Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/22796
Full metadata record
DC FieldValueLanguage
dc.contributor.authorNeves, Ricardo Vilar-
dc.date.accessioned2025-08-07T18:40:54Z-
dc.date.available2025-08-07T18:40:54Z-
dc.date.issued2024-12-16-
dc.identifier.citationNEVES, Ricardo Vilar. Calibração radiométrica cruzada de sensores orbitais para aplicações ambientais e na agricultura com validação por espectrorradiometria de campo. 2024. 95 f. Tese (Doutorado em Ciência, Tecnologia e Inovação em Agropecuária) - Pró-Reitoria de Pesquisa e Pós-Graduação, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2024.pt_BR
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/22796-
dc.description.abstractPara as aplicações agrícolas e ambientais das imagens de sensoriamento remoto é fundamental a transformação destas em grandezas físicas. Para essa transformação é essencial a calibração dos sensores a bordo dos satélites para garantir a confiabilidade dos resultados. Essa calibração pode ser realizada em laboratório antes do lançamento, ou com o satélite em órbita através da calibração absoluta ou cruzada. A calibração cruzada, que compara a resposta de dois sensores expostos a condições similares de radiação incidente, destaca-se por ser mais econômica e por reduzir as incertezas associadas. Neste estudo, realizou-se a calibração cruzada entre o sensor OLI do satélite Landsat 8 (usado como referência) e o sensor MUX do CBERS-4A (a ser calibrado), utilizando imagens da região de Salar de Uyuni, na Bolívia, o maior deserto de sal do mundo, considerada uma superfície adequada para a calibração de sensores orbitais. Os Números Digitais (NDs) de amostras das mesmas áreas em ambas as imagens foram obtidos para as bandas da faixa espectral do visível e do infravermelho próximo. Os NDs da imagem OLI foram transformados em radiância (L) referenciadas ao topo da atmosfera (nível do satélite) e por meio de uma regressão linear determinou-se os parâmetros de calibração do sensor MUX. Para validar os parâmetros de calibração obtidos, foi utilizada uma área de solo exposto com superfície homogênea, localizada no campus Seropédica da Universidade Federal Rural do Rio de Janeiro (UFRRJ). Os dados calibrados do sensor MUX do CBERS-4A foram corrigidos para os efeitos atmosféricos, para obter os valores de reflectância ao nível da superfície. A correção atmosférica foi realizada por meio do modelo físico 6S e adaptado para a correção atmosférica de imagens de satélites. Os dados de reflectância da superfície do sensor MUX foram comparados com os valores de reflectância obtidos em campo com o espectrorradiômetro FieldSpec 4 Standard Resolution. Os resultados da calibração comparados com os obtidos na superfície com o espectrorradiômetro, apresentaram uma diferença de reflectância máxima de 0,0297 na banda azul, de 0,0990 para a banda verde, 0,0072 para a banda vermelho e para a banda infravermelho próximo, o valor da diferença máxima obtida foi de -0,0128. Amédia as diferenças em percentagem entre todas as bandas foram de 1,94%,sendo na faixa espectro do visível (1,26%, 0,76%, 1,75) e na faixa do infravermelho próximo (3,98%). Desta forma, a metodologia proposta da calibração cruzada para o sensor MUX a bordo do satélite CBERS-4A utilizando dados a nível de satélite e realizando a correção atmosférica através do modelo 6S apresentou-se satisfatória, fornecendo a possibilidade de obter a reflectância da superfície de interesse para as aplicações ambientais e na agriculturapt_BR
dc.description.sponsorshipFinanciadora de Estudos e Projetos - Fineppt_BR
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado do Rio de Janeiro - FAPERJpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal Rural do Rio de Janeiropt_BR
dc.subjectParâmetros de Calibraçãopt_BR
dc.subjectReflectânciapt_BR
dc.subjectCBERS-4Apt_BR
dc.subjectSalar de Uyunipt_BR
dc.subjectCalibration Parameterspt_BR
dc.subjectReflectancept_BR
dc.titleCalibração radiométrica cruzada de sensores orbitais para aplicações ambientais e na agricultura com validação por espectrorradiometria de campopt_BR
dc.title.alternativeRadiometric cross-calibration of orbital sensors for environmental and agricultural applications with validation by field spectroradiometry.en
dc.typeTesept_BR
dc.description.abstractOtherFor agricultural and environmental applications of remote sensing images, it is essential to transform them into physical quantities. For this transformation, it is essential to calibrate the sensors on board the satellites to ensure the reliability of the results. This calibration can be performed in the laboratory before launch, or with the satellite in orbit through absolute or cross calibration. Cross calibration, which compares the response of two sensors exposed to similar incident radiation conditions, stands out for being more economical and for reducing associated uncertainties. In this study, cross calibration was performed between the OLI sensor of the Landsat 8 satellite (used as a reference) and the MUX sensor of CBERS-4A (to be calibrated), using images of the Salar de Uyuni region in Bolivia, the largest salt flat in the world, considered a suitable surface for the calibration of orbital sensors. The Digital Numbers (DNs) of samples from the same areas in both images were obtained for the visible and near-infrared spectral bands. The NDs of the OLI image were transformed into radiance (L) referenced to the top of the atmosphere (satellite level) and the calibration parameters of the MUX sensor were determined through linear regression. To validate the calibration parameters obtained, an exposed soil area with a homogeneous surface, located on the Seropédica campus of the Federal Rural University of Rio de Janeiro (UFRRJ), was used. The calibrated data from the CBERS 4A MUX sensor were corrected for atmospheric effects to obtain the reflectance values at the surface level. The atmospheric correction was performed using the 6S physical model and adapted for the atmospheric correction of satellite images. The surface reflectance data from the MUX sensor were compared with the reflectance values obtained in the field with the FieldSpec 4 Standard Resolution spectroradiometer. The calibration results compared with those obtained on the surface with the spectroradiometer, showed a maximum reflectance difference of 0.0297 in the blue band, 0.0990 for the green band, 0.0072 for the red band and for the near infrared band, the maximum difference value obtained was -0.0128. The average percentage differences between all bands were 1.94%, being in the visible spectrum range (1.26%, 0.76%, 1.75) and in the near infrared range (3.98%). In this way, the proposed cross calibration methodology for the MUX sensor on board the CBERS-4A satellite using satellite level data and performing atmospheric correction through the 6S model was satisfactory, providing the possibility of obtaining the reflectance of the surface of interest for environmental and agricultural applicationsen
dc.contributor.advisor1Antunes, Mauro Antonio Homem-
dc.contributor.advisor1IDhttps://orcid.org/0000-0003-0189-6227pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3818721407909667pt_BR
dc.contributor.referee1Antunes, Mauro Antonio Homem-
dc.contributor.referee1IDhttps://orcid.org/0000-0003-0189-6227pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3818721407909667pt_BR
dc.contributor.referee2Gleriani, José Marinaldo-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8106972825842839pt_BR
dc.contributor.referee3Debiasi, Paula-
dc.contributor.referee3IDhttps://orcid.org/0000-0001-9518-7960pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/2803273652115535pt_BR
dc.contributor.referee4Oliveira, Julio Cesar de-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/7176155601161528pt_BR
dc.contributor.referee5Adami, Marcos-
dc.contributor.referee5IDhttps://orcid.org/0000-0003-4247-4477pt_BR
dc.contributor.referee5Latteshttp://lattes.cnpq.br/7484071887086439pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/0492083661768127pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentPró-Reitoria de Pesquisa e Pós-Graduaçãopt_BR
dc.publisher.initialsUFRRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência, Tecnologia e Inovação em Agropecuáriapt_BR
dc.relation.referencesANTUNES, M. A. H.; FREIRE, R. M. B.; BOTELHO, A. da S.; TONIOLLI, L. H. Correções atmosféricas de imagens de satélites utilizando o modelo 6S (p. 6). Congresso Brasileiro de Cartografia, 21. Anais [...]. Belo Horizonte: CBC, 2003. ANTUNES, M. A. H.; TAVARES JÚNIOR, J. B. Calibração do sensor CCD-CBERS II com dados do ASTER. In: XII Simpósio Brasileiro de Sensoriamento Remoto, 12, 2005, Goiânia. Anais [...]. Goiânia: INPE, 2005. p. 775-781. ANTUNES, M. A. H.; DEBIASI, P.; COSTA, A. R. da; GLERIANI, J. M. CORREÇÃO ATMOSFÉRICA DE IMAGENS ALOS/AVNIR-2 UTILIZANDO O MODELO 6S. Revista Brasileira de Cartografia, Uberlândia, v. 64, n. 4, p. 531-539, 29 jul. 2012. DOI: 10.14393/rbcv64n5-44818. ATZBERGER, C. Advances in Remote Sensing of Agriculture: Context Description, Existing Operational Monitoring Systems and Major Information Needs. Remote Sensing, v. 5, n. 2, p. 949 981, 22 fev. 2013. DOI: 10.3390/rs5020949. ATZBERGER, C.; VUOLO, F.; KLISCH, A.; REMBOLD, F.; MERONI, M.; MELLO, M. P.; FORMAGGIO, A. Agriculture. In: Prasad S. Thenkabail. (Org.). Land Resources Monitoring, Modeling, and Mapping with Remote Sensing. 1a edição. Boca Raton, Flórida, USA: CRC Press, v. 2, p. 71-112, 2015. DOI 10.1201/b19322. BARBA, G. B. Elaboración de una base de datos de áreas pseudoinvariantes (api) en Europa mediante imágenes multitemporales MODIS para la mejora de procesos de correción radiométrica. 2019. 50 f. Dissertação (Mestrado) - Curso de Escuela Técnica Superior de Ingenieros Agronomos, Universidad Pública de Navarra, Navarra, 2019. Disponível em: https://hdl.handle.net/2454/35112. Acesso em: 01 maio 2024. BARBOSA, C.C.F.; NOVO, E.M.L.M.; MARTINS, V.S. Introdução ao Sensoriamento Remoto de Sistemas Aquáticos: princípios e aplicações. 1ª edição. Instituto Nacional de Pesquisas Espaciais. São José dos Campos. 161p. 2019. BEN-DOR. E.; KINDEL, B. GOETZ, A. F. H. Quality assessment of several methods to recover surface reflectance using synthetic imaging spectroscopy data. Remote Sensing of Environment 90. p. 389-404, 2004. BERK, A.; CONFORTI, P.; HAWES, F.; PERKINS, T.; GUIANG, C.; ACHARYA, P.; KENNETT, R.; GREGOR. B.; VAN DEN BOSCH, J. Next Generation MODTRAN for improved atmospheric correction of spectral imagery. Burlington: Spectral Sciences, Inc. AFRL-RV-PS-TR-2016-0105, 64p, 2016. BREUNIG, F. M.; GALVÃO, L. S.; BALBINOT, R.; DENARDI, L.; GAIDA, W.; TELES, T. S.; TRAUTENMULLER, J. W.; VENDRUSCOLO, R. Avaliação do efeito combinado do ângulo zenital solar e da perda de folhas sobre imagens MODIS/ e MISR/TERRA. In: XI Seminário de Atualização de Sensoriamento Remoto e Sistemas de Informações Geográficas 82 Aplicados à Engenharia Florestal, 2014, Curitiba. Anais [...]. Curitiba: IEP, 2014. v. 1. p. 186 193. BRASIL. Ministério da Ciência, Tecnologia e Inovação. Disponível em: https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/noticias/2023/06/projeto-cbers-6-deve inspirar-novas-cooperacoes-entre-brasil-e-china. Acesso em: novembro de 2023. BURNEY, J. A.; DAVIS, S. J.; LOBELL, D. B. Greenhouse gas mitigation by agricultural intensification. Proceedings of the National Academy of Sciences. USA, v. 107, n. 26, p. 12052 12057, 15 jun. 2010. CARNEIRO, A. de S. R.; JESUS, T. B. de; SANTOS, E. P. dos; SANTOS, R. L. Use of Spectrorradiometry in the Characterization of Organic Matter Content in the Soil. Revista Eletrônica de Gestão e Tecnologias Ambientais (Gesta), Salvador, v. 7, n. 1, p. 86-95, 2019. Disponível em: https://periodicos.ufba.br/index.php/gesta/article/view/28086. 2831, 2004. CHANDER, G.; MEYER, D. J.; HELDER, D. L. Cross Calibration of the Landsat-7 ETM+ and EO-1 ALI sensor. IEEE Transactions on Geoscience and Remote Sensing, v. 42, n. 12, p. 2821 CHANDER, G.; MARKHAM, B. L. E HELDER, D. L. Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors. Remote Sensing of Environment, vol. 113, no 5, p. 893 903, maio de 2009. CHANDER, G.; HEWISON, T.J.; FOX, N.; WU, X.; XIONG, X.; BLACKWELL, W. Overview of Intercalibration of Satellite Instruments. IEEE Transactions on Geoscience and Remote Sensing, v.51, n.3, p. 1056-1080, 2013a. CHAVEZ, P. S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote sensing of environment, 24(3), 459-479, 1988. COLWELL, R. N. Uses and Limitations of Multispectral Remote Sensing. In: Proceedings of the Fourth Symposium on Remote Sensing of Environment. Ann Arbor: Institute of Science and Technology, University of Michigan, p. 71-100, 1966. COLWELL, R. N. Manual of remote sensing. American Society of Photogrammetry,1983. COOLEY, T.; ANDERSON, G. P.; FELDE, G. W.; HOKE, M. L.; RATKOWSKI, A. J.; CHETWYND, J. H.; GARDNER, J. A.; ADLER-GOLDEN, S. M.; MATTHEW M. W.; BERK, A.; BERNSTEIN, L. S.; ACHARYA, P.K.; MILLERD, D.; LEWIS, P. FLAASH, a MODTRAN4-based atmospheric correction algorithm, its application and validation. IEEE International Geoscience and Remote Sensing Symposium. Toronto, ON, Canada, p. 1414 1418, vol.3, 2002. COPERNICUS PROGRAMME. Sentinel-2 Mission. https://www.copernicus.eu/en. Acesso em: fevereiro de 2025. Disponível em: 83 DINGUIRARD, M.; SLATER, P. N. Calibration of space-multispectral imaging sensors: a review. Remote Sensing of Environment, v. 68, n. 3, p. 194-205, 1999. DIRZO, R.; RAVEN, P. H. Global state of biodiversity and loss. Annual Review of Environment and Resources, v. 28, p. 137-167, 2003. EMBRAPA TERRITORIAL. Satélites de Monitoramento. Campinas, 2018. Disponível em: https://www.embrapa.br/satelites-de-monitoramento. Acesso em: outubro de. 2023. ESCORIHUELA, M. J.; ESCORIHUELA, A.; RICHAUME, P.; KERR, Y. H.; SMOS calibration and validation over the Salar de Uyuni, 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, https://doi.org/10.1109/IGARSS.2012.6351351. Germany, 2012, pp. 1124-1126. EUROPEAN SPACE AGENCY (ESA). Sharing Earth Observation Resources (EOPortal). Landsat-8 Overview. Disponível em: https://earth.esa.int/eogateway/missions/landsat-8. Acesso em: outubro de 2023. EUROPEAN SPACE AGENCY (ESA). Sentinel-2 Overview. Disponível em: https://www.esa.int/Applications/Observing_the_Earth/Copernicus/Sentinel-2. Acesso em: fevereiro de 2025. EUROPEAN SPACE AGENCY (ESA). Sentinel online. User Guides Introduction. Disponível em: https://sentinel.esa.int/web/sentinel/user-guides. Acesso em: fevereiro de 2025. FISCHER, W.A; HEMPHILL; W.R, KOVER, A. Progress in Remote Sensing (1972 1976) Photogrammetria, vol. 32, no 2, outubro de 1976, p. 33 72. DOI.org (Crossref), https://doi.org/10.1016/0031-8663(76)90013-2. a FOLEY, J. A.; RAMANKUTTY, N.; BRAUMAN K. A.; CASSIDY, E. S.; GERBER, J. S.; JOHNSTON,M.;MUELLER,N.D.; ,C.;RAY,D.K.;WEST,P.C.;BALZER, C.; BENNETT, E. M.; CARPENTER, S. R.; HILL, J.; MONFREDA, C.; POLASKY, S.; ROCKSTRÖM, J.; SHEEHAN, J.; SIEBERT, S.; TILMAN, D. & ZAKS, D. P. M.. Solutions for cultivated planet. Nature, v. https://doi.org/10.1038/nature10452. 478, p. 337 342, 2011. DOI: FORMAGGIO, A. R.; SANCHES, I. D. Sensoriamento Remoto em agricultura. São Paulo: Oficina de Textos, 2017. 284 p. FREEDMAN, D.; PISANI, R.; PURVES, R. Statistics. New York: W.W. Norton & Company, 2007. GAIDA, W.; BREUNIG, F. M.; GALVÃO, L. S.; PONZONI, F. J. Correção Atmosférica em Sensoriamento Remoto: Uma Revisão. Revista Brasileira de Geografia Física, Pernambuco, v. 13, n. 1, p. 229-248, 01 mar. 2020. Disponível em: https://periodicos.ufpe.br/revistas/rbgfe/. 84 GAO, B.; MONTES, M. J.; DAVIS, C. O.; GOETZ, A. F. H. Atmospheric Correction Algorithms for Hyperspectral Remote Sensing Data of Land and Ocean. Remote Sensing of Environment, vol. 113, setembro de 2009, p. S17 24. HELDER, D. L.; BASNET, B.; MORSTAD, D. L. Canadian Journal of Remote Sensing, Vol. 36, No. 5, pp. 527 539, 2010. https://doi.org/10.5589/m10-085. HILKER, T.2018. Surface reflectance/bidirectional reflectance distribution function. In: Liang, S. (Ed.). Comprehensive remote sensing 3, 2-8. 107, 2001. HU, C.; MULLER-KARGER, F. E.; ANDREFOUET, S.; CARDER, K. L. Atmospheric correction and cross-calibration of LANDSAT-7/ETM+ imagery over aquatic environments: A multiplatform approach using Sea WiFS/MODIS. Remote Sensing of Environment, v. 78, p. 99 INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE). Satélite Sino-Brasileiro de Recursos Terrestres (CBERS). Disponível em: http://www.cbers.inpe.br/. Acesso em: novembro de 2023. JENSEN,J. R. Sensoriamento Remoto do Ambiente: Uma Perspectiva em Recursos Terrestres. 2. ed. São José dos Campos, Sp: Parênteses, 2009. 598 p. Tradução de José Carlos Neves Epiphanio et al. KUTNER, M. H.; NETER, J. Applied Linear Regression Models. [s.l.] Irwin/McGraw-Hill, 2004. LAMPARELLI, R. A. C.; PONZONI, F. J.; ZULLO JR.; J.; PELLEGRINO, G. Q.; ARNAUD, Y. Characterization of the Salar de Uyuni for in Orbit Satellite Calibration. IEEE Transactions on Geoscience and Remote Sensing, v. 41, n. 6, p.1461-1468, 2003. https://doi.org/10.1109/TGRS.2003.810713. LATORRE, M.; CARVALHO JR.;O. A. de; CARVALHO, A. P. F. de SHIMABUKURO, Y. E. CORREÇÃO ATMOSFÉRICA: CONCEITOS E FUNDAMENTOS. Revista Espaço e Geografia, Brasília, v. 5, n. 1, p. 153-178, 14 mar. 2002. Disponível em: https://periodicos.unb.br/index.php/espacoegeografia. LINTZ, J. SIMONETT, D. S., organizadores. Remote sensing of environment. Addison Wesley Pub. Co., Advanced Book Program, 1976, 714 p. LORENZZETTI, J. A. Princípios físicos de sensoriamento remoto. São Paulo: Blucher, 2015. 293 p. MATTHEW, M. W.; ADLER-GOLDEN, S. M.; BERK, A.; FELDE, G.; ANDERSON, G. P.; GORODETZKY, D.; SHIPPERT, M. Atmospheric correction of spectral imagery: evaluation of the FLAASH algorithm with AVIRIS data. In: Applied Imagery Pattern Recognition Workshop, 2002. Proceedings [...], p. 157-163. 85 Remoto. MENESES, P. R.; ALMEIDA, T. de (org.). Introdução ao Processamento de Imagens de Sensoriamento Brasília: UnB, 2012. 276 p. Disponível em: https://www.researchgate.net/publication/332292728_INTRODUCAO_AO_PROCESSAME NTO_DE_IMAGENS_DE_SENSORIAMENTO_REMOTO. Acesso em: 01 maio 2024. MENESES, P. R.; ALMEIDA, T. de. Fundamentos de Espectrorradiometria. In: MENESES, Paulo Roberto; ALMEIDA, Tati de; BAPTISTA, Gustavo Macedo de Mello. Reflectância dos materiais terrestres: análise e interpretação. São Paulo: Oficina de Textos, 2019a. Cap. 1. p. 12 37. MENESES, P. R.; ALMEIDA, T. de; BAPTISTA, G. M. de M. (org.). Reflectância dos materiais terrestres: análise e interpretação. São Paulo: Oficina de Textos, 2019. 297 p. MILTON, E. J. Principles of field spectroscopy. International Journal of Remote Sensing, v. 8, n. 12, p. 1807-1827, 1987. MOBLEY,C.D. Light and water: radiative transfer in natural waters. Academic Press, 1994. MONTGOMERY, D. C.; RUNGER, G. C. Applied statistics and probability for engineers. Hoboken, Nj: Wiley, 2019. MORAES NOVO, E. M. L. Sensoriamento remoto: princípios e aplicações. 2a. Edição. São Paulo: Blucher, 2002. MORAN, M.S.; JACKSON, R.D.; SLATER, P.N.; TEILLET, P. M. Evaluation of Simplified Procedures for Retrieval of Land Surface Reflectance Factors from Satellite Sensor Output, Remote Sensing of Environment, v. 41, n. 1-2, p. 169-184, Aug.-Sep. 1992. N2YO. Disponível em: https://www.n2yo.com. Acessado em: setembro de 2023. NASA. Landsat 8 (L8) - Data Users Handbook. Nov. 2019. Disponível em: https://landsat.gsfc.nasa.gov/data/handbooks-guides/. Acesso em: novembro de 2023. NASA. Landsat Science. Disponível em: https://landsat.gsfc.nasa.gov/satellites/. Acesso em: novembro de 2023a. NOCITA, M.; STEVENS, A.; WESEMAEL, B. V.; AITKENHEAD, M.; BACHMANN, M.; BARTHÈS, B.; DOR, E. B.; BROWN, D. J.; CLAIROTTE, M.; CSORBA, A.; DARDENNE, P.; DEMATTÊ, J. A. M.; GENOT, V.; GUERRERO, C.; KNADEL, M.; MONTANARELLA, L.; NOON, C.; RAMIREZ-LOPEZ, L.; ROBERTSON, J.; SAKAI, H.; WETTERLIND, J. Soil Spectroscopy: An Alternative to Wet Chemistry for Soil Monitoring. Advances in Agronomy, v. 132, p. 139 159, 2015. NOVO, E. M. L. M. Sensoriamento remoto: princípios e aplicações. 4ª. Edição. Edgard Blücher Ltda., 2010. 388p. OLIVEIRA, L. G. L. de; PONZONI, F. J.; MORAES, E. C. CONVERSÃO DE DADOS RADIOMÉTRICOS ORBITAIS POR DIFERENTES METODOLOGIAS DE 86 CARACTERIZAÇÃO ATMOSFÉRICA. Revista Brasileira de Geofísica, Rio de Janeiro, v. 27, n. 1, p. 121-133, 28 jan. 2009. Disponível em: https://sbgf.org.br/revista/index.php/rbgf. absoluta PINTO, C. T. Avaliação das incertezas na caracterização de superfícies de referência para calibração de sensores eletroópticos. 2011. p. (sid.inpe.br/mtcm19/2011/03.30.18.09-TDI). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2011. Disponível em: <http://urlib.net/8JMKD3MGP7W/39E3LH2>. Acesso em: 01 maio 2024. 167 São PINTO, C. T.; PONZONI, F. J.; CASTRO, R. M. de. Calibração Cruzada de Sensores de Observação da Terra: relatório de pesquisa em calibração radiométrica de sensores eletro ópticos. José dos Campos: INPE, 2013. 32 p. Disponível em: http://urlib.net/8JMKD3MGP7W/3EL22DE. Acesso em: 01 maio 2024. PONZONI, F. J.; LAMPARELLI, R. A. C.; PELLEGRINO, G. Q.; ZULLO JR.; J. Evaluation International Archives of Photogrammetry and Remote Sensing, Amsterdam, v. XXXIII, n. 1, p. 231-238, 2000. Disponível em: https://www.isprs.org/proceedings/xxxiii/congress/part1/231_XXXIII-part1.pdf. Acesso em: 01 maio 2024. PONZONI, F. J.; ZULLO JR., J.; LAMPARELLI, R. A. C. In-flight absolute calibration of the CBERS-2 IRMSS sensor data. International Journal of Remote Sensing, v. 27, n. 4, p. 799-804, 2006. PONZONI, F. J.; ZULLO JUNIOR, J.; LAMPARELLI, R. A. C. In-flight absolute calibration of the CBERS-2 CCD sensor data. Anais da Academia Brasileira de Ciências, v. 80, n. 2, p. 373-380, 2008. Disponível em: http://urlib.net/sid.inpe.br/mtcm17@80/2008/06.03.18.31. Acesso em: 02 abr. 2013. PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento Remoto no Estudo da Vegetação. São José dos Campos/SP: Instituto Nacional de Pesquisas Espaciais INPE, 2010. PONZONI, F. J.; PINTO, C. T.; LAMPARELLI, R. A. C.; ZULLO JR., J.; ANTUNES, M. A. H. A. Calibração de Sensores Orbitais. São Paulo: Oficina de Textos, 2015. 96 p. PONZONI, F. J.; ZULLO, J.; LAMPARELLI, R. A. C.; PELLEGRINO, G. Q.; ARNAUD, Y. In-flight absolute calibration of the Landsat-5 TM on the test site Salar de Uyuni, IEEE Transactions on Geoscience and Remote Sensing, vol. 42, no. 12, pp. 2761-2766, 2004. https://doi.org/10.1109/TGRS.2004.836386. PRICE, J. C. Radiometric calibration of satellite sensors in the visible and near infrared: history and outlook. Remote Sensing of Environment, v. 22, p. 3-9, 1987. RICHTER, R.; SCHLÄPFER, D. Atmospheric/topographic correction for satellite imagery. DLR report DLR-IB 565-02/15. Wessling: Deutsches zentrum für Luft-und Raumfahrt. 252, 2015. 87 RUMORA, L.; MILER, M.; MEDAK, D. Impact of Various Atmospheric Corrections on Sentinel-2 Land Cover Classification Accuracy Using Machine Learning Classifiers. ISPRS International Journal of Geo-Information, 9(4), 277, 2020. SANTOS, T. C. C dos; ANTUNES, M. A. H.; SEOANE, J. C. S.; de SOUSA. G. M. COMPARAÇÃO DE MODELOS DE CORREÇÃO ATMOSFÉRICA PARA IMAGEM WORLDVIEW-2. Revista Brasileira de Cartografia, Uberlândia, v. 69, n. 2, p. 229-240, 07 dez. 2017. DOI: 10.14393/rbcv69n2-44013. SCHMIDT, D.; GERMANO, A. M. C.; MILANI, T. L. Subjective sensitivity data: Considerations to treat heteroscedasticity, Cogent Medicine, Vol. 6(1), 2019. https://doi.org/10.1080/2331205X.2019.1673086. SCHOTT, J. R. Remote sensing: the image chain approach. 2. ed. New York, NY: Oxford University, 2007. 666305169. SCHOWENGERDT, R. A. Remote Sensing. Models and Methods for Image Processing 2a. Edição. Elsevier, 2012. SLATER, P. N. Remote sensing, optics and optical systems. Addison-Wesley Pub. Co, 1980. 303, 2001. SLATER, P. N.; BIGGAR S. F.; PALMER, J. M.; THOME, K. J. Unified approach to absolute radiometric calibration in the solar-reflective range. Remote Sensing of Environment, 77, p. 293 SOARES, F. S. Dinâmica de um ambiente estuarino a partir de dados espectrais, o estudo de caso sinótico da Baía de Guanabara, em um período seco. 2017. 142 f. Tese (Doutorado) - Curso de Programa de Pós-Graduação em Dinâmica dos Oceanos e da Terra, Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2017. http://app.uff.br/riuff/handle/1/26182. Acesso em: 01 maio 2024. Disponível em: STEFFEN, C. A.; MORAES, E. C. Tutorial 2 - Radiometria Espectral. In: VII SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 7, 1993, Curitiba. Tutorial. Curitiba: Inpe, 1993. v. 1, p. 1-26. Disponível em: http://mtc-m21b.sid.inpe.br/col/sid.inpe.br/mtc m21b/2017/10.18.16.17/doc/INPE-7605.pdf. Acesso em: 01 maio 2024. TEILLET, P. M.; BARKER, J. L.; MARKHAM, B. L.; IRISH, R. R.; FEDOSEJEVS, G.; STOREY, J. C. Radiometric cross-calibration of the Landsat-7 ETM+ and Landsat-5 TM sensors based on tandem data sets. Remote Sensing of Environment, v.78, n.1-2, p.39-54, 2001. TEILLET, P.M.; MARKHAM, B.L.; IRISH, R. R. Landsat cross-calibration based on near simultaneous imaging of common ground targets. Remote Sensing of Environment, v.102, n.3 4, p.264-270, 2006. THE ROYAL SOCIETY. Reaping the benefits: Science and the sustainable intensification of global agriculture. Disponível em:<http://royalsociety.org/Reapingthebenefits>. Acesso em: 12 dez. 2016. 88 THOME, K.J.Absolute radiometric calibration of Landsat-7 ETM+ using the reflectancebased method. Remote Sensing of Environment, v. 78, n. 1-2, p.27-38, 2001. THOME, K. J.; BIGGAR, S. F.; WISNIEWSKI, W. Cross Comparison of EO-1 Sensors and Other Earth Resources Sensors to Landsat-7 ETM+ Using Railroad Valley Playa. IEEE Transactions on Geoscience and Remote sensing, v.41, n.6, p. 1180-1188, 2003. USGS. U.S. Geological Survey. Disponível em: https://www.usgs.gov/. Acesso em: out. 2023. VERMOTE, E. F.; TANRE, D.; DEUZE, J. L.; HERMAN, M.; MORCETTE, J. J. Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: an overview. IEEE Transactions on Geoscience and Remote Sensing, v. 35, n. 3, p. 675 686, maio 1997. VITO. Vlaams Instituut voor Technologisch Onderzoek. 2017. iCOR plugin for SNAP toolbox: software user manual. Version 1. Mol: VITO Remote Sensing Unit. WEISS, C. V. da C.; CAMARGO, D. C. S.; ROSCA, E. H.; ESPINOZA, J. Análise comparativa entre métodos de correção atmosférica em imagens do sensor Operational Land Imager (OLI), plataforma Landsat 8C. Scientia Plena. v.11, n.2, p. 1-8, (2014). WELTER, A.; STATELLA, T.; LIMA, G. M. de. Distorções causadas pela falta de calibração radiométrica e efeitos atmosféricos na análise de dados de sensoriamento remoto orbital. Geografia, v. 45, n. 2, p. 361 383, 7 dez. 2020. YOO, H.; YU, F.; WU, X. Site selection and characterization at Uyuni desert for the calibration and validation of GOES-16 ABI solar reflective bands, SPIE Optical Engineering + Applications, 2017, San Diego, California, United States, Proceedings, Volume 10402, Earth Observing Systems XXII; 104022M, 2017. https://doi.org/10.1117/12.2275427. ZANOTTA, D. C.; FERREIRA, M. P.; ZOpt_BR
dc.subject.cnpqEngenharia Agrícolapt_BR
Appears in Collections:Doutorado em Ciência, Tecnologia e Inovação em Agropecuária

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
RICARDO VILAR NEVES.pdf6.25 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.