Cosmin Alin Popescu

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

Dr. Loredana COPĂCEAN

Universitatea de Ştiinţe Agricole şi Medicină Veterinară a Banatului
„Regele Mihai I al României”, Timişoara

Şef lucrări dr. ing. Mihai Valentin HERBEI

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

Conf. univ. dr. Lucian Daniel DRĂGUŢ

Universitatea de Vest, Timişoara

Conf. univ. dr. Vlad MIRCOV

Universitatea de Ştiinţe Agricole şi Medicină Veterinară a Banatului
„Regele Mihai I al României”, Timişoara

© 2015, Cosmin Alin Popescu, Loredana Copăcean, Mihai Valentin Herbei

Tehnoredactare: Loredana Copăcean

Copertă: Cătălin Buda

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

În ultimii ani, teledetecţia a cunoscut o deosebită dezvoltare ţinând

cont de faptul că primele metode de analiză şi înregistrare de la distanţă
sunt semnalate în urmă cu aproximativ patru, cinci decenii.
Progresul înregistrat în tehnică şi ştiinţă a impus evoluţia rapidă a
mijloacelor şi metodelor specifice teledetecţiei, din dorinţa de a cunoaşte
cât mai amănunţit componentele mediului înconjurător, precum şi evoluţia
temporală şi/sau spaţială a acestora.
Cercetarea suprafeţei terestre realizată din spaţiul aerian şi din
Cosmos, cu ajutorul tehnicilor de teledetecţie, facilitează obţinerea de
informaţii de mare valoare pentru numeroase domenii de activitate, printre
care pot fi menţionate agricultura, silvicultura, geologia, pedologia,
hidrologia, cartografia, prospectarea şi evaluarea resurselor naturale,
supravegherea mediului înconjurător (sol, apă şi aer) şi altele.
Rezultatele obţinute prin tehnicile de înregistrare, transmitere,
prelucrare şi interpretare a datelor de teledetecţie au o valoare deosebită,
acestea deschizând noi căi de investigare în domeniul ştiinţelor
măsurătorilor terestre, dar şi în celelalte domenii de activitate menţionate
anterior.
Lucrarea de faţă se adresează, în primul rând, studenţilor de la
facultăţile cu profil tehnic, cu specializări în Agricultură, Arhitectură,
Peisagistică, Cadastru, Silvicultură, Geografie, Geologie, etc, care au
prevăzut în planul de învăţământ disciplina de Teledetecţie şi Sisteme
Informatice Geografice.
Această lucrare conţine noţiuni teoretice, elementare, din domeniul
teledetecţiei, specificate în literatura de specialitate, referitoare în special,
la imaginile satelitare: definiţii, mijloace tehnice de achiziţie,
caracteristici, metode de preprocesare şi procesare, modalităţi de
clasificare, etc. Pentru exemplificarea şi „vizualizarea” noţiunilor
prezentate, au fost inserate reprezentări grafice şi cartografice, fotografii,
imagini satelitare, etc.
Parcurgerea prezentei lucrări oferă utilizatorului posibilitatea de a-
şi însuşi noţiuni fundamentale de teledetecţie care, ulterior, pot fi aplicate
în activităţile practice, de interpretare, analiză şi valorificare a imaginilor
satelitare.

7
8
Capitolul 1
NOŢIUNI GENERALE

1.1. Definiţia şi obiectul de studiu al teledetecţiei

Dezvoltarea continuuă a societăţii umane în ultimele decenii, a
impus şi progresul rapid al unor tehnici şi tehnologii orientate spre
cunoaşterea şi evaluarea cantitativă şi calitativă a componentelor mediului
înconjurător, precum şi spre conceperea unor sisteme cât mai performante
de prelucrare, organizare şi stocare a informaţiilor obţinute [56]. Toate
acestea pot fi obţinute prin teledetecţie.
Termenul „teledetecţie” provine din limba engleză (remote
sensing) sintagmă care se traduce ca detectare de la distanţă [32].
Noţiunea „remote sensing” a fost introdusă de cercetătoarea
Evelyn Pruitt [56]. fiind utilizată, pentru prima oară, în Statele Unite ale
Americii, în jurul anilor 1950, în cadrul documentaţiilor Administraţiei
Naţionale de Oceanografie şi Atmosferă (NOAA).
În limba română, cuvântul teledetecţie a pătruns pe filieră franceză
(télédétection) şi este compus din tele - a transmite la distanţă cu ajutorul
undelor electromagnetice – şi détection - a detecta, a identifica prezenţa
unui semnal util într-o recepţie de unde electromagnetice [55].
Corespondentul termenului teledetecţie este: remote sensing în
engleză, télédétection în franceză, fernerkundung în germană, distantionomu
zondirovanîn în rusă, tele-rilevamento în italiană, perception remota în
spaniolă, sensorizmento remota în portugheză, etc [55].
Datorită faptului că defineşte un domeniu ştiinţific relativ nou,
termenul „teledetecţie” a fost „adoptat” în limba română începând cu anul
1971, anterior fiind folosite pentru desemnarea acestei ştiinţe noţiuni
precum telescrutare sau teleobservare, având acelaşi sens [56].
Aşa cum o spune şi numele său, teledetecţia presupune „achiziţia
informaţiei de la distanţă, fără a avea un contact direct cu obiectul
detectat” [40], printr-un “ansamblu de mijloace care permit înregistrarea
…. informaţiilor asupra suprafeţei terestre” [143].
Teledetecţia poate fi definită ca „domeniul tehnic care se ocupă cu
detectarea, măsurarea, înregistrarea şi vizualizarea sub formă de imagini,
a radiaţiilor electromagnetice, emise de obiecte şi fenomene de pe Pământ
sau din Univers, de la distanţă, fără a avea contact direct cu acestea”
9
[58], definiţie ilustrată în fig. 1.1 sau „ansamblul cunoştinţelor şi tehnicilor
utilizate pentru determinarea caracteristicilor fizice şi biologice ale
obiectelor prin intermediul măsurătorilor efectuate la distanţă, fără un
contact real cu acestea” [40].

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

Fig. 1.1 Colectarea datelor în teledetecţie [51, 25]

Teledetecţia poate fi privită, de asemenea, ca “un complex de

metode şi tehnici capabile să conducă la obţinerea de informaţii de la
distanţă asupra Pământului, celorlalte planete şi a spaţiului extraterestru
pe baza înregistrărilor realizate în diferite benzi ale spectrului magnetic
prin intermediul platformelor aeriene sau spaţiale” [143, 146].
La baza colectării informaţiilor stă principiul interacţiunii dintre
materie şi radiaţie (fig. 1.2), conform căruia toate mediile şi obiectele din
natură emit, reflectă, transmit şi absorb radiaţii în mod selectiv [56],
înregistrate cu ajutorul unor captatori, senzori sau detectori, care intră în
componenţa unor instalaţii şi echipamente complexe.

Fig. 1.2 Schimbul de energie (radiaţii) în natură [prelucrare după 56]

10
 Privită prin prisma acţiunilor umane desfăşurate de-a lungul
timpului, teledetecţia nu este o tehnologie totalmente nouă.
De mult timp omul s-a ridicat deasupra Pământului, în primul rând
pentru a-l observa de la distanţă şi ulterior, pentru a obţine mai multe
informaţii despre forma şi structura sa, despre caracteristicile suprafeţei
terestre, în toată complexitatea alcătuirii ei [143]. Pe măsura dezvoltării
tehnologice, această “culegere” de date a fost posibilă datorită faptului că
semnalele emise sau remise de Pământ şi de obiectele şi procesele de pe
suprafaţa sa se îndreaptă îndeosebi spre atmosferă şi spaţiul cosmic (obiectele
sau procesele emit semnale specifice care alcătuiesc “semnătura lor spectrală”
în funcţie de care pot fi identificate).
Observarea suprafeţei terestre din spaţiu facilitează cunoaşterea
componentelor sale şi îmbunătăţeşte înţelegerea relaţiilor dintre acestea,
comparativ cu un studiu în situ [146].
Faţă de metodele clasice de investigare a mediului înconjurător,
utilizarea metodelor specifice teledetecţiei prezintă o serie de avantaje,
printre care pot fi enumerate:
• asigură „culegerea” rapidă şi cu mare precizie a informaţiilor
• permite localizarea spaţială a obiectelor, proceselor sau fenomenelor
analizate
• oferă posibilitatea actualizării cu precizie a reprezentărilor cartografice
analogice
• permite analiza unor regiuni extinse de teren
• permite analiza arealelor greu accesibile sau inaccesibile (zone montane
cu relief accidentat, zone deşertice, regiuni în care au loc conflicte
armate, etc)
• permite observarea evoluţiei cantitative şi calitative a unor fenomene
din natură (funcţia change detection), etc.
Progresul tehnic înregistrează o evoluţie foarte rapidă, într-o lume
în permanentă schimbare, motiv pentru care posibilităţile de aplicare a
metodelor specifice teledetecţiei sunt într-o creştere continuă şi se
descoperă din ce în ce mai multe domenii în care acestea ar putea înlocui
cu succes metodele tradiţionale sau pot să intervină ca un instrument
complementar care ameliorează eficacitatea metodelor convenţionale
[46].
Din punct de vedere conceptual, pe baza datelor obţinute prin
mijloace specifice teledetecţiei, este posibilă [143]:
• pentru trecut - arhivarea evoluţiei istorice a mediului şi întocmirea
unor baze de date referitoare la caracteristicile obiectelor, proceselor
sau altor componente ale mediului

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].

1.2. Istoricul şi dezvoltarea teledetecţiei

1.2.1. Evoluţia cantitativă şi calitativă

În cele ce urmează vom enumera cele mai importante evenimente

care au avut loc de-a lungul timpului şi care au contribuit la apariţia şi
dezvoltarea teledetecţiei, pornind de la teledetecţia aeriană, fotografiile
spaţiale, până în prezent, la teledetecţia satelitară.
Apariţia teledetecţiei este strâns legată de evoluţia fotografiei
utilizată ca suport pentru înregistrarea imaginilor [56]. Aşadar, primele
imagini de teledetecţie pot fi considerate fotografiile [32]. În privinţa
evoluţiei temporale a acestora se pot menţiona următoarele aspecte:
- primele fotografii au fost realizate în anul 1839 (conform unora
dintre autori în anul 1826 [56]), de către francezii Daguerre şi Nepce
- în jurul anului 1840, A. Laussedat a demonstrat posibilitatea
utilizării fotografiei la întocmirea hărţilor topografice
- deşi primul zbor în balon a fost consemnat în anul 1783 [40], abia în
anul 1858 sunt realizate primele fotografii din balon în Franţa, lângă
Paris (foto 1.1 a) de catre fotograful G. F. Tournachon - cunoscut sub
pseudonimul Nadar [32]; din acelaşi an datează prima imagine aeriană
aproape verticală realizată din balon, a orasului Boston (foto 1.1 b)

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 1.2 Rachetele V2 [151, 49]

14
- în anul 1954 este realizat primul sistem radar pentru înregistrarea
aeriană a suprafeţei terenului, numit Side Looking Airborne Radar
(SLAR) care a fost utilizat apoi cu succes pentru obţinerea unor
imagini ale terenului din zonele greu accesibile [56]
- în anul 1957, în fosta URSS, este lansat primul satelit artificial al
Pământului, respectiv Sputnik 1
- în 1960 este plasat pe orbită primul satelit meteorologic, TIROS 1
(Television Infrared Observation Satellite), în SUA, pe care au fost
montate camere de televiziune (primii senzori nefotografici), acesta
fiind urmat de sateliţii NIMBUS şi NOAA [147]
- în 1968 misiunea Apollo 11 realizează experimental imagini
multispectrale
- satelitul ERTS-1 (foto 1.3) a fost lansat la 23 iulie 1972 şi redenumit
LANDSAT-1, acesta fiind cel care a promovat teledetecţia la scară
internaţională, oferind o mare cantitate de date numerice [40]

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].

1.2.2. Evoluţia metodelor de analiză a datelor

Analiza imaginilor obţinute prin teledetecţie a fost făcută mai întâi

într-o manieră vizuală prin interpretarea fotografiilor aeriene, respectiv
fotointerpretarea [40]. În paralel, măsurarea şi localizarea obiectelor,
demersuri specifice fotogrammetriei, s-a dezvoltat folosindu-se în special de
viziunea stereoscopică asistată de diverse echipamente optice. Odată cu
apariţia imaginilor numerice, se impune necesitatea utilizării calculatoarelor
şi procedeelor informatice pentru „descifrarea” acestora.
Cercetările efectuate, în special în Canada, au condus progresiv la
dezvoltarea sistemelor de tratare a imaginilor utilizând mimi, apoi micro-
calculatoare, a căror logistică este adaptată nevoilor utilizatorilor.
Majoritatea sistemelor de calcul au fost concepute pornind de la o analiză a
imaginilor bazate pe studiul proprietăţilor spectrale ale pixelilor individuali,
fiind foarte bine adaptat în cazul LANDSAT MSS (a dat excelente rezultate
în evaluarea suprafeţelor agricole de mari dimensiuni). Această apropiere
spectrală funcţionează mai puţin bine în cazul LANDSAT TM şi cu atât mai
puţin pentru SPOT. Într-adevăr, trecerea la rezoluţii mai fine de 20 m şi de
10 m pentru SPOT permite mai multor elemente ale imaginii să fie
concentrate pe un singur element al peisajului [40].
Calculatoarele trebuie să decodeze imaginile în acelaşi mod
precum creierul uman, ţinând cont de texturi şi de forme în mai multe
culori. În acel punct intervin analizele texturii, segmentarea şi procedeele
de inteligenţă artificială care încearcă să facă calculatoarele să gândească

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].

1.3. Teledetecţia la nivel internaţional şi naţional

Având în vedere faptul că teledetecţia are o sferă extinsă de

aplicabilitate, în foarte multe domenii ale ştiinţei (geografie, agronomie,
topografie, geodezie, geologie, construcţii, etc) şi oferă soluţii viabile în
vederea satisfacerii necesităţilor de ordin practic, la nivel internaţional şi
naţional, de-a lungul timpului, au luat naştere diferite instituţii/organizaţii
care au drept obiectiv dezvoltarea cercetărilor şi asigurarea progresului
tehnic, într-un domeniu aflat într-o continuă schimbare. În cele ce urmează
vom enumera unele dintre cele mai importante organisme care îşi
desfăşoară activitatea în domeniul teledetecţiei, în diferite ţări, astfel:
 În Statele Unite ale Americii
 NASA (programul LANDSAT)
 Administraţia Naţională de Oceanografie şi Atmosferă (NOAA)
 centre de excelenţă în teledetecţie în cadrul universităţilor
(Purdue, Universitatea din Michigan, Universitatea din
California – Santa Barbara, Universitatea din Boston, etc)
 În Europa
 Agenţia Spaţială Europeană (ESA), organism ce reuneşte 13
ţări (Canada participă la lucrările ESA ca stat colaborator); a
pus bazele a numeroase proiecte de teledetecţie dintre care,
importanţă majoră prezintă cel al lansării pe orbită a satelitului
ERS-1
 În Franţa
 Centrul Naţional de Studii Spaţiale (CNES) – programul
SPOT – satelit pentru observarea Pământului
 Centrul Naţional de Cercetare Ştiinţifică (CNRS)

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

2.1. Radiaţiile electromagnetice

Teledetecţia se bazează pe faptul că obiectele şi procesele
materiale trimit în spaţiul înconjurător radiaţii de diverse tipuri (prin
reflexie, absorbţie, emisie) [146]. Orice obiect din natură, la o temperatură
mai mare de 0ᴼK (-273ᴼC), emite radiaţii, indiferent de proprietăţile lui
fizice, chimice şi/sau biologice, radiaţii care, captate cu ajutorul
senzorilor, se transformă în date, care, la rândul lor, interpretate prin
mijloace şi metode specifice, furnizează o serie de informaţii despre
obiectele şi/sau fenomenele respective.
Radiaţiile electromagnetice reprezintă o formă de manifestare a
materiei, concretizată în emisii energetice, care pot fi detectate, măsurate
şi înregistrate cu echipamente specifice [58].
Radiaţia electromagnetică (fig. 2.1) poate fi privită ca un fenomen
fizic, în general natural şi este constituită dintr-un câmp electric şi un
câmp magnetic care se generează reciproc pe măsură ce se propagă [63].

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.

Din relaţia (2.1) rezultă că energia este invers proporţională cu

lungimea de undă. Cu cât lungimea de undă este mai mare, cu atât energia
transportată este mai mică. Acest lucru are o implicaţie importantă în
emisia de câtre suprafaţa Pământului a microundelor, care sunt mai greu
de detectat decât radiaţiile infraroşii. Energia mai mică corespunzătoare

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].

2.2. Spectrul electromagnetic

Mărimea cea mai frecvent măsurată prin mijloacele de teledetecţie
este energia electromagnetică emanată sau reflectată de către obiectul
analizat. Aceasta pentru că elementele constitutive ale scoarţei terestre,
vegetaţia, apa, cât şi obiectele care le acoperă au proprietatea de a absorbi,
reflecta sau de a emite energie [149].
Cantitatea de energie emisă sau remisă depinde de caracteristicile
radiaţiei, respectiv lungimea de undă şi intensitatea acesteia, de
proprietatea de absorbţie a obiectelor şi de orientarea acestor obiecte faţa
de Soare sau faţa de sursa de radiaţie [144].
Radiaţiile electromagnetice care variază de la niveluri reduse de
energie până la nivele înalte de energie compun spectrul electromagnetic
(fig. 2.2, tabelul 2.1).

Fig. 2.2 Principale diviziuni ale spectrului electromagnetic [57]

21
 Spectrul electromagnetic este împărţit în câteva grupe principale:
gama (γ), Roentgen (X), ultraviolet (UV), vizibil, infraroşu (IR),
microunde şi radio (fig. 2.2).
Zona UV şi IR este, la rândul său divizată în trei sectoare, respectiv
apropiat, mediu şi îndepărtat (fig. 2.2). Spectrul vizibil este împărţit în
ordinea crescătoare a lungimii de undă în (tabelul 2.1): violet, indigo,
albastru, verde, galben, orange şi roşu [57].

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

O altă modalitate de reprezentare a spectrului electromagnetic, mai

cuprinzătoare faţă de cea anterioară, ţine seama de distribuţia tuturor
energiilor radiante funcţie de lungimea de undă sau de frecvenţă (fig. 2.3).
Cele şapte subdiviziuni ale spectrului electromagnetic pot fi
caracterizate astfel [32]:
- Radiaţiile Gamma (γ), au lungimea de undă sub 0,1 nm, sunt emise
de nucleul Pământului şi nu sunt utilizate în teledetecţie (fig. 2.3)
- Radiaţtile X, au lungimi de undă cuprinse între 0,1 - 1 nm, pot fi
generate artificial, dar nu se folosesc în teledetecţie

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

Fig. 2.3 Distribuţia tuturor energiilor radiante în funcţie de lungimea de undă

sau de frecvenţă [66]

- Spectrul vizibil, corespunde lungimilor de undă intre 400 - 700 nm

(tabelul 2.1), este deosebit de important pentru teledetecţie
(obţinerea fotografiilor aeriene color normale sau a imaginilor
multispectrale în culori naturale)
- Infraroşul (IR), cu lungimi de undă cuprinse între 700 nm şi 0,1 cm,
zonă foarte importantă în teledetecţie; radiaţiile infraroşii pot fi:
reflectate (0.7 - 3.0 µm) sau termale (benzi termale de 3 - 5 µm şi de
8 - 14 µm)
- Microundele, cu lungimi de undă peste 0,1 cm, sunt folosite pentru
aplicaţiile radar ale teledetecţiei active şi se propagă în bune
condiţii prin diverse medii
- Undele radio, cu lungimi de undă de peste 100 cm, nu permit
obţinerea de iamgini dar sunt folosite în transmiterea de la sateliţi la
sol a semnalelor ce vor fi convertite în imagini.
Aşadar, teledetecţia utilizează energia reflectată în spectrele vizibil
şi infraroşu şi cea emisă în domeniile termal şi al microundelor, pentru a
colecta date ce pot fi analizate numeric sau pot fi utilizate pentru a genera
imagini. Această culegere de date radiative, cu diferite lungimi de undă se
numeşte teledetecţie multispectrală.
23
 2.3. Propagarea radiaţiilor în atmosferă
În teledetectie, radiaţia electromagnetică strabate atmosfera de
două ori, ca radiaţie incidentă, de la Soare către obiect şi in calitate de
radiaţie reflectată, de la obiect către senzorul de teledetecţie [31].
Pentru a defini comportamentul atmosferic al radiaţiilor, se
folosesc două noţiuni [31]:
- rata de transmisie atmosferică, respectiv procentul în care radiaţia
cu o anumită lungime de undă penetrează atmosfera terestră pe toată
înălţimea acesteia (fig. 2.4)

Fig. 2.4 Comportamentul atmosferic al radiaţiilor electromagnetice [132]

- fereastra atmosferică - intervalul de lungime de undă caracteristic

radiaţiilor din spectrul electromagnetic, care pot trece prin atmosferă
în anumite condiţii; aceasta se poate defini ca intervalul de lungimi
de undă, în limitele căruia rata de transmitere atmosferică este
aproape de 100% (fig. 2.4)

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].

2.4. Sursele de radiaţii utilizate în teledetecţie

În sfera teledetecţiei, sursele de radiaţii sunt diversificate, iar rolul
lor în obţinerea de imagini proprii acestui domeniu, este de asemenea
diferit, astfel:
- Soarele reprezintă cea mai importantă sursă de radiaţii, în special
pentru teledetecţia pasivă; este binecunoscut faptul că Soarele emite
radiaţii luminoase şi calorice, datorită reacţiilor de fuziune nucleară,
prin care hidrogenul devine heliu [31]
- Pământul emite radiaţiile Gamma, însă acestea nu sunt utilizate în
teledetecţie; în schimb, obiectele sau procesele de pe suprafaţa
terestră, în general toate componentele mediului înconjurător (apa,
vegetaţia, construcţiile, etc) intră în contact cu radiaţia solară şi la
rândul lor emit diferite radiaţii
- radiaţiile emise artificial, precum:
• microundele, emise cu ajutorul radarului
• lumina polarizată sau laserul
• undele sonore, utilizate de sonar [31].
În legătură cu radiaţiile electromagnetice, pot fi evidenţiate două
aspecte, care vor fi prezentate, în linii generale, în cele ce urmează.
1. Luminanţa spectrală (Lν) a unui corp negru (se numeşte corp
negru sau radiator integral, un corp care absoarbe complet radiaţia
electromagnetică incidentă) dΣ este dată de [40]:

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.

După legea lui Planck luminanţa spectrală se poate scrie astfel:

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.

Luminanţa spectrală poate fi scrisă în lungimi de undă conform

următoarei relaţii:

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).

2.5. Efecte atomsferice asupra radiaţiei electromagnetice şi

interacţiunea cu obiectele de pe suprafaţa terestră
Undele electromagnetice se deplasează, în medii ideale, în linie
dreaptă cu viteze apropiate de viteza luminii (3*108 m/s).
Înainte ca radiațiile utilizate în teledetecție să ajungă la suprafata
terestră, acestea „călătoresc” prin atmosferă şi deci parcurg o oarecare
distanță până la suprafaţa Pământului.
Astfel, atmosfera şi componentele sale (vapori de apă, CO2, O3,
particule de praf, etc.) „funcţionează” ca un mediu perturbator, influenţând
comportamentul acestor unde electromagnetice [56], producându-se
diferite fenomene care vor fi prezentate succint în cele ce urmează.
1. Transmisia sau propagarea radiaţiilor reprezintă penetrarea
unui mediu de către radiaţiile electromagnetice (fig. 2.5), fără a suferi
modificări substanţiale, cum este, spre exemplu, trecerea radiaţiei solare
directe, din zona infraroşului termal prin atmosferă [31].
2. Reflexia (fig. 2.5) se produce atunci când radiaţia se întoarce din
mediul din care a venit, sub un unghi egal cu unghiul de incidenţă, numit
şi unghi de reflexie [31].
27
 Fig. 2.5 Comportamentul radiaţiilor electromagnetice sub influenţa atmosferei
(prelucrare după [67])

3. Difuzia (împrăştierea) reprezintă risipirea radiaţiilor la contactul

cu un mediu (fig. 2.5). Acest fenomen corespunde acţiunii moleculelor şi
particulelor (picături de apă, particule de praf sau de gaz, particule de fum,
etc) asupra lungimilor de undă (λ). Se notează cu d diametrul particulelor.
Difuzia depinde de mai mulţi factori, cei mai importanţi fiind
lungimea de undă a radiaţiei, abundenţa particulelor sau gazelor, distanţa
străbătută de către radiaţii prin atmosferă, etc.
În literatura de specialitate sunt descrise trei tipuri de difuzie:
- de tip Rayleight (fig. 2.6) - apare datorită interacţiunii undelor
electromagnetice scurte cu particule mai mici decât lungimea de undă
a radiaţiei (d < λ), respectiv particule foarte mici de praf, molecule de
azot sau oxigen; este mai pronunţată în domeniul ultraviolet, violet şi
albastru (sub 1 μm); prin difuzia de tip Rayleigh sunt împrăştiate
preponderent lungimi de undă mai scurte comparativ cu lungimile de
unda mai lungi şi reprezintă mecanismul dominant în atmosfera
superioară; faptul că cerul apare "albastru" în timpul zilei este datorat
acestui fenomen: lumina solară trece prin atmosferă, lungimile de
undă mai scurte (de exemplu, albastru) ale spectrului vizibil sunt
împrăștiate mai mult decât celelalte lungimi de undă vizibile; la răsărit
și apus, lumina trebuie să se deplaseze mai departe prin atmosferă
28
 decât la prânz și împrăștierea lungimilor de undă mai scurte este mai
completă; asupra imaginilor înregistrate prin mijloace specifice
teledetecţiei, produce o estompare a clarităţii (similară fenomenului
de ceaţă) [18]

Fig. 2.6 Difuzia radiaţiilor electromagnetice [51]

- de tip Mie - apare atunci când particulele sunt aproximativ de

aceeași mărime cu lungimea de undă a radiației (praf, polen, fum și
vapori de apă); tinde să afecteze lungimi de undă mai lungi decât
cele afectate de împrăștierea Rayleigh [51]; apare în stratele joase
ale atmosferei acolo unde particulele sunt mai abundente şi domină
în prezenţa formaţiunilor noroase; influenţează întreg spectrul
electromagnetic, de la UV la IR [18]
- difuzia neselectivă (fig. 2.6) se produce atunci când particulele sunt
mult mai mari decât lungimea de undă a radiației (d > λ); picăturile
de apă și particulele mari de praf pot provoca acest tip de
imprăştiere; acest tip de difuzie a fost denumită neselectivă datorită
faptului că toate lungimile de undă sunt împrăștiate în mod egal
[51]; datorită acesteia, ceață și nori sunt percepuţi „albi” de către
ochiul uman, dat fiind faptul că cele trei culori, albastru, verde și
roșu sunt împrăștiate în cantităţi aproximativ egale (albastru +
verde + roșu deschis = lumină albă).
4. Absorbţia este datorată pierderii radiaţiilor intr-un mediu (fig.
2.5). Este puternic legată de lungimea de undă utilizată şi depinde de tipul
moleculelor şi de proprietăţile lor [40].
Radiaţiile emise sunt în mod selectiv absorbite de gazele care
constituie atmosfera. Cele mai importante elemente din atmosferă
implicate în procesele de absorbţie sunt H2O, CO2 şi O3 [18].
Principalele benzi de absorbţie ale vizibilului sunt datorate:
- ozonului la 600 nm
- vaporilor de apă la 718 nm
- oxigenului la 760 nm

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).

Fig. 2.7 Modificări ale radiaţiei solare (prelucrare după [33])

30
 Un procent mare din cantitatea de radiaţie solară, cca. 30% este
reflectat, de formaţiunile noroase (20%), de componentele atmosferei
(6%) şi de suprafaţa terestră (4%), iar 19% este absorbit de costituienţii
atmosferei sau nori (fig. 2.7).

2.6. Comportamentul spectral al unor componente ale

mediului înconjurător
2.6.1. Reflectanţa şi radianţa spectrală

Reflectanţa reprezintă caracteristica obiectelor componente ale

mediul terestru de a reflecta o parte a radiaţiei solare incidente în direcţia
senzorului de teledetecţie, în funcţie de proprietăţile lor fizice şi chimice [58].
Reflectanţa este definită ca raportul dintre fluxul reflectat de
suprafaţa obiectului şi fluxul incident pe suprafaţă [68] şi se poate exprima
în procente, prin relaţia [32]:

p = ER / EI * 100 (2.7)
în care:
p - reflectanţa (%)
ER - energia radiaţiei luminoase reflectată (W)
EI - energia radiaţiei luminoase incidentă (W).

În funcţie de rugozitatea mai mică sau mai mare a suprafeţei,

fluxul incident înregistrează reflexii diferite, astfel [32]:
- pe suprafeţele netede, fără rugozităţi, se observă o reflexie speculară:
toată energia reflectată este îndreptată într-o sigură direcţie (nu se
produce difuzia), după un unghi egal cu unghiul de incidenţă (fig.2.8)

Fig. 2.8 Reflexia speculară [130]

31
 - în cazul suprafeţelor rugoase, energia este reflectată în toate
direcţiile şi astfel se defineşte reflectivitatea bidirecţională (fig.
2.9); pentru utuluzarea corespunzătoare a imaginilor de
teledetecţie, este necesară aplicarea corecţiilor radiometrice

Fig. 2.9 Reflectivitatea bidirecţională [68]

- în cazul reflectorului Lambertian, reflectivitatea este aceeaşi în

toate direcţiile: ρb = constantă.
Reflectanţa exprimată în funcţie de lungimea de undă (fig. 2.10)
reprezintă reflectanţa spectrală.

Fig. 2.10 Reflectanţa spectrală a vegetaţiei [68]

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).

Pentru a înregistra acest semnal retrodifuzat, sunt utilizate diverse

tipuri de aparate, precum scaterometrele instalate într-un punct fix şi la
mică înălţime, care, nedeplasându-se, nu permit generarea unei imagini
pornind de la valorile numerice obţinute [40].
33
 Se utilizează, de asemenea sistemele SAR (radare cu deschidere
sintetică) sau SLAR (radare cu antenă laterală), care, prin deplasarea
vectorului purtător permit generarea imaginii prin semnale retrodifuzate [40].
Radianţa (fig. 2.11) semnifică fluxul de energei radiantă pe
unitatea de unghi solid ce corespunde unui obiect cu o suprafaţă relativ
omogenă, intr-o anumită directţe în spaţiu [58]. Se exprimă în unităţi de
energie pe suprafaţă şi unghi solid.

Fig. 2.11 Definirea schematică a radianţei [32]

Unghiul solid corespunde conului in limitele căruia se produce

emisia de radiaţie la suprafaţa corpului intr-o anumită direcţie [32].
În funcţie de datele disponibile, de tipul şi gradul de complexitate
al analizelor, precum şi de scopul urmărit, radianţa poate fi transformată în
reflectanţă şi invers, prin operaţii complexe, ca de exemplu Transformarea
Tasseled Cap (aceste operaţii vor fi prezentate în capitolele următoare).
În imaginile de teledetecţie, componentele mediului înconjurător care
au valori mari ale radianţei, sunt exprimate în tonuri de culoare deschise
(strălucitoare). Valorile radianţei cresc odată cu cele ale reflectanţei [30].

2.6.2. Emisia

În banda intermediară de infraroşu şi în infraroşul termic, precum

şi în microunde (în sistem activ), se măsoară energia emisă de obiectele
suprafeţei terestre. Această energie se poate scrie sub forma [40]:

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).

În microunde, în sistem activ, pentru temperaturile întâlnite la

suprafaţa Terrei, aproximarea Rayleigh-Jeans permite exprimarea
luminanţei obiectelor astfel [40]:

(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.

Pornind de la luminanţa corpului negru, se poate determina

luminanţa altor corpuri naturale, utilizând următoarea relaţie [40]:

(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.

În microunde, se exprimă adesea luminanţa spectrală prin

temperatura de radianţă care îi este proporţională. Starea de rugozitate a
suprafeţei obiectului terestru are efect asupra emisivităţii sale [40].
Temperatura de radiaţie primită într-o direcţie θoΦo, venită dintr-o
suprafaţă rugoasă pentru o polarizare i, lăsând deoparte atenuarea aerului
între sol şi receptor, este compusă din două contribuţii, una datorată
radiaţiei emise, iar cealaltă datorată difuziunii radiaţiilor exterioare [40]:

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.

Reflexia sau emisia undelor electromagnetice de către obiectele

sau fenomenele de pe suprafaţa terestră reprezintă răspunsul spectral şi
este înfăţişat printr-o curbă într-un plan cu axa OX – lungimea de undă, în
micrometri, iar axa OY – reflexia sau emisia, în procente [57], aşa cum se
poate observa în fig. 2.10.
Răspunsul spectral înregistrat de senzorii utilizaţi în teledetecţie
reprezintă o măsură cantitativă a caracteristicilor obiectelor sau fenomenlor şi
este cunoscută sub denumirea de semnătură spectral (signatură spectrală).

2.6.3. Semnătura spectrală

Comportamentul suprafeţelor, obiectelor sau fenomenelor faţă de

radiaţiile cu care intră în contact nu este identic, acestea absorb anumite
lungimi de undă, în timp ce pe altele le reflectă. Procentajul din spectrul
electromagnetic pe care o suprafaţă îl reflectă poartă numele de semnătură
spectrală (signatură spectrală) a acelei suprafeţe [40].
Pentru a susţine afirmaţia anterioară, vom folosi drept exemplu
vegetaţia, mai exact copacul şi frunza (fig. 2.12). Aceste două formaţiuni
vegetale primesc radiaţia solară incidentă sub formă de radiaţii vizibile şi
infraroşii, care este absorbită de clorofilă (radiaţia albastră şi roşie), astfel
încât vegetaţia reflectă în atmosferă radiaţiile verzi (vizibil) şi infraroşii.
Acest comportament defineşte însăşi semnătura spectrală a celor două
formaţiuni, respectiv copacul şi frunza [31].
Conceptul de semnătură spectrală reprezintă cea mai frecvent
utilizată metodă de identificare şi separare a diferitelor materiale şi
obiecte, utilizând date multispectrale [32], având în vedere faptul că pentru
orice material, cantitatea de radiaţie solară pe care acesta o reflectă, o
absoarbe sau o transmite variază în funcţie de lungimea de undă, fiind
astfel posibilă identificarea diferitelor obiecte după semnăturile lor
spectrale (fig. 2.13).
36
Fig. 2.12 Comportamentul spectral care defineşte signatura spectrală a vegetaţiei [25]

Fig. 2.13 Curbele spectrale ale diferitelor suprafeţe [53]

Aşadar, semnătura spectrală poate fi definită ca reprezentarea

grafică a variaţiei radiaţiei electromagnetice reflectate, în raport cu
lungimea de undă (fig. 2.13).
Semnăturile spectrale pot fi afectate de:
- momentul temporal al preluării datelor
- starea vremii
- unii factori de mediu.
În domeniul teledetecţiei, suprafeţele analizate pot fi caracterizate
prin şapte semnături diferite (Roxer, 1991, citat de [40]):
- semnătura spectrală ca măsura a intensităţii semnalului emis sau
reflectat
37
 - semnătura spectrală propriu-zisă, asociată culorii în sens larg
- semnătura spaţială exprimând forma obiectelor şi aranjamentul lor
- semnătura unghiulară, asociată anizotropiei suprafeţei şi atmosferei
- semnătura temporală, asociată modificărilor suprafeţei
- semnătura prin polarizarea semnalului, aplicată în special în
domeniul radarului
- semnătura ca măsură a fazei semnalului, utilizată de asemenea în
domeniul radarului.
Majoritate observaţiilor făcute în vizibil şi în banda intermediară
de infraroşu utilizează fenomenul reflexiei radiaţiei solare de către
suprafaţă, iar în domeniul termic şi în cel al hiperfrecvenţelor pasive,
fenomenul emisiunii naturale a suprafeţelor.

2.6.4. Reflectanţa spectrală a vegetaţiei, solului şi apei în vizibil

şi infraroşu apropiat

După cum am menţionat, reflectanţa spectrală este proprie fiecărui

obiect, proces sau fenomen de pe suprafaţa terestră, ceea ce permite,
utilizând metode şi mijloace adecvate, identificarea acestuia, acţiune
uneori dificilă, însă cu aplicabilitate teoretică şi practică esenţială în orice
tip de analiză a componentelor spaţiului geografic, precum şi a
interrelaţiilor dintre acestea.

2.6.4.1. Reflectanţa spectrală a vegetaţiei

Reflectanţa vegetaţiei, indiferent de caracteristici, repartiţie sau
nivelul de organizare la care ne raportăm, este unică, ceea ce face posibilă
identificarea cu uşurinţă a acesteia în imaginile de teledetecţie, în contrast
cu alte tipuri de suprafeţe.
În cazul vegetaţiei, reflectanţa spectrală (coeficientul de remisie)
este determinată de pigmenţi, structura celulelor sau de conţinutul în apă,
în funcţie de domeniul spectral.
1. Reflectanţa vegetaţiei în domeniul vizibil (0.4 - 0.7 μm). În
această porţiune a spectrului electromagnetic, reflectanţa formaţiunilor
vegetale este determinată de capacitatea de absorbţie a pigmenţilor (în
principal clorofila). Reflectanţa este slabă atât în zona albastră cât şi în cea
roşie a spectrului, datoriă clorofilei, pigment care absoarbe energia pe
lungimi de undă de 0.45 μm şi 0.67 μm (fig. 2.14).

38
 Fig. 2.14 Reflectanţa vegetaţiei [68]

Clorofila lasă să treacă numai radiaţiile verzi (0.55 μm – punct

maxim), care fiind reflectate ulterior „produc” culoarea verde a frunzelor.
Punctul de maxim de la 0.55 μm este totuşi destul de slab (fig.
2.14), adesea de ordinul a 10% pentru măsurătorile efectuate „in situ” la
1,5 m înălţime pe direcţia verticală [40].
Cercetările efectuate anterior fac dovada unei relaţii inverse între
reflectanţă şi conţinutul în clorofilă: creşterea conţinutului în clorofilă,
deci o capacitate mai mare de absorbţie a radiaţiei, determină scăderea
valorilor reflectanţei.
2. Reflectanţa vegetaţiei în domeniul infraroşu apropiat (0.7 – 1,3
μm). În această zonă a spectrului, reflectanţa vegetaţiei este mult mai mare
comparativ cu zona vizibilă - situaţie specifică vegetaţiei – (fig. 2.15).

Fig. 2.15 Reflectanţa vegetaţiei (prelucrare după [131])

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.

Fig. 2.16 Reflectanţa vegetaţiei determinată de structura celulară

Cuticula prezintă adesea un înveliş ceros care reflectă foarte bine

radiaţia solară. Undele care nu sunt reflectate pătrund în frunză.

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).

Fig. 2.17 Curbele de reflectanţă ale diferitelor specii de plante [68]

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).

2.6.4.2. Reflectanţa spectrală a solurilor şi rocilor de alterare

La acest subpunct vom face referire la reflectanţa solurilor
neacoperite de vegetaţie (goale) şi la rocile parentale, pe baza cărora s-au
format cuverturile pedologice (compoziţia rocilor parentale se regăseşte în
alcătuirea mineralogică a profilelor de sol).
Curba de reflectanţă a unui sol, în comparaţie cu cea a vegetaţiei
clorofiliene (fig. 2.10), prezintă particularitatea de a fi regulat crescătoare şi
convexă în domeniul vizibil (0,4 μm), până în infraroşul apropiat (1,3 μm).
La 1,45 μm, ea prezintă, precum curba vegetalei clorofiliene, o diminuare
importantă urmată de o creştere înspre 1,5 μm. Această diminuare bruscă la
1,45 μm corespunde unei benzi de absorbţie a apei [40].
Coeficientul de remisie al solurilor goale depinde de o serie de
proprietăţi fizice (textura), hidrofizice (în special conţinutul în apă), chimice
(conţinutul în fier, materie organică, etc), starea suprafeţei (diferite grade de
rugozitate), etc. Aşadar, proprietăţile solurilor îşi manifestă influenţa asupra
traiectoriei curbelor de reflectanţă. Spre exemplu, modificarea conţinutului
în apă determină şi modificarea curbelor de reflectanţă (fig. 2.18).

Fig. 2.18 Variaţia curbelor de reflectanţă ale solurilor în funcţie

de conţinutul în apă [54]
42
 Conţinutul în apă al solurilor produce modificări în traiectoria
curbei de reflectanţă, în special în domeniul infraroşu, însă acestea nu sunt
substanţiale (fig. 2.18).
De asemenea, textura solului se reflectă în traiectoria curbei de
reflectanţă (fig. 2.19).

Fig. 2.19 Variaţia curbelorde reflectanţă în funcţie de textura solului [54]

Solurile nisipoase au valori mai mari ale reflectanţei în domeniul

vizibil, iar solurile argiloase, în domeniul infraroşu (1,4 – 2,2 μm) [30].
În fig. 2.20 sunt ilustrate diferitele forme ale reflectanţei spectrale
produse în infraroşul apropiat (1.3-3.0 μm) de către diferite tipuri de roci şi
minerale.

Fig. 2.20 Curbele de reflectanţă ale diferitelor tipuri de roci şi minerale

în infraroşu apropiat [68]
43
 Se poate remarca faptul că, la fel ca şi curbele spectral ale
solurilor, în cazul rocilor şi mineralelor, este evidenţiată o diferenţiere în
funcţie de proprietăţile acestora, însă, în linii generale, se păstrează aceeaşi
tendinţă evolutivă (fig. 2.20).
Pentru a clasifica astfel de tipuri de roci cu diferite benzi inguste de
absorbţie este necesar un sensor cu multibandă cu rezoluţie înaltă. În acest
scop au fost dezvoltate spectrometrele de imagerie [68].

2.6.4.3. Reflectanţa spectrală a apei

Coeficientul de remisie al apei (reflectanţa) variază în funcţie de
turbiditatea acesteia (fig. 2.21).

Fig. 2.21 Variaţia curbelor de reflectanţă în funcţie de cantitatea

de materiale în suspensie [54]

În cazul în care apa are un anumit grad de turbiditate (conţinut de

sedimente în suspensie), reflectanţa este mai mare comparativ cu apa
curată (fig. 2.21).
Prezenţa diferitelor materii în suspensie determină creşterea
reflectanţei apei în zona albastră a domeniului vizibil ccea ce îi conferă
culoarea albastră în percepţia umană.
Reflectanţa apei scade odată cu creşterea lungimii de undă (fig.
2.21), astfel încât, în domeniul infraroşu este aproape absentă, însă
prezenţa vegetaţiei acvatice (de exemplu alge verzi) poate să mărească
valorile reflectanţei [68].

44
Capitolul 3
MIJLOACE ŞI TEHNICI DE TELEDETECŢIE

Teledetecţia utilizează, pentru achiziţionarea datelor, numai o parte

din spectrul electromagnetic, deoarece atmosfera terestră acţionează ca un
filtru în calea radiaţiilor electromagnetice.
Prin urmare, datele sunt achiziţionate prin două ferestre:
- una foarte îngustă, numită fereastra optică reprezentată de zone
spectrului undelor vizibile la care se adaugă foarte puţin din zona
undelor ultraviolete şi zona infraroşului apropiat
- o a doua fereastră mai vastă, fereastra radio, care include undele
radio, inclusiv domeniul radar [56].
Principiile de teledetecţie, respectiv mijloacele şi tehnicile prin care
sunt obţinute imaginile de teledetecţie, se află într-un proces continuu de
devzoltare şi diversificare impus de progresul tehnic şi ştiinţific care a
determinat creşterea „pretenţiilor” faţă de imaginile şi informaţiile generate
prin teledetecţie.
Cel mai vechi principiu de teledetecţie (principiu convenţional)
consemnat în literatura de specialitate este fotografierea aeriană care a
reprezentat, la momentul respectiv, unica modalitate de „prelevare” a
imaginilor specifice teledetecţiei.
Odată cu „extinderea” observaţiilor în spaţiul cosmic (în 1960 au fost
lansaţi primii sateliţi meteorologici) se diversifică şi mijloacele de obţinere a
imaginilor satelitare, astfel procedeele convenţionale (aerofotografierea) sunt
„completate” de senzorii nefotografici – primii senzori nefotografici fiind
camerele de televiziune (principii neconvenţionale) - mult mai complecşi şi
cu aplicabilitate practică superioară.
Senzorii utilizaţi la achiziţionarea datelor pot fi clasificaţi pe baza
mai multor criterii, astfel:
1. În funcţie de modul de captare a informaţiei, senzorii pot fi:
- senzori pasivi – utilizează radiaţia solară
- senzori activi – utilizează radiaţii emise artificial: microunde, laser,
unde sonore.
2. În funcţie de rezoluţia spaţială, senzorii pot fi:
- cu foarte înaltă rezoluţie spaţială (sub 3 m) – QuickBird, în mod
pancromatic, de 0,61 m

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).

Fig. 3.1 Teledetecţia pasivă şi teledetecţia activă [28]

46
 În cele ce urmează vom prezenta mijloacele şi metodele specifice
celor două tipuri de teledetecţie, respectiv pasivă şi activă.

3.1. Mijloace şi tehnici ale teledetecţiei pasive

Principiile teledetecţiei pasive presupun înregistrarea de imagini
ale obiectelor şi/sau fenomenelor de pe suprafaţa terestră, de la distanţă,
utilizand numai radiaţiile electromagnetice emise de către acestea (fig.
3.2).

Fig. 3.2 Principiul teledetecţiei pasive (prelucrare după [26])

Mijloacele şi tehnicile teledetecţiei pasive presupun înregistrarea

radiaţiei solare reflectată de catre corpuri - teledetecţia cu senzor optic -
sau a radiaţiilor calorice din zona infraroşu termal – teledetecţia prin
scanare termică [32].
Sintetizarea datelor ştiinţifice extrase din literatura de specialitate
permite gruparea principiilor pasive ale teledetecţiei în patru modalităţi de
obţinere a imaginilor nefotografice [31]:
- principiul televiziunii satelitare
- principiul scanării multispectrale
- principiul radiometriei
- principiul scanării termice.
1. Principiul televiziunii satelitare. După cum am menţionat
anterior, primele aplicaţii din această categorie au fost observaţiile
sateliţilor meteorologici (1960).
Imaginile obţinute erau utilizate în realizarea prognozei
meteorologice, imagini care, deşi aveau rezoluţia slabă, cuprindeau o
suprafaţă de teren foarte mare (acoperirea spaţială mare).
47
 Acest principiu foloseşte ca senzori camerele de televiziune de
construcţie specială, care captează şi înregistrează de la distanţă, radiaţiile
luminoase emise de către diferite corpuri, în mod selectiv, în mai multe
intervale ale spectrului radiaţiilor [31], in domeniul vizibil şi infraroşu.
Televiziunea satelitară „produce” conversia radiaţiilor luminoase
in imagini pe tuburi catodice, acestea fiind transmise la distanţă prin
diferite mijloace.
Camera de televiziune primeşte radiaţia luminoasă pe care o
transformă în curenţi electrici, proiectaţi apoi sub formă de fascicule de
electroni pe ecranul unui tub catodic.
Teledetecţia satelitară prin televiziune, utilizează sisteme de mai
multe camere speciale, care pot înregistra simultan aceeaşi imagine in mai
multe benzi sau intervale spectrale [58].
Înregistrarea imaginilor prin televiziune satelitară se poate realiza
în două moduri [32]:
- imagine-cadru, când imaginea în care punctele şi liniile care o
compun sunt înregistrate simultan şi rezultă o imagine relativ
unitară
- prin baleiere, când înregistrarea imaginii se face punct cu punct şi
linie cu linie.
Imaginile rezultate prin principiul televiziunii satelitare sunt
imagini alb-negru diferite sub raport spectral deoarece ele sunt
complementare la nivelul lungimilor de undă [32].
Aplicaţia a fost folosită la sateliţii meteorologici sovietici şi
americani, la unele staţii spaţiale din anii 1960 şi 1970 (experimental) şi s-
a consacrat la primele trei misiuni din programul Landsat, numite ERTS
A, B şi C. Acestea au folosit sistemul de camere RBV (Return Beam
Vidicon) în trei şi mai târziu în cinci intervale spectrale din vizibil şi
infraroşu. Sistemul a fost abandonat, la următorii sateliţi, datorită
problemelor tehnice destul de frecvente [31].
2. Principiul scanării multispectrale se bazează pe faptul că
obiectele şi fenomenele emit radiaţii electromagnetice specifice care
determină curbe de reflectanţă spectrală proprii.
Cu ajutorul acestui mijloc de teledetecţie sunt obţinute imagini
multispectrale, reprezentate prin mai multe inregistrări simultane ale aceluiaşi
obiect, care corespund câte unui interval spectral (fig. 3.3). Legate de aceste
imagini sunt noţiunile de bandă spectrală şi scenă satelitară [58].
Aşadar, în cazul unei înregistrări multispectrale, banda spectrală
reprezintă intervalul din spectrul electromagnetic căruia îi corespunde o
imagine alb-negru (fig. 3.3).

48
 Înregistrarea imaginilor se realizează întotdeauna pe principiul
baleierii: punct cu punct şi linie cu linie [32].

Banda 1 (albastru) Banda 2 (verde) Banda 3 (roşu) Banda 4 (IR apropiat)

Banda 5 (IR mediu) Banda 6 (IR termal) Banda 7(IR mediu)

Fig. 3.3 Imagine multispectrală Landsat 7 din California, SUA [73]

Sistemele de scanare pot înregistra astfel o anumită suprafaţă în

mai multe benzi (4 la Landsat MSS, 7 la Landsat TM, 5 la SPOT 4, 5 la
Ikonos, etc.), care pot fi vizualizate separat, ca imagini alb-negru (fig. 3.3)
sau pot fi combinate (de exemplu câte trei benzi) pentru a obţine imagini
color (fig. 3.4) care pot fi interpretate în vederea obţinerii informaţiilor
necesare (detalii în capitolul 7).

Benzile 321 Benzile 432 Benzile 742

Fig. 3.4 Imagine multispectrală Landsat 7 din California,
SUA - compoziţie de benzi spectral [73]

La ultimele generaţii de sateliţi, se fac înregistrări şi în banda

pancromatică, suprapusă unui interval spectral mai mare şi cu rezoluţie
spaţială îmbunătăţită (detalii în capitolul 4).
49
 Scena satelitară (imaginea satelitară primară) reprezintă o
suprafaţă limitată de teren cu dimensiuni bine precizate (185/185 km la
Landsat, 60/60 km la SPOT, etc.), în limitele căreia se înregistrează o
imagine în mai multe benzi spectrale, prin scanare multispectrală (toate
cele 7 benzi spectrale din fig. 3.3 formează o scenă satelitară).
Înregistrarea se realizează în timpul parcurgerii orbitelor cu
parametrii cunoscuţi, de la altitudini de sute de km (400 km la Ikonos,
peste 900 km la primii sateliţi Landsat şi 705 la ultimii sateliţi Landsat,
etc.) la ore exacte, la intervale de timp egale [32].
Sistemul de scanare multispectrală (fig. 3.5), cuprinde o serie de
componente utilizate pentru a capta, detecta, înregistra şi transmite, la
staţiile de sol, informaţiile achiziţionate, prin unde radio, în scopul
obţinerii pe computer a imaginilor digitale [32].

Fig. 3.5 Sistemul de scanare multispectrală Landsat MSS

(după Short, 2006 citat de [32])

Radiaţiile luminoase reflectate de obiectele de pe Pământ sunt captate

cu un sistem de oglinzi speciale, mobile, cu unghi mic de deschidere, prin
baleiere sau scanare. Direcţia de scanare poate fi paralelă sau perpendiculară
faţă de traseul orbitei. Oglinzile oscilante captează lumina şi o trimit către
filtre unde este selectată după lungimea de undă şi suferă o serie de conversii
pentru a fi sesizată de sistemul cu detectori (fig. 3.5). După detectarea
selectivă, semnalul radio va fi trims la sol unde se obţin, în staţiile specializate
şi laboratoare, imaginile punct cu punct şi linie cu linie [31].

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].

3.2. Mijloace şi tehnici ale teledetecţiei active

Principiile teledetecţiei active utilizează radiaţiile electromagnetice

generate artificial, în vederea obţinerii de imagini asupra diferitelor
obiecte şi fenomene de pe suprafaţa terestră.
Cel mai frecvent sunt utilizate sistemele radar (cu microunde),
lidar (cu lumina polarizată) şi sonarul (cu unde sonore).
1. Sistemul radar. Acronimul RADAR înseamnă Radio Detecting
and Renging, traducerea în limba română fiind „detectare şi localizare prin
radio” [56] sau „detectarea prin radio şi determinarea distanţei” [74]. Deşi
principiul radarului a fost enunţat la sfârşitul secolului al XIX-lea, de către
N Tesla [74], înventarea şi dezvoltarea acestui sistem nu poate fi atribuită
unei singure persoane sau ţări, ci este rezultatul cercetărilor realizate de
diferiţi oameni de ştiinţă din mai multe state şi domenii ale ştiinţei [75].
Primele implementări au fost realizate în Marea Britanie, în jurul anilor
1935, sistemul radar fiind dezvoltat începând cu cel de-al doilea Război
Mondial, datorită posibilităţii de aplicare în domeniul militar.
Radarul utilizează microundele peste 0,5 cm, acestea având o rată de
transmisie atmosferică favorabilă şi se pot propaga indiferent de condiţiile
atmosferice. Sunt utilizate microundele generate artificial, cu ajutorul unor
sisteme amplasate la bordul avioanelor, elicopeterelor sau sateliţilor [32].
Principiul radar, ilustrat simplificat în fig. 3.6, are la bază
măsurarea timpului de întoarcere a undelor electromagnetice produse
artificial de către un emiţător. Microundele sunt generate de un emiţător
special, sub forma unor pulsuri sau semnale cadenţate, frecvenţa radiaţiilor

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.

Fig. 3.6 Schema unui sistem de teledetecţie radar primar [77]

Sistemul radar funcţionează astfel: antena radar-ului iluminează

ţinta cu un semnal de frecvenţă înaltă - semnal de „sondaj” - semnal care
este reflectat de către aceasta şi recepţionat de către receptor prin
intermediul antenei - semnal „ecou”. Semnalul de sondaj este generat de
un emiţător de putere mare şi recepţionat de un receptor cu sensibilitate
ridicată. Comutatorul de antenă (duplexor) permite folosirea aceleiaşi
antene atât de către emiţător, cât şi de către receptor [77].
Semnalele recepţionate vor fi afişate pe indicator (fig. 3.6). Acesta
este de obicei un indicator de observare circulară (IOC), numit şi indicator
panoramic (PPI).
Un IOC afişează un vector cu originea în centrul ecranului,
corespunzătoare poziţiei radarului, care se roteşte simultan cu antena,
indicând direcţia acesteia şi implicit azimutul ţintelor [77].
Determinarea distanţei se bazează pe cunoaşterea timpul de
întârziere al semnalului ecou şi vitezei de propagare.
Distanţa determinată reprezintă distanţa în linie dreaptă dintre
radar şi ţintă şi poartă numele de distanţă înclinată [78].
Distanţa reală este distanţa în plan orizontal (la nivelul solului)
între poziţia radarului şi proiecţia poziţiei ţintei în acest plan. Aşadar,
pentru determinarea acestei distanţe este necesar a se cunoaşte înălţimea
ţintei. Deoarece semnalul parcurge drumul între radar şi ţintă de două ori

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)

Determinarea direcţiei (fig. 3.7) - determinarea coordonatelor

unghiulare ale unei ţinte este posibilă datorită directivităţii antenei
(capacitatea antenei de a-şi concentra energia radiată într-o anumită
direcţie).

Fig. 3.7 Determinarea direcţiei – azimutului [79]

Azimutul absolut al unei ţinte radar reprezintă unghiul dintre

direcţia nord şi direcţia ţintei. Acest unghi este măsurat în plan orizontal şi
în direcţia acelor de ceasornic, pornind ca referinţă de la direcţia nord
(azimut 0). Atunci când radarul este poziţionat pe nave sau avioane,
azimutul unei ţinte poate fi măsurat având ca referinţă direcţia de
deplasare a lor - azimut relativ [79].
Sistemele radar mai noi acoperă spaţiul de observare fără
deplasarea mecanică a antenei sau cu deplasări mecanice minime. Aceste
radare folosesc deplasarea electronică a fasciculului în azimut şi/sau în
elevaţie - reţele fazate de antene [79].
Sistemul radar inregistrează imaginea prin scanare sau baleiere,
rezultând o imagine alb-negru, Suprafeţele expuse spre radiaţia incidentă,
netede (cu grad mic de dispersie a microundelor) sunt deschise ca ton de

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.

Fig. 3.8 Benzi de frecvenţă utilizate de sistemele radar [80]

Sistemele radar pot funcţiona într-un singur interval deci

furnizează o singură imagine (Seasat, Radarsat) sau în mai multe intervale
furnizând mai multe imagini, în mod asemănător imaginilor multispectrale
care ulterior pot fi îmbunătăţite (SIR C).
Sistemele radar folosite in teledetecţie pot fi clasificate in funcţie de
poziţia antenei de emisie şi recepţie a microundelor in raport cu direcţia de
zbor. Aceasta condiţionează de fapt acoperirea spaţială a terenului inregistrat
in imagini, ce depinde in egală masură şi de altitudinea de zbor [32].
a. Radarul cu emisie verticală este cel mai vechi sistem utilizat în
teledetecţie, dar şi cel mai ineficient, sistem care “oferă” o imagine
îngustă, similară unui profil topografic al terenului [58].
b. Radarul lateral aeropurtat, cu acronimul SLAR (Side Looking
Airborne Radar). Acesta permite emiterea de microunde cu ajutorul unor
antene mobile amplasate oblic pe fuselajul avionului, de o parte şi de cealaltă
a acestuia sau lateral şi perpendicular faţă de direcţia de zbor [31] - fig. 3.9.

Fig. 3.9 Radarul lateral aeropurtat - SLAR (prelucrare după [133])

55
 Radarul lateral aeropurtat este cea mai des utilizată aplicaţie sau
tehnică din domeniul teledetecţiei active [58].
Principiul de funcţionare al unui SLAR poate fi decries astfel:
instalaţia radar emite cu ajutorul antenei (cuplată pe emisie) un tren de unde
monocromatice şi coerente cu distribuţia dată de polara corespunzătoare şi
cu durata foarte scurtă de 0,01 – 0,1 s. Simultan, un eşantion din semnalul
emis este introdus în blocul de prelucrare electronică pentru a fi utilizat ca
semnal de referinţă. Cuplată imediat pe poziţia recepţie, antena
recepţionează semnalele reflectate de teren şi purtătoare de informaţii.
Blocul bază de timp asigură eşantionarea semnalului recepţionat, fiecare
eşantion corespunzând unei anumite distanţe de parcurs a semnalului [55].
Rezoluţia înregistrării depinde de o serie de elemente: înălţimea de
zbor, distanţa de la captator la sol, unghiul pe care îl face fasciculul de
raze cu orizontala şi unghiul de deschidere a fasciculului emis [56].
Spre exemplu: lăţimea zonei de acoperire în teren atinge 9 km la un
plafon de 3000 m, respectiv peste 20 km la un plafon de cca. 7000 m [31].
Odată cu progresul tehnic, sistemul a fost perfecţionat, fiind
obţinute astfel imagini cu rezoluţii tot mai mari, ca rezultat al unei
sincronizări perfecte a vitezei de zbor, poziţiei antenei şi timpilor de
emisie şi de răspuns ai semnalului.
c. Radarul cu deschidere sintetică (SAR). Aplicaţia SAR (Synthetic
Aperture Radar) utilizează efectul Doppler [31].
Principiul de funcţionare al SAR (fig. 3.10) este următorul: antena
emite, la intervale fixe τ, pachete de microunde cu frecvenţa fe. Între
intervalele de emisie, ea recepţionează frecvența undei reflectate fr [74].

Fig. 3.10 Principiul de funcţionare al SAR (prelucrare după [142], [26])

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]

Datele SAR sunt, de asemenea, utilizate de către geologi în studii

referitoare la climatul din trecut, procesele vulcanice, cutremure, etc.
Mijloacele computerizate actuale au atins performanţa de a permite
generarea automată a modelelor numerice sau digitale ale terenului din
imagini radar oblice, cu o anumită suprapunere laterală. Procedeul se numeşte
57
şi interferometrie şi este de mare utilitate în analiza dinamicii reliefului dar
mai ales în obţinerea elementelor de altimetrie [31]. Aplicaţiile radar pot fi
utilizate, de asemenea, în analize teritoriale, urbanism, etc.
2. Sistemul LIDAR (fig. 3.12). Tehnologia LIDAR (Light Detection
And Ranging) este un mijloc al teledetecţiei active dezvoltat începând cu anii
1960 şi reprezintă o tehnologie optică de sondare la distanţă, cu ajutorul
căreia, prin intermediul măsurării proprietăţilor luminii împrăştiate pe obiecte
aflate la depărtare, se pot extrage informaţii despre acestea [82].

Fig. 3.12 Principiul de funcţionare al sistemului LIDAR [83]

Aşadar, principiul de funcţionare al sistemului LIDAR este

asemănător cu cel al radar-ului (fig. 3.6), însă este utilizată altă porţiune a
spectrului electromagnetic (fig. 3.8), respectiv radiaţia luminoasă (lumina
polarizată numită şi laser) în locul undelor radio (microundelor), ceea ce
înseamnă că sistemul trebuie să dispună de componente optice care să
direcţioneze, să intercepteze şi să detecteze radiaţia provenită din
interacţia radiaţiei de sondare cu mediul investigat [83].
Sistemul LIDAR are la bază un emiţător (laser pulsat, de mare
putere), un receptor (telescop şi fotodetectori de nivel scăzut, foarte rapizi)
plasate în acelaşi loc şi un sistem de achiziţie şi conversie analog-digitală
de mare viteză [83].
Sistemul masoară timpul de intoarcere al razelor laser reflectate
(fig. 3.12), in funcţie de care, calculează automat distanţa dintre aparatul
de zbor şi obiectul scanat sau baleiat [58].
58
 Puterea luminii receptionate, Pr(R), reflectate de la o distanţă R,
poate fi exprimată cu ajutorul următoarei formule [84]:

Pr(R) = P0*K*Ar*q*b(R)*T2(R)*Y(R)/R2+Pb (3.2)

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.

Distanţa efectivă a LIDAR-ului depinde de relaţia dintre

intensitatea luminoasă receptionată şi nivelul zgomotului [84].
Lumina laser este generată la un anumit unghi, in limitele unei zone
de acoperire unghiulară numită şi câmp de vedere. Ea are aspectul unui
spot, având lăţimea de cca. 6 mm. Aceasta atinge terenul sau obiectele sub
forma unei “amprente” în raport cu care se apreciază şi rezoluţia spaţială
(măsura separabilităţii obiectelor dintr-o imagine) în plan orizontal a
imaginii. Pentru fiecare punct scanat se inregistrează datele de navigaţie dar
şi coordonatele GPS precise. Imaginea are deja o proiecţie cartografică,
deoarece pixelii se inregistrează pe fiecare linie scanată, impreună cu poziţia
spaţială, determinată simultan prin semnalul de la sateliţii GPS [58].
În tehnologia LIDAR se utilizează trei sisteme de bază:
- scanarea laser pentru o cât mai precisă măsurare a distanțelor
- sistemul de poziţionare global (GPS)
- Inertial Measurement Unit (IMU) pentru înregistrarea orientării
Cu ajutorul scanării laser sunt înregistrate diferenţele de timp
dintre impulsurile laser trimise din avionul care efectuează zborul şi cele
reflectate de suprafaţa topografică.
Sistemul GPS (Global Position System) este reprezentat dintr-un
receptor GPS situat în cadrul avionului care realizează zborul pentru a
înregistra poziţia continuă a acestuia şi o staţie GPS (diferenţial GPS)
amplasată în teren pentru a corecta diferenţele, astfel încât să se obţină o
traiectorie cât mai bună a aparatului de zbor [85].
Aşadar, explorarea terenului se realizează prin baleiere sau scanare
cu fasciculul monocromatic generat la bordul avionului, elicopterului sau

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]

Imaginile LIDAR sunt, de asemenea, deosebit de utile în domeniul

topografiei (generarea modelelor numerice ale terenului), cartografiei,
geomorfologiei, glaciologie, analizei fenomenelor de risc (inundaţii,
alunecări de teren, etc.).
3. Sonarul (Sound Navigation and Ranging), numit şi ecosondă
utilizează pentru investigarea mediului înconjurător şi în special a
domeniului acvatic (fig. 3.12), undele sonore generate artificial.

60
 Fig. 3.14 Principiul sonarului [136]

Calitatea imaginilor obţinute (sonograme) creşte odată cu creşterea

frecvenţei semnalului sonor şi scăderea distanţei parcurse de unda sonoră.
Principiul de funcţionare al sonarului, asemănător cu cel al radar-
ului şi lidar-ului, se realizează prin scanare sau baleere şi presupune emisia
de unde sonore care intră în contact cu suprafeţe cu caracteristici diferite,
în funcţie de acestea putând fi identificate.
Semnalul de răspuns este captat, convertit in curenţi electrici,
inregistrat, prelucrat şi vizualizat pe tub catodic, sub forma unei imagini
alb-negru, respectiv sonograma, pe care suprafetele expuse undelor sonore
sunt mai deschise ca ton de culoare, comparativ cu cele ascunse fluxului
de unde [31].

61
Capitolul 4
SISTEME DE SATELIŢI

Cercetarea spaţiului cosmic se realizează cu ajutorul sateliţilor

artificiali ai Pământului, care evoluează în atmosfera înaltă şi în afara
atmosferei şi a navelor spaţiale, care se deplasează prin apropierea
planetelor sau sateliţilor lor naturali sau coboară pe suprafaţa acestora [56].
De la prima lansare pe orbită a unui satelit artificial al Pământului,
Sputnik 1, în anul 1957, programele de teledetecţie s-au dezvoltat
continuu, ele fiind grupate în trei mari categorii [56]:
- programe care au avut misiunea cercetării planetelor din sistemul
solar: folosesc în general platforme cosmice fără echipaj la bord
(navete precum Mariner, Pioneer, Voyager)
- programele cu misiuni de observare a Lunii: au folosit iniţial
platforme fără echipaje la bord (sateliţii Luna, Ranger, Surveyor) şi
ulterior misiuni cu echipaj (programul Apollo)
- programe şi misiuni pentru observarea Pământului la care au fost
folosite la început platforme fără echipaj (sateliţii meteorologici
Tiros, Nimbus, ESSA, ATS, Meteor) sau pentru detectarea
resurselor naturale şi observarea mediului înconjurător.
Cercetarea Pământului şi a resurselor naturale ale sale s-a realizat
folosind diferite tipuri de platforme cosmice, după cum urmează [56]:
- navete spaţiale cu echipaj la bord, începând cu naveta spaţială
Vostok lansată de fosta Uniune Sovietică în anul 1961 şi continuând
cu navetele Mercury, Gemini, Soiuz, Challenger
- laboratoare spaţiale plasate pe orbite circumterestre, cu echipaj la
bord: laboratorul american Skylab, laboratorul orbital Saliut, lansat
de URSS (la acest program de cercetări participând şi cosmonautul
român Dumitru Prunaru), Staţia spaţială orbitală internaţională MIR
- sateliţi artificiali: Landsat, SPOT, etc.

4.1. Sateliţi comerciali

Din categoria sateliţilor „comerciali”, vom prezenta în în cele ce

urmează, unele dintre cele mai importante misiuni şi sisteme de sateliţi
referindu-ne în special, la sistemele care „acţionează” în limitele României.

62
 4.1.1. Misiunea Landsat

Misiunea Landsat (fig. 4.1) a fost iniţiată de catre NASA ca un

proiect experimental, civil, în anul 1972 prin lansarea satelitului ERTS
(Earth Resources Technology Satellite - Satelit Tehnologic de Resurse ale
Pamintului) sau Landsat1. Următorii doi sateliţi, respective Landsat 2 şi
Landsat 3 au fost lansaţi tot de către NASA, însă din anul 1979 cei trei
sateliţi au fost trecuţi în “patrimonial” NOAA.

Fig. 4.1 Sateliţi din seria Landsat [137]

Sateliţii Landsat 4 şi Landsat 5, au fost lansaţi de asemenea de către

NASA, însă comercializarea imaginilor furnizate a fost încredinţată
companiei private EOSAT. În anul 1993 satelitul Landsat 6, datorită unor
probleme tehnice, nu a mai ajuns pe orbită. În anul 1999 a fost lansat Landsat
7, care în anul 2003 a suferit o defecţiune hardware care a determinat apariţia
unor zone fără date în imaginile achiziţionate. În anul 2013 a fost iniţiată
misiunea LDCM (Landsat Continuity Mission), susţinută de către NASA şi
USGS, pentru continuarea achiziţiei de imagini ale suprafeţei terestre [86].
Conform site-ului USGS, Landsat 9 va fi lansat în anul 2023 (fig. 4.1).
Landsat 1, lansat în anul 1972 (tabelul 4.1), sub numele de ERTS,

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]

Senzorii MSS, senzori opto-mecanici, au colectat informații în

patru benzi spectrale, pe o suprafață de 185 x 185 km. Deoarece acest
instrument a fost dezvoltat după cele trei camere RBV, benzile au fost
numerotate de la 4 la 7 (tabelul 4.2).
Tabelul 4.2
Caracteristici ale senzorilor MSS [107]
Banda (L1-L3) Banda (L4-L5) µm Rezoluţia
4 ~ 2 (0.52–0.60 µm) 0.5-0.6 68 m X 83 m
5 ~ 3 (0.63–0.69 µm) 0.6-0.7 68 m X 83 m
6 ~ 4 (0.76–0.90 µm) 0.7-0.8 68 m X 83 m
7 ~4 0.8-1.1 68 m X 83 m
8 ~ 6 (2.08–2.35 µm) 10.41-12.6 68 m X 83 m

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

Caracteristicile tehnice ale satelitului Landsat 2 sunt identice cu

cele ale predecesorului său, respectiv Landsat 1.
Landsat 3 a fost lansat în anul 1978 (tabelul 4.4) cu aceeaşi
senzori ca şi predecesorii săi, adaugându-se a cincea bandă - spectrul
termal - care nu a mai funcţionat dupa lansare [86]. Satelitul a funcţionat
până în 1983 [87].

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

Sateliţii Landsat 1, 2 şi 3 (consideraţi „din prima generaţie”),

cunoscuţi sub denumirea Landsat MSS, au achiziţionat date prin scannerul
multispectral (tabelul 4.5); datele arhivate aveau rezoluţia, in zona ţării
noastre, de 55x79 m [72]. Senzorul înregistra date în 4 benzi spectrale (tabelul
4.2) şi avea nevoie de 6 linii de baleiere (6 detectoare pe un rând care
înregistrează în mod simultan şi aceasta pentru fiecare bandă spectrală).
Rezoluţia variază între 79x79 m în banda de 0,5 – 0,6 μm (verde) şi 120x120
m în banda 10,4 – 12,5 μm (IR termal). Acoperă 185x185 km [57].
65
 Tabelul 4.5
Caracteristicile imaginilor satelitare Landsat [88]
Lungimea de Dimensiunile Rezoluţia
Satelitul Senzorul Banda
undă (µm) scenei (km) spaţială (m)
L 1-4 MSS 1,2,3,4 0.5 - 1.1 60
L 4-5 TM 1,2,3,4,5,7 0.45 - 2.35 30
L 4-5 TM termal 6 10.40 - 12.50 120
L7 ETM+ 1,2,3,4,5,7 0.450 - 2.35 30
185 X 185
ETM+
L7 6.1, 6.2 10.40 - 12.50 60
termal
ETM+
Pan. 8 0.52 - 0.90 15
termal

După rezoluţia spaţială, imaginile obţinute cu „prima generaţie” de

sateliţi Landsat sunt considerate, în prezent, de slabă rezoluţie [56].
Pentru îmbunătăţirea rezoluţiei spaţiale şi spectrale, începând cu
anii 1980 s-a derulat un nou program Landsat TM (Landsat Thematic
Mapper) obţinându-se imagini cu rezoluţie spaţială medie [56].
Primul satelit din această generaţie, Landsat 4 TM, a fost echipat
cu un sistem de baleiere multispectrală (MSS) care lucrează în şapte benzi
spectrale, însă în prezent nu este operaţional [56].
Landsat 4 a fost lansat în anul 1982, fără instrumentul RBV, acesta
fiind înlocuit cu instrumentul TM (tabelul 4.6), instrument care achiziţiona
imagini în benzile albastru, verde, roşu, infraroşu apropiat, infraroşu
mediu (2 benzi) şi infraroşu termic [86].

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

Senzorul TM (Thematic Mapper) este un scanner multispectral mai

„rafinat”, acesta considerându-se a doua generaţie de senzori. Operează în 7

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].

Fig. 4.3 Landsat Tematic Mapper [59]

Landsat 5, lansat în anul1984 (tabelul 4.7), are aceleaşi

caracteristici ca şi Landsat 4. Acest satelit este încă operaţional şi datorită
senzorului TM asigură o rezoluţie spaţială de 30 m, obţinându-se astfel
hărţi tematice cu o precizie mai ridicată [56].

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

Programul prevedea şi punerea pe orbită a celui de-al şaselea

satelit, Landsat 6, dar lansarea sa a fost un eşec [72]. Acesta trebuia să
aibă o orbită identică cu Landsat 4 şi 5. Senzorul destinat pentru această
misiune era ETM (Enhanced Thematic Mapper). ETM încorporează
aceleaşi 7 benzi spectrale şi aceeaşi rezoluţie ca şi TM, dar îmbunătăţirea
majoră este adăugarea unei benzi pancromatice în domeniul 0,50 – 0,90
μm cu rezoluţie de 15 m [57].

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

Este dotat cu un senzor pasiv care înregistrează radiaţia solară în 8

benzi spectrale (tabelul 4.9) numit ETM+ (Enhanced Thematic Mapper Plus).

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

4 0.76-0.90
5 1.55-1.74
6 10.40-12.50
7 2.08-2.35
8 Imagine alb-negru 0,52-0,92
Noutăţile aduse de Landsat 7 ETM+ sunt legate de senzorul
pancromatic cu rezolutie de 15 m (fig. 4.4), care, spre deosebire de sateliţii
Determinarea biomasei
vegetale dintr-o scenă,
identificarea culturilor şi
infraroşu scoaterea in evidenţă a
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
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
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
mediu activităţii clorofiliene a
vegetaţiei. Se foloseşte la
delimitarea suprafeţelor
acvatice şi terestre
Permite efectuarea analizelor
detaliate asupra elementelor
antropice, precum şi
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].

Fig. 4.4 Imagine Landsat 7 ETM+ în pancromatic din anul 2000

(după Vorovencii If. 2005, citat de [56])

Misiunea LDCM (Landsat Continuity Mission) – Landsat 8 - a

debutat în anul 2013, sub egida NASA şi USGS, pentru continuarea
achiziţiei de imagini ale suprafeţei terestre [86].
Satelitul LDCM are doua instrumente: OLI (Operational Land
Imager) şi TIRS (Thermal InfraRed Sensor), care asigură acoperire global
(tabelul 4.10), la rezolutţiile de 30 m (spectrul vizibil, NIR, SWIR), 100 m
(benzile termale) şi 15 m (banda pancromatică).

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].

4.1.2. Misiunea SPOT

Imaginile SPOT sunt achiziţionate de sateliţii cu acelaşi nume,
concepuţi, realizaţi şi controlaţi în cea mai mare parte de Centrul Naţional
de Studii Spaiale din Franţa (CNES).
Primul satelit din această serie, SPOT 1 (primul saelit european de
observare a mediului înconjurător) a fost lansat în anul 1986, având
„misiunea” de observare a resurselor Terrei (tabelul 4.11).
Orbita sateliţilor SPOT este cvasipolară, cvasicirculară şi
heliosincronă, cu altitudinea medie de 832 km la latitudinea de 450N şi
înclinarea de 98,70 (tabelul 4.11).
Tabelul 4.11
Caracteristici ale sateliţilor SPOT
Misiunea SPOT 1 - 4 SPOT 5 SPOT 6, SPOT 7
Data lansării 1986, 1990, 1993, 1997 2002 2012, 2014
Racheta Ariane V16, Ariane V34, Ariane 42P C21, PSLV C23
Altitudinea 832 km 822 km 694 km
Tipul Heliosincron
Înclinarea 98,7º
Timpul de revizitare 26 zile 2, 3 zile
Acoperirea Globală
HRV (2 pe SPOT 1, 2, 3)
Instrumente HRVIR (SPOT 4) 2 X HRG, HRS
VMI (SPOT 4)

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

Rezoluţiile corespund scărilor 1:25.000, pentru modul pancromatic,

respectiv 1:50.000, pentru multispectral. Aceste rezoluţii spaţiale sunt
caracteristice pentru primii patru sateliţi SPOT, satelitul SPOT 5 având
rezoluţii sensibil mai bune [40].
Valorile de strălucire dintr-o imagine SPOT sunt codificate pentru
fiecare pixel pe 8 biţi, putând lua valori cuprinse între 0 - 255. În datele
brute, semnificativ radiometric este însă numai intervalul 1 – 255. Valoarea
0 codifică o valoare radiometrică fără semnificaţie, fiind rezervată pentru
zona din exteriorul imaginii (zonă denumită „background”) sau pentru
detectorii nefuncţionali la momentul achiziţiei [14].

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].

Fig. 4.7 Constelaţia formată din sateliţii SPOT 6, SPOT 7 şi Pleiades

(Astrium GEO-Information Services citat de [115])

Arhitectura sateliţilor SPOT 6 şi SPOT 7 este similară cu cea a

sateliților Pleiade: un instrument optic montat central, un tracker stea cu trei
axe, o fibră optică giroscopic (FOG) și patru giroscoape de moment de
control (CMGS).
Imaginile obţinute (fig. 4.8) au rezoluție spaţială [114]:
- 1,5 m - pancromatic
- 6 m - multispectral.

Fig. 4.8 Imagine SPOT 7 a insulei La Reunion din Oceanul Indian

(Airbus Defence and Space citat de [115])
75
 Benzi spectrale, cu pancromatica simultană și achiziții multispectrale:
- Pancromatica (450-745 nm)
- Albastru (450-525 nm)
- Green (530-590 nm)
- Red (625-695 nm)
- Infraroșu apropiat (760-890 nm)
Amprenta: 60 × 60 km.
Tasking satelit Responsive, cu sase planuri tasking pe zi, pe satelit
Capacitatea de a achiziționa până la 3 mil. km2 în fiecare zi [114].

4.1.3. Sateliţii Ikonos şi QuickBird

Progresul tehnic şi ştiinţific înregistrat în majoritatea domeniilor de

activitate care utilizează imagini de teledetecţie, a determinat şi
„perfecţionarea” continuă a acestor imagini, în scopul obţinerii unor scene
cât mai detaliate, care să poată fi utilizate în analize complexe asupra
resurselor şi fenomenelor terestre. Astfel, unul dintre principalele
obiective ale programelor de teledetecţie a fost şi continuă să fie crearea
unor sateliţi care să furnizeze imagini cu o foarte înaltă rezoluţie spaţială.
Din categoria sateliţilor care „oferă” imagini cu foarte înaltă
rezoluţie spaţială, vom prezenta, în cele ce urmează, sateliţii Ikonos şi
QuickBird.
Satelitul Ikonos (fig. 4.9) furnizează imagini de foarte înaltă
rezoluţie spaţială, deosebit de utile pentru numeroase domenii precum:
agricultură, industrie, amenajare teritorială, urbanism, etc.

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]

Satelitul Ikonos a fost lansat în anul 1999 şi este caracterizat prin

parametrii sintetizaţi în tabelul 4.13.
În mod multispectral, imaginile Ikonos au rezoluţia spaţială de 3
m, iar în pancromatic, de 0,82 m [72], la Nadir şi 1 m în pancromatic şi 4
m în mod multisprctral extra Nadir (tabelul 4.13).
Cu ajutorul satelitul Ikonos se pot obţine DSM-uri (Digital Surface
Models) şi/sau DEM-uri (Digital Elevation Models), cu o importanţă
practică deosebită.

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

Programul QuickBird a fost lansat de către SUA în 18 octombrie

2001 şi a colectat peste 75 milioane de kilometri pătrați de imagini anual.
Satelitul QuickBird furnizează imagini cu o foarte înaltă rezoluţie
spaţială (fig. 4.11): multispectral de 2,44 m şi pancromatic, de 0,61 m.

Fig. 4.11 Imagine QuickBird cu rezoluţia spaţială de 0,80 m,

a Turnului Eiffel şi a zonei înconjurătoare din Paris [119]

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].

4.1.4. Programul european ERS

Programul european ERS a fost conceput în scopul susţinerii şi

dezvoltării studiilor oceanografice şi glaciologice, însă ulterior, imaginile
obţinute (fig. 4.12) s-au dovedit a fi deosebit de utile şi în alte domenii,
precum topografia, cartografia, geomorfologie, etc.

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

Dintre misiunile spaţiale cu caracter militar, vom prezenta în cele

ce urmează, în linii generale, Programul spaţial CORONA.
Programul CORONA a luat naştere în anul 1959, fiind iniţiat de
către CIA şi US Air Force din SUA şi avea ca obiectiv principal
supravegherea teritoriului ţărilor din fosta URSS.
Programul CORONA s-a încheiat în anul 1972, însă a rămas secret
până în anul 1992. Începând cu anul 1995, o parte din imaginile
achiziţionate în cadrul acestui program, au fost desecretizate.
Sateliţii care aparţineau programului CORONA erau denmiţi KH
(Key Hole) – KH-1, KH-2, KH-3, KH-4, KH-4A şi KH-4B - sateliţi care
achiziţionau imagini cu rezoluţia spaţială foarte mare, de până la 1,8 m.
Programului CORONA îi pot fi asociate o serie de realizări
deosebit de importante pentru teledetecţia satelitară, printre care pot fi
enumerate:
- prima fotografie realizată dintr-un satelit
- prima operaţiune de cartare a suprafeţei terestre, din spaţiul cosmic
- primul program spaţial cu peste 100 de lansări, etc.
Prin programul CORONA au fost aduse contribuţii importante,
aplicabile în „domeniul civil”, precum:
- crearea reţelei geodezice WGS (World Geodezic System) care stă
la baza multor aplicaţii din domeniul cartografiei şi topografiei
- cartarea întregii suprafeţe a Terrei şi realizarea unor hărţi
topografice
- prin imaginile furnizate, contribuie la dezvoltarea cercetărilor în
numeroase domenii ştiinţifice, etc.

81
Capitolul 5
IMAGINI DE TELEDETECŢIE

5.1. Generalităţi

Imaginile satelitare şi aeriene, sunt reprezentări obiective şi

instantanee ale realităţii terenului, raportate precis la repere spaţio-
temporale [58]. Imaginile utilizate în teledetecţie sunt imagini digitale.
O imagine digitală poate fi definită ca o reprezentare a unei
imagini reale bidimensionale, ca o mulțime finită de valori digitale
(numerice), codificate după un anumit sistem [116].
Toate imaginile în format electronic (digital) se împart în două
tipuri de bază, şi anume: imagini raster şi imagini vectoriale (fig. 5.1).

b
Fig. 5.1 Comparaţia imaginilor vectoriale şi raster (a [91], b [92])

Imaginile raster (cunoscute şi sub numele de imagini “bitmap”)

sunt cele mai des întâlnite, în diferite domenii şi în majoritatea aplicaţiilor
de teledetecţie.

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.

Fig. 5.2 Pixeli şi numere digitale [54]

Valori mari ale ND sunt reprezentate ca pixeli luminoşi, iar cele

scăzute sunt reprezentate ca pixeli mai închişi. Gama de numere
înregistrate depinde de tipul de senzor folosit [40].
Aşadar, cu cât suprafaţa acoperită de un pixel este mai mică, cu
atât reprezentarea are o mai mare precizie [93], ceea ce înseamnă că
dimensiunea scăzută a pixelului are ca efect reproducerea mai precisă a
elementelor mediului înconjurător [149].
Fiecare pixel este identificat cu uşurinţă printr-o referinţă imagine
unică (linie/coloană). Pe lângă coordonatele imagine, reprezentarea tip
raster conţine şi o valoare numerică, care poate fi: valoarea radiometrică
(pentru imaginile de teledetecţie), nivelul de gri pentru imaginile scanate
sau in cazul imaginilor clasificate, un cod numeric corespunzator unui
atribut descriptiv.
Există situaţii în care, în interiorul unui pixel pot fi identificate mai
multe semnale cu proprietăţi diferite (fig. 5.3): căi de comunicaţii rutiere,
formaţiuni vegetale, ceea ce ilustrează conceptul de pixel mixt.

Fig. 5.3 Corespondenţa teren – imagine [93]

84
 Utilizarea imaginilor satelitare, comparativ cu alte surse de
informaţii, prezintă o serie de avantaje: oferă un volum foarte mare de
informaţii, pot fi prlucrate cu ajutorul soft-urilor specializate, permit
detectarea modificărilor survenite în intervale temporale mari, etc.

5.2. Rezoluţia imaginilor de teledetecţie

În cuprinsul acestui subcapitol vom prezenta unele dintre cele mai

importante noţiuni legate de rezoluţia imaginilor de teledetecţie şi implicit
unele caracteristicile de bază ale acestora, referindu-ne în mod special la
imaginile satelitare.
Rezoluţia reprezintă una dintre caracteristicile esenţiale ale
imaginilor de teledetecţie. Aceasta are implicaţii directe asupra prelucrării
imaginilor şi constituie un criteriu esenţial în alegerea tipului de imagine
care se pretează pentru analiza propusă.
În cazul imaginilor de teledetecţie se disting 4 tipuri de rezoluţii,
respectiv spaţială, spectrală, radiometrică şi temporală.
1. Rezoluţia spaţială reprezintă dimensiunea celui mai mic obiect
care poate fi sesizat pe imaginea inregistrată de senzor şi este definită prin
aria reprezentată de fiecare pixel, altfel spus, suprafaţa de la sol
reprezentată de un pixel [93].
Rezoluţia spaţială mai poate fi definită ca dimensiune în teren a
laturii unui pixel, cel mai mic element care alcătuieşte imaginea
respectivă, fiind strâns legată de volumul de informaţie al imaginii [32].
O imagine de rezoluţie mică a zonei analizate oferă posibilitatea
identificării obiectivelor de mari dimensiuni, având un număr limitat de
pixeli cu grad mare de neomogenitate, însă pentru o analiză detaliată este
necesară utilizarea unor imagini cu rezoluţie cât mai mare, imagini
formate dintr-un număr mare de pixeli, situaţie ilustrată în fig. 5.4.

Fig. 5.4. Imagine SPOT Pancromatic (10 m) - a; Aerofotogrammă în IR (2 m) - b;

Aerofotogrammă în vizibil (0,5 m) - c [93]

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.

Fig. 5.5 Rezoluţia spaţială a imaginilor satelitare [59]

Între rezoluţia spaţială şi scara imaginilor există o legătură directă:

rezoluţia este cu atât mai mare, cu cât scara imaginii este mai mare.
Obiectele mai mici decât mărimea unui pixel pot fi detectate în
imagine datorită contrastului puternic între acestea şi fundal (fig. 5.6).

Fig. 5.6 Imagine din vestul Siberiei [138]

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].

Fig. 5.7 Scenă satelitară Landsat, cu rezoluţia spaţială de 30 m [94]

Pe baza celor prezentate anterior, se poate conchide că rezoluţia

spaţială „stabileşte” tipul de imagini care pot fi folosite, în concordanţă cu
tipul şi nivelul de complexitate al obiectivelor propuse: imaginile de medie
rezoluţie pot fi folosite, spre exemplu, în analiza sumară a vegetaţiei dintr-
o anumită regiune, însă dacă se urmăreşte identificarea reţelei stradale
dintr-un oraş, se impune utilizarea unei imagini cu rezoluţie spaţială mare.
2. Rezoluţia spectrală se referă la intervale specifice sau de
lungimi de undă ale spectrului electromagnetic, pe care un senzor le poate
înregistra şi implicit în care s-a înregistrat o anumită imagine. Altfel spus,
rezoluţie spectrală ia în considerare benzile, intervalele specifice lungimii
de undă, în care se fac înregistrările [56].

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].

Fig. 5.8 Benzi ale imaginilor multispectrale [59]

Rezoluţia spectrală permite identificarea unui obiect sau fenomen

din teren mai mic decât rezoluţia spaţială, prin intermediul radiaţiei
electromagnetice reflectate de către acesta. Aceasta determină o mare
valoare a reflectanţei specifică acelui obiect [32]. Spre exemplu: pe o
imagine cu rezoluţia de 30 m, un drum cu lăţimea de 10 m (deci mai
îngust decât dimensiunea unui pixel) care traversează un teren agricol
poate fi identificat datorită diferenţelor date de rezoluţia spectrală.
Rezoluţia spectrală depinde, în mare măsură, de doua elemente
principale, respectiv:
- comportamentul spectral al obiectelor raportat la lungimea de undă
a radiaţiei electromagnetice (exprimat prin reflectanţa sau radianţa
spectrală)
- de sensibilitatea senzorului in raport cu diferite intervale spectrale.
Reflectanţa reprezintă procentul din radiaţia solară incidentă pe care
un corp îl reflectă in atmosferă. Pe baza acesteia, in raport cu lungimile de
undă ale spectrului electromagnetic, se generează o reprezentare grafică
(curba spectrală) specifică fiecărui obiect, care exprimă variaţia reflectanţei
in raport cu lungimea de undă a radiaţiei reflectate [58].
Radianţa reprezintă valoarea cantitativă a energiei emise in spatiu
de un obiect. Este exprimată în unităţi de energie raportate la unghiul
solid, suprafaţă şi lungime de undă (mW/cm2/steRadian/μm2).
Fiecărui obiect din imagine îi corespunde un anumit nivel al
radianţei exprimat printr-o anumită strălucire (care exprimă variaţia

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]

- imagini pancromatice (fig. 5.10), înregistrate într-un interval larg

al spectrului electromagnetic, se suprapun domeniului vizibil şi
unei părţi din infraroşu (spre exemplu, imaginile pancromatice
Landsat corespund unui interval cuprins între 0,52 – 0,92 m);
rezoluţia spaţială a acestora este mai mare comparativ cu cea a
imaginilor multispectrale

Fig. 5.10 Imagine SPOT pancromatică, cu rezoluţia spaţială de 10 m [68]

91
 Pentru analiza şi interpretarea corectă a imaginilor de teledetecţie
alb-negru trebuie să fie cunoscută semnificaţia şi natura signaturilor
spectrale în funcţie de tipul imaginii, de modul ei de obţinere, deoarece
tonurile de culoare (capacitatea obiectelor de a reflecta radiaţia incidentă)
au semnificaţii diferite.
În fig. 5.11 sunt prezentate cele trei benzi spectrale ale unei
imagini satelitare SPOT. Se poate observa că atât banda XS1 (verde), cât
şi banda XS2 (roşie) apar aproape identice cu cea pancromatică de mai sus
(fig. 5.10). Prin contrast, ariile cu vegetaţie apar luminoase in banda XS3
(IR apropiat), datorită reflectanţei mai pronunţate a frunzelor in IR
apropiat. Mai multe umbre gri se pot identifica in zona cu vegetaţie,
corespunzator mai multor tipuri de vegetaţie. Masele de apă (râul şi
marea) apar intunecate in banda XS3 (IR apropiat) [68].

XS1 XS2 XS3

Fig. 5.11 Cele trei benzi spectrale ale imaginii SPOT, cu rezoluţia spaţială de 20 m:
XS1 – verde; XS2 – roşu; XS3 – infraroşu apropiat [68]

Există unele imagini la care datele asociate semnăturilor spectrale

sunt exprimate prin radianţă (strălucire) dar şi imagini rezultate din
prelucrări, respectiv operaţii de matematică spectrală care sunt
caracterizate prin valori de indici sau chiar diverşi parametrii – de
exemplu, temperatura corpurilor, derivată matematic din imaginea lor în
infraroşul termal [32].
b. Imaginile color sunt clasificate în următoarele grupe [32]:
- imagini în culori naturale, a căror semnătură spectrală este redată
prin culori apropiate de cele percepute de ochiul uman
- imagini fals-color sau imagini în culori convenţionale, rezultă din
înlocuirea culorilor naturale cu alte culori pe care ochiul uman nu
le percepe în realitate, dar care aduc informaţii suplimentare.
Într-o imagine color-compusă se folosesc trei culori fundamentale,
respective roşu, verde şi albastru, numite culori aditive (fig. 5.12). Astfel
culorile obiectelor sunt rezultatul adunării semnăturilor spectrale în trei

92
benzi spectrale asimilate roşului, verdelui şi albastrului, dar şi scăderii
semnăturilor în sistemul substractiv, respectiv violet, turcoaz, galben [32].

Fig. 5.12 Culori aditive - primare [68]

Atunci când culorile aditive sunt combinate in proporţii diferite,

ele produc culori diverse in spectrul vizibil. Asociind fiecare bandă
spectrală (nu neapărat o bandă vizibilă) câte unei culori fundamentale,
rezultă o imagine color-compus [68] - detalii asupra compoziţiei de benzi
spectrale se regăsesc în Capitolul 7.
3. Rezoluţia radiometrică (fig. 5.13) este definită de numărul
posibil al valorilor de gri sau tonuri de culoare înregistrate în fiecare bandă
spectrală şi se exprimă prin numărul de biţi în care este divizată energia
înregistrată [56]. Cu cât numărul acestora este mai mare, cu atât informaţia
este mai detaliată. Datele înregistrate de scanere au un anumit domeniu de
intensitate. Obiectele foarte strălucitoare au intensitate maximă, iar cele
care nu reflectă radiaţia, au intensitate zero.

Fig. 5.13 Rezoluţia radiometrică [117]

Numărul de niveluri este exprimat ca număr al biţilor (binary digit)

necesari pentru stocarea valorii nivelului maxim (8 biţi = 1 Byte = 256
niveluri sau variante).
Numărul de niveluri conferă măsura valorii numărului digital
(ND). Senzorul înregistrează radiaţia electromagnetică şi o transformă
93
într-un număr digital (ND), valoarea acestuia reprezintă numărul de
radiaţii electromagnetice reflectate, pe care senzorul le-a captat [40].
Valorile mari ale ND sunt reprezentate ca pixeli luminoşi, iar
valorile ND scăzute sunt reprezentate ca pixeli mai închişi (fig. 5.14).

Fig. 5.14 Numărul Digital [28]

Spre exemplu, multe dintre imaginile de teledetecţie sunt

înregistrate ca date tip 8-bit de 28. Avem 28 = 256 şi atunci gama valorilor
ND pentru datele tip 8-bit este de la 0 la 255 (zero este considerat ca un
număr). Gama de numere înregistrate depinde de tipul de senzor folosit.
Aşadar, există mai multe posibilităţi de reprezentare [57]:
- pe 1 bit - cu 2 niveluri, 0 şi 1 sau alb/negru
- pe 2 biţi - cu 4 niveluri (fig. 5.15a)
- pe 4 biţi - cu 16 niveluri (fig. 5.15b)
- pe 6 biţi - cu 64 niveluri
- pe 8 biţi - 1 Byte - cu 256 niveluri (fig. 5.15c)
- pe 10 biţi - cu 1024.

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).

Landsat TM 1988 Landsat ETM+ 2000

Fig. 5.16 Modificări ale peisajului în intervalul 1988 – 2000
în regiunea Laghouat, Algeria [94]

Prin analiza imaginilor preluate în diferite perioade temporale, poate

fi explicată evoluţia unor fenomene, prezenţa sau absenţa anumitor
elemente (fig. 5.16), precum şi efectuarea unor previziuni legate de acestea.

5.3. Interpretarea imaginilor de teledetecţie

Interpretarea de specialitate a imaginilor de teledetecţie se

constituie ca un proces complex de observare şi analiză cantitativă şi
calitativă, bazat pe metode, procedee şi mijloace specifice, care are ca
principal scop identificarea şi caracterizarea obiectelor şi fenomenelor din
mediul înconjurător, stabilirea corelaţiilor dintre diferitele componente,
precum şi analiza tendinţelor evolutive. Pentru aceasta sunt necesare
cunoştinţe de specialitate, mijloace adecvate de preluare şi investigare,
care să permită obţinerea unor informaţii corecte şi cât mai detaliate.
Imaginile provenite de la sateliţii de teledetecţie pun la dispoziţia
utilizatorilor cantităţi mari de informaţii utile în tot mai multe domenii de
activitate, deosebit de complexe, însă pentru a putea beneficia de acestea,
este necesară efectuarea unui set de operaţii de prelucrare a imaginilor,
care cuprinde atât analiza vizuală, cât şi aplicarea unor procedee
matematice şi tehnice complexe pentru a obţine o formă accesibilă a
acestora (în forma iniţială imaginile satelitare reprezintă doar un cumul de
semnături spectral sau un volum de date brute).

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.

5.3.1. Etape ale interpretării imaginilor de teledetecţie

Pentru o interpretare corectă şi complexă a imaginilor de

teledetecţie, este necesar a se parcurge cinci etape principale [58], care vor
fi descrise, în linii generale, în cele ce urmează.

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.

5.3.2. Criterii de interpretare a imaginilor de teledetecţie

Criteriile de interpretare reprezintă caracteristici ale imaginii

obiectelor pe baza cărora acestea pot fi identificate, localizate, descrise şi
analizate [32]. Aceste criterii sunt aplicate, în special, în analiza calitativă
a imaginilor.
Criteriile de interpretare se grupează în două categorii, în funcţie
de legătura lor cu obiectele din imagine, respectiv:
- criterii directe – legate de caracteristicile obiectelor din imagini
(forma, mărimea relativă, culoarea)
- criterii indirecte – rezultă din combinarea şi asocierea imaginilor
obiectelor (textura, structura, umbra, dispersia, densitatea).
Ambele categorii de criterii se aplică selectiv în funcţie de
caracteristicile obiectului (formă, culoare, umbră, mărime) şi mai ales în
funcţie de caracteristicile imaginilor (rezoluţia spaţială, signatura
spectrală, etc.). De exemplu un bloc de locuinţe se identifică doar la
imagini de mare rezoluţie spaţială, însă o pădure de fag se poate identifica
şi în imagini la rezoluţii medii [32].
1. Criteriile directe se aplică, în multe cazuri în asociere cu
criteriile indirecte pentru a mării obiectivitatea interpretării, deoarece
unele caracteristici ale imaginilor (forma, culoarea, dimensiunile) sunt
diferit în imaginile de teledetecţie comparativ cu aspectul lor în realitate.
a. Forma (conturul) obiectelor reprezintă o caracteristică esenţială a
acestora, deosebit de utilă în procesul de interpretare, însă trebuie
respectate anumite condiţii deoarece forma obiectelor din imagine nu este
aceeaşi cu forma acestora în teren.
Criteriul formei obiectelor se aplică cu rezultate foarte bune în
analiza calitativă a imaginilor satelitare cu rezoluţie mare (fig. 5.17),
obiectele putând fi identificate cu uşurinţă.

99
 Fig. 5.17 Imagine satelitară de foarte mare rezoluţie a unei zone urbane [68]

Imaginea satelitară de mai sus, datorită rezoluţiei spaţiale foarte

mare, permite identificarea cu uşurinţă a componentelor din imagine
(clădiri, autovehicule, copaci, etc.) după forma geometrică. De asemenea,
mai pot fi distinse cu precizie şi arterele rutiere (fig. 5.17), fără a necesita
un nivel ridicat de cunoştiinţe sau experienţă.
Utilizarea criteriului formei obiectelor devine din ce în ce mai
complicată şi mai subiectivă pe măsură ce rezoluţia spaţială scade.
b. Mărimea obiectelor poate fi determinată prin compararea cu obiecte
cunoscute (blocuri de locuinţe în comparaţie cu clădiri edilitare, de mari
dimensiuni, aşa cum reiese din analiza fig.5.18) sau prin utilizarea unor
instrumente şi tehnici de măsurare a suprafeţelor (stereoscop sau unele
aplicaţii GIS).

100
 Fig. 5.18 Imagine QuickBird cu rezoluţia spaţială de 60 cm din Vatican [139]

În imaginile satelitare, mărimea reală a obiectelor nu este

respectată, aşadar, de importanţă practică este mărimea relativă a acestora.
c. Culoarea (tonul de culoare) se poate aplică diferit, în funcţie de tipul
imaginii.
În cazul imaginilor în culori naturale (cu cea mai uşoară
aplicabilitate), pentru utilizarea acestui criteriu, este necesară cunoşterea
datei la care a fost obţinută imaginea, a signaturii spectrale şi a rezoluţiei
spaţiale a acesteia [32]. Deşi uşor de interpretat, imaginea în culori
naturale oferă un conţinut de informaţii mai redus comparativ cu imaginea
fals-color (5.19).

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].

Fig. 5.20 Diferite tipuri de texturi în imaginea Ikonos,

cu rezoluţia spaţială de 1 m [68]

Eficienţa în interpretare a criteriului texturii depinde de rezoluţia

spaţială a imaginilor.
103
Capitolul 6
PREPROCESAREA IMAGINILOR
DE TELEDETECŢIE

Preprocesarea imaginilor însumează un ansamblu de operaţii

matematice şi/sau statistice aplicate imaginilor de teledetecţie cu scopul de
a elimina efectul erorilor radiometrice şi geometrice şi implicit de
îmbunătăţire a calităţii imaginilor respective.
Pentru simpla analiză vizuală a unei imagini, cu scopul de a
extrage informaţii cu caracter informativ, general, nu este obligatorie
aplicarea tuturor operaţiilor de preprocesare, însă pentru analize complexe,
preprocesarea cât mai „atentă” a imaginilor este absolut necesară.
Toate imaginile de teledetecţie, indifferent de tipul acestora, pot fi
supuse preprocesării.
Operaţiile de preprocesare sunt realizate, în principal, de către
furnizorii de date, imaginile putând fi achiziţionate la diferite nivele de
preprocesare, în funcţie de necesităţile utilizatorilor. Există însă situaţii în
care, unele operaţii de preprocesare sunt executate de către utilizatori.
Preprocesarea, numită şi etapa de prelucrare preliminară a
imaginilor, include mai multe operaţii complexe, care vor fi prezentate în
cele ce urmează.
Trebuie menţionat faptul că, în literatura de specialitate se
deosebesc diferite moduri de clasificare şi încadrare a acestor operaţii de
preprocesare, în funcţie de autor.
De asemenea, aceeaşi operaţiune poate fi regăsită sub diferite
denumiri, în funcţie de sursa de documentare.
În această lucrare, am incadrat operaţiile de preprocesare la
“rectificarea imaginiilor”, operaţii care vor fi prezentate în cele ce urmează.

6.1. Rectificarea imaginilor

Rectificarea (repararea sau restaurarea) imaginilor (Image correction)

are ca principal scop eliminarea erorilor radiometrice, geometrice şi a
diferitelor distorsiuni din imagine, astfel încât informaţiile oferite de aceasta
să corespundă, într-un grad cât mai mare, realităţii din teren.

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.

6.1.1. Corecţiile radiometrice

În interpretarea oricărei imagini de teledetecţie, semnătura

spectrală a componentelor mediului înconjurător are un rol deosebit de
important. Asupra acestor semnături spectrale acţionează o serie de factori
„perturbatori”, care le „deformează”, interpretarea obiectivă a imaginilor
fiind compromisă. De exemplu: în funcţie de poziţia Soarelui, pădurea de
conifere care acoperă suprafaţa unui versant poate avea semnături
spectrale diferite, în funcţie de expoziţia acestuia deoarece este iluminat în
mod diferit, ceea ce conduce la o interpretare eronată. Pentru a înlătura
acest inconvenient, se impune aplicarea unor corecţii radiometrice care să
elimine erorile datorate iluminării (sau poziţiei Soarelui). Se poate afirma
că aceste corecţii radiometrice sunt aplicate imaginilor în vederea
eliminării unor erori provocate de către senzorii de teledetecţie şi/sau de
către unele componente ale mediului înconjurător (fig. 6.1).

Fig. 6.1 Ameliorarea imaginii prin corecţii radiometrice [28]

Altfel spus, efectuarea corecțiilor radiometrice este necesară din

cauza variațiilor de iluminare a scenei, a condițiilor atmosferice, precum și
a zgomotului. Fiecare dintre acestea variază în funcție de senzorul specific
și platforma utilizată pentru a obține datele, dar şi în funcţie de condițiile
din timpul achiziţionării datelor.
105
 De asemenea, poate fi necesară conversia și/sau calibrarea datelor
pentru a cunoaşte unităţile de radiații sau de reflexie pentru a facilita
compararea datelor. Aşadar, corecţiile radiometrice au ca scop
normalizarea imaginilor sau aducerea obiectelor identice din imagini la
aceeaşi semnătură spectrală [30].
În cele ce urmează vom prezenta unele dintre cele mai importante
corecţii radiometrice care se aplică imaginilor de teledetecţie.
1. Corecţii ale erorilor datorate iluminării (variaţia în timp a
luminii solare). Măsurătorile efectuate prin teledetecţie se schimbă datorită
variaţiei în timp a înălţimii Soarelui. Corectarea imaginilor (corecţia
cosinus) se face prin înmulţirea valorii fiecărui pixel cu mărimea 1/cosh,
unde h este înălţimea Soarelui [18].
2. Corecţii de eliminare a erorilor produse de atmosferă.
Atmosfera terestră îşi manifestă acţiunea asupra radiaţiei electromagnetice,
prin absorbţie, producând diminuarea cantitativă a acesteia sau prin
reflexive şi difuzie, fenomene care au efect asupra calităţii imaginilor
datorită alterării semnalului recepţionat de către senzori (detalii în
Capitolul 2).
Este foarte importantă aplicarea corecţiilor radiometrice care
vizează îndepărtarea efectului formaţiunilor de nori sau al ceţii (fig. 6.2).

Fig. 6.2 Reducerea ceţii prin corecţii atmosferice [28]

Corectarea difuziei se realizează prin scăderea radianţei obiectului

de reflectanţă zero dintr-o bandă (ND = 0) din radianţa totală la nivelul
obiectului din imagine şi se scrie sub forma [30]:

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).

În urma aplicării acestei corecţii se elimină erorile determinate de

ceaţă (fig. 6.2) sau de unele formaţiuni noroase, iar pixelii care alcătuiesc
imaginea rezultată exprimă doar radianţa la nivelul suprafeţei terenului.
Conversia valorilor de radianţă spectrală în valori de reflectanţă
este necesară în cazul în care sunt utilizate date achiziţionate cu două
sisteme de sateliţi diferite, care nu au aceeaşi rezoluţie spectrală.
Conversia radianţă – reflectanţă se face conform următoarei relaţii [30]:

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 sens invers, pentru conversia valorilor reflectanţei în valori de

radianţă se aplică următoarea relaţie [30]:

L= (LMAX – LMIN) / 255 * ND + LMIN (6.3)

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.

Transformarea Tasseled Cap (fig. 6.3) reprezintă o metodă de

conversie a datelor de reflectanţă în date de radianţă spectrală, prin
transformarea răspunsului spectral procentual al obiectelor din benzile
aferente scenei satelitare, într-un grup de indici (de strălucire a terenului,
de umiditate, de ceaţă, etc) exprimaţi în imagini prin scară de gri [30].

107
 Fig 6.3 Transformarea Tassled Cap [27]

Prin această metodă, din imaginile obţinute pot fi extrase

informaţii deosebit de utile despre unele componente ale mediului
înconjurător.
3. Corecţii pentru înlăturarea efectului topografic. Relieful (în
special prin expoziţie şi pantă) determină valori diferite ale reflectanţei
obiectelor identice (sunt iluminate diferit) ceea ce poate avea urmări
nefaste în clasificările de pixeli, deci se impune aplicarea unor corecţii
pentru eliminarea acestuia, în mod deosebit în cazul imaginilor din zonele
montane, la care acest efect este mai accentuat ca urmare a gradului ridicat
de declivitate a reliefului.
Există mai multe modalităţi prin care efectul topografic poate fi
diminuat:
- împărţirea benzilor (band ratioing) - se realizează pentru
diferenţierea răspunsului spectral
- realizarea clasificării pe sectoare, în funcție de expoziție: N, S, E, V
- utilizarea modelului umbririi (DEM)
- modelare pe baza potenţialului radiaţiei solare (DEM)
La cele menţionate anterior, se adaugă şi alte erori care pot
interveni asupra informaţiilor cuprinse în imaginile de teledetecţie şi care
necesită aplicarea unor corecţii radiometrice.
4. Îndepărtarea dungilor. Dungile (liniile) sunt considerate erori care
apar în imagine datorită scanării simultane a mai multor linii de pixeli sau din
cauza pierderilor de semnal în timpul scanării imaginilor. Pentru eliminarea
acestor erori este necesară aplicarea unor corecţii bazate pe algoritmi
matematici: linia „nedorită” se elimină prin calcularea unor valori medii ale
numerelor digitale ale pixelilor situaţi în imediata apropiere a acesteia.
5. Îndepărtarea zgomotului. Imaginea satelitară poate fi
considerată ca fiind un câmp stohastic bidimensional peste care se
suprapune un semnal perturbator numit zgomot de câmp datorat atât

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.

Câmpul imaginii ideale F(x,y) din această relaţie reprezintă, din

punct de vedere statistic, un model al procesului bidimensional a cărui
momente se cunosc, iar zgomotul de câmp N(x,y) reprezintă un semnal
perturbator, independent de câmpul imaginii, semnal care trebuie detectat,
eliminat sau cel puţin atenuat. Pentru această operaţie există soft-uri
specializate care pot detecta acest semnal perturbator şi îl pot elimina, fără
a afecta conţinutul informaţional al imaginii [96].

6.1.2. Corecţiile geometrice

Corecţiile geometrice (fig. 6.4) reprezintă operaţii care trebuiesc

efectuate înainte de a utiliza imaginile de teledetecţie în Sistemele Informatice
Geografice (SIG) și/sau alte programe de procesare a imaginilor.

Fig. 6.4 Reprezentarea schematică a corecţiei geometrice [52]

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.

- distorsiunea datorată rotaţiei Pământului este foarte importantă la

imaginile satelitare (este maximă pentru orbitele polare) şi neglijabilă în
imaginile aeriene; cantitativ această distorsiune este dată de [18]:

tgΦ = [ (2Rcosθ) / (24 x 60 x 60)] [1/(v sin α)] (6.6)

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).

Fig. 6.5 Utilizarea punctelor de control [95]

În funcţie de punctele de control în teren, pixelii din imagine vor fi

deplasaţi, translataţi sau repoziţionaţi, prin transformări matematice
(cunoscute sub numele de transformări afine) care se bazează pe asocierea
unor sisteme de ecuaţii liniare care presupun o conversie de valori de
coordonate ale unor puncte care vor fi folosite de toţi pixelii din imagine
pentru a se poziţiona corect [30]. Aceste transformări au ca rezultat o nouă
imagine satelitară, în care pixelii au o nouă poziţie, cu coordonate reale.
Ralocarea vechilor pixeli pe o nouă poziţie este operaţia cunoscută
în literatura de specialitate sub denumirea de resampling [30]. Această
operaţie poate fi realizată prin trei metode (algoritmi matematici), care vor
fi descrise, în linii generale, în cele ce urmează.
1. Metoda celui mai apropiat vecin (nearest neighbour)
reprezintă cea mai simplă metodă de interpolare. Prin această metodă,
pixelilor din noua imagine le sunt alocate valorile spectrale ale celor mai
apropiaţi pixeli (vecini) din imaginea iniţială (fig. 6.6).

Fig. 6.6 Metoda celui mai apropiat vecin [95]

111
 Deşi este o metodă simplă şi rapidă, în unele situaţii utilizarea
acesteia nu este recomandată deoarece pixelii noii imagini pot prezenta
unele diferenţe radiometrice care pot să inducă erori în procesul de
interpretare, în cazul unor analize de detaliu, poate duce la unele valori
duplicat ale pixelilor în timp ce altele sunt pierdute. Această metodă, de
asemenea, tinde să conducă la un aspect incoerent al imaginii.
2. Metoda interpolării bilineare (bilinear interpolation)
presupune atribuirea valorii noilor pixeli pe baza valorii spectrale a 4
pixeli din imaginea iniţială (fig. 6.7).
Dezavantajul utilizării acestei metode de interpolare constă în faptul
că pot apărea alterări în radiometria imaginii, iar unii pixeli pot fi din nou
alteraţi ca ton/nuanţă de culoare [30], ceea ce, ca şi în cazul metodei
precedente, poate conduce la compromiterea interpretării imaginii.

Fig. 6.7 Metoda bilineară de interpolare [95]

Procesul de mediere modifică valorile originale ale pixelilor și

creează valori digitale noi in imaginea de ieșire. Acest lucru poate fi de
dorit în cazul în care trebuie să se facă o prelucrare și analiză ulterioară
(spre exemplu, clasificarea pe baza răspunsului spectral, caz în care
reeșantionarea poate fi făcută după procesul de clasificare).
3. Metoda convoluţiei cubice (cubic convolution) presupune
atribuirea valorii noilor pixeli pe baza valorii spectrale a 16 pixeli din
imaginea iniţială, situaţie prezentată schematic în fig. 6.8.

Fig. 6.8 Metoda convoluţiei cubice [95]

112
 Ca și în cazul metodei interpolării biliniare, această metodă are ca
rezultat noi valori ale pixelilor.
Cele două metode, cea a interpolării biliniare şi cea a convoluţiei
cubice produc imagini care au un aspect mult mai clar comparativ cu cele
obţinute prin metoda celui mai apropiat vecin.
Metoda convoluţiei cubice este cea mai „precisă” din punct de
vedere al modificărilor produse asupra radiometriei.

6.2. Nivele de preprocesare a imaginilor

După cum am menţionat anterior, furnizorii imaginilor de

teledetecţie (instituţii specializate), aplică operaţiile de corecţii
radiometrice şi geometrice, aceste imagini putând fi achiziţionate la mai
multe nivele, stabilite în funcţie de complexitatea corecţiilor (tabelul 6.1).
Tabelul 6.1
Nivele de preprocesare a imaginilor
Nivelul de Semnificaţie
preprocesare (nivel precedent + corecţiile caracteristice nivelului curent)
0
Nivelul 0
Corespunde imaginii brute – date brute
1A
Imaginea este corectată privind normalizarea răspunsului CCD şi sunt
compensate variațiile radiometrice datorate sensibilităţii senzorilor.
Forma datelor este „aproape” brută.
La acest nivel de prelucrare, imaginile sunt utilizate de către operatori
cu experiență, care folosesc software-uri de procesare a imaginii.
Acestea sunt destinate în primul rând pentru aplicații de cartografiere și
sunt folosite pentru prelucrare geometrică - la ortorectificarea imaginii
și generarea Modelului Digital de Elevaţie - şi pentru procesare
radiometrică de precizie
Nivelul 1
1B
Sunt efectuate aceleaşi corecţii radiometrice ca la nivelul anterior. Se
aplică corecții geometrice pentru compensarea efectelor sistematice,
inclusiv denaturarea panoramică, rotația Pământului și curbura, precum
și variațiile de altitudine ale orbitei satelitului.
Imaginile la acest nivel de prelucrare sunt utile pentru operatorii care
au nevoie de corecții geometrice de bază. Imaginile pot fi utilizate
pentru măsurători geometrice (distanțe, unghiuri, etc.), foto-interpretări
și studii tematice. Analiza poate fi vizuală, asistată de calculator sau
complet digitală.
113
 2A
Asupra scenelor satelitare se aplică corecţii geometrice, prin acestea
fiind atribuită imaginii o proiecţie cartografică, definită de un sistem
real de coordonate, fără a utiiza puncte de control la sol. Pentru
corecțiile geometrice este utilizat un model de resampling care
compensează efectele sistematice de distorsiune și efectuează
transformări necesare pentru alinierea imaginii la o proiecție
cartografică standard (UTM WGS 84). Acest model se bazează pe
parametri de vizualizare cunoscuţi (date satelitare, atitudini, etc.) și nu
utilizează măsurători externe.
Imaginile la acest nivel de prelucrare sunt pentru utilizatorii care doresc
să combine diferite tipuri de informații geografice, din surse diferite și
să aplice propriile lor operaţii de procesare pentru a extrage informații
specifice. Imaginile la nivelul 2A se înregistrează direct cu alte
Nivelul 2 informații geografice: date vectoriale, hărți raster sau alte imagini
satelitare - în aceeași proiecție cartografică.
2B
Imaginile prelucrate conform acestui niel sunt georeferenţiate şi sunt
luate în considerare punctele de control la sol.
Corecțiile geometrice utilizează un model de re-eșantionarea care
compensează efectele de distorsiune sistematică și efectuează
transformările necesare pentru a proiecta imaginea într-o proiecție
cartografică specifică (conformă Lambert, UTM, stereografică polară,
policonică, etc.). Corectarea se bazează pe un model de dinamica
zborului satelitului, calculată pe baza unor parametrii de vizualizare
(date efemere prin satelit și atitudine, etc.) și puncte de control la sol.
Produsele achiziţionate la nivel 2B sunt imagini/hărţi satelitare, în full-
scene sau formatul standard mapsheet (30 "x 30", 15 "x 15", 7'30 x
7'30), fiind concepute pentru utilizare ca hărți digitale.
3
La acest nivel de prelucrare sunt efectuate corecţii geometrice prin care
deplasarea radială a fost înlăturată prin ortorectificare, rezultând o
imagine cu scară şi rezoluţie spaţială unitară. Este cel mai avansat nivel
de prelucrare; include mozaicurile de imagini cu corecţia radiometrică,
Nivelul 3 geometrică şi ortorectificarea aplicată.
Produsele obţinute la acest nivel sunt imagini/hărţi satelitare, în full-
scene sau format standard mapsheet (30 "x 30", 15 "x 15", 7'30 x 7'30),
fiind ideale pentru cartografiere. Deoarece oferă precizie maximă
pentru producerea și actualizarea hărților. De asemenea, pot fi
înregistrate cu alte tipuri de date geografice.
În funcţie de necesităţile utilizatorilor de imagini satelitare,
respectiv de gradul de complexitate al analizelor, se stabileşte nivelul de
preprocesare la care acestea sunt achiziţionate.
114
Capitolul 7
PROCESAREA NUMERICĂ A IMAGINILOR
DE TELEDETECŢIE

Procesarea digitală (numerică) a imaginilor (Digital image

processing) cuprinde un ansamblu de operaţiuni matematice şi statistice
complexe, care se aplică imaginilor de teledetecţie, în mod digital, în
vederea prelucrării acestora astfel încât să fie posibilă extragerea
informaţiilor şi efectuarea analizelor scontate.
Menţionăm faptul că abordarea conceptelor, titulatura şi clasificarea
operaţiilor de procesare a imaginilor poate fi diferită în funcţie de autor.
În acest capitol vor fi prezentate unele dintre cele mai importante
operaţii de procesare a imaginilor de teledetecţie.

7.1. Ameliorarea imaginilor

Procesul de ameliorare a imaginilor de teledetecţie include o serie

de opreaţii care au ca scop obţinerea îmbunătăţirii calitative şi cantitative a
imaginilor supuse procesării, în vederea măririi volumului de date
utilizabile şi/sau a creşterii preciziei în interpretare. Dintre aceste operaţii,
vom prezenta principalele metode de îmbunătăţire a contrastului,
posibilităţile de diferenţiere a tonurilor de culoare şi filrarea imaginilor,
operaţii a căror aplicare este absolut necesară, în cele mai multe cazuri.

7.1.1. Îmbunătăţirea contrastului

O problemă comună în teledetecție este aceea că intervalul de

valori de reflectanță colectate de un senzor poate să nu corespundă
capacități monitorului sau altui dispozitiv de afișaj. Materialele de pe
suprafața Pământului reflectă și emit cantități diferite de energie.
Un senzor ar putea înregistra o cantitate uriașă de energie dintr-un
material într-o anumită lungime de undă, în timp ce, la un alt material se
înregistrează cu mult mai puțină energie în aceeași lungime de undă.
Îmbunătăţirea contrastului (Contrast enhancement) este folosită
pentru a facilita interpretare vizuală și înțelegerea imagini. Avantajul
115
imaginii digitale este acela că permite manipularea valorilor digitale ale
pixelilor din imaginea respectivă. Deși corecțiile radiometrice pentru
iluminare, influențe atmosferice, precum și pentru caracteristicile
senzorilor sunt făcute anterior de către distribuitori, imaginea poate să nu
fi optimă pentru interpretare, deoarece se înregistrează variații mari în
răspunsul spectral al diferitelor obiective (pădure, deşerturi înzăpezite,
apă, etc.) şi deci corecțiile radiometrice, la modul general nu au ca rezultat
o reprezentare optimă pentru a afișa o gamă de luminozitate și contrast
optim pentru toate obiectivele. Astfel, pentru fiecare aplicație și fiecare
imagine, este, în cele mai multe cazuri, necesară o ajustare personalizată a
gamei și distribuției valorilor de luminozitate [120].
Rezultatul tehnicilor de îmbunătăţire a contrastului este o imagine
mai ușor de analizat și interpretat.
Aşadar, intervalul valorilor luminozității prezente pe o imagine
este denumit contrast [20]. Îmbunătățirea contrastului este un proces care
face astfel încât caracteristicile imaginii să fie evidenţiate, prin utilizarea
optimă a culorilor disponibile pe dispozitivul de afișare.
Îmbunătăţirea contrastului este, de cele mai multe ori, o cerinţă
deoarece mulţi senzori sunt reglaţi să colecteze date pe un domeniu extrem
de larg de condiţii, de la suprafeţele deşertice fierbinţi şi până la suprafeţe
care reflectă foarte slab radiaţia electromagnetică, cum ar fi oceanele din
zonele polare. În consecinţă, doar o mică porţiune din scara măsurătorilor
este folosită pentru un anumit peisaj.
Mărirea contrastului unei imagini are rolul de a accentua
diferenţele dintre obieectele supuse analizei şi fundal, pentru a permite o
vizualizare cât mai bună a acestora.
Accentuarea contrastului se realizează cu ajutorul unor funcţii
matematice de prelucrare a pixelilor prin intermediul cărora un anumit
nivel de gri al pixelului trece în alt nivel de gri al aceluiaşi pixel. Această
operaţiune este necesar a se efectua asupra imaginilor digitale cu contrast
mic, care influenţează negativ rezultatele prelucrării [96].
Contrastul unei imagini de teledetecţie poate fi definit prin
următoarea relaţie [30]:

C = Bmax / Bmin (7.1)

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).

Fig. 7.1 Modificarea consrastului unei imagini satelitare [40]

Valorile luminozităţii (de la 0 - 255) sunt afișate de-a lungul axei

Ox a graficului, iar frecvența de apariție a fiecăreia dintre aceste valori în
imaginea este afișată pe axa Oy.
De exemplu: la imaginile codificate pe 8 biţi valorile numărului
digital sunt cuprinse între 0 – 255, astfel încât pixelii cei mai întunecaţi au
valori ale numărului digital apropiate de 0, iar cei mai luminoşi, au
valoarea numărului digital apropiată de 255 [30].
117
 Analizând fig. 7.1, se observă că, în urma realocării pixelilor,
imaginea rezultată este mult îmbunătăţită sub aspectul contrastului.
În literatura de specialitate sunt descrise mai multe modalităţi de
realocare (redistribuire) procentuală a pixelilor (tipuri de stretch), deci de
îmbunătăţire a contrastului imaginilor, cele mai des utilizate dintre acestea
vor fi descrise în cele ce urmează. Alegerea metodelor de îmbunătăţire a
contrastului se face în funcţie de tipul analizei care urmează a fi realizate,
ţinându-se cont, în primul rând, de caracteristicile terenului.
1. Redistribuirea liniară (linear contrast stretch) se realizează
prin realocarea automată printr-o singură operaţie a unui nou număr
digital, în locul celui alocat iniţial pixelului (fig. 7.2), în funcţie de tipul de
redistribuire a pixelilor [30]. Acest lucru implică identificarea limitei
inferioare și superioare a histogramei (folosind valorile de luminozitate
minime și maxime din imagine) și aplicarea unui transformări de contrast
care „întinde” acest interval pentru a umple întreaga gamă disponibilă
[120].

Fig. 7.2 Îmbunătăţirea contrastului prin redistribuire liniară [95, 120]

După cum se observă în fig. 7.2, în imaginea originală, valoarea

minimă în histogramă este de 84, iar valoarea maximă este de 153. Aceste
70 de niveluri ocupă mai puțin de o treime din nivelurile disponibile. Prin
redistribuire liniară acest interval mic se extinde uniform pentru a acoperi
întreaga gamă de valori de la 0 la 255 [120], drept urmare, valoarea 84 din
imaginea originală primeşte valoarea 0 în imaginea prelucrată, iar valorii
153 i se atribuie valoarea maximă de 255 (în cazul imaginilor pe 8 biţi).
Celelalte valori sunt interpolate între 0 – 255. Rezultatul obţinut este
vizibil îmbunătăţit, zonele luminoase apar mai deschise, iar zonele
întunecate apar mai inchise, făcând astfel interpretarea vizuală mult mai
ușoară.

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].

Fig. 7.3 Egalizarea histogramei [95, 120]

Rezultatele obţinute în urma egalizării histogramei depind de

rezoluţia spectrală a imaginilor, precum şi de componentele de mediu
reprezentate.
3. Stretch-ul liniar cu saturaţie presupune modificarea imaginii,
la nivelul de strălucire al pixelilor, de la o stare nesaturată, la o stare
saturată (fig. 7.4).

119
 Fig. 7.4 Îmbunătăţirea contrastului prin stretch liniar cu saturaţie [94]

Prin acest procedeu, are loc modificarea distribuţiei pixelilor în

histograma finală, prin atribuirea unui procent de 2% (în cele mai multe
cazuri) din pixelii cei mai întunecaţi ai histogramei iniţiale şi 2% din
pixelii cei mai luminoşi, valorilor saturate de negru (0) şi alb (255), în
histograma noii imagini [30]. Restul pixelilor vor fi distribuiţi conform
unor regresii liniare între nivelurile 1 şi 254 ale noii imagini.
Contrastul imaginilor color poate fi îmbunătăţit prin corectarea
histogramei fiecărei benzi spectrale componente (imaginile color fiind
formate din trei benzi spectrale). Metodele de corectare se aleg în funcţie
de complexitatea imaginii şi necesităţile utilizatorilor.

7.1.2. Diferenţierea tonurilor de culoare

În unele cazuri, pentru o prelucrare corectă a imaginilor, se impune

interpretarea diferenţiată a obiectelor componente, deci diferenţierea
tonurilor de culoare (density slicing), deoarece acestea nu prezintă un
contrast corespunzător, histograma având o mare varietate de valori
spectrale transpuse în imagine prin treceri de la o nuanţă la alta [30].
Diferenţierea tonurilor de culoare se constituie ca tehnică aplicată
la o imagine monocromă (o singură bandă) pentru evidențierea zonelor
care par a fi uniforme în ton, dar în realitate sunt diferite. Valorile
tonurilor de gri (0 - 255) sunt convertite într-o serie de intervale și sunt
atribuite culori diferite pentru fiecare interval [121].
120
 Procedeele de diferenţiere a tonurilor de culoare au la bază metode
de regrupare a pixelilor pe intervale de valori spectrale bine delimitate,
rezultând astfel o nouă histogramă şi reducerea numărului de tonuri de
culoare. Aceste tonuri pot fi delimitate în imagine prin linii de contur sau
pot fi asociate unor culori, ceea ce facilitează interpretarea şi reduce
posibilitatea de producere a confuziilor, de exemplu: semnăturile spectrale
ale sedimentelor din apă şi ale luncilor sunt identice în banda albastră, însă
prin linii de separare sau culori acestea se identifică cu uşurinţă [30].
Diferenţierea tonurilor de culoare este utilă în cazul analizelor
detaliate, cum pot fi variațiile verticale ale vegetației.

7.1.3. Filtrarea spaţială

Filtrarea spațială cuprinde un set de funcții de procesare digitală,

utilizate pentru a îmbunătăți aspectul unei imagini.
Filtrele spațiale sunt concepute pentru a evidenția sau suprima
caracteristicile unei imagini, bazându-se pe frecvența lor spațială.
Spre deosebire de filtrele spectrale destinate să oprească anumite
lungimi de undă din spectrul electromagnetic, filtrele spaţiale accentuează
sau estompează diferite frecvenţe spaţiale [18]. Ele sunt influenţate de
proprietăţile terenului, vegetaţie, înălţimea Soarelui etc. Filtrarea spaţială
oferă o îmbunătăţire a calităţii imaginii (fig. 7.5) prin suprimarea unei
anumite frecvenţe. Este o operaţie locală, în care valoarea unui pixel din
ceea ce va constitui noua imagine depinde de valorile învecinate ale
pixelilor din vechea imagine [18].

Fig. 7.5 Îmbunătăţirea calităţii imaginii prin filtrare [59]

121
 Frecvență spațială este legată de conceptul de textură a imaginii.
Aceasta se referă la frecvența variațiilor tonurilor care apar într-o imagine.
Zonele cu textura „grosieră” ale unei imagini, în cazul în care modificările
de ton sunt bruşte pe o suprafață mică, au frecvențe spațiale înalte, în timp
ce zonele "netede" cu mici variații în ton pe mai mulţi pixeli, au frecvențe
spațiale joase [120].
Metoda se bazează pe ceea ce se numeşte tehnica matricilor
ponderate. Imaginea materializată prin matrici de numere se descompune în
matrici mai mici (nuclee) de dimensiuni impare (3 x 3, 5 x 5, 7 x 7, 9 x 9),
pixelul din mijloc fiind recalculat, după un anumit algoritm, în funcţie de
valoarea fixată pentru pondere şi de vecinii săi. Nucleul este mutat succesiv
peste toţi pixelii, calculându-se astfel o nouă matrice de valori, generând
imaginea. Depinzând de ponderea dată fiecărui element dat în matricea
filtru, imaginea poate fi netezită sau să aibă un contrast mai mare [40].
Un filtru low-pass (cu trecere joasă) este conceput pentru a sublinia
zone omogene mai mari, cu tonuri asemănătoare și pentru a reduce
detaliile mai mici dintr-o imagine. Astfel, acestea sunt utile, în general,
pentru a netezi aspectul unei imagini.
Filtrul high-pass (cu trecere înaltă) reprezintă opusul celor low-
pass și se utilizează pentru a accentua detaliile fine dintr-o imagine.
Înaintea aplicării unui filtru high-pass se aplică un filtru low-pass și apoi
se scade rezultatul din cel original, lăsând în urmă numai frecvență
spațială de înaltă informație.
Filtrele de detectare direcțională sau de margine sunt concepute
pentru a evidenția caracteristicile liniare (drumuri, limite de teren, etc).
Aceste filtre pot fi, de asemenea, concepute pentru a îmbunătăți
caracteristicile care sunt orientate în direcții specifice şi sunt utile în
aplicații de geologie, pentru detectarea structuri geologice liniare [120].

7.2. Segmentarea şi mozaicarea imaginilor satelitare

7.2.1. Segmentarea

Segmentarea este operaţia aplicată în scopul de a diviza imaginea

satelitară în zone omogene în raport cu aspectul său general [18].
Segmentarea poate fi definită ca o „partiţionare” a unei imagini în
părţi componente folosind atributele imaginii, cum ar fi intensitatea
pixelilor, valorile spectrale și/sau proprietăți texturale, etc. şi reprezintă o
metodă de grupare a pixelilor în zone (segmente) relativ omogene (fig.
7.6).
122
 a b
Fig. 7.6 Segmentarea imaginilor: a – imaginea iniţială;
b – imagine rezultată în urma aplicării procesului de segmentare,
segmentele fiind delimitate prin linii negre [17]

După ce a fost segmentată, imaginea poate fi clasificată la nivelul

segmentelor şi nu la nivelul pixelilor.
Comparativ cu clasificarea la nivel de pixeli, clasificarea imaginilor
obţinute prin procesul de segmentare prezintă câteva avantaje majore [17]:
- rulează mult mai rapid, deoarece numărul de segmente este mult mai
mic comparativ cu numărul de pixeli dintr-o imagine
- algoritmul de clasificare poate utiliza caracteristicile spectrale
(valorile pixelilor) ale unei imagini, precum și o serie de alte
caracteristici care descriu segmentul, cum ar fi valoarea medie a
pixelilor, deviație standard, forma și dimensiunile segmentelor
- imaginea rezultată nu suferă de efectul de "sare și piper" comun la
clasificarea pixel cu pixel.
Segmentarea imaginilor poate fi considerată ca o etapă de
preprocesare efectuată înainte de a clasifica o imagine. Se realizează
folosind algoritmi sofisticați care compară valoarea unui pixel cu valorile
pixelilor vecini. Dacă pixelii învecinaţi sunt relativ similari, atunci sunt
adăugaţi la acelaşi segment, în caz contrar aceştia sunt atribuiţi la un
segment diferit. Aceste procedee oferă variabile care oferă analistului
posibilitatea de a specifica mărimea relativă și uneori chiar forma
segmentelor [17].

123
 7.2.2. Mozaicarea

Nevoia de a avea o imagine mai mare decât dimensiunile standard

ale unei scene satelitare sau amplasarea zonei de studiu pe două scene,
conduc la necesitatea utilizării operaţiei numite mozaicare.
Mozaicarea este operaţia prin care se asamblează mai multe
imagini satelitare (fig.7.7).

Fig. 7.7 Mozaicarea imaginilor satelitare [59]

Mozaicarea are ca rezultat o nouă imagine din regiuni aparţinând

iniţial la două sau mai multe imagini diferite. Scopul urmărit este acela de
a mări acoperirea spaţială a imaginii, deoarece, pentru analiza unor
componente ale mediului înconjurător cu extindere spaţială mare,
dimensiunile standard ale imaginilor iniţiale nu sunt suficiente.
Imaginile care alcătuiesc mozaicul trebuie să aibă aceleaşi
caracteristici (bandă, rezoluţie, scară) şi în plus să aibă o zonă comună.
În cazul în care imaginile sunt continue şi sunt obţinute de acelaşi
satelit în aceeaşi zi, zona comună este identică, iar imaginile se pot lipi
fără a fi necesară o preprocesare. Pentru realizarea procesului de
mozaicare trebuie definită, în cazul fiecărei benzi spectrale, o lege de
transformare pentru egalizarea radiometrică a celor două imagini. Aceasta
se aplică pentru toate canalele spectrale [18]. Primul caz este cel mai
simplu, iar procesul decurge după cum urmează. Linia din zona comună
de-a lungul căreia se va realiza joncţiunea celor două imagini poate fi
aleasă în mod interactiv pe ecran. În acest scop se aleg pixelii care
124
reprezintă aceeaşi poziţie relativă din fiecare imagine şi sunt bine
evidenţiaţi - vârfuri de munte sau orice altă entitate punct [59]. Odată
stabilită corespondenţa, restul procesului este automat, alegându-se
comanda corespunzătoare [40].
La imaginea rezultată în urma mozaicării sunt aplicate corecţiile
geometrice şi procedeele de ameliorare.

7.3. Combinaţii de benzi spectrale

Imaginile de teledetecţie conţin un volum foarte mare de

informaţii, utile în diferite domenii ale tehnicii şi ştiinţei, însă pentru a
beneficia de aceste informaţii, în mod corect şi complet, este necesară
aprofundarea tehnicilor de interpretare şi analiză.
Cu un senzor multispectral, cum ar fi cel de la bordul sateliților
Landsat, sunt colectate informaţii în diferite lungimi de undă, ca într-un
aparat de fotografiat digital, dar există cel puţin două diferențe majore. În
primul rând, informaţia este detectată într-o gamă mult mai largă de
lungimi de undă decât lungimile de undă vizibile (ceea ce putem vedea cu
ochiul uman - roșu, verde și albastru), iar față de lungimile de undă
vizibile, informațiile sunt colectate în infraroșu și uneori chiar în lungimile
de undă termice [16].
A doua diferență majoră este aceea că, informația pentru fiecare
interval specific de lungime de undă este stocată ca o imagine separată (o
bandă), similară cu o fotografie digitală alb-negru [16]. Astfel,
interpretarea iamginilor de teledetecţie este îngreunată de „înfăţişarea” lor
iniţială: tonurile de culoare (scara de gri) prin care sunt exprimate benzile
spectrale (fiecare bandă sepctrală redă imaginea multispectrală cărreia îi
aparţine, accentuând sau atenuând anumite componente ale sale) induc
dificultăţi în interpretare şi implicit posibilitatea generării unor confuzii,
care pot periclita rezultatul analizelor efectuate. De exemplu: la imaginile
Landsat ETM+, în banda albastru şi verde, zăpada şi norii sunt percepute
ca având aceeaşi semnătură spectrală (reprezentată prin tonuri de culoare)
ceea ce conduce la confundarea lor [30], fapt ce poate produce o reală
„oroare” ştiinţifică.
Pentru a înlătura dificultăţile de interpretare impuse de tonurile de
culoare, se pot realiza combinaţii de benzi spectrale (fig. 7.8),
materializate prin imagini în culori naturale sau imagini fals-color (culori
convenţionale care necesită raportarea la un „atlas al culorilor”).

125
 a b
Fig. 7.8 Combinaţii de benzi spectrale (a [97]; b [98, 26])

Alegerea combinaţiei optime se face în funcţie de necesităţile

utilizatorului, de particularităţile studiului (de exemplu, dacă se urmăreşte
analiza vegetaţiei, se vor combina benzile spectrale în care aceasta are
reflectanţa maximă, respectiv banda infraroşu apropiat şi verde), gradul de
detaliere, momentul temporal, etc.
Utilizarea imaginilor color în studiul componentelor mediului
înconjurător, trebuie să cuprindă analiza corelativă a signaturilor spectrale
în raport cu diagramele curbelor spectrale ale componentelor de mediu
analizate [31]. Prin cunoaşterea vârfurilor de reflectanţă şi raportarea lor la
intervalele benzilor spectrale se va stabili combinaţia optimă din care va
rezulta cea mai bună imagine color, cea mai expresivă imagine aplicabilă
în interpretarea unui element de mediu [32].
Dacă o imagine multispectrală constă dintr-o combinaţie a celor
trei culori aditive (roşu, verde şi albastru), atunci cele trei benzi pot fi
combinate intr-o imagine în culorile naturale (fig. 7.9). De exemplu,
benzile 3 (roşu), 2 (verde) şi 1 (albastru) ale unei imagini LANDSAT TM,
pot fi asociate culorilor RGB pentru afişare. In acest fel, culorile imaginii
color-compuse care rezultă sunt similare celor percepute de ochiul uman
[32].

126
 Fig. 7.9 Imagine Landsat ETM+ în culori naturale din zona Aligarh [99]

In cazul in care imaginea satelitară nu are înregistrate una sau mai

multe din cele trei benzi ale domeniului vizibil (roşu, verde sau albastru),
benzile spectrale (dintre care unele pot să nu fie in domeniul vizibil) se pot
combina, după un anumit algoritm, astfel încât imaginea să fie afişată in
culori vizibile (fig. 7.10), adică vegetaţia in verde, apa în albastru-verzui,
etc [68]. Spre exemplu: senzorul HRV al satelitului SPOT nu are banda
albastră, ci doar benzile verde, roşu şi infraroşu apropiat. Pentru a obţine o
compoziţie în culori naturale, poate fi utilizată formula [68]:

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]

În cazul imaginilor fals-color, culoarea afişată a unui obiectiv nu

are nici o asemanare cu culoarea sa reală. Pentru a susţine şi exemplifica
această afirmaţie, vom prezenta o imagine SPOT 4 căreia i s-au “aplicat”
diferite modalităţi de combinare a benzilor spectrale, pentru a compune
imaginea din culori false. De exemplu, se poate proceda astfel [68]:
R = XS3 (banda infraroşu apropiat),
G = XS2 (banda roşie),
B = XS1 (banda verde)
Conform acestui “aranjament”, pe imaginea obţinută, vegetaţia
este detectată cu uşurinţă, aceasta fiind identificată prin diferite umbre de
roşu, în funcţie de tipul plantelor (fig. 7.11. a).

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).

Fig. 7.12 Combinaţia 123 – UAT Fârdea, judeţul Timiş

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).

Fig. 7.13 Combinaţia 321 – UAT Fârdea, judeţul Timiş

Utilizând combinaţia 321 se poate realiza analiza „verticală” a

apelor (banda 1) ş identificarea componentelor antropice (clădiri, drumuri,
etc.).
În combinaţia 321 ne confruntăm cu nediferenţierea unor detalii,
astfel pot apărea confuzii (norii cu zăpada). Este insuficientă în analiza

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)

Fig. 7.14 Combinaţia 234 – UAT Fârdea, judeţul Timiş

În combinaţia 234 se menţine prezenţa umbrelor şi norilor (benzile

2 şi 3) şi sunt sesizate dificultăţi în analiza mediului antropic (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].

Fig. 7.15 Combinaţia 432 – UAT Fârdea, judeţul Timiş

Pe imagini se diferenţiază clar lmitele apă - uscat (fig. 7.15) și

diferitele tipuri de vegetație sunt mai evidente.
Utilizarea combinaţiei 432 prezintă şi o serie de dezavantaje:
prezenţa umbrelor şi a norilor (benzile 2 şi 3) sau limitări în unele analize
foarte amănunţite de vegetaţie.
Deoarece prin combinaţia benzilor 4, 3 şi 2 rezultă o imagine fals-
color, vegetatia apare în nuanțe de roșu, zonele urbane sunt albastru cyan,
iar solurile apar în diferite nuanţe de maro. Gheața, zăpada şi norii sunt
cyan deschis. Speciile de conifere sunt redate prin nuanţe de roşu mai
închise faţă de speciile de esență tare (fig. 7.15).

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].

Fig. 7.16 Combinaţia 453 – UAT Fârdea, judeţul Timiş

134
 Aşadar, combinația 453 evidenţiază diferențele de umiditate și este
utilă pentru analiza condițiilor de sol și vegetație. În general, solul mai
umed este redat prin nuanţe mai inchise datorită capacități de absorbție a
apei în domeniul infraroșu.
Combinaţia 457
Combinaţia 457 reprezintă o compoziţie de benzi din domeniul
infraroşu, având ca rezultat o imagine fals-color.
Unele dintre avantajele utilizării combinaţiei 457 constă în
capacitatea de penetrare a norilor şi de atenuare a umbrelor.
De asemenea, pe imaginile rezultate poate fi făcută diferenţierea
detaliată a vegetaţiei, a structurii aşezărilor umane şi observarea unor dtalii
ale microreliefului (fig. 7.17).

Fig. 7.17 Combinaţia 457 – UAT Fârdea, judeţul Timiş

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.

Fig. 7.18 Combinaţia 742 – UAT Fârdea, judeţul Timiş

În cazul imaginilor preluate cu Landsat 8 (cu 11 benzi spectrale),

comparativ cu Landsat 7 (cu 8 benzi spectrale), apar benzi suplimentare
(fig. 7.19):

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).

Fig. 7.19 Comparaţia benzilor spectrale la Landsat 7 şi Landsat 8

(prelucrare după [124])

Comparaţia între benzile Landsat ETM+ şi Landsat 8 este redată

schematic în fig. 7.20.

Fig. 7.20 Benzi spectrale Landsat ETM+ şi Landsat 8 [140]

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

Combinaţiile şi implicit imaginile prezentate anterior reprezintă

numai câteva dintre posibilităţile de combinare a benzilor spectrale,
obţinându-se atât imagini în culori naturale (atunci când sunt implicate
benzile domeniului vizibil, roşu, albastru şi verde), cât şi imagini fals-
color (când sunt implicate şi/sau benzile din domeniul infraroşu), în cazul
cărora interpretarea devine mai dificilă datorită faptului că acele culori nu
coincid cu cele ale realităţii terenului. Pentru a identifica semnificaţia
culorilor se impune utilizarea atlaselor convenţionale.
Un alt aspect specific imaginilor fals-color este acela că obiectele
identice pot fi reprezentate prin culori diferite, în funcţie de combinaţia
aleasă, momentul temporal, condiţiile de iluminare, etc (spre exemplu:
pădurea poate apărea în nuanţe de roşu la combinaţia 234 şi verde la
combinaţia 257, datorită modificării benzilor spectrale implicate).
După cum am menţionat anterior, numărul de combinaţii este
foarte mare, „formula” cea mai portivită fiind adoptată în funcţie de
necesităţi şi de posibilităţile de interpretare.

7.4. Operaţii de transformare a imaginilor

Operaţiile de transformare a imaginilor, aşa cum reiese şi din titlu,

însumează o serie de procedee matematice şi statistice, care au ca scop
obţinerea de noi imagini, evident diferite de cele iniţiale.

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.

7.4.1. Obţinerea indicilor prin diferite metode de transformare

Aplicarea diferitelor metode de transformare a imaginilor satelitare

poate avea ca rezultat obţinerea unor indici materializaţi prin imagini pe baza
cărora sunt caracterizate şi analzate componentele mediului înconjurător.
În literatura de specialitate, în funcţie de sursă, sunt specificate mai
multe modalităţi de obţinere a diferiţilor indici. Acestea diferă în funcţie
de senzor, de metoda aplicată, de posibilităţile tehnice, etc.
Printre indicii cei mai des utilizaţi în aprecierea stării mediului
sunt:
- indicii rezultaţi prin transformarea Tasseled Cap
- indicii de vegetaţie
- indicii normalizaţi de diferenţiere.

7.4.1.1. Indici obţinuţi prin transformarea Tasseled Cap

Transformarea Tasseled Cap reprezintă o metodă de conversie a
datelor de reflectanţă în date de radianţă spectrală prin transformarea
răspunsului spectral procentual al obiectelor din benzile unei scene
satelitare, într-un grup de 4 – 6 indici (variabil, de la un senzor la altul),
exprimaţi prin imagini în scară de gri [30]. În literatura de specialitate,
aceşti indici mai sunt cunoscuţi şi sub denumirea de indici bazaţi pe
transformarea ortogonală [101] deoarece prin conversia reflectanţă –
radianţă, pixelii sunt raportaţi unui spaţiu ortogonal, fiecare axă
reprezentând un indice asociat cu o imagine în scară de gri. Aplicabilitatea
practică a acestor indici este deosebit de utilă în orice analiză care vizează
aprecierea unor componente ale mediului.
În continuare, vom prezenta, în linii generale, patru dintre cei mai
cunoscuţi indici ai transformării Tasseled Cap.
1. Indicele de strălucire a solului (Brightness Index - BI) este util
în cartografierea solului, în special, în diferenţierea stării acestuia (sol
erodat faţă de sol cultivat, terenuri arabile faţă de terenuri împădurite,
etc.), pe baza diferenţelor de radianţă. Poate fi calculat cu formula [125]:

139
 (7.2)

Nu toţi sateliţii de observare achiziţionează în banda albastru. Dacă

această valoare este nedisponibilă, termenul respectiv devine 0, formula
simplificându-se corespunzător.
2. Indicele de verde al vegetaţiei (Green Vegetation Index - GVI)
este deosebit de util în analiza vegetaţiei, sub aspectul diferenţierii
tipologice şi altitudinale – în imagini apar foarte clar limitele dintre păduri,
pajişti, terenuri cultivate sau alte categorii de utilizare a teritoriului.
Green Vegetation Index poate fi calculat cu relaţiile [44]:
- pentru MSS

GVI = -0.29*MSS4 - 0.56*MSS5 +0.60*MSS6+0.49*MSS7

- pentru TM (7.3)

GVI = -0.2848*TM1-0.2435*TM2-
.5436*TM3+0.7243*TM4+0.0840*TM5-0.1800*TM7

3. Indicele de umiditate evidenţiază suprafeţele cu grad ridicat de

umiditate faţă de cele mai puţin umede, de exemplu: albiile minore,
datorită umidităţii accentuate sunt bine individualizate faţă de zona
înconjurătoare, fiind marcate pe imagine prin tonuri deschise,
„strălucitoare”.
4. Indicele de ceaţă prezintă importanţă majoră pentru eliminarea
radianţei suplimentare pe care o implică atmosfera. Imaginile sunt foarte
utile în corecţiile de difuzie atmosferică, dar pot fi practice şi în unele
analize climatice, precum evidenţierea unor topoclimate sau chiar
microclimate [30].

7.4.1.2. Indicii de vegetaţie

Covorul vegetal poate fi caracterizat prin diferiţi indici, care
exploatează diferenţa de răspuns radiometric în diferite benzi spectrale.
Astfel, un indice de vegetație este un număr generat de unele combinaţii
de benzi spectrale și poate fi utilizat în evaluarea şi analiza vegetaţiei.
Reflectanţa vegetaţiei în domeniul vizibil este foarte mică, din
cauza absorbţiei radiaţiei de către pigmenţii activi fotosintetic. Maxime de
absorbţie există pentru lungimile de undă din banda albastru (450 nm) şi
roşu (660 nm). În schimb, în infraroşu apropiat reflectanţa vegetaţiei este

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)

2. Normalized Difference Vegetation Index (Indicele de

vegetaţie al diferenţei normalizate – NDVI) a fost descris de Rouse şi
colab. (1973), dar conceptul de indice normalizat de diferenţiere a fost
prezentat pentru prima dată de către Kriegler și colab. (1969).
NDVI se calculează cu relaţia:

NIR - R
NDVI
NIR R (7.5)

NDVI are avantajul de a varia între -1 și +1 (date de tip floating

point), în timp ce RVI variază de la 0 la infinit.

141
 RVI și NDVI sunt echivalente funcțional și legate prin următoarea
relaţie [44]:

RVI 1
NDVI
RVI 1 (7.6)

3. Infrared Percentage Vegetation Index (Indice de vegetaţie

funcţie de răspunsul spectral în IR – IPVI) a fost descris de Crippen
(1990) care a propus acest indice ca o modalitate de îmbunătățire a vitezei
de calcul. Se limitează la valori cuprinse între 0 și 1, ceea ce elimină
conceptual valorile negative cum este cazul indicelui de vegetatie. Se
calculează cu relaţia:

NIR
IPVI
NIR R (7.7)

IPVI și NDVI sunt echivalente funcțional și sunt legate prin

următoarea relaţie [44]:

NDVI 1
IPVI
2 (7.8)

4. Difference Vegetation Index (Indicele de diferenţă a vegetaţiei

– DVI) este atribuit în unele lucrări de specialitate recente lui Richardson
și Everitt (1992), dar apare ca VI (Indicele de vegetație), la Lillesand și
Kiefer (1987) autori care se referă la utilizarea sa comună, deci a fost
introdus cu siguranță mai devreme. Se calculează cu relaţia [44]:

DVI = NIR – R (7.9)

5. Perpendicular Vegetation Index (Indicele de vegetaţie

perpendicular – PVI) a fost descris pentru prima dată de Richardson și
Wiegand (1977). Acest indice ar putea fi considerat o generalizare a DVI,
care permite efectuarea analizei pentru linii de sol de diferite pante.
PVI este sensibil la variațiile atmosferice, astfel compararea
valorilor PVI pentru date preluate în diferite momente temporale este
„riscantă” dacă asupra datelor nu se aplică corecţii atmosferice.
PVI se poate calcula cu relaţia [44]:

142
 PVI = sin(a)NIR – cos(a)R (7.10)

în care a este unghiul dintre linia de sol și axa NIR.

6. Weighted Difference Vegetation Index (Indicele de vegetaţie

al diferenţei ponderate – WDVI) a fost introdus în literatura de
specialitate de către Clevers (1988). Ca şi în cazul PVI, WDVI este foarte
sensibil la variațiile atmosferice. Se determină cu relaţia [44]:

WDVI = NIR – g*R (7.11)

în care g este panta liniei solului.

Următoarea grupă de indici pot fi calculaţi şi utilizaţi pentru a

reduce „zgomotul” datorat caracteristicilor solului.
7. Soil Adjusted Vegetation Index (Indicele de vegetaţie ajustat
în funcţie de sol - SAVI) a fost introdus de Huete (1988). Acest indice
încearcă să fie un „hibrid” între indicii bazaţi pe raportul de benzi
spectrale și indicii perpendiculari. Raționamentul care stă la baza acestui
indice este acela că liniile de izovegetaţie nu sunt paralele și nu converg la
un singur punct.
SAVI se poate calcula cu relaţia [44]:

NIR R
SAVI (1 L)
NIR R L (7.12)

în care L este un factor de corecție care variază de la 0 (grad de acoperire cu

vegetație foarte mare) la 1 (pentru grad de acoperire cu vegetație foarte scăzut);
valoarea utilizată în mod obișnuit este de 0,5, care înseamnă grad de acoperire cu
vegetație intermediar.

Acest termen multiplicativ (1 + L) este prezent în calculul SAVI

pentru ca valorile indicelui să fie cuprinse între -1 şi +1. Când factorul de
ajustare L este zero, SAVI devine NDVI.
8. Transformed Soil Adjusted Vegetation Index (Indice de
vegetaţie ajustat în funcţie de sol transformat – TSAVI) a fost dezvoltat de
Baret și colab. (1989) și Baret și Guyot (1991). Acest indice presupune că
linia solului are pantă arbitrară și face uz de aceste valori pentru a ajusta
indicele vegetației. Relaţia de calcul pentru acest indice este următoarea
[44]:

143
 s( NIR s R a )
TSAVI
[a NIR R a s X (1 s s)] (7.13)

9. Modified Soil Adjusted Vegetation Index (Indice de vegetaţie

ajustat în funcţie de sol – MSAVI) a fost dezvoltat de Qi et al. (1994).
După cum sa menționat anterior, ajustarea factor L pentru SAVI
depinde de nivelul de acoperire cu vegetație ceea ce conduce la o
problemă circulară: este nevoie să se știe gradul de acoperire cu vegetație
înainte de calcularea indicelui de vegetație. Ideea de bază la MSAVI a fost
de a asigura un factor de corecție variabil L. Factorul de corecție utilizat se
bazează pe produsul NDVI și WDVI. Aceasta înseamnă că liniile de
izovegetaţie nu converg la un singur punct.
MSAVI se calculează cu relaţia [44]:

NIR R
SAVI (1 L)
NIR R L (7.14)

în care L = 1 - 2 * s * NDVI * WDVI și s este panta liniei solului.

10. Modified Soil Adjusted Vegetation Index 2 (Indice de

vegetaţie ajustat în funcţie de sol - MSAVI2) a fost dezvoltat de către Qi și
colab. (1994) ca o „renovare” a MSAVI. Practic, este utilizat un proces
iterativ și substituit 1-MSAVI (n-1) ca factor L în MSAVI (n). Apoi este
rezolvată inductiv iterația unde MSAVI (n) = MSAVI (n-1). În acest mod,
necesitatea de a precalcula WDVI și NDVI și de a găsi linia de sol sunt
eliminate.
Pentru a calcula MSAVI 2 se utilizează relaţia [44]:

MSAVI2 = (1/2)*{2(NIR+1)-sqrt[(2*NIR+1)^2-8(NIR-red)]} (7.15)

în care ^2 semnifică cvadratura valorii și sqrt () este operatorul pătrat-rădăcină.

Aplicarea următorului indice are ca rezultat reducerea efectelor

atmosferice.
11. Global Environment Monitoring Index (Indice de
monitorizare globală a mediului – GEMI) a fost dezvoltat de Pinty și
Verstraete (1991) şi încearcă să elimine necesitatea unei corecții
atmosferice. Poate fi determinat cu următoarea relaţie [44]:

144
 R 0.125
GEMI eta (1 0.25 eta)
1 R (7.16)

2 ( NIR 2 R 2) 1.5 NIR 0.5 R

În care eta
NIR R 0.5

Există două concepţii în legătură cu orientarea dreptelor de egală

vegetaţie (drepte de izovegetaţie) cu consecinţe asupra definirii indicilor [40].
După prima concepţie, aceste drepte converg într-un punct. Indicii de
vegetaţie care pornesc de la această ipoteză se numesc „indici de tip raport”,
deoarece măsoară panta dreptei definită de punctul de convergenţă şi punctul
corespunzător pixelului în histograma bidimensională. Exemple de astfel de
indici sunt: RVI, NDVI, SAVI, TSAVI, IPVI, MSAVI.
A doua concepţie presupune că dreptele de izovegetaţie rămân
paralele cu dreapta solurilor. Indicii rezultaţi pe baza acestei ipoteze se
numesc „indici perpendiculari”. Ei măsoară distanţa perpendiculară de la
dreapta solurilor la punctul din histogramă corespunzător pixelului pentru
care se măsoară vegetaţia. Indicii PVI şi WDVI sunt exemple de indici
perpendiculari.
Alegerea indicelui pentru caracterizarea vigorii sau a biomasei
verzi a unui covor vegetal, în particular a unei culturi agricole, se face în
primul rând în funcţie de gradul de acoperire a solului cu vegetaţie. Când
gradul de acoperire este sub 15%, sunt recomandaţi indicii SAVI, TSAVI,
MSAVI şi MSAVI2. Dacă gradul de acoperire este superior acestui prag,
cei mai folosiţi indici sunt, în ordine, NDVI, IPVI şi RVI. Fiind de tip
„raport”, toţi indicii de mai sus sunt relativ puţin sensibili la variaţiile de
iluminare, ceea ce reprezintă o proprietate importantă. În schimb, indicii
perpendiculari PVI şi WDVI, deşi dau estimări bune ale biomasei verzi,
sunt foarte sensibili la efectele atmosferice. De aceea, mai ales în
aplicaţiile multitemporale, sunt folosiţi numai pe date corectate atmosferic.
În cazul imposibilităţii efectuării acestor corecţii, pot fi folosiţi indicii
GEMI definiţi astfel încât să minimalizeze efectele atmosferice [40].

7.4.1.3. Indicii normalizaţi de diferenţiere

Indicii normalizaţi de diferenţiere rezultă în urma unor operaţii cu
benzi spectrale, ceea ce înseamnă că se obţin pe baza unor imagini
multispectrale (cu mai multe benzi spectrale).
Prin operaţiile specifice, se urmăreşte amplificarea semnăturilor
spectrale în banda în care nu anumit obiect are cea mai mare reflectanţă şi

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)

în care: NDVI - indicele normalizat de diferenţiere a vegetaţiei; NIR - banda

spectrală infraroşu apropiat; R - banda spectrală roşu

Relaţia (7.17) reprezintă formula generală de calcul a NDVI care

se aplică la toate imaginile multispectrale, indiferent de sistemul satelitar
care a furnizat imaginea.
Valorile sunt cuprinse între -1 (tonuri închise care reprezintă zone
lipsite de vegetaţie) şi +1 (tonuri deschise prin care sunt simbolizate
zonele cu consistenţă mare a vegetaţiei).
În cazul zonei alese pentru exemplificare în prezenta lucrare,
valorile NDVI sunt cuprinse între 0,725, în zona împădurită din sud şi sud-
146
est şi -0,290 în zona centrală şi de nord, ocupată de localităţi şi lacul
Surduc (zone cu grad scăzut de vegetaţie), aşa cum se observă în fig. 7.21.

Fig. 7.21 Harta NDVI pentru UAT Fârdea, judeţul Timiş

Interpretarea fig. 7.21 permite delimitarea zonelor marcate prin

diferite tonuri de culoare, care semnifică diferenţieri ale cuverturii vegetale.
Pentru analize mai amănunţite (de exemplu diferenţieri ale tipurilor
de vegetaţie) se poate aplica operaţiunea de diferenţiere a densităţii
tonurilor de culoare (density slicing), acestea fiind asociate unor nuanţe de
culori (operaţiune prezentată anterior).
O altă posibilitate de îmbunătăţire a imaginilor obţinute este
combinaţia între banda/imaginea NDVI şi alte benzi ale imaginii
multispecrale.
Spre exemplu: în cazul NDVI obţinut pe imaginea SPOT
(fig.7.22.a), banda NDVI se poate combina cu alte benzi ale imaginii, în
acest fel formându-se o imagine color-compusă care ajută la deosebirea
diferitelor tipuri de vegetaţie (fig. 7.22.b).

147
 a b
Fig. 7.22. a - NDVI calculat pe imagine SPOT; b - reprezentarea NDVI
pe imaginea SPOT color-compusă [68]

In fig. 7.21, afişarea culorilor a fost făcută conform schemei [68]:

R = XS3 (banda IR apropiat)

V = (XS3 -XS2)/(XS3 + XS2) (banda NDVI)
A = XS1 (banda verde)

Analiza fig 7.22 permite identificare cu uşurinţă a cel puţin trei

tipuri de vegetaţie:
- zonele cu verde – copaci cu densitate mare
- zonele cu galben – arbuşti sau copaci cu densitate mai redusă
- zonele cu galben-auriu – zone acoperite cu iarbă.
Ariile fără vegetaţie apar in albastru inchis sau indigo [68].
Senzorii de detectare de la distanță pot cuantifica ce fracțiune a
radiației active fotosintetic este absorbită de către vegetație.
La sfârșitul anilor 1970, oamenii de ştiinţă au descoperit că
fotosinteza netă este direct legată de cantitatea de radiaţii active
fotosintetic pe care plantele le absorb: cu cât o plantă absoarbe lumina
vizibilă (în timpul sezonului de creştere), cu atât mai mult se amplifică
fotosinteza și deci creşte productivitatea.
Pe baza valorilor NDVI, în timp, pot fi stabilite condițiile
"normale" de creștere a vegetației într-o anumită regiune, pentru un timp
dat. Altfel spus, absorbția și reflexia radiaţiilor într-o anumită perioadă de
timp şi regiune pot fi utilizate pentru a caracteriza starea de sănătate a
vegetației, în raport cu starea normală.
Cercetatorii de la NASA și NOAA înregistrează de două decenii
date NDVI pe întregul glob. Comparând aceste date se poate analiza dacă

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)

În care: NDWI - indicele normalizat de diferenţiere al apei; NIR - banda

spectrală infraroşu apropiat; G - banda spectrală verde.

Ca şi în cazul precedent, sunt obţinute imagini în scară de gri (fig.

7.23), cu valori cuprinse între -1 (tonuri închise care simbolizează luciul
apei sau un grad ridicat de umiditate) şi 1 (tonuri deschise care reprezintă
terenul uscat sau cu umiditate redusă).
În studiul de caz prezentat, respectiv UAT Fârdea, valorile NDWI
sunt cuprinse între 0,679 – tonuri deschise – regăsite în partea de sud – est
acoperită de păduri sau terenuri cu roca la zi şi -0,371 – tonuri închise –
caracteristice zonelor cu grad ridicat de umiditate şi suprafeţelor acoperite
de apă. În imaginea de mai jos poate fi delimitat lacul Surduc din nord –
vestul teritoriului.

149
 Fig. 7.23 Harta NDWI pentru UAT Fârdea, judeţul Timiş

3. Indicele normalizat de diferenţiere al zăpezii (Normalized

Difference Snow Index – NDSI) evidenţiază zonele acoperite cu zăpadă în
contrast cu suprafeţele neînzăpezite (fig. 7.24).
În formula de calcul sunt utilizate benzile spectrale verde – bandă
în care reflectanţa zăpezii este maximă – şi infraroşu mediu – în care
umiditatea are reflectanţa cea mai mare, astfel [60]:

G IR
NDSI
G IR (7.19)

în care: NDSI – indicele normalizat de diferenţiere al zăpezii; G – banda

spectrală verde; IR – banda spectrală infraroşu mediu.

Valorile care compun imaginea NDSI sunt cuprinse între -1 (tonuri

închise care redau suprafeţe neacoperite cu zăpadă) şi 1 (tonuri deschise
care simbolizează terenurile acoperite cu zăpadă)
Culoarea albă a zăpezii se datorează reflectanţei mari în banda
verde.

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.

Fig. 7.24 Harta NDSI pentru UAT Fârdea, judeţul Timiş

Ca şi în celelalte cazuri, imaginile rezultate prin calcularea NDSI

pot fi supuse unor operaţii de îmbunătăţire calitativă, care facilitează
interpretarea lor.
4. Indicele normalizat de diferenţiere al umidităţii (Normalized
Difference Moisture Index – NDMI) este util în evidenţierea diferenţiată a
conţinutului de umiditate al componentelor de mediu, în special al
solurilor, vegetaţiei sau formaţiunilor geologice. Pentru calcalul indicelui
de umiditate, se utilizează următoarea formulă [60]:

NIR IR
NDMI
NIR IR (7.20)

în care: NDMI - indicele normalizat de diferenţiere al umidităţii; NIR - banda

spectrală infraroşu apropiat; IR - banda spectrală infraroşu mediu.

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).

Fig. 7.25 Harta NDMI pentru UAT Fârdea, judeţul Timiş

Indicele de umiditate poate fi utilizat în evaluarea potenţialului

hidric al unor componente ale mediului înconjurător [30], informaţii cu
aplicabilitate şi în alte analize (de exemplu: umiditatea solului „dictează”
momentul şi modul de amenajare a terenurilor agricole).
5. Raportul normalizat de diferenţiere al potenţialului de
ardere al vegetaţiei (Normalized Difference Burrning Ratio – NDBR) este
util, în special în cazul zonelor cu potenţial ridicat de incendiere (zone
montane cu suprafeţe mari împădurite în care se manifestă efectul de
phoen care poate declanşa incendii, zone de savană, cu temperaturi
ridicate, etc.).

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)

în care: NDBR - raportul normalizat de diferenţiere al potențialului de ardere al

vegetației; NIR - banda infraroşu apropiat; MIR - banda infraroşu mediu.

În imaginile NDBR, tonurile deschise (valori spre +1) simbolizează

terenurile cu potenţial mare de incendiere, iar tonurile închise (valori spre -1)
corespund cu terenurile fără risc de incendiere (fig. 7.26).

Fig. 7.26 Harta NDBR pentru UAT Fârdea, judeţul Timiş

În cazul UAT Fârdea, valorile NDBR (fig. 7.26) se încadrează între

0,818, specifice zonelor acoperite cu vegetaţie şi în special sudului şi sud –
estului teritoriului, unde predomină suprafeţele împădurite, deci cu potenţial
mare de ardere şi -0,18, valori caracteristice perimetrului construit.
153
 6. Indicele normalizat de diferenţiere al construcţiilor
(Normalized Difference Building Index – NDBI) este util în analiza
teritorială, prin evidenţierea mediului construit: aşezări umane, reţele
rutiere, poduri, diguri.
Relaţia de calcul a NDBI implică semnăturile spectrale ale obiectelor
din benzile infraroşului mijlociu (cu reflectanţă mare a umidităţii, inclusiv a
materialelor de construcţii) şi infraroşu apropiat (cu reflectanţă maximă a
vegetaţiei) – deci este utilizată diferenţierea spectrală dintre vegetaţie şi
materialele de construcţii [30]. NDBI se calculează cu formula [60]:

IR NIR
NDBI
IR NIR (7.22)

în care: NDBI - indicele normalizat de diferenţiere al construcţiilor; NIR - banda

spectrală infraroşu apropiat; IR - banda spectrală infraroşu mediu.

În imaginile NDBI tonurile deschise (valori pozitive) exprimă

terenurile acoperite de construcţii, iar tonurile închise (valori negative)
reprezintă terenuri pe care nu sunt amplasate construcţii (fig. 7.27).

Fig. 7.27 Harta NDBI pentru UAT Fârdea, judeţul Timiş

154
 Aplicabilitatea practică a acestor indici este de necontestat fiind
posibilă utilizarea lor în orice tip de analiză, în condiţiile unei interpretări
corecte.

7.4.2. Combinaţii pansharpened

Calitatea imaginilor oferite de sistemele de sateliți de observare a

Pământului este direct legată de rezoluțiile spațiale și spectrale. Pe
imaginile produse se permite distingerea structurilor geometrice în
conformitate cu rezoluția spațială. Atunci când senzorul este capabil de a
integra energia radiațiilor incidente pe o gamă largă de lungimi de undă,
cum este cazul imaginii pancromatice, se oferă puţine informaţii cu privire
la nivelul spectral, dar în același timp, ea are o rezoluție spațială mare.
În contrast, unii senzori captează energia pe o serie de benzi
înguste ale spectrului electromagnetic pentru a produce imagini
multispectrale, rezoluția spectrală este mult mai mare, în schimb rezoluția
spațială este de un nivel scăzut.
Trebuie menţionat faptul că termenii de rezoluție "mare" sau
"redusă" sunt termeni relativi utilizaţi pentru a descrie diferenţele de
rezoluții între imagini realizate de un sistem unic de observare pentru
imagini pancromatice și multispectrale [21].
Avantajul utilizării imaginilor multispectrale cu rezoluţie spațială
mare a fost deja demonstrat în multe aplicații de teledetecție: informațiile în
„culoare” ajută la distincția diferitelor regiuni ale imaginii în comparație cu
imagina pancromatică, în tonuri de gri. Prin urmare, dacă putem folosi aceste
conținuturi spectrale pentru a obţine o mai bună rezoluţie spațială, obţinem de
fapt identificarea obiectelor într-o scenă cu mai mare uşurinţă şi precizie.
Aşadar, pentru a obţine o îmbunătăţirea calitativă şi cantitativă a
imaginilor de teledetecţie poate fi realizată transformarea pansharpened.
Această transformare reprezintă, de fapt, o combinaţie între imaginile
multispectrale şi cele pancromatice, cu scopul principal de a obţine o rezoluţie
spaţială cât mai mare, prin utilizarea algoritmilor de calcul adecvaţi.
Transformarea pansharpened reprezintă o metodă de fuziune a
imaginii în care datele pancromatice de înaltă rezoluție spaţială sunt
„condensate” cu datele multispectrale cu rezoluție mai mică pentru a crea un
produs color de înaltă rezoluție spaţială (CCD). Altfel spus, prin
transformarea pansharpened imaginea multispectrală este adusă la rezoluţia
spaţială a imaginii pancromatice.
În fig. 7.28. este prezentată transformarea pansharpened în cazul
unei imagini multispectrale QuickBird de foarte mare rezoluţie spaţială
155
(2,4 m) şi banda pancromatică a aceluiaşi satelit (0,6 m), rezultatul obţinut
fiind vizibil îmbunătăţit.

a b c
Fig. 7.28 Imagine QuickBird: a – pancromatic; b – multispectral;
c – combinaţia pansharpened [70]

Prin transformarea de tip pansharpened pot fi obţinute atât imagini

în culori naturale, cât şi imagini fals-color (fig. 7.29).

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

Analiza componentelor principale (Principal Component Analysis

– PCA) este o metodă prin care datele originale se transformă într-un nou
set de date care poate ilustra mai bine informațiile esențiale. Adesea unele
variabile sunt puternic corelate astfel încât informațiile conținute într-o
singură variabilă reprezintă în mare parte o dublare a informațiilor
conținute într-o altă variabilă. Pentru a nu înlătura datele redundante
analiza componentelor principale condensează informațiile în variabile
interconectate în câteva variabile, denumite componente principale.
Analiza componentelor principale reprezintă un caz special de
transformare a datelor inițiale într-un sistem nou de coordonate. Dacă
datele inițiale implică n diferite variabile atunci fiecare observație poate fi
considerată un punct într-un spațiu vectorial n-dimensional [128].
Acest tip de analiză aduce beneficii importante procesului de
interpretare a imaginilor satelitare, proces care, în unele cazuri, este îngreunat
datorită corelării valorilor spectrale (benzi spectrale cu lungimi de undă
apropiate) imaginile fiind aproape identice. Pentru a remedia această situaţie,
se utilizează algoritmi matematici, aşa cum este transformarea matematică
Karhumen – Loeve, care vizează generarea, dintr-un set de date corelate
liniar, a unui nou set de date raportate la un nou sistem de axe rectangulare,
pixelii celor două imagini primind noi valori spectrale, implicit noi tonuri de
culoare [30]. Rezultatul este o imagine nouă, bazată pe covarianţă – procesul
în care o imagine este diferită de o altă imagine cu care se corelează [30].
Pentru a susţine cele afirmate anterior, şi pentru a sublinia utilitatea
acestei analize, prezentăm câteva argumente şi exemple în acest sens.
Când Pământul este privit din exterior, de la înălţime, intervalele de
culori prin care sunt redate peisajele naturale sunt limitate și există foarte
puține culori „luminoase”. Văzute din spațiu, zonele temperat continentale
par verzi iar regiunile deșertice sunt dominate de gri, bej și maro (fig. 7.30).

Fig. 7.30 Terra privită din spaţiu [50]

158
 Din acest motiv, atunci când imaginile sunt convertite în imagini
digitale, histogramele corespunzătoare suprafeţei Terrei au contrast mic,
iar componentele spectrale nu variază în mod independent.
În cazul în care componentele roșii și verzi ale unei imagini
digitale sunt reprezentate într-o histogramă bidimensională, este evident
faptul că imaginile de teledetecție cuprind doar un număr mic de culori,
comparativ cu o fotografie din natură extrem de colorată (fig. 7.31).

Fig. 7.31 Reprezentarea bidimensională la imagini din natură (sus) şi la imagini de

teledetecţie (jos) [50]

Forma histogramei imaginii de teledetecție (toate valorile spectrale

sunt grupate de-a lungul diagonalei) relevă o corelație puternică între
benzile spectrale. Când un pixel are o valoare ridicată în banda roșie, va
avea, de asemenea, o valoare ridicată şi în banda verde. Acest lucru
înseamnă că diferitele componente spectrale adăugă puține informații la
imagine, care ar putea fi interpretată practic ca o imagine alb-negru [50].
În aceste condiţii, scopul analizei componentelor principale este
acela de a reorganiza datele, astfel încât acestea să nu mai fie corelate (să fie
independente). O caracteristică importantă a acestei transformări, atunci
când se aplică datelor multispectrale, este aceea că aproape toate

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]

Imaginile în componente principale pot, în unele cazuri, să

înlocuiască total sau doar parţial, benzile spectrale, în sistem RGB ceea ce
conduce la formarea imaginilor fals-color.
Interpretarea imaginii componentelor principale este facilitată şi de
existenţa unui fişier de tip text care le însoţeşte şi în care sunt specificate
aspecte referitoare la datele iniţiale, corelaţia acestora, covarianţa, etc.

7.4.4. Operaţii de aritmetică spectrală

Pentru a îmbunătăţii sau a extrage caracteristici ale obiectelor

şi/sau fenomenelor din imaginile satelitare, care nu pot fi detectate în mod
clar într-o singură bandă, se pot utiliza informațiile spectrale ale obiectului
respectiv înregistrate în mai multe benzi. Aceste imagini pot fi formate din

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.

7.4.4.1. Adunarea şi scăderea imaginilor satelitare

Una dintre cele mai facile operaţii de prelucrare a imaginilor satelitare
cu multiple benzi spectrale este adunarea. Dacă într-un anumit teritoriu
există imagini satelitare co-înregistrate, în acelaşi interval temporal şi cu
aceleaşi date, adunarea (media) se poate realiza, cu scopul de a îmbunătăţii
contrastul, de a reduce „zgomotul”, având în vedere faptul că, în unele situaţii
imaginea într-o singură bandă nu corespunde din punct de vedere calitativ.
Operaţia de adunare a imaginilor presupune adunarea a două
matrice care reprezintă valorile pixelilor din cele două imagini, conform
relaţiei [18]:

rij = aij + bij (7.23)

Pentru exemplificare, vom analiza o scenă Landsat din vestul

României, mai exact unitatea administrativ-teritorială Fârdea, situată în
partea de sud-est a judeţului Timiş (fig. 7.33).

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

Imaginea rezultată prin adunarea celor două benzi (imagini) este

exprimată printr-un interval de valori cuprins între 0 – 510 (fig. 7.34.a)
deoarece au fost însumate valorile pixelilor din cele două imagini pe baza
cărora s-a format, fiecare dintre acestea având valori între 0 – 255. Acest
interval de 0 – 510 nu este „compatibil” cu rezoluţia pe 8 biţi, drept
urmare, imaginea rezultată în urma adunării este împărţită la 2 pentru a
obţine un interval de valori cuprins între 0 – 255 [29], situaţie ilustrată în
fig. 7.34.b.
Trebuie menţionat faptul că operaţiile de adunare trebuiesc
executate pe imagini care nu au fost supuse operaiilor de îmbunătăţire a
contrastului, aceste operaţii, dar şi alte tipuri de prelucrare pot fi aplicate
ulterior operaţiilor de aritmetică spectrală.
O altă posibilitate de a îmbunătăţii contrastul unei imagini, este
aceea de a aduna valorile fiecărui pixel cu un coeficient constant [22].
Scăderea imaginilor, presupune, de asemenea, „intervenţia”
asupra matricelor de pixeli, conform relaţiei [18]:

rij = aij - bij (7.24)

162
 Astfel, se efectuează scăderea valorilor pixelilor dintr-o bandă din
valorile pixelilor corespondenţi din cealaltă bandă implicată în proces.
Operaţia de scădere a două imagini poate viza analiza evoluţiei
temporale a unei regiuni, fenomen sau proces, astfel presupune utilizarea a
două imagini ale unui areal preluate în momente temporale diferite.

7.4.4.2. Înmulţirea şi împărţirea imaginilor satelitare

Înmulțirea a două imagini se realizează element cu element, astfel
are loc multiplicarea fiecărui pixel dintr-o pereche de imagini de intrare,
iar prin produsul acestei înmulțiri se formează pixelii corespunzători dintr-
o imagine de ieșire.
Operaţia de înmulţire a imaginilor este deosebit de utilă în cazul în
care scena este compusă din regiuni diferite, ele fiind diferenţiate calitativ
(prin contrast) în urma acestui proces.
Multiplicarea imaginii satelitare cu o constantă, proces denumit
scalare, este o operațiune comună de procesare a imaginii. Atunci când
este utilizat un factor de scalare mai mare decât 1, rezultă o imagine cu
luminozitate mai mare (fig. 7.35), iar atunci când factorul este mai mic
decât 1, imaginea este „întunecată” [22].

a b
Fig. 7.35 Îmnmulţirea imaginii Landsat din zona Fârdea: a - banda 4; b – rezultatul
înmulţirii cu factorul de scalare 1.3

Prin operaţia de înmulţire (fig. 7.35) se obţin rezultate mult

îmbunătăţite sub aspectul contrastului, astfel pot fi diferenţiate modalităţile
de utilizre a terenului, caracteristici morfometrice ale reliefului, delimitarea
suprafeţelor lacustre, etc.
163
 Divizarea sau împărţirea benzilor spectrale (Band ratioing) este
una dintre cele mai cunoscute mmodalităţi de transformare a imaginilor.
Divizarea benzilor spectrale este executată cu scopul de a modifica
(de a mări sau micşora, după caz) modul de reprezentare al componentelor
mediului înconjurător.
Raportarea (împărţirea) benzilor spectrale se realizează prin
împărţirea numerelor digitale ale pixelilor dintr-o imagine, la numerele
digitale ale pixelilor corespondenţi din cealaltă imagine. În urma acestui
raport, rezultă imagini noi, în scară de gri, pixelii noii imagini având valori
de tip floating point (cuprinse în intervalul -1 – 1).
Un „beneficiu” deosebit de important este acela că, prin raportarea
benzilor spectrale se obţine eliminarea diferenţelor de iluminare a
suprafeţei terestre, având în vedere faptul că aceasta primeşte cantităţi de
radiaţie solară diferite, în funcţie de orientare Când un satelit trece peste
un anumit areal, acesta înregistrează atât zonele umbrite cât și pe cele
însorite (fig. 7.36).

Fig. 7.36 Variaţia condiţiilor de iluminare [24]

Cercetările întreprinse de N. Levin (1999) asupra nămolurilor arată

că, în urma analizei raportului benzilor 3 şi 4 ale imaginii Landsat TM, se
constată că numerele digitale sunt substanțial mai mici pe partea umbrită,
comparativ cu zona însorită (tabelul 7.2).

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

Prin aplicarea raportului celor două benzi, valorile numerelor

digitale din imaginea rezultată sunt aproape identice, indiferent de
condițiile de iluminare (tabelul 7.2).
Prin urmare, o imagine rezultată prin împărţirea a două imagini
satelitare (benzi spectrale) efectiv compensează variația luminozității,
cauzate de diferențele topografice.
Raportul a două benzi spectrale exprimă clar variaţia curbei
reflectante intre acele două benzi utilizate decât valoarea absolută a
reflectanţei observate separat în benzile respective [18].
De asemenea, divizarea benzilor spectrale oferă posibilitatea de a
accentua unele detalii de dimensiuni reduse, facilitând astfel interpretarea
şi delimitarea unor componente ale mediului, astfel încât interpretarea
calitativă (vizuală) poate fi făcută cu uşurinţă.
Posibilitatea de a calcula rapoarte de benzi spectrale creşte odată
cu numărul de benzi înregistrat, evident diferit în funcţie de senzor (spre
exemplu, în cazul satelitului Landsat ETM+ sunt posibile 30 de combinaţii
– benzile pancromatică şi termală nu se folosesc), însă nu toate rapoartele
care se pot obţine satisfac scopul analizei propuse. Din acest motiv, pentru
a alege combinaţia cea mai „avantajoasă”, este necesar a se cunoaşte
reflectanţa obiectelor în raport cu lungimea de undă [30].
În continuare vom oferi câteva exemple de rapoarte de benzi spectrale.
Un prim exemplu este acela în care, diferite benzi ale imaginii
multispectrale sunt combinate pentru a accentua ariile cu vegetaţie. O
astfel de combinaţie este raportul dintre banda IR apropiat şi banda roşie,
numit raport al indicelui de vegetaţie - Ratio Vegetation Index- RVI [68],
obţinut cu următoarea relaţie:

RVI = NIR/Red (7.25)

Deoarece vegetaţia are reflectanţa maximă în IR apropiat, dar

scăzută în banda roşie, ariile respective vor produce valori mari ale RVI
(deci tonuri deschise) in comparaţie cu ariile fără vegetaţie (reprezentate
prin tonuri închise) sau valori mari pentru o vegetaţie sănătoasă şi valori
reduse pentru vegetaţia atacată de dăunători.
165
 Pe baza imaginile rezultate prin raportarea benzilor pot fi obţinute
imagini fals-color în sistem RGB, prin combinarea a două rapoarte cu o
bandă spectrală [30]. De asemenea, se pot efectua combinaţii în sistem
RGB între rapoarte de benzi spectrale. Rezultatul acestor raportări este
deosebit de important şi util în analiza ulterioară a imaginilor, respectiv
eliminarea efectului de umbrire (fig. 7.37) care produce alterarea unor date
radiometrice [30]. Aşadar, avantajul acestei raportări este obţinerea
imaginilor fals-color la care, deşi mai dificil de interpretat, le sunt făcute
unele corecţii radiometrice, eliminând astfel această etapă care trebuie
realizată la preprocesare [30].

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.

a. Banda 1 (albastru) b. Raport 3/2 c. Raport 5/2

d. Raport 7/4 e. Combinaţie în RGB 5/2. 3/2, 7/4

Fig. 7.38 Rapoarte de benzi şi combinaţii de rapoarte pe o imagine satelitară
Landsat TM [103]

Analiza fig. 7.38 evidenţiază următoarele aspecte:

- pe imaginea corespunzătoare benzii 1, efectul topografic este
evident ceea ce impune dificultăţi de interpretare;
- raportul 3/2, ilustrat prin imaginea b, elimină efectul topografic şi
permite diferenţierea unor tipuri de roci;
- în imaginile c şi d sunt reprezentate unele caracteristici ale rocilor
(în funcţie de prezenţa hidroxizilor, oxizilor), iar în imaginea e
(fals-color), obţinută prin combinarea celor trei rapoarte, în sistem

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.

7.5. Clasificarea imaginilor satelitare

Analistul încearcă să clasifice caracteristicile obiectelor şi/sau

fenomenelor dintr-o imagine satelitară folosind elementele de interpretare
vizuală pentru a identifica grupuri omogene de pixeli, care reprezintă
diferite caracteristici sau clase de acoperire a terenului din zona de interes.
În clasificarea imaginilor digitale se folosește informația spectrală
reprezentată prin numerele digitale din una sau mai multe benzi spectrale
și se urmăreşte „ăncadrarea” fiecărui pixel pe baza acestor informații
spectrale, obiectivul principal fiind atribuirea tuturor pixelilor din imagine
la anumite clase sau teme, de exemplu: apă, pădure de conifere, pădure de
foioase, porumb, grâu, etc. [51].
Imaginea clasificată rezultată este formată dintr-un mozaic de
pixeli, fiecare dintre aceştia aparțin la o anumită clasă/temă, această
imagine fiind în esență o "hartă" tematică a imaginii iniţiale (fig. 7.39).

Fig. 7.39 Rezultatul clasificării imaginilor [59]

Atunci când vorbim despre clase, trebuie să se facă distincția între

clasele de informaţii și clasele spectrale.

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]

- clasificarea nesupravegheată (neasistată, nesupervizată) – implică

“grupuri” spectrale generate automat, de computer; în esență
inversează procesul de clasificare supravegheată: clase spectrale sunt
grupate pe baza informațiilor numerice fiind ulterior compensate de
către analist în clase de informaţii (dacă este posibil). Pentru a
determina gruparea/structura datelor, sunt utilizaţi algoritmi de
clustering; analistul precizează numărul de clase şi poate stabili
anumiţi parametrii referitori la distanța de separare între clusterele și
variația în fiecare grup; rezultatul final al acestui proces iterativ de
grupare poate genera unele grupuri care vor fi combinate ulterior sau
clustere care vor fi defalcate, fiecare dintre acestea necesitând o

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].

7.5.1. Clasificarea nesupervizată

Clasificarea nesupervizată (Unsupervised classification) a

imaginilor satelitare presupune crearea grupelor de pixeli (clustere) ce
reprezintă caracteristici geografice, pe baza semnăturilor spectrale, fără a
cunoaşte apriori ceea ce se clasifică. Practic, pixelii sunt constituiţi în
clase de clustere, după care se verifică dacă clusterele au semnificaţie sau
nu în imaginea cercetată [96]. Clusterelor astfel obţinute le pot fi atribuite,
de către analist, semnificaţii prin compararea cu datele din alte surse (hărţi
topografice, hărţi tematice, etc) [149].
În cazul clasificării nesupravegheate, computerul analizează toate
semnaturile spectrale ale tuturor pixelilor din imagine şi identifică areale
cu pixeli care au valori similare. Utilizatorul poate impune criterii de
clasificare (număr de clase, număr de iteraţii) care să conducă la obţinerea
unor grupări omogene şi diferenţiate [93].
Clasificarea neasistată poate fi realizată prin aplicarea unor
algoritmi matematici, respectiv algoritmul K-means şi algoritmul Iterative
Self Organizing Data Analysis (ISODATA).
1. Algoritmul K-means presupune următoarele acţiuni: analistul
stabileşte numărul mediu de clustere în funcţie de care, în mod automat, se
stabilesc pixelii centrali ai clusterelor (fig. 7.41), pixeli înconjuraţi de un
spaţiu multidimensional în care se genereză vectori care exprimă
distanţele medii ale fiecărui pixel în raport cu centrul unui cluster [30]. De
fapt are lor raportarea fiecărui pixel către o clasă.

171
 a b c
Fig 7.41 Algoritmul K-means: a – prima iteraţie; b – a doua iteraţie, c – iteraţia n [145]

În fig. 7.41.a se observă că unii pixeli nu aparţin niciunei clase,

drept urmare, algoritmul este repetat, după modificarea unor parametri (de
exemplu, numărul de clase sau de pixeli dintr-o clasă), până când toţi
pixelii au fost atribuiţi la un anumit cluster.
Rezultatul algoritmului K-means este o imagine, diferită de cea
iniţială, în care grupele de pixeli (clusterele) se individualizează prin
culori convenţionale, astfel fiind posibilă interpretarea lor, în concordanţă
cu realitatea din teren.
2. Algoritmul Iterative Self Organizing Data Analysis
(ISODATA) presupune posibilitatea reajustării numărului de clustere, la
fiecare repetare a algoritmului [30].
În cazul aplicării acestui algoritm, pentru clustere se calculează
deviaţia standard (variaţia numerelor digitale ale pixelilor din aceeaşi clasă
spectrală) astfel încât, uneori, anumite clase pot fi eliminate deoarece
reprezintă prea multe caracteristici diferite pe suprafeţe prea mici (vectorii
de distanţă medie dintre clustere sunt mai mici decât valorile predefinite).
Alteori clasele pot fi contopite deoarece, practic acestea reprezintă aceleaşi
clase de obiecte sau o clasă mare care prezintă o anumită neomogenitate
poate fi împărţită în clase mai mici (devianţa standard are valori mai mari
decât cele predefinite).
Altfel spus, procedeul decurge astfel:
- primul pixel este atribuit clusterului 1
- se ia al doilea pixel şi se calculează distanţa la clusterul 1; dacă
distanţa este mai mică decât un anumit prag (valoare dată de
dinainte) atunci va fi inclus în clusterul 1, iar în caz contrar va fi
asignat clusterului 2
- se ia al treilea pixel şi prin calcularea distanţei se ia decizia dacă
aparţine unuia din clusterii 1 sau 2, dacă depăşeşte pragul va fi
asignat clusterului 3, etc [57].

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.

7.5.2. Clasificarea supervizată

Clasificarea supervizată (Supervised classification) poate fi definită

ca posibilitatea de a grupa pixelii care compun imaginea satelitară, în mod
digital, în accord cu semnificaţia lor reală [30], situaţie expusă în fig. 7.43.

Fig. 7.43 Clasificarea supervizată (Training GIS, 2002, citat de [40])

Clasificarea supervizată se bazează pe cunoaşterea apriori a

caracteristicilor suprafeţei unei porţiuni din imagine şi utilizarea acestora
ca factori de decizie în determinarea proprietăţilor celorlalte porţiuni [96].
În procesul de clasificare supervizată se disting trei etape:
- etapa de instruire (training stage) – în care are loc selectarea
trăsăturilor care descriu cel mai bine obiectul/fenomenul

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]

Algoritmul nu ţine cont de faptul că unele clase au o plajă mai

largă de valori spectrale care se poate suprapune cu alte grupări ceea ce
poate determina alocarea unor pixeli unei clase de care nu aparţin sau în
cazul claselor cu valori spectrale apropiate, încadrarea pixelilor poate fi
făcută în mod eronat. De asemenea, o parte dintre pixeli pot rămâne
neclasificaţi [145]. Totuşi, datorită simplităţii şi vitezei sale de calcul,
algoritmul este utilizat frecvent pentru clasificarea imaginilor de
dimensiuni foarte mari [93].
b. Algoritmul paralelipipedului (Multi-level slicing): un pixel este atribuit
unei grupări dacă valorile sale spectrale se incadrează intre pragurile de
minim şi de maxim care se regasesc in datele de instruire pentru acel grup
[149]. Valorile numărului digital al pixelilor sunt raportate la un spaţiu
generat automat în jurul grupărilor de pixeli din zona de interes, în sistem
rectangular de două axe (dreptunghi) sau trei axe (paralelipiped) [30]. Deşi
paralelipipedul are trei dimensiuni, cazul bidimensional este acceptat ca

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].

Fig. 7.46 Reprezentarea algoritmului Gaussian de asemănare maximă: fără distanţă-

prag în dreapta sus şi cu distanţă-prag în dreapta jos [5]

Comparativ cu algoritmii prezentaţi anterior, calculele se

desfaşoară mai lent datorită complexităţii algoritmilor folosiţi. Pentru
delimitarea claselor cu precizie ridicată este recomandat a se utiliza acest
algoritm de clasificare. În urma aplicării acestui algoritm rezultă imagini
sugestive (fig. 7.47) care pot fi utilizate în diferite analize sau aplicaţii.

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

1. Albotă M., Teledetecţia în scopuri agricole, MAIA – ASAS, Bucureşti, 1978

2. Albotă M. şi colab, Sistem de clasificare şi vizualizare a datelor digitale de
teledetecţie, Analele IGFCOT, Vol. V, pag. 99 – 103, 1983
3. Aronoff S., Geographic Information Systems, A Management, 1989
4. Badea A., Introducerea unor concepte de agricultură de precizie în România,
Sesiune festivă a Academiei Române, Bucureşti, 2001
5. Bakker W. H. şi colab, Principles of Remote Sensing, An introductory
textbook, The International Institute for Geo-Information Science and Earth
Observation, Olanda, 2009, editat de Tempfli K, Kerle N, Huurneman G,
Janssen L, on-line at:
http://www.itc.nl/library/papers_2009/general/PrinciplesRemoteSensing.pdf
6. Bonn F., Rochon G., Précis de télédétection, Vol. I, Principes et méthodes,
Presses de l’Université du Québec, pp. 57-148, Canada, 1993
7. Bonn F., Précis de télédétection. Vol. 2, Applications thématiques, Presses de
l’Université du Québec, pp. 91- 137, Canada, 1996
8. Brustet J. M., Télédétection: Bases physiques, Université Paul Sabatier,
Toulouse, Franţa, 1991
9. Csaki M., şi colab., Utilizarea fotogramelor cosmice sovietice la actualizarea
hărţilor cadastrale la scara 1: 50000, Temă de cercetare – ICI, 1990
10. Csaki M., Realizarea unei fotohărţi cu ajutorul imaginilor din satelitul SPOT,
Analele IGFCOT, Vol. XII, pag. 55-65, 1992
11. Csaki M., Actualizarea hărţilor cadastrale cu ajutorul imaginilor SPOT,
Buletinul de Fotogrammetrie şi Teledetecţie, nr.1, 1992
12. Csaki M., şi colab., Aspecte privind integrarea datelor de teledetecţie în SIG,
Temă de cercetare – ICI, 1997
13. Donisă V., Donisă I., Dicţionar explicativ de Teledetecţie şi Sisteme
Informaţionale Geografice, Editura Junimea, Iaşi, 1998
14. Girard M.C., Girard C.M., Télédétection appliquée – zones tempérées et
intertropicales. Edition Masson, Paris, pp. 194 – 212, 1989
15. Girard M.C., Girard C.M., Traitement des données de télédétection, Edition
Dunod, Paris, pp. 415 – 442, 1999
16. Horning N., Selecting the appropriate band combination for an RGB image
using Landsat imagery 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-

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