@Article{GaidaBreuGalvPonz:2020:CoAtSe,
               author = "Gaida, William and Breunig, F{\'a}bio Marcelo and Galv{\~a}o, 
                         L{\^e}nio Soares and Ponzoni, Fl{\'a}vio Jorge",
          affiliation = "{Universidade Federal de Santa Maria (UFSM)} and {Universidade 
                         Federal de Santa Maria (UFSM} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)} and {Instituto Nacional de Pesquisas Espaciais 
                         (INPE)}",
                title = "Corre{\c{c}}{\~a}o atmosf{\'e}rica em sensoriamento remoto: uma 
                         revis{\~a}o",
              journal = "Revista Brasileira de Geografia F{\'{\i}}sica",
                 year = "2020",
               volume = "13",
               number = "1",
                pages = "229--248",
             keywords = "processamento de imagens, efeitos atmosf{\'e}ricos, comportamento 
                         espectral, erros radiom{\'e}tricos, image processing, atmospheric 
                         effects, spectral behavior, radiometric errors.",
             abstract = "A corre{\c{c}}{\~a}o atmosf{\'e}rica {\'e} um procedimento 
                         necess{\'a}rio em estudos de sensoriamento remoto com foco nas 
                         propriedades f{\'{\i}}sicas, qu{\'{\i}}micas e biol{\'o}gicas 
                         de alvos. Em abordagens multitemporais e/ou multisensor, a 
                         corre{\c{c}}{\~a}o atmosf{\'e}rica {\'e} fundamental para a 
                         obten{\c{c}}{\~a}o de medidas de reflect{\^a}ncia de 
                         superf{\'{\i}}cie representativas das caracter{\'{\i}}sticas 
                         espectrais dos alvos. Embora de grande import{\^a}ncia, este 
                         procedimento e seus conceitos ainda s{\~a}o pouco difundidos e 
                         estudados no {\^a}mbito da Geografia brasileira. O objetivo do 
                         estudo foi apresentar uma revis{\~a}o dos principais m{\'e}todos 
                         e par{\^a}metros envolvidos no processo de corre{\c{c}}{\~a}o 
                         atmosf{\'e}rica de imagens de sensoriamento remoto. Este 
                         procedimento visa minimizar os efeitos decorrentes da 
                         intera{\c{c}}{\~a}o dos constituintes atmosf{\'e}ricos com a 
                         radia{\c{c}}{\~a}o eletromagn{\'e}tica, como a 
                         absor{\c{c}}{\~a}o provocada pelos gases e o espalhamento 
                         produzido por part{\'{\i}}culas de aeross{\'o}is. Sua 
                         efici{\^e}ncia depende de um conjunto de fatores, como o 
                         m{\'e}todo de corre{\c{c}}{\~a}o adotado e as 
                         caracter{\'{\i}}sticas do sistema sensor. Diversos m{\'e}todos 
                         t{\^e}m sido propostos, sendo classificados em: m{\'e}todos 
                         f{\'{\i}}sicos, fundamentados em modelos de transfer{\^e}ncia 
                         radiativa; m{\'e}todos emp{\'{\i}}ricos, que estimam os efeitos 
                         atmosf{\'e}ricos a partir de alvos espec{\'{\i}}ficos da 
                         imagem; e m{\'e}todos h{\'{\i}}bridos, que combinam 
                         informa{\c{c}}{\~o}es f{\'{\i}}sicas da atmosfera e 
                         estat{\'{\i}}sticas da cena. Embora os m{\'e}todos 
                         emp{\'{\i}}ricos sejam de f{\'a}cil aplica{\c{c}}{\~a}o, eles 
                         s{\~a}o menos precisos do que os m{\'e}todos f{\'{\i}}sicos. 
                         Estes, por sua vez, necessitam a priori do conhecimento de alguns 
                         par{\^a}metros atmosf{\'e}ricos que, dependendo da 
                         resolu{\c{c}}{\~a}o espectral do sensor, podem ser obtidos da 
                         pr{\'o}pria imagem. Os m{\'e}todos h{\'{\i}}bridos constituem 
                         uma alternativa por demandarem um menor conhecimento de 
                         par{\^a}metros atmosf{\'e}ricos. Um exemplo dos efeitos 
                         atmosf{\'e}ricos sobre o c{\'a}lculo de {\'{\i}}ndices de 
                         vegeta{\c{c}}{\~a}o {\'e} apresentado. ABSTRACT: Atmospheric 
                         correction is a necessary procedure in remote sensing studies 
                         focusing on the physical, chemical and biological properties of 
                         targets. In multi-temporal and/or multi-sensor approaches, the 
                         atmospheric correction is fundamental to obtain surface 
                         reflectance measurements representative of the spectral 
                         characteristics of targets. Although of great importance, this 
                         procedure and its concepts are still little diffused and studied 
                         in the scope of the Geography in Brazil. The objective of the 
                         study was to present an overview of the main methods and 
                         parameters involved in the process of atmospheric correction of 
                         remote sensing images. This procedure aims to minimize the effects 
                         of the interaction of atmospheric constituents with 
                         electromagnetic radiation, such as the absorption caused by gases 
                         and the scattering produced by aerosol particles. Its efficiency 
                         depends on a set of factors such as the selected correction method 
                         and the technical specifications of the sensor system. Several 
                         methods have been proposed. They are classified in physical 
                         methods, based on radiative transfer models; empirical methods, 
                         which estimate atmospheric effects from selected targets in the 
                         scene; and hybrid methods, which combine physical information from 
                         the atmosphere and scene statistics. Although empirical methods 
                         are easy to apply, they are less precise than physical methods. 
                         Physical approaches require a priori knowledge of some atmospheric 
                         parameters. However, depending on the spectral resolution of the 
                         sensor, these parameters can be estimated from the image itself. 
                         The hybrid methods are an alternative because they require less 
                         knowledge of atmospheric parameters. An example of the atmospheric 
                         effects on the determination of vegetation indices is presented.",
                 issn = "1984-2295",
             language = "en",
           targetfile = "gaida_correcao.pdf",
        urlaccessdate = "27 abr. 2024"
}