Os efeitos direcionais e de ângulo de visada afetam significativamente a reflectância e os índices de vegetação, especialmente quando são usadas imagens diárias adquiridas por sensores com amplo campo de visada como o Moderate Resolution Imaging Spectroradiometer (MODIS). No presente estudo, o modelo de transferência radiativa PROSAIL foi escolhido para avaliar o impacto da geometria de aquisição de dados na reflectância da soja e no cálculo de dois índices de vegetação (Normalized Difference Vegetation Index -NDVI e Enhanced Vegetation Index -EVI), variando-se parâmetros bioquímicos e biofísicos do dossel. Os valores usados para a simulação PROSAIL foram definidos com base na literatura e foram ajustados pela comparação entre espectros de soja simulados e adquiridos pelos sensores MODIS/Terra e hiperespectral Hyperion/Earth Observing-One (EO-1). Os resultados mostraram que os efeitos direcionais e de ângulo de visada na reflectância foram mais fortes com a diminuição do índice de área foliar (IAF) e da concentração de clorofila. Por ser mais dependente da banda do infravermelho próximo (IVP), o EVI foi muito mais sensível à geometria de visada do que o NDVI, apresentando maiores valores na direção do retroespalhamento. O contrário foi observado para o NDVI na direção do espalhamento frontal. Em relação ao IAF, o NDVI foi mais isotrópico para dosséis fechados de soja do que para dosséis esparsos, e um comportamento contrário foi verificado para o EVI.

View angle and directional effects significantly affect reflectance and vegetation indices, especially when daily images collected by large field-of-view (FOV) sensors like the Moderate Resolution Imaging Spectroradiometer (MODIS) are used. In this study, the PROSAIL radiative transfer model was chosen to evaluate the impact of the geometry of data acquisition on soybean reflectance and two vegetation indices (Normalized Difference Vegetation Index - NDVI and Enhanced Vegetation Index -EVI) by varying biochemical and biophysical parameters of the crop. Input values for PROSAIL simulation were based on the literature and were adjusted by the comparison between simulated and real satellite soybean spectra acquired by the MODIS/Terra and hyperspectral Hyperion/Earth Observing-One (EO-1). Results showed that the influence of the view angle and view direction on reflectance was stronger with decreasing leaf area index (LAI) and chlorophyll concentration. Because of the greater dependence on the near-infrared reflectance, the EVI was much more sensitive to viewing geometry than NDVI presenting larger values in the backscattering direction. The contrary was observed for NDVI in the forward scattering direction. In relation to the LAI, NDVI was much more isotropic for closed soybean canopies than for incomplete canopies and a contrary behavior was verified for EVI.

Efeitos direcionais introduzem variabilidade na reflectância e na determinação de índices de vegetação, especialmente quando sensores de amplo campo de visada são usados (p.ex., Moderate Resolution Imaging Spectroradiometer - MODIS). Neste estudo, nós avaliamos os efeitos direcionais sobre a reflectância e quatro índices de vegetação (Normalized Difference Vegetation Index - NDVI; Enhanced Vegetation Index - EVI; Normalized Difference Water Index - NDWI1640 e NDWI2120), calculados a partir de dados MODIS, em função do crescimento da soja em duas estações agrícolas (2004-2005 e 2005-2006). Para manter o estádio reprodutivo de uma dada variedade como um fator constante, variando a geometria de visada, pares de imagens obtidas em datas próximas e com ângulos de visada opostos foram analisados. Usando uma abordagem estatística não-paramétrica com análise bootstrapping e normalizando os índices para suas diferenças angulares entre as direções de visada, sua sensibilidade para os efeitos direcionais foi estudada. Os resultados mostraram que a variação da reflectância do MODIS entre estádios fenológicos consecutivos foi geralmente menor do que aquelas resultantes da geometria de visada para dosséis fechados. O contrário foi observado para dosséis esparsos. A reflectância das primeiras sete bandas do MODIS foi maior na direção de retro-espalhamento. Exceto o EVI, os demais índices de vegetação tiveram maiores valores na direção de espalhamento frontal. Os efeitos direcionais diminuíram com o fechamento do dossel. O NDVI foi menos afetado pelos efeitos direcionais do que os demais índices, apresentando as menores diferenças entre as direções de visada para os mesmos estádios fenológicos.

Directional effects introduce a variability in reflectance and vegetation index determination, especially when large field-of-view sensors are used (e.g., Moderate Resolution Imaging Spectroradiometer - MODIS). In this study, we evaluated directional effects on MODIS reflectance and four vegetation indices (Normalized Difference Vegetation Index - NDVI; Enhanced Vegetation Index - EVI; Normalized Difference Water Index - NDWI1640 and NDWI2120) with the soybean development in two growing seasons (2004-2005 and 2005-2006). To keep the reproductive stage for a given cultivar as a constant factor while varying viewing geometry, pairs of images obtained in close dates and opposite view angles were analyzed. By using a non-parametric statistics with bootstrapping and by normalizing these indices for angular differences among viewing directions, their sensitivities to directional effects were studied. Results showed that the variation in MODIS reflectance between consecutive phenological stages was generally smaller than that resultant from viewing geometry for closed canopies. The contrary was observed for incomplete canopies. The reflectance of the first seven MODIS bands was higher in the backscattering. Except for the EVI, the other vegetation indices had larger values in the forward scattering direction. Directional effects decreased with canopy closure. The NDVI was lesser affected by directional effects than the other indices, presenting the smallest differences between viewing directions for fixed phenological stages.

O objetivo desta pesquisa foi avaliar o uso de dados hiperespectrais Hyperion/EO-1 na discriminação de alvos agrícolas, comparando a acurácia de classificação obtida pelos dados desse sensor à obtida por dados multiespectrais ETM+/Landsat-7. Para isso, alvos agrícolas da região de Franca - SP, com diferenças espectrais bem definidas e outros alvos com diferenças espectrais sutis, imageados por ambos os sensores, em 16 de julho de 2002, foram discriminados utilizando o classificador supervisionado de Máxima Verossimilhança (MaxVer). Os alvos agrícolas com diferenças espectrais bem definidas foram caracterizados por seis classes de uso e cobertura do solo; já os com diferenças espectrais sutis, por cinco classes de variedades de cana-de-açúcar. Quando os dados ETM+ foram classificados, a acurácia foi de 91,5% para as classes de uso e cobertura do solo e de 67,6% para as classes de variedades de cana-de-açúcar, enquanto, para os dados do sensor Hyperion, a acurácia de classificação foi de 94,9% e de 87,1%, respectivamente, demonstrando, assim, a importância do uso de dados hiperespectrais na discriminação de alvos agrícolas com características espectrais semelhantes.

The aim of this work was to assess Hyperion/EO-1 hyperspectral data to discriminate agricultural fields, comparing that data classification accuracy with ETM+/Landsat-7 multi-spectral data classification accuracy. For this purpose, agricultural targets with well-defined and subtle spectral differences in Franca municipality, São Paulo State, Brazil, imaged by both sensors in July, 2002, were discriminated by using a supervised classification (Maximum Likelihood) algorithm. Agricultural targets with well-defined spectral differences were characterized by six land use/land cover classes, while five sugarcane varieties were used as targets with subtle spectral differences. When the broadband ETM+ data were classified, the overall accuracy was 91.5% for six land use/land cover classes and 67.6% for five sugarcane variety classes, while for narrowband Hyperion data the accuracies were 94.9% and 87.1%, respectively. This result shows the importance of hyperspectral data use for agricultural targets discrimination with similar spectral characteristics.

A técnica de análise derivativa de dados espectrais foi usada para estudar a variação dos constituintes opticamente ativos (COAs) na água, por meio de dados de campo e de imagens do sensor orbital Hyperion/EO-1. A imagem Hyperion usada neste estudo foi adquirida no dia 23 de junho de 2005, no final do período de cheia. Uma campanha de campo foi realizada entre 23 e 29 de junho de 2005, para coletar dados espectrais e limnológicos in situ. A imagem foi pré-processada visando eliminar faixas de pixels anômalos e convertida de valores de radiância para reflectância de superfície, portanto, corrigidos dos efeitos de absorção e espalhamento atmosféricos. Uma análise da correlação foi realizada para examinar a associação da reflectância e de sua primeira derivada espectral com as concentrações dos COAs. Melhores resultados foram obtidos após a diferenciação dos espectros, o que ajudou a reduzir a influência de efeitos indesejáveis, provindos de diferentes fontes de radiância, sobre as medidas de reflectância da superfície da água realizadas em ambos os níveis de aquisição de dados. Por meio de ajustes de regressões empíricas, considerando o conjunto de dados Hyperion, a primeira derivada espectral em 711 nm explicou 86% da variação da concentração de sedimentos inorgânicos em suspensão (µg.l-1) e a primeira derivada espectral em 691 nm explicou 73% da variação na concentração da clorofila-alfa (µg.l-1). As relações de regressão foram não-lineares, pois, em geral, as águas que se misturam na planície de inundação Amazônica se tornam opticamente complexas. A técnica de análise derivativa hiperespectral demonstrou potenciais para mapear a composição dessas águas.

Derivative analysis of spectral data was used as a technique to study the variation of optically active constituents (OACs) of water, using field data and hyperspectral imagery of EO-1 Hyperion orbital sensor. The Hyperion image used in this study was acquired on June 23, 2005, at the end of the high water period for the Amazon River. A field campaign was carried out between June 23 and 29, 2005 to collect spectral and limnological in situ data. The image was pre-processed to remove stripes of abnormal pixels and converted from radiance to surface reflectance values, thus, correcting the effects of atmospheric absorption and scattering. A correlation analysis was carried out to examine the association of the spectral reflectance and its first derivative to the concentrations of OACs. Better results were obtained after spectra differentiation, which helped to reduce the influence of undesirable effects, coming from different sources of radiance, on the measurements of water surface reflectance taken at both data acquisition levels. Through empirical regression fits, considering the Hyperion dataset, the first spectral derivative at 711 nm explained 86% of the variation of suspended inorganic sediment concentration (µg.l-1), and the first derivative at 691 nm explained 73% of the variation of chlorophyll-a concentration (µg.l-1). The regression relations were nonlinear because, generally, the water masses that mix in the Amazon floodplain become optically complex. The hyperspectral derivative analysis demonstrated potential for mapping the composition of these waters.

Para avaliar o papel da resolução espacial na discriminação de diferentes classes de uso da terra na região Amazônica, diferentes valores de resolução espacial (60, 100, 120, 200 e 250 metros) foram simulados a partir de uma imagem do sensor "Thematic Mapper" (TM) do satélite Landsat 5. Mapas temáticos foram elaborados através da interpretação visual tanto nas imagens originais (30 x 30m), quanto nas imagens simuladas. Na legenda foram incluídos a floresta primária, as sucessões secundárias inicial e avançada, e áreas de não-floresta. Os resultados indicaram que para os temas Floresta e Não-floresta as alterações na resolução espacial não exerceram influência marcante nas estimativas de suas áreas, até as simulações de 200 metros. O contrário se verificou na identificação das áreas das formações florestais secundárias, uma vez que elas ocorrem sob forma de pequenos polígonos. Para evitar mudanças significativas no cálculo de área dessas formações, uma resolução espacial melhor que 100 metros é necessária. Esse resultado é uma indicação de que o uso do futuro satélite brasileiro de sensoriamento remoto (SSR-1) para a identificação de vegetação secundária em paisagens semelhantes a essa da área de estudo pode ser dificultado, especialmente para latitudes entre S10° e S15°. Entre estas latitudes, estão localizadas áreas críticas de desflorestamento e o tamanho do pixel deverá variar em uma mesma tomada de cena entre 100 metros (S10°) e 200 metros (S15°).

To evaluate the role played by the spatial resolution in distinguishing land cover classes in the Amazon region, different levels of spatial resolution (60, 100, 120, 200 and 250 meters) were simulated from a Landsat_5 Thematic Mapper (TM) image. Thematic maps were produced by visual interpretation from the original (30 x 30 meters) and simulated set of images. The map legend included primary forest, old and young woody secondary succession, and non-forest. The results indicated that for the discrimination between primary forest and non-forest, spatial resolution did not have great influence for pixel size equal or lower than 200 meters. The contrary was verified for the identification of old and young woody secondary vegetation due to their occurrence in small polygons. To avoid significant changes in the calculated area of these land cover types, a spatial resolution better than 100 meters is required. This result is an indication that the use of the future Brazilian remote sensing satellite (SSR-1) for secondary succession identification may be unreliable, especially for latitudes between S10° and S15° where critical areas of deforestation are located and pixel size is expected to vary within the same scene from 100 meters (S10°) to 200 meters (S15°).