@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 = "28 abr. 2024"
}