouă cerere de algoritm de clusterizare, astfel, clasificarea
nesupravegheată nu este complet în afara intervenție umane, dar nu
începe cu un set predeterminat de clase ca în cazul clasificării
supravegheate [51].
Altfel spus, spre deosebire de clasificarea nesupervizată, prin care
grupările de obiecte sunt definite automat exploatând principiul
“aglomerării” statistice a valorilor pixelilor, clasificarea supervizată este
realizată in două etape distincte (trei etape după unii autori) [149]:
- în faza iniţială, analistul defineşte grupurile ce urmează să fi extrase
din imaginea analizată stabilind aşa numite poligoane de instruire
(AoI - Area of Interes sau RoI - Region of Interest)
- fiind elaborată astfel legenda, se trece la faza de calcul, operatorul
având posibilitatea selectării algoritmului de clasificare [93].
171
a b c
Fig 7.41 Algoritmul K-means: a – prima iteraţie; b – a doua iteraţie, c – iteraţia n [145]
172
Aplicarea acestui algoritm permite depăşirea numărului de clase
stabilite anterior de către analist, astfel că, posibilitatea ca un număr mare
de pixeli să nu fie clasificaţi se reduce, cu condiţia repetării algoritmului,
ceea ce face ca acesta, comparativ cu algoritmul K-means, să ofere o mai
mare precizie a interpretării ulterioare.
Ca şi în cazul anterior, rezultatul aplicării algoritmului ISODATA
se constituie printr-o imagine nouă, în care clusterele sunt reprezentate
prin culori convenţionale (fig. 7.42).
b
Fig. 7.42 Imagine Landsat TM; a – Combinaţie 123;
b – Algoritmul ISODATA aplicat pe imaginea Landsat TM [145]
173
După cum se observă în fig. 7.42, imaginea care a rezultat în urma
clasificării, distinctă faţă de imaginea iniţială, permite vizualizarea
diferitelor clustere şi definirea acestora în raport cu elmentele mediului
înconjurător pe care le reprezintă.
Pe baza celor prezentate anterior, se poate afirma că, indiferent de
algoritmul utilizat, clasificarea nesupervizată nu necesită o cunoaştere
apriori a arealului luat în studiu. În unele cazuri, interpretarea unor clase
poate fi dificilă. Neajunsul metodei este că nu există o regulă precisă de
determinare a pragului, acesta fiind decisiv în clasificare [30]. De cele mai
multe ori, după ce s-a fixat acest prag şi s-a obţinut o anumită clasificare
care nu este corespunzătoare, se reia procedeul fixându-se alt prag. În
practică se preferă o metodă combinată a celor două tehnici.
174
- etapa clasificării propriu-zise (etapa deciziei) – în care are loc
selectarea metodei adecvate de comparare a elementelor de
instruire (din etapa precedentă)
- evaluarea conformitţăii clasificării (etapa finală).
1. Etapa de instruire (training stage) reprezintă etapa în care sunt
alese zonele de interes (Region of Interest – ROI sau Areal of Interest –
AOI), respectiv grupuri de pixeli cu caracteristici geografice omogene
(construcţii, ape, păduri, etc) şi număr digital cu valori apropiate, de o
mare importanţă în ceea ce priveşte calitatea clasificării.
Zonele de interes sunt create prin digitizare manuală, formându-se
poligoane ale grupurilor de pixeli reprezentativi, cu o repartiţie cât mai
bună în cadrul imaginii (pentru a evidenţia unele diferenţieri calitative care
pot apărea în cadrul unei clase).
Pentru facilitarea delimitării zonelor de interes pot fi utilizate
imagini color. Experienţa şi capacitatea de analiză a analistului sunt foarte
importante, de aceste trăsături depinzând rezultatul final al clasificării.
În alegerea zonelor de interes se au în vedere [24]:
- zonele de interes trebuie să fie omogene, ceea ce poate fi testat prin
intermediul histogramelor
- o zonă de interes uniformă mare dintr-o clasă caracteristică este de
preferat comparativ cu mai multe zone mai mici, deși acest lucru
depinde de gradul de variabilitate în interiorul fiecărei clase, de la
o regiune la alta și gradul de variabilitate în regiunile individuale
- poate fi mai avantajoasă extragerea mai mult decât este necesar, iar
apoi să se examineze statistic, înainte de luarea deciziilor
- fiecare zonă de interes trebuie să fie ușor de localizat în imagine:
pot fi utilizate hărţi topografice, observaţii GPS sau fotografii
aeriene pentru „confirmare”
- dacă este necesară o zonă de interes mai mică, atunci dimensiunea
minimă este critică: CCRS, pentru MSS, sugerează alegerea zonei
de interes de minim 3 - 4 pixeli est - vest cu 6 pixeli nord – sud.
2. Etapa clasificării propriu-zise. După ce au fost stabilite zonele
de interes se poate proceda la clasificarea propriu-zisă, pe baza unor
algoritmi specifici.
„Decizia”, aşa cum se mai numeşte această etapă, se referă la
alegerea algoritmului optim, de care depinde calitatea rezultatului obţinut.
a. Algoritmul distanţei minime medii (Minimum distance to means) se
bazează pe determinarea centrului fiecărui grup de pixeli care reprezintă
zona de interes, apoi, fiecare pixel este raportat prin vector de distanţă la
175
zona de interes şi este atribuit celei mai apropiate clase [30]. În fig. 7.44
este redat principiul algoritmului distanţei minime medii.
Fig. 7.44 Algoritmul distanţei minime medii: fără distanţă-prag în dreapta sus
şi cu distanţă-prag în dreapta jos [5]
176
particularitate simplificată la numai două benzi spectrale, iar regiunea in
care gruparea de valori care aparţine clasei, este delimitată de un
dreptunghi [93].
b
Fig. 7.45 Algoritmul paralelipipedului: a - prin încadrare în dreptunghiuri [145];
b - prin incadrarea intr-un paralelipiped [93]
Dacă sunt utilizate trei benzi spectrale, o clasă este inclusă într-un
paralelipiped (fig. 7.45). Fiecare grupare are o anmtă varianţă care
condiţionează dimensiunile dreptunghiului sau paralelipipedului, iar
fiecare pixel, în funcţie de numărul digital, este localizat într-unul dintre
aceste spaţii. Există însă şi situaţii în care pixelii sunt poziţionaţi la
intersecţia dintre două spaţii, în acest caz aceştia sunt consideraţi
“nesiguri” şi sunt atribuiţi arbitrar unuia dintre spaţii [30].
177
c. Algoritmul Gaussian de asemănare maximă (Maximum likelihood),
cunoscut în literatura de specialitate şi sub denmirea de metoda
verosimilităţii maxime sau clasificarea probabilistă, se bazează pe
utilizarea teoriei probabilitatilor (funcţii Gaussiene) pentru a compara
valorile spectrale ale fiecarui pixel in parte cu „amprenta” statistică din
fiecare zonă de interes. Practic, sunt calculate probabilităţi condiţionate de
apartenenţa la o clasă sau alta [149]. Punctele din mijlocul grupării au o
probabilitate mai mare de apartenenţă la clasa respectivă, intervalele de
echiprobabilitate (izolinii concenrice sau contururi de probabilitate egală)
fiind delimitate grafic prin izocontururi care exprimă variaţiile spectrale
din interiorul fiecărui set de training [93].
178
a
b
Fig. 7.47 Imagine Landsat TM; a – Combinaţie 123; b – Algoritmul Maximum
likelihood aplicat pe imaginea Landsat TM [145]
179
Clasificarea supervizată, comparativ cu clasificarea nesupervizată,
redă în imagini, cu mai mare precizie, realitatea din teren. În această
metodă, utilizatorul deţine controlul asupra identităţii claselor şi poate
identifica erorile de clasificare [145].
180
BIBLIOGRAFIE
181
conservation/biodiversity-informatics/remote-sensing-guides/selecting-the-
appropriate-band-combination-for-an-rgb-image-using-landsat-imagery
17. Horning, N., Land cover classification methods, Version 1.0. American
Museum of Natural History, Center for Biodiversity and Conservation, 2004,
Available from http://biodiversityinformatics.amnh.org. (accessed on date),
on-line at http://www.amnh.org/our-research/center-for-biodiversity-
conservation/biodiversity-informatics/remote-sensing-guides/land-cover-
classification-methods
18. Imbroane A. M., Iniţiere în GIS şi teledetecţie, Editura Presa Universitară
Clujeană, Cluj-Napoca, 1999, on line at
http://www.scribd.com/doc/98173449/introducere-in-gis-si-
teledetectie#scribd
19. Iosub F., Extragerea informației spațiale din imagini satelitare folosind
clasificările supervizate și nesupervizate, Timişoara, 2012, on-line at:
earth.unibuc.ro/file_download/29314
20. Jensen J, Schill S, Contrast Enhancement, Volume III, Module 6, Section 3
Contrast Enhancement, Department of Geography, University of South
Carolina, Columbia, on-line at: http://www.r-s-c-c.org/volumeIII-module6-
section3
21. Kidiyo Kpalma, Miloud Chikr El-Mezouar, Nasreddine Taleb, Recent Trends
in Satellite Image Pan-sharpening techniques. 1st International Conference on
Electrical, Electronic and Computing Engineering, Jun 2014, Vrniacka Banja,
Serbia, HAL Id: hal-01075703, on-line at: https://hal.archives-ouvertes.fr/hal-
01075703/document
22. Kumar D., Satellite Image Processing with MATLAB, on-line at:
http://civil.iisc.ernet.in/~nagesh/rs_docs/ImageProcessing_Matlab.pdf
23. Kumar Aravinda şi colab, Performance evaluation of pan-sharpening metods
for the cases of fusion constraints, on-line at:
http://www.nrsc.gov.in/isprs/pdf/495.pdf
24. Levin N., Fundamentals of Remote Sensing, 1999, on-line at:
http://geography.huji.ac.il/personal/Noam%20Levin/1999-fundamentals-of-
remote-sensing.pdf
25. Lichas El-Khoury Dany, Use of Remote Sensing in Natural Resource
Management, on-line at:
http://staff.aub.edu.lb/~webeco/rs%20lectures.htm
26. Liew S. C., Principles of remote sensing, Centre for Remote Imaging, Sensing
and Processing, National University of Singapore, on-line at:
http://www.crisp.nus.edu.sg/~research/tutorial/rsmain.htm
27. Liz M., Tasselled cap transformation, Geography, 2007, on-line at:
http://web.pdx.edu/~jduh/courses/Archive/geog481w07/Students/Marcello_T
asselledCap.pdf
28. Lwin Ko Ko, Fundamentals of Remote Sensing and its Aplications in GIS,
Division of Spatial Information Science, University of Tsukuba, on-line
182
at:http://giswin.geo.tsukuba.ac.jp/sis/tutorial/koko/remotesensing/Fundamenta
lRemoteSensing.pdf
29. Mather P., Koch M., Computer Processing of Remotely-Sensed Images: An
Introduction, John Wiley & Sons, 2011, on-line at: https://books.google.ro/
30. Mihai B. A., Teledetecţie, Introducere în procesarea digitală a imaginilor,
Vol I, Editura Universităţii din Bucureşti, 2007
31. Mihai B. A., Teledetecţie, Noţiuni generale, Bucureşti, 2008, on-line at:
http://www.unibuc.ro/prof/mihai_b_a/docs/res/2011aprteledetectie_id_anul_1
_mihai_b.pdf
32. Mihai B. A., Teledetecţie, Noţiuni şi principii fundamentale, Vol II, Editura
Universităţii din Bucureşti, 2009
33. Pidwirny M., Atmospheric effects on incoming solar radiation, Fundamentals
of Physical Geography, 2nd Edition, Date Viewed, 2006, on-line at:
http://www.physicalgeography.net/fundamentals/7f.html
34. Popescu C., Teledetection, agrometeorologie et pedologie, Raport de stagiu,
E.N.S.A. Rennes, Franţa, 1999
35. Popescu C., şi colab., Utilizarea datelor de teledetecţie ca suport pentru
gestionarea resurselor naturale, Sesiunea Anuală de Comunicări Ştinţifice,
Analele Universităţii Craiova, Vol. XXXIII, pag. 332-337, Craiova, 2003
36. Popescu C., Characteristics of SPOT Data Used in Study of Environment
Resources, Sesiunea de Comunicări Ştinţifice Internaţionale ACMV, (CD),
Timişoara, 2004
37. Popescu C., şi colab., Utilizarea semnăturii spectrale în cuantificarea
resurselor de sol, Sesiunea Anuală de Comunicări Ştinţifice, Analele
Universităţii Oradea, pag. 451-460, 2004
38. Popescu C., şi colab., Studiul procesului de clasificare a imaginilor satelitare
utilizate în agricultură, Sesiunea Anuală de Comunicări Ştinţifice, Analele
Universităţii Oradea, pag. 461-468, Oradea, 2004
39. Popescu C., Modern Remote Sensing Data Processing Technologies Used in
the Study of Natural Resources, Buletin USAMV-CN, 60/2004(-), ISSN
1454-2382, 4p. 2004
40. Popescu C., Teledetecţie şi Sisteme Informatice Geografice în agricultură,
Editura Eurobit, Timişoara, 2007
41. Săvulescu C., şi colab, Fundamente GIS, Editura *H*G*A*, Bucureşti, 2000
42. Sion I. G., Utilizarea fotogrammetriei şi a teledetecţiei în întocmirea hărţii
mediului, Analele IGFCOT, Vol. VIII, pag. 73-85, 1987
43. Steven J. Covington, Thomas R. Hill, Maintaining the Legacy of Landsat,
Crosslink, The Aerospace Corporation Magazine, Vol. 9, No 2, 2009, on-line
at: http://www.aero.org/publications/crosslink/winter2008/03.html
44. Terrill W. R., A FAQ on Vegetation in Remote Sensing, Div. of Geological
and Planetary Sciences, California Institute of Technology, on-line at:
http://www.yale.edu/ceo/Documentation/rsvegfaq.html
183
45. Vintilă R., Télédétection appliquée aux zones humides, Raport de Cercetare,
Şcoala Superioară de Agricultură Purpan/ESAP, Toulouse, Franţa, 1993
46. Zegheru N., Albotă M., Introducere în teledetecţie, Editura Ştiinţifică şi
Enciclopedică, Bucureşti, 1979
47. ••• A Dictionary of GIS, Association for Geographical Information (AGI),
Marea Britanie, 2001
48. ••• CORINE, Projet CORINE Land Cover – Guide Technique, CEC, Ispra,
Italia, 1992 A
49. ••• Enciclopedia armelor: V2 Săgeata din Peenemunde, Romania Military,
on-line at: http://www.rumaniamilitary.ro/enciclopedia-armelor-v2-sageata-
din-peenemunde
50. ••• EOEdu, Observing our planet, Belgian Science Policy, on-line at:
http://eoedu.belspo.be/en/guide/compprin.asp?section=3.10
51. ••• Fundamentals of Remote Sensing, Natural Resources, Canada, on-line
at:https://www.nrcan.gc.ca/sites/www.nrcan.gc.ca/files/earthsciences/pdf/reso
urce/tutor/fundam/pdf/fundamentals_e.pdf
52. ••• Introduction to Remote sensing, on-line at: http://www.seos-
project.eu/modules/remotesensing/remotesensing-c03-p04.html
53. ••• Spectral Reflectance of Land Covers, Departament of Geology, Aligarh
Muslim University, on-line at:
http://www.geol-amu.org/notes/m1r-1-8.htm
54. ••• Spectral reflectance of vegetation, soil and water
55. ••• Teledetecţia şi fotogrammetria pentru agricultură
56. ••• Teledetecţie şi cadastru forestier
57. ••• Teledetecţie şi Sisteme Informatice Geografice
58. ••• Teledetecţie – rezumat, on-line at:
http://www.scribd.com/doc/62160639/Tedetectie-rezumat-carte
59. ••• Utilizarea GIS şi a datelor satelitare pentru planificare urbană,
Programul Leonardo da Vinci, 2002
60. •••
61. ••• http://en.wikipedia.org/wiki/Aerial_photography
62. ••• http://istoriculzilei.blogspot.ro/2012_10_13_archive.html
63. •••http://ro.wikipedia.org/wiki/Radia%C8%9Bie_electromagnetic%C4%83
64. ••• http://www.referatele.com/referate/fizica/online2/Undele-
electromagnetice---Tipuri-de-unde-referatele-com.php
65. ••• http://www.slideshare.net/fs38/unde-
electromagnetice#13832137133901&hideSpinner
66. ••• http://www.lbl.gov/images/MicroWorlds/EMSpec.gif
67. ••• http://ffden-
2.phys.uaf.edu/211_fall2002.web.dir/Andrea_Steffke/amspage5.htm
68. •••http://www.fizica.unibuc.ro/Fizica/Studenti/Cursuri/doc/VFilip/MEIM/Prin
cipiile_teledetectiei.pdf
184
69. ••• http://www.satimagingcorp.com/gallery/quickbird-riyadh.html
70. ••• http://www.geosage.com/highview/imagefusion.html
71. ••• http://www.geografie.uvt.ro/adm/teme_master_2012/Tema%2013.pdf
72. ••• http://www.scrigroup.com/casa-masina/arhitectura/432/Satelitii-din-seriile-
Landsat-21869.php
73. •••http://www.geog.ucsb.edu/~jeff/115a/remote_sensing/landsat7/landsat7ban
dspalmsprings.html
74. ••• http://ro.wikipedia.org/wiki/RADAR
75. ••• http://www.radartutorial.eu/04.history/hi04.ro.html
76. ••• http://www.radartutorial.eu/01.basics/rb04.ro.html
77. ••• http://www.radartutorial.eu/01.basics/rb05.ro.html
78. ••• http://www.radartutorial.eu/01.basics/rb07.ro.html
79. ••• http://www.radartutorial.eu/01.basics/rb08.ro.html
80. ••• http://www.radartutorial.eu/07.waves/wa04.ro.html
81. ••• http://www.radartutorial.eu/20.airborne/ab06.de.html
82. ••• http://www.physis.ro/LiDAR.html
83. ••• http://www.replicahd.ro/?p=4188
84. •••http://www.fizica.unibuc.ro/Fizica/Studenti/Cursuri/doc/VFilip/MEIM/Tra
nsfer_radiativ_si_sensori_pentru_teledetectie.pdf
85. ••• http://earth.unibuc.ro/articole/manipularea-seturilor-de-date-lidar-light-
detection-and-ranging
86. •••http://www.geomorphologyonline.com/students_materials/Teledetectie/201
2_2013/lp03_landsat.pdf
87. ••• http://landsat.gsfc.nasa.gov/about/landsat1.html
88. ••• http://glcf.umd.edu/data/landsat/
89. ••• https://www.e-education.psu.edu/natureofgeoinfo/c8_p11.html
90. ••• http://www.satimagingcorp.com/satellite-sensors/ikonos.html
91. ••• http://www.webcoursesbangkok.com/blog/whats-the-difference-between-
vector-and-raster-images/
92. •••http://www.indiana.edu/~gisci/courses/g338/images/chapter2figs/fig2-
11.gif
93. ••• http://www.scrigroup.com/casa-masina/arhitectura/432/Procesarea-si-
analiza-imaginil93921.php
94. ••• http://www.unibuc.ro/prof/patru-
stupariu_i_g/docs/2013/noi/18_18_40_15Curs_7_8_Alina_Huzui_2012_2013
.pdf
95. ••• http://giswin.geo.tsukuba.ac.jp/sis/tutorial/remote_sensing_image.pdf
96. •••xa.yimg.com/.../1+Utilizarea+imaginilor+satelitare+in+cartografia+modern
a
97. •••http://resources.esri.com/help/9.3/arcgisdesktop/com/gp_toolref/data_mana
gement_tools/composite_bands_data_management_.htm
98. ••• http://www.crisp.nus.edu.sg/~research/tutorial/process.htm
185
99. ••• http://www.cps-amu.org/sf/notes/m14a-4-8.htm
100. •••http://academic.emporia.edu/aberjame/remote/landsat/landsat_interp.htm
101. ••• http://www.geografie.uvt.ro/pers/ardeleanf/Teledetectie/idrisi_03.pdf
102. •••
103. •••http://geology.wlu.edu/harbor/geol260/lecture_notes/Notes_rs_ratios.html
104. ••• http://destepti.ro/sonarul-acustica-subacvatica
105. ••• http://landsat.gsfc.nasa.gov/?p=3209
106. ••• http://eoedu.belspo.be/en/satellites/landsat.htm
107. ••• http://landsat.gsfc.nasa.gov/?p=3227
108. ••• http://landsat.gsfc.nasa.gov/?p=3211
109. ••• http://landsat.gsfc.nasa.gov/?p=3213
110. ••• http://landsat.gsfc.nasa.gov/?p=3215
111. ••• http://landsat.gsfc.nasa.gov/?p=3217
112. ••• http://landsat.gsfc.nasa.gov/?p=3221
113. ••• http://landsat.gsfc.nasa.gov/?p=5081
114. ••• http://en.wikipedia.org/wiki/SPOT_(satellite)
115. ••• https://directory.eoportal.org/web/eoportal/satellite-missions/s/spot-6-7
116. ••• http://ro.wikipedia.org/wiki/Imagine_digital%C4%83
117. ••• https://www.e-education.psu.edu/natureofgeoinfo/book/export/html/1608
118. ••• http://www.crisp.nus.edu.sg/~research/tutorial/optical.htm
119. ••• http://www.satimagingcorp.com/gallery/quickbird/quickbird-paris-eiffel-
lg/
120. ••• http://www.nrcan.gc.ca/earth-sciences/geomatics/satellite-imagery-air-
photos/satellite-imagery-products/educational-resources/9389
121. •••http://support.esri.com/en/knowledgebase/GISDictionary/term/density%20s
licing
122. ••• http://web.pdx.edu/~emch/ip1/bandcombinations.html
123. ••• http://landsat.gsfc.nasa.gov/?page_id=5377
124. ••• http://landsat.usgs.gov/L8_band_combos.php
125. •••http://www.diss.fu-
berlin.de/diss/servlets/MCRFileNodeServlet/FUDISS_derivate_00000000167
2/04_wannakomolch4.pdf?hosts=
126. •••http://earthobservatory.nasa.gov/Features/MeasuringVegetation/measuring
_vegetation_3.php
127. •••http://resources.arcgis.com/en/help/main/10.1/index.html#//009t000000mw
000000
128. ••• http://www.sjsu.edu/faculty/watkins/princmp.htm
129. •••https://directory.eoportal.org/web/eoportal/satellite-missions/l/landsat-1-3
130. ••• http://olympusmicro.com/primer/java/reflection/specular/index.html
131. •••http://www.tetracam.com/Tetracam%20-
%20Recommendations%20for%20Band%20Pass%20Filter%20Selection.htm
186
132. •••http://www.seos-
project.eu/modules/remotesensing/images/Spektrum_engs_h600.png
133. •••http://navcen.uscg.gov/?pageName=iipHowDoesIIPDetectNorthAtlanticIce
bergs
134. •••http://www.geog.ucsb.edu/~jeff/115a/remote_sensing/radar/fig7_23sbchan
nelwindwavesseasat.jpg
135. ••• http://www.faqs.org/espionage/Pr-Re/Remote-Sensing.html
136. •••http://www.km.kongsberg.com/ks/web/nokbg0238.nsf/AllWeb/98CE82BC
E0033676C1257DCC002BE881?OpenDocument
137. ••• http://landsat.usgs.gov/about_mission_history.php
138. ••• http://earthobservatory.nasa.gov/blogs/fromthefield/2010/08/10/wild-west-
siberia-map/
139. ••• http://www.landinfo.com/QuickBird.htm
140. ••• http://landsat.gsfc.nasa.gov/?p=3186
141. •••http://www.rgs.org/NR/rdonlyres/B1512202-B8CA-496F-805A-
1D91B45C6EDE/0/Chapter8ImageInterpretationandProcessing.pdf
142. ••• http://www.crisp.nus.edu.sg/~research/tutorial/sargm.gif
143. ••• http://geofizica.wordpress.com/2008/05/23/cursuri-teledetectie/ (cursul 1)
144. ••• http://geofizica.wordpress.com/2008/05/23/cursuri-teledetectie/ (cursul 2)
145. ••• earth.unibuc.ro/file_download/29314
146. •••http://media0.webgarden.ro/files/media0:4b3254260c55c.doc.upl/cartog_cu
rs_8.doc
147. ••• http://aimeesad.blogspot.ro/
148. ••• http://www2.rosa.ro/index.php/ro/rosa/istoric
149. ••• http://ro.scribd.com/doc/141180822/Curs-Teledetectie-2011-2012-v1
150. ••• http://www.rasfoiesc.com/inginerie/comunicatii/PRINCIPIILE-
TELEDETECTIEI-PASI25.php
151. ••• https://upload.wikimedia.org/wikipedia/commons/1/1f/V-
2_rocket_diagram_%28with_English_labels%29.svg
187