MISTURA ESPECTRAL: (III) QUANTIFICAÇÃO

Autores

  • Osmar Abílio de Carvalho Júnior INPE - Instituto Nacional de Pesquisas Espaciais 12201-970 - São José dos Campos - SP, Brasil
  • Ana Paula Ferreira de Carvalho UnB - Universidade de Brasília - Departamento de Ecologia Campus Universitário Darcy Ribeiro, Asa Norte - 70910-900, Brasília, DF, Brasil
  • Renato Fontes Guimarães UnB - Universidade de Brasília - Departamento de Geografia Campus Universitário Darcy Ribeiro, Asa Norte, 70910-900, Brasília, DF, Brasil.
  • Paulo Roberto Meneses UnB - Universidade de Brasília - Departamento de Geologia Campus Universitário Darcy Ribeiro, Asa Norte, 70910-900, Brasília, DF, Brasil.
  • Yosio Edemir Shimabukuro INPE - Instituto Nacional de Pesquisas Espaciais 12201-970 - São José dos Campos - SP, Brasil

DOI:

https://doi.org/10.26512/2236-56562003e39765

Palavras-chave:

mistura espectral, classificação espectral, sensoriamento remoto

Resumo

A abundância relativa de um dado material pode ser determinada estabelecendo uma relação de proporcionalidade entre uma característica da forma do espectro e a sua quantidade. No caso de análise de espectros ou de imagens hiperespectrais os estudos ficam focados nas feições de absorção diagnóstica dos elementos. O presente trabalho possui como objetivo apresentar uma revisão sobre os dois principais métodos de processamento digital de imagens para a quantificação espectral: a regressão linear e a profundidade da banda espectral. No trabalho é descrito o método de regressão linear simples bem como os métodos que utilizam a regressão linear múltipla como a Análise Linear de Mistura Espectral (ALME) e os procedimentos de sua evolução como o método Multiple Endmember Spectral Mixture Analysis (MESMA). As características da profundidade da banda de absorção são detalhadas evidenciando os seus efeitos na análise de mistura.

Downloads

Não há dados estatísticos.

Referências

ADAMS, J. B. (1974). Visible and near-infrared diffuse reflectance: Spectra of pyroxenes as applied to remote sensing of solid objects in the solar system. J. Geophys. Res., 79, 4829 - 4836.

ADAMS, J. B., ADAMS J. (1984). Geologic mapping using Landsat MSS and TM images: Removing vegetation by modeling spectral mixtures. In: Thematic Conf. Remote Sens. for Expl. Geol. ERIM, 3, Proceedings, 2:615-622.

ADAMS, J. B., SMITH, M. O., JOHNSON, P. E. (1986). Spectral Mixture Modeling. A new analysis of rock and soil types at the Viking Lander 1 Side. J. Geophys. Res., 91:8-98-8122.

BAUGH, W. M., KRUSE, F. A., ATKINSON JR., W. W. (1998). Quantitative geochemical mapping of ammonium minerals in the southern cedar mountains, Nevada, using the airborne visible/infrared imaging spectrometer (AVIRIS). Remote Sens. Environ. 65:292-308.

BELL, J. F., HAWKE, B. R. (1995). Composional variability of the Serenitatis/Tranquillitatis region of the moon from telescopic multispectral imaging and spectroscopy, Icarus, 118:51-68.

Downloads

Publicado

01/21/2022

Como Citar

Abílio de Carvalho Júnior, O., Ferreira de Carvalho, A. P. ., Fontes Guimarães, R., Meneses, P. R., & Shimabukuro, Y. E. (2022). MISTURA ESPECTRAL: (III) QUANTIFICAÇÃO. Revista Espaço E Geografia, 6(1), 199–223. https://doi.org/10.26512/2236-56562003e39765