INPE-10530-TDI/936
AVALIAÇÃO DAS IMAGENS DO SENSOR ASTER PARA
DISCRIMINAÇÃO ESPECTRAL DE VARIAÇÕES
FACIOLÓGICAS NO GRANITO SERRA BRANCA,
ESTADO DE GOIÁS
Bruno Eustáquio Moreira Lima
Dissertação de Mestrado do Curso de Pós-Graduação em Sensoriamento Remoto,
orientada pelos Drs. Raimundo Almeida Filho e Lênio Soares Galvão, aprovada
em 10 de outubro de 2003
INPE
São José dos Campos
2004
528.711.7 (817.3)
LIMA, B. E. M.
Avaliação das imagens do Sensor Aster para discriminação espectral de variações faciológicas no granito Serra
Branca, Estado de Goiás / B. E. M. Lima. – São José dos
Campos: INPE, 2003.
115p. – (INPE-10530-TDI-936).
1.Espectro de absorção. 2.Atenuação atmosférica.
3.Superfície de reflectância. 4.Espectro eletromagnético.
5.Cobertura vegetal. 6.Processamento digital. 7.Radiação de
ondas curtas. I. Título.
“Celebrai com júbilo ao Senhor, todas as terras.
Servi ao Senhor com alegria, apresentai-vos diante Dele com cântico.
Sabei que o Senhor é Deus; foi Ele quem nos fez, e Dele somos;
Somos o seu povo e rebanho do seu pastoreio.
Entrai por suas portas com ações de graças e nos seus átrios,
com hinos de louvor; rendei-Lhe graças e bendizei-Lhe o nome.
Porque o senhor é bom, a sua misericórdia dura para sempre, e,
de geração em geração, a sua fidelidade.”
SALMOS 100
A DEUS e
a meus pais,
MANUEL DE JESUS LIMA e
TERESINHA MOREIRA LIMA.
AGRADECIMENTOS
Agradeço a todas instituições e pessoas que me ajudaram a vencer mais esta
etapa da vida.
À Fundação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES, pelo
auxílio financeiro.
Aos laboratórios de Sensoriamento Remoto e de Geoquímica da Universidade
de Brasília (UnB), pela oportunidade de estudos e utilização de suas
instalações.
Aos professores do INPE pelo conhecimento compartilhado.
Aos meus orientadores Prof. Dr. Raimundo Almeida Filho e Prof. Dr. Lênio
Soares Galvão, pelo conhecimento transmitido, pela orientação e ajuda na
realização de todas etapas deste trabalho.
Aos Profs. Dr. Paulo Roberto Meneses e Dr. Geraldo Ferreira Andrade pelo
apoio e incentivo na realização deste trabalho.
Aos meus amigos Luciano Caniço, Alexandre de Amorim, Alessandro e Rutinéa
Palmeira, Waldiza Brandão, Clério Lemos, João Almiro, Richard Milton e Fábio
Campos pelo carinho e incentivo sempre demonstrados.
A meus pais por sempre acreditarem na importância do estudo.
RESUMO
Este trabalho busca avaliar os aspectos relacionados à potencialidade das
imagens do sensor Advanced Spaceborne Thermal Emission and Reflection
Radiometer (ASTER)/Terra, obtidas na faixa do visível e infravermelho refletido,
para discriminação espectral de variações faciológicas no maciço granítico
Serra Branca, inserido na Província Estanífera de Goiás. Essa Província
compreende diversos corpos granitóides, com mineralizações estaníferas
(cassiterita) associadas com fácies alteradas metassomaticamente. O
aplicativo Atmospheric Correction Now (ACORN) 3.12 foi utilizado para efetuar
a correção atmosférica das imagens, transformando seus dados originais de
radiância para reflectância de superfície. Na etapa de processamento digital
dos dados ASTER, foram gerados produtos a partir do uso de técnicas para a
discriminação de materiais geológicos (realce por decorrelação) e de detecção
sistemática desses materiais (Mapeador de Ângulo Espectral (SAM),
Profundidade Relativa de Bandas de Absorção (RBD) e Ajuste de Feições
Espectrais (SFF)). Foi realizada também uma análise da influência da
cobertura vegetal, através da determinação do Índice de Vegetação por
Diferença Normalizada (NDVI), sobre o processo de detecção mineral com a
técnica SAM. Os resultados sugerem que, em ambientes tropicais similares aos
da área de estudo, com predomínio de vegetação de cerrado, os dados ASTER
podem ser muito mais eficazes para a caracterização da associação rochasolo-vegetação, ou das variações relativas nas feições espectrais de argilominerais e da cobertura vegetal, do que para a detecção mineral propriamente
dita. Os pixels classificados como tendo o mineral muscovita apresentaram,
geralmente, baixos valores de ângulo SAM e NDVI e altos valores de SFF e
RDB, ou seja, espectros com bandas de absorção mais profundas em 2200
nm. Estes pixels delimitaram os contatos do complexo granítico com as
encaixantes e entre os principais litotipos e a área de atividade garimpeira.
Conforme esperado, a detecção do mineral muscovita pela técnica SAM
ocorreu em porções da cena com boa exposição de rochas e solos, como a
área do garimpo. Entretanto, os resultados foram influenciados pela presença
de vegetação fotossinteticamente ativa e/ou não-ativa (gramíneas) no
substrato.
ASTER SENSOR IMAGES VALUATION TO SPECTRAL DISCRIMINATION
OF FACIOLOGICS VARIATIONS IN THE SERRA BRANCA GRANITE,
GOIAS STATE
ABSTRACT
The objective of this work was to evaluate the potential of ASTER/Terra images,
acquired in the visible and near-infrared (VNIR) regions and in the shortwave
infrared (SWIR) interval, for the discrimination of faciological variations in the
Serra Branca granite massif in the Tin Province of the Goiás. This province is
composed of several granitoid bodies that may have cassiterite mineralization
associated with metasomatically altered facies. The ACORN 3.12 software was
used for the atmospheric correction and conversion of the radiance data into
surface reflectance values. The digital processing of the ASTER data involved
the use of techniques for the discrimination of geological materials
(decorrelation stretch) and for their systematic detection (SAM, RBD, and SFF).
The influence of the vegetation cover on the mineral detection with the SAM
technique was also analyzed by the determination of the normalized difference
vegetation index (NDVI). The results showed that, in the savanna tropical
environment of the study area, the ASTER data can be more efficacious for the
characterization of the rock-soil-vegetation association, or of their spectral
features, than for mineral detection purposes. In general, pixels classified as
having muscovite showed low SAM angles and NDVI and high SFF scale and
RDB values, that is, spectra with well-defined 2200 nm absorption bands.
These pixels delimitated the contact of the granitic complex with the
surrounding rocks, the major lithologies of the study area and the mining
activities (“garimpo”). As expected, the muscovite detection by the SAM
technique occurred in portions of the scene with good exposure of rocks and
soils such as the mining area. However, the results were affected by the
presence of green or non-photosynthetic vegetation (grass) over the substrate.
SUMÁRIO
Pág.
LISTA DE FIGURAS
LISTA DE TABELAS
CAPÍTULO 1 – INTRODUÇÃO E OBJETIVOS.............................................. 25
1.1 Aspectos Gerais....................................................................................... 25
1.2 Justificativa de Escolha da Área de Estudo.......................................... 28
1.3 Objetivos................................................................................................... 29
CAPÍTULO 2 – CARACTERÍSTICAS GERAIS DA ÁREA DE ESTUDO....... 31
2.1 Aspectos Fisiográficos............................................................................ 31
2.2 Aspectos Geológicos Regionais............................................................ 33
2.3 Geologia da Área de Estudo................................................................... 35
2.3.1 Grupo Serra da Mesa............................................................................ 36
2.3.2 Grupo Araí............................................................................................. 36
2.3.3 Rochas Graníticas................................................................................. 37
2.3.4 Greisens................................................................................................. 38
CAPÍTULO 3 – MATERIAL E MÉTODOS....................................................... 41
3.1 Material...................................................................................................... 41
3.1.1 Sensor ASTER....................................................................................... 44
3.2 Metodologia.............................................................................................. 45
3.2.1 Pré-processamento............................................................................... 46
3.2.2 Aquisição de Dados Espectrais e Análises Geoquímicas................ 47
3.2.3 Processamento Digital das Imagens ASTER..................................... 48
3.2.3.1 Discriminação Espectral de Materiais Geológicos......................... 51
3.2.3.1.1 Realce por Decorrelação................................................................ 51
3.2.3.2 Detecção Sistemática de Materiais Geológicos.............................. 55
3.2.3.2.1 Mapeador de Ângulo Espectral (SAM).......................................... 55
3.2.3.2.2 Profundidade Relativa de Bandas de Absorção (RBD)……….... 59
3.2.3.2.3 Ajuste de Feições Espectrais (SFF)………….……..……………… 60
3.2.3.3 Detecção Mineral e Cobertura Vegetal………..............................… 62
3.2.3.3.1 Índice de Vegetação por Diferença Normalizada (NDVI)……..… 62
CAPÍTULO 4 – ANÁLISE E INTERPRETAÇÃO DOS RESULTADOS
OBTIDOS......................................................................................................... 65
4.1 Componentes de Cena............................................................................ 65
4.1.1 Caracterização Química dos Granitos e Greisens............................. 68
4.1.2 Caracterização Espectral dos Granitos e Greisens........................... 72
4.1.2.1 Espectros de Laboratório.................................................................. 72
4.1.2.2 Espectros Extraídos das Imagens ASTER...................................... 75
4.2 Discriminação Espectral de Materiais Geológicos..…......................... 77
4.2.1 Realce por Decorrelação.……………….......................……..……….... 77
4.3 Detecção Sistemática de Materiais Geológicos.................................... 82
4.3.1 Mapeador de Ângulo Espectral (SAM).……………..................…….... 82
4.3.1.1 Detecção Mineral a partir da Biblioteca Espectral.…......……….... 82
4.3.1.2 Classificação Litológica a partir dos Espectros PIMA.……........... 88
4.3.1.3 Classificação Litológica a partir dos Espectros ASTER.……….... 90
4.3.2 Profundidade Relativa de Bandas de Absorção (RBD).………..….... 92
4.3.3 Ajuste de Feições Espectrais (SFF).………………...............……….... 92
4.4 Detecção Mineral e Cobertura Vegetal................................................... 96
4.4.1 SAM versus Índice de Vegetação por Diferença Normalizada
(NDVI).............................................................................................................. 96
CAPÍTULO 5 – CONCLUSÕES E CONSIDERAÇÕES FINAIS..................... 101
REFERÊNCIAS BIBLIOGRAFICAS.............................................................. 105
APÊNDICE A – Roteiro para conversão dos valores de radiância das
bandas do sensor ASTER para reflectância, utilizando os programas ENVI
3.5 e ACORN 3.12.
LISTA DE FIGURAS
Pág.
1.1
Espectros de reflectância da caulinita e da muscovita comparados
com os intervalos de comprimento de onda correspondentes às
bandas
do
sensor
ASTER
(modificado
de
Hunt,
1977)................................................................................................
1.2
Vista panorâmica da área de estudo, destacando-se a baixa
cobertura vegetal no complexo granítico Serra Branca...................
2.1
32
Geologia, corpos graníticos e ocorrência de Sn na Subprovíncia
Rio Tocantins. FONTE: Marini e Botelho (1986).............................
2.3
29
Mapa de localização e vias de acesso à área de estudo. FONTE:
DNER (2002)...................................................................................
2.2
28
34
Mapa geológico da Serra Branca, Cavalcante-GO. FONTE:
Andrade (1978), Andrade e Danni (1978) e Dardenne e
Schobbenhaus (2001).....................................................................
3.1
35
Imagem da banda 5 do ETM+/Landsat-7, com os pontos visitados
em campo indicados em vermelho e a principal estrada de acesso
a área de estudo indicada em azul..................................................
3.2
Procedimento para decomposição ácida de amostras. FONTE:
Pinelli (1999)....................................................................................
3.3
43
Esquema metodológico das etapas de processamento e análise e
49
interpretação dos produtos gerados................................................
3.4
51
Gráfico com os espectros de referência e de teste para uma
imagem e com o ângulo formado entre eles. FONTE: Kruse et al.
(1993)...............................................................................................
4.1
57
Composição colorida com as bandas ASTER 4 (1600-1700 nm), 3
(760-860 nm) e 2 (630-690 nm) exibidas em vermelho, verde e
azul, respectivamente, mostrando a localização do granito Serra
Branca no contexto geológico regional............................................
4.2
66
Composição colorida com as bandas ASTER 4 (1600-1700 nm), 3
(760-860 nm) e 2 (630-690 nm) exibidas em vermelho, verde e
azul, respectivamente, em perspectiva 3D, destacando as
variações litológicas no granito Serra Branca no contexto
geológico local..................................................................................
4.3
Diagrama trifásico Fe+Mg, Na+K e Ca, com as doze amostras de
biotita granito, biotita granito greisenizado e greisens plotadas.......
4.4
67
71
Curvas de reflectância representativas de duas faces (fresca e
alterada) do biotita granito, obtidas em laboratório com o
espectrômetro PIMA SP...................................................................
4.5
Curvas
de
reflectância
representativas
do
biotita
73
granito
greisenizado e do greisen, obtidas em laboratório com o
espectrômetro PIMA SP...................................................................
4.6
Curvas
de
reflectância
do
biotita
granito,
biotita
granito
greisenizado e greisen, obtidas a partir das bandas ASTER...........
4.7
74
Composição colorida RD1 (R), RD2 (G) e RD3 (B), utilizando-se
75
as imagens obtidas a partir do realce por decorrelação com as
bandas 2, 3 e 4 do sensor ASTER, com os contatos entre os
litotipos biotita granito, biotita granito greisenizado e greisen
mapeados por Andrade (1978) (Figura 2.3) em tracejado...............
4.8
80
Composição colorida RD1 (R), RD2 (G) e RD3 (B), utilizando-se
as imagens obtidas a partir do realce por decorrelação com as
bandas 1, 4 e 7 do sensor ASTER, com os contatos entre os
litotipos biotita granito, biotita granito greisenizado e greisen
mapeados por Andrade (1978) (Figura 2.3) em tracejado...............
4.9
81
(a) Espectros de reflectância de laboratório dos minerais biotita,
cassiterita, caulinita e muscovita, extraídos da biblioteca espectral
do USGS; (b) Espectros de laboratório reamostrados para a
resolução espectral do sensor ASTER e utilizados como
referência para aplicação da técnica SAM.......................................
84
4.10 Detecção do mineral muscovita (pixels em vermelho com ângulo
inferior a 0,27 radianos) com a técnica SAM, utilizando seu
espectro de laboratório da biblioteca espectral do USGS como
referência. Os resultados foram projetados sobre a banda 2 do
sensor ASTER na porção centro-leste do complexo granítico de
Serra Branca....................................................................................
86
4.11 Área de garimpo no greisen mineralizado em cassiterita na parte
leste do complexo granítico, com altas concentrações de
muscovita e exposição de rocha e sedimentos................................
4.12 Leito de drenagem seca que corta o corpo granítico no sentido NS,
com
altas
concentrações
de
muscovita
no
material
87
inconsolidado...................................................................................
87
4.13 (a) Exemplo de dois pixels, próximos ao leito seco de drenagem,
classificados como biotita granito (em vermelho) pela técnica
SAM, utilizando-se os dados de laboratório. Os resultados estão
representados sobre uma composição colorida com as bandas
ASTER 4 (R), 3 (G) e 2 (B); (b) Curvas de reflectância de um pixel
classificado (azul) e da amostra de referência do biotita granito
obtida com o PIMA reamostrado (vermelho)....................................
89
4.14 Pixels classificados pela técnica SAM utilizando como referência
os espectros de reflectância média, extraídos das imagens do
sensor ASTER, representativos de biotita granito, biotita granito
greisenizado e greisen, com os principais contatos entre esses
litotipos mapeados por Andrade (1978) (Figura 2.3) em tracejado..
91
4.15 Pixels com valores de Profundidade Relativa da Banda de
Absorção (RDB) de hidroxila maiores que 2,25, indicados em
vermelho. Os resultados foram projetados sobre a banda 2 do
sensor ASTER na porção centro-leste do complexo granítico de
Serra Branca....................................................................................
93
4.16 Diagrama de espalhamento de pixels obtidos a partir das imagens
Escala
e
Erro
médio
quadrático
(RMS),
resultantes
do
procedimento de detecção do mineral muscovita através da
técnica SFF. Pixels com valores comparativamente altos de
Escala e baixos de erro são indicados em azul...............................
4.17 (a) Pixels com elevados valores de Escala e baixos valores de
erro (em vermelho) sobrepostos a banda 2 do sensor ASTER; (b)
94
Composição colorida com as bandas ASTER 4 (R), 3 (G) e 2 (B).
Em ambas as figuras, a área de garimpo é destacada....................
95
4.18 Área de garimpo indicada nas Figuras 4.10 e 4.15 com: (a)
variações nos valores de ângulo SAM para o mineral muscovita; e
(b) variações nos valores de NDVI...................................................
97
4.19 Correlação entre os valores de ângulo SAM e de NDVI, obtida a
partir de 100 (cem) pixels aleatoriamente selecionados na área do
garimpo (Figura 4.18). Os espectros dos pixels indicados por
setas são mostrados na Figura 4.20................................................
98
4.20 Curvas espectrais, mostradas no intervalo de comprimento de
onda correspondente ao das bandas 5 a 8 do sensor ASTER, de
2 (dois) pixels com valores distintos de ângulo SAM e de NDVI na
Figura 4.19.......................................................................................
99
LISTA DE TABELAS
Pág.
3.1
Intervalos espectrais das bandas dos sensores ASTER/Terra e
ETM+/Landsat-7 e resolução espacial..............................................
3.2
45
Linhas analíticas e limites de detecção para os elementos Al, Si,
Ti, Ca, Fe, Mg, Na e K determinados na extração total. FONTE:
PINELLI (1999).................................................................................
3.3
Tripletes
de
bandas
do
sensor
ASTER,
com
50
diferentes
combinações de faixas espectrais, utilizados na técnica realce por
decorrelação.....................................................................................
4.1
Concentrações químicas em amostras de biotita granito, biotita
granito greisenizado e greisens da área de estudo.........................
4.2
69
Matriz de correlação entre as bandas 1 a 9 do sensor ASTER na
área de estudo.................................................................................
4.3
55
77
Tripletes de bandas do sensor ASTER utilizadas no realce por
decorrelação, com as feições e unidades geológicas e a área de
garimpo identificadas, respectivamente, em cada um desses
produtos...........................................................................................
77
CAPÍTULO 1
INTRODUÇÃO E OBJETIVOS
1.1 Aspectos Gerais
O Sensoriamento Remoto e as técnicas auxiliares de computação têm sido
importantes na consolidação da imagem digital como uma ferramenta auxiliar,
tanto para o mapeamento geológico quanto para a prospecção mineral. Esta
ferramenta visa a discriminação espectral de alvos específicos, que podem ser
áreas potenciais para exploração mineral ou petrolífera. Produtos obtidos a partir
de plataformas orbitais têm sido intensamente utilizados nas últimas duas décadas
para diversas finalidades dentro das geociências, com destaque para o
mapeamento geológico e pesquisa mineral.
A utilização de dados de sensoriamento remoto tem sido importante na
minimização de custos e tempo em campanhas de pesquisa e exploração mineral.
Estudos utilizando estes dados têm sido realizados com maior sucesso em regiões
áridas e semi-áridas do mundo, onde ocorrem maiores áreas com materiais
expostos, permitindo aquisição direta da informação espectral da assembléia
rocha-solo (p. ex., Amos e Greenbaum (1989), Emran et al. (1996), White et al.
(1997)).
Em ambiente tropical, a caracterização das propriedades espectrais de rochas e
solos é normalmente influenciada pela cobertura vegetal. Desta forma,
investigações minerais utilizando sensoriamento remoto podem explorar o fato de
que mudanças sutis na cobertura vegetal podem refletir alterações nas condições
do substrato, constituindo associações rocha-solo-vegetação (Lulla, 1985; Almeida
25
Filho et al., 1996; Almeida Filho et al., 1997 e Almeida Filho e Vitorello, 1997) e,
também, o grau de exposição de rocha-solo na cena imageada.
A Província Estanífera de Goiás é coberta por vegetação do tipo cerrado. Nas
áreas alteradas metassomaticamente, a quantidade de vegetação arbustiva tende
a ser menor. Utilizando essa característica, a técnica de divisão de bandas em
imagem Landsat (sensores Multispectral Scanner – MSS e Thematic Mapper –
TM) foi usada por Almeida Filho (1984) e Almeida Filho et al. (1996) na
discriminação de áreas alteradas metassomaticamente em corpos granitóides
desta Província. Essas áreas compreendem fácies albitizadas–greisenizadas, as
quais são hospedeiras litológicas de mineralizações estaníferas (cassiterita).
De acordo com Almeida Filho e Vitorello (1997), dados espectrais de campo
mostram que amplas feições de absorção de óxido de ferro nas bandas TM1 e
TM2 possibilitaram a discriminação espectral entre áreas de materiais alterados
hidrotermalmente e áreas de solos derivados a partir de biotita granitos. Dados
espectrais previamente coletados em campo possibilitaram a seleção das bandas
espectrais do TM/Landsat-5 mais apropriadas e também foram utilizados para
facilitar o uso de técnicas de processamento de imagens.
No trabalho de Almeida Filho e Vitorello (1997) foram discutidos e quantificados
índices de cobertura vegetal para a discriminação espectral de fácies alteradas em
granitóides da Província Estanífera de Goiás. A metodologia de comparação
utilizada por aqueles autores para os espectros de solo-vegetação, a partir de
diferentes tipos de solos, mostrou que áreas de materiais não-alterados (solos
escuros em biotita granitos com 40% de cobertura vegetal) tiveram resposta mais
baixa do que áreas de materiais alterados hidrotermalmente (solos claros com
60% de cobertura vegetal). Baseado em espectros de campo, os dois tipos de
solos foram confundidos espectralmente somente quando a cobertura vegetal
alcançou 80% em áreas de alteração.
26
Novas perspectivas foram abertas para a discriminação de alvos geológicos com o
advento das imagens do sensor Advanced Spaceborne Thermal Emission and
Reflection Radiometer (ASTER), a bordo do satélite Terra. O sensor ASTER
representa um avanço, em termos de resolução espectral, quando comparado ao
instrumento Enhanced Thematic Mapper (ETM+) do satélite Landsat-7. Um
exemplo da maior potencialidade do sensor ASTER para geologia foi apresentado
por Van der Meer (1999), que discutiu o potencial de detecção de alguns minerais,
como caulinita e muscovita, através deste sensor. Esses dois minerais são
caracterizados por uma banda de absorção em aproximadamente 2,2 µm devido a
hidroxila (OH) (Hunt, 1977) correspondente à banda 6 do sensor ASTER (2,185 –
2,225 µm) (Figura 1.1).
De fato, feições de absorção, no intervalo espectral de 2,0 a 2,5 µm (Shortwave
Infrared – SWIR), são claramente observadas nas curvas espectrais tanto da
caulinita quanto da muscovita (Figura 1.1). Estas informações espectrais podem
ser detectadas nas bandas 5 a 9 do sensor ASTER. Já o sensor ETM+, que possui
apenas a banda 7 posicionada neste importante intervalo espectral para a
geologia, registra, portanto, uma única resposta nesta faixa espectral.
Crósta et al. (2002) utilizaram dados do sensor ASTER para caracterizar halos de
alteração hidrotermal em depósitos auríferos epitermais no distrito de Los
Menucos, Argentina. Foram utilizadas tanto técnicas usualmente empregadas no
processamento
especificamente
de
imagens
desenvolvidas
multiespectrais,
para
o
como
também
processamento
de
técnicas
imagens
hiperespectrais. Segundo aqueles autores, os resultados foram bastante
satisfatórios, demonstrando os benefícios que a recente disponibilização de
imagens orbitais multiespectrais de melhor resolução espectral pode trazer para
atividades de exploração mineral.
27
Muscovita
Reflexão
Caulinita
0,6
1,0
1,5
2,0
2,5
Comprimento de onda em micrometros
Bandas do sensor Aster
0,6
1,0
1,5
2,0
2,5
Comprimento de onda em micrometros
FIGURA 1.1 – Espectros de reflectância da caulinita e da muscovita comparados
com os intervalos de comprimento de onda correspondentes às
bandas do sensor ASTER.
FONTE: modificada de Hunt (1977).
1.2 Justificativa de Escolha da Área de Estudo
O complexo granítico Serra Branca foi selecionado como área de estudo devido
aos seguintes fatores: disponibilidade de dados de mapeamentos geológicos já
28
realizados e de sensoriamento remoto (imagens ASTER), baixa densidade de
cobertura vegetal e ocorrência de amplas áreas de alteração metassomática,
algumas com mineralizações de estanho (cassiterita), berilo, cobre e fluorita. As
variações faciológicas, devido a essa alteração, oferecem a oportunidade de
avaliar a diferenciação dos padrões de resposta espectral das unidades
discriminadas nas imagens ASTER.
A densidade de cobertura vegetal no complexo granítico de Serra Branca é baixa,
como pode ser observado na Figura 1.2, sendo dominada por gramíneas e
árvores de baixo porte, além de arbustos, permitindo áreas de exposição de solo e
rocha.
FIGURA 1.2 – Vista panorâmica da área de estudo, destacando-se a baixa
cobertura vegetal no complexo granítico Serra Branca.
1.3 Objetivos
Dentro desse contexto, o presente trabalho teve como objetivo geral avaliar a
potencialidade de imagens do sensor ASTER para a discriminação espectral de
variações faciológicas associadas a processos de alteração metassomática no
corpo granítico Serra Branca.
Mais especificamente, os objetivos foram:
29
a) Avaliar o desempenho de diferentes técnicas de processamento digital de
imagens na discriminação espectral de variações faciológicas no granito
Serra Branca e na detecção mineral, tais como: realce por decorrelação,
mapeador
de
ângulo
espectral
(Spectral
Angle
Mapper
-
SAM),
profundidade relativa de banda de absorção (Relative Absorption-Band
Depth - RBD) e ajuste de feições espectrais (Spectral Feature Fitting SFF);
b) Comparar as respostas radiométricas dos alvos, obtidas a partir das
imagens, com os padrões de respostas espectrais de minerais e rochas
fornecidos na literatura e obtidos em laboratório;
c) Discutir a influência da cobertura vegetal no processo de detecção de
padrões espectrais de minerais nos espectros dos pixels.
30
CAPÍTULO 2
CARACTERÍSTICAS GERAIS DA ÁREA DE ESTUDO
A Província Estanífera de Goiás, onde está inserido o granitóide Serra Branca,
localiza-se na parte norte do estado de Goiás, a aproximadamente 400 Km de
Brasília-DF (Figura 2.1). O granitóide Serra Branca encontra-se na porção oeste
da Província Estanífera de Goiás, no município de Cavalcante, limitado pelos
paralelos 13o 33’ 44” e 13o 38’ 50” de latitude sul e pelos meridianos de 48o 05’ 03”
e 48o 07’ 13” de longitude oeste.
O acesso à área de estudo pode ser feito pela rodovia federal BR-153 (BelémBrasília) até a cidade de Santa Tereza – GO e a partir deste ponto pela rodovia
estadual GO-029 até a cidade de Minaçu – GO (Figura 2.1). A partir desta, o
acesso é realizado por uma estrada não pavimentada.
2.1 Aspectos Fisiográficos
O clima da região caracteriza-se por duas estações distintas: uma seca, de abril a
outubro, e outra de chuvas entre novembro e março. As temperaturas médias
variam entre 23o e 24o C. A precipitação pluviométrica anual é em torno de 1750
mm.
O granitóide Serra Branca forma uma estrutura dômica com bordas constituídas
por rochas quartzíticas e o núcleo interno por uma associação de rochas
graníticas greisenizadas. Os quartzitos presentes são bem marcados por cristas
com quebras abruptas e relevo na forma de vales profundos e estreitos, quando
intercalados por rochas menos resistentes. Nas bordas da estrutura dômica
31
ocorrem as maiores altitudes, próximas a 840 metros. No núcleo, as cotas estão
por volta de 400 metros, nos leitos dos córregos Lageado e Buriti.
TO
Granito Serra Branca
029
GO
MG
FIGURA 2.1 – Mapa de localização e vias de acesso à área de estudo.
FONTE: DNER (2002).
Devido ao relevo acentuado da Serra Branca, às condições climáticas e a escassa
vegetação, ocorre considerável quantidade de afloramentos. Os granitóides e
greisens possuem delgada cobertura de solos coluvionares, com ocorrência de
cascalhos de quartzo leitoso. Sobre os quartzitos encaixantes os solos altamente
silicosos são também de pouca espessura e coloração clara.
A cobertura vegetal, como já foi mencionado anteriormente, é do tipo cerrado,
tendo como característica básica a presença de árvores de pequeno porte, com
troncos e galhos retorcidos, e intercaladas por arbustos e plantas herbáceas. Nas
32
proximidades dos principais cursos d’água como os rios Maranhão e Preto, a
vegetação predominante passa a ser de mata galeria com árvores eretas e de
porte elevado, devido à umidade do solo.
2.2 Aspectos Geológicos Regionais
A Província Estanífera de Goiás está inserida no Escudo Brasileiro Central,
composto principalmente de rochas metamórficas de alto grau (gnaisses,
migmatitos, anfibolitos e metabasaltos) de idade arqueana (Almeida et al., 1981).
Essas rochas possuem evolução geológica complexa, com evidências de
polimetamorfismo e eventos tectono-estruturais superimpostos, envolvidas pelo
cinturão de dobramentos do Brasiliano, de idade neoproterozóica, constituído por
metassedimentos metamorfisados na fácies xisto verde. De acordo com Almeida
et al. (1977), os granitóides estaníferos de Goiás estariam situados na Província
Estrutural Tocantins.
A Província Estanífera de Goiás é composta por cerca de duas dezenas de corpos
graníticos de idade proterozóica média, sendo a maioria mineralizados em
cassiterita (Marini e Botelho, 1986). Segundo esses autores, os granitóides podem
ser agrupados em quatro subprovíncias: Rio Tocantins, Rio Paranã, PirenópolisGoianésia e Ipameri. O granitóide Serra Branca está inserido na subprovíncia Rio
Tocantins (Figura 2.2).
Os complexos graníticos que afloram na região possuem dimensões variáveis e
ocupam núcleos de estruturas braqui-anticlinais que se destacam no relevo,
dentre os quais, os denominados de granitóide Serra da Mesa, Serra Dourada e
Serra do Encosto, que segundo Barbosa et al. (1969) são produtos de
remobilização de rochas do embasamento. Estes granitóides são compostos
predominantemente por biotita granitos rosados a acinzentados, com textura
variando de aplítica a porfirítica.
33
Nos granitóides ocorrem fácies alteradas metassomaticamente, representadas
principalmente por muscovita granitos greisenizados e albitizados, freqüentemente
enriquecidas em cassiterita (Botelho, 1992).
48O30’
48O00’
PROTEROZÓICO SUPERIOR
N
PALMEIRÓPOLIS
GRUPO PARANOÁ
PROTEROZÓICO MÉDIO
GRANITOS PEGMATÓIDES
GRUPO ARAÍ
GRUPO SERRA DA MESA
SERRA DOURADA
SERRA
DO
ENCOSTO
GRANITOS ESTANÍFEROS
PROTEROZÓICO INFERIOR
FORMAÇÃO TICUNZAL
SEQÜÊNCIA PALMEIRÓPOLIS
ARQUEANO / PROT. INFERIOR
13O30’
O
13 30’
COMPLEXO GRANULÍTICO DE
CANABRAVA
MINAÇU
COMPLEXO GRANITO-GNÁISSICO
GARIMPOS
SERRA
BRANCA
48
54O
O
SERRA DA MESA
8O
CAMPINAÇU
CAVALCANTE
TO
14O00’
14O00’
O
48 30’
48O00’
16O
GO
O
DF
48O
16
42O
FIGURA 2.2 – Geologia, corpos graníticos e ocorrência de Sn na Subprovíncia Rio
Tocantins.
FONTE: Marini e Botelho (1986).
Na região do granitóide Serra Branca, ocorrem unidades litoestratigráficas
formadas por metassedimentos pré-cambrianos pertencentes aos Grupos Serra
da Mesa (Marini et al., 1976) e Araí (Barbosa et al., 1969).
34
2.3 Geologia da Área de Estudo
A geologia da área de estudo está sintetizada no mapa da Figura 2.3. As unidades
litoestratigráficas que ocorrem na estrutura dômica Serra Branca fazem parte das
formações pré-cambrianas que recobrem extensas áreas da parte central de
Goiás, sendo os metassedimentos atribuídos ao Pré-Cambriano Médio (Grupo
Serra da Mesa), e ao Pré-Cambriano Superior (Grupo Araí). O contato entre o
granitóide e os metassedimentos encaixantes é de caráter intrusivo, com presença
de xenólitos (Andrade e Danni, 1978).
48o06’
48o02’
Macaco
N
o
o
13 33’
13 33’
LEGENDA
Có r. Lageado
R io M aran
h ão
Greisens Endógenos
Berilo-muscovita greisens com fluorita,
topázio, tenacita e cassiterita
Berilo-muscovita-quartzo greisens
localmente com biotita
Muscovita-quartzo greisens
Muscovita greisens feldspáticos
Fácies Graníticas
Biotita granito parcialmente
greisenizado com muscovita, berilo,
fluorita e cassiterita.
Biotita granito com pórfiros de
feldspato K
Bigode
GRUPO ARAÍ
Muscovita xistos
Calco xistos, filitos grafitosos e
quartzitos grosseiros
Quartzitos
Sericita xistos com magnetita
Metaconglomerados e muscovita
quartzitos intercalados
C ór
. Bu
r i ti
Rio Preto
GR SERRA DA MESA - Fm Cachoeira das Éguas
Muscovita-quartzo xistos, grafita xistos,
granada-muscovita xistos
o
13 40’
o
o
o
48 06’
FIGURA 2.3 –
48 02’
13 40’
Mapa geológico da Serra Branca, Cavalcante-GO.
FONTE: Andrade (1978), Andrade e Danni (1978) e Dardenne e
Schobbenhaus (2001).
35
2.3.1 Grupo Serra da Mesa
As rochas que compõem o Grupo Serra da Mesa foram inicialmente mapeadas
por Barbosa et al. (1969) como pertencentes ao Grupo Araxá, incluídas
posteriormente por Marini et al. (1977) no Grupo Serra da Mesa. Na região de
estudo, ele é representado pela Formação Cachoeira das Éguas, formada por
quartzo xistos intercalados por muscovita xistos, e mais raramente por muscovitabiotita xistos granadíferos e xistos grafitosos (Andrade e Danni, 1978) (Figura 2.3).
Os xistos presentes na porção leste do corpo granítico apresentam-se
metassomatizados, constituindo-se em típicos greisens exógenos. Andrade (1978)
cita ainda que as mineralizações relacionadas ao processo de greisenização
encontram-se nos quartzo xistos do Grupo Serra da Mesa, não deixando dúvida
quanto à natureza intrusiva do contato entre estes e as rochas graníticas do
núcleo.
2.3.2 Grupo Araí
Assim como no Grupo Serra da Mesa, as camadas do Grupo Araí obedecem ao
padrão estrutural definido pela estrutura dômica. Este grupo encontra-se
subdividido em duas unidades (Andrade, 1978): uma basal, denominada
Formação Arraias, e uma superior, Formação Traíras.
A Formação Arraias é composta por metaconglomerados basais, aparentemente
em discordância com os xistos do Grupo Serra da Mesa. Apresentam espessuras
variando entre 1 e 15 metros, com seixos sub-arredondados de quartzitos e
quartzo leitoso em matriz quartzo-muscovítica. Para o topo, ocorre a transição
para quartzitos conglomeráticos, quartzitos muscovíticos com granulação média e
serecita xisto quartzoso, nessa ordem (Andrade, 1978) (Figura 2.3).
A Formação Traíras é composta por metassedimentos de natureza pelítica e
química: calcoxistos, filitos grafitosos, quartzitos grosseiros e muscovita xistos com
36
abundante magnetita e, localmente, cianita, granada, biotita e clorita (Andrade,
1978).
2.3.3 Rochas Graníticas
Na porção interna do domo Serra Branca, ocorre uma considerável variação
petrográfica representada por rochas graníticas, granitos greisenizados e greisens
típicos, mineralizados em Sn, Be, Cu, Li e F (Andrade, 1978). As rochas graníticas
são representadas por biotita granito porfirítico, passando progressivamente para
granito greisenizado em direção à porção leste do granitóide (Figura 2.3).
De acordo com Andrade (1978), o biotita granito porfirítico caracteriza-se por
coloração predominantemente rosada e textura porfirítica grossa orientada. Os
fenocristais são de ortoclásios microclinizados com dimensões de 1 a 5 cm,
geminados segundo a lei de Carlsbad; por grãos de quartzo de forma
subarredondada, cor cinza azulada, e ainda por raros oligoclásios. Esses minerais
estão imersos em matriz de granulação média a grossa, composta por quartzo,
feldspato potássico, plagioclásio e biotita. Uma feição bastante comum neste
granito é a ocorrência de xenólitos arredondados de biotita e grafite. Constata-se
ainda a presença de uma série de minerais secundários, representados por
sericita, clinozoisita, pistacita, granada, clorita e calcita. Como minerais
acessórios, ocorrem fluorita, topázio, zircão, esfeno, apatita e xenotima.
O
biotita
granito
greisenizado
consiste
de
um
granito
com
alteração
metassomática incipiente indicada pelo aumento da muscovitização dos feldspatos
e o surgimento de berilo, cassiterita e calcopirita. A textura é porfirítica grossa,
com
orientação
pronunciada
dos
fenocristais
de
feldspatos
alcalinos.
Macroscopicamente, evidencia-se uma mineralogia semelhante àquela citada para
a fácies anterior, destacando-se como principais diferenças aumento de albita (ou
oligoclásio sódico) e de muscovita (Andrade, 1978). Ainda de acordo com esse
37
autor, a greisenização intensifica-se em direção as partes apicais do maciço,
aspecto que pode ser observado pelo acréscimo de muscovita, quartzo,
oligoclásio ácido ou albita e fluorita e pela diminuição de feldspato potássico,
oligoclásio cálcico e biotita do granito original. Também se observa aumento
progressivo das inclusões fluidas no quartzo e nos feldspatos.
2.3.4 Greisens
Os greisens são rochas metassomáticas de composição predominante quartzomica, ricas em feldspatos, fluorita, topázio, turmalina e minerais metálicos,
oriundos do granito e das encaixantes pela ação de soluções pneumatolíticahidrotermais. Diferentes fácies de greisens apicais foram reconhecidas e são
descritas a seguir.
a. Muscovita greisen feldspático representando o termo intermediário entre
rochas graníticas e os greisens típicos. O contato com o granito subjacente é do
tipo gradativo, assinalado pela maior quantidade de muscovita. Estes greisens
foram derivados da substituição de feldspatos por quartzo, muscovita e albita. Os
minerais acessórios diagnósticos do processo de greisenização são cassiterita,
fluorita, topázio, apatita, calcosita, covelita, calcopirita, cuprita, azurita e malaquita.
b. Muscovita quartzo greisen feldspático representam os termos mais evoluídos
do processo de greisenização, compostos basicamente de quartzo e muscovita
em variadas proporções. Os minerais acessórios presentes são cassiterita,
fluorita, turmalina, topázio, calcosita, covelita, calcopirita, malaquita, azurita e
cuprita.
c. Greisens lenticulares e de fraturas ocorrem em lentes ou preenchendo fraturas
com direções aproximadas NNE-SSW, distribuídos por todo o maciço, com maior
freqüência nos biotita granitos greisenizados. Estes greisens normalmente
acompanham os filões de quartzo, podendo alcançar dimensões quilométricas,
38
salientando-se no relevo sob a forma de morrotes alongados. Como no muscovitaquartzo greisen feldspático, a composição mineralógica dos greisens lenticulares e
de fraturas é basicamente quartzo e muscovita, podendo aparecer biotita. Os
principais minerais acessórios que compõem essa rocha são: berilo, fluorita,
fenacita, cassiterita, sulfetos, óxidos e carbonatos de cobre, grafite e localmente
turmalina e granada.
Greisens exógenos são constituídos por muscovita quartzo greisens e quartzo
muscovita greisens, originados a partir dos xistos atribuídos ao Grupo Serra da
Mesa. Os efeitos de greisenização apresentam-se de forma mais acentuada na
zona de contato ao longo de toda parte leste do maciço e nas suas proximidades.
Entre os principais minerais acessórios, destacam-se cassiterita, fluorita, grafite,
granada, turmalina e carbonatos de cobre.
Pinto-Coelho (1996) propôs uma divisão faciológica mais simplificada para o
granitóide Serra Branca, representada por quatro tipos de granitos: biotita-granito
porfiróide grosso, granito porfiróide grosso com duas micas, muscovita granito
heterogranular e muscovita topázio granito. O biotita granito porfiróide grosso
encontra-se fortemente estruturado, com foliação mergulhando para oeste. Aflora
na porção oeste do maciço e apresenta como mineralogia os seguintes
componentes: quartzo, biotita, muscovita, feldspato potássico e albita. Esse tipo
corresponde ao biotita granito de Andrade (1978).
O
granito
porfiróide
grosso
com
duas
micas
apresenta
características
petrográficas semelhantes às do biotita granito porfiróide, mas com maior
desenvolvimento de processos de alteração pós-magmáticos, correspondendo ao
biotita granito greisenizado de Andrade (1978).
O muscovita granito heterogranular é a fácies metassomaticamente mais evoluída
do maciço, ocorrendo na porção leste. Possui a seguinte mineralogia: quartzo,
39
albita, microclínio pertítico e muscovita, correspondendo aos muscovita greisen
feldspático e muscovita quartzo greisen feldspático de Andrade (1978).
O muscovita topázio granito ocorre apenas na porção leste do maciço, tendo como
minerais acessórios zircão, apatita, alanita, fluorita, monazita, óxidos/hidróxidos de
ferro e opacos, correspondendo aos greisens lenticulares e de fraturas de Andrade
(1978).
Os granitóides que compõem o maciço granítico da Serra Branca são silicosos,
potássicos, fraca a moderadamente sódicos, pouco ferríferos, pobres em F e Li e
desprovidos de Ca, Mg e Ti (Pinto-Coelho, 1998; Pinto-Coelho e Charoy, 2001). A
assinatura geoquímica original dessas rochas foi modificada pelas alterações pósmagmáticas responsáveis pelas variações nas composições mineralógicas
observadas nas diferentes fácies. Ainda segundo aqueles autores, as alterações
hidrotermais ocorrem na seguinte ordem cronológica no maciço: primeiro
albitização localizada, seguida por greisenização e, finalmente, microclinização
tardia atingindo todas as fácies graníticas.
O mineral de estanho é a cassiterita que ocorre nas seguintes formas: buchas
associadas aos filões de quartzo leitoso, vênulas de minério maciço resultantes do
preenchimento de fraturas e disseminada (Andrade, 1978).
Outras mineralizações importantes que ocorrem no granitóide Serra Branca são
berilo, cobre e fluorita.
40
CAPÍTULO 3
MATERIAL E MÉTODOS
Ao longo deste capítulo serão apresentados os materiais e procedimentos de
aquisição dos dados espectrais e análises geoquímicas, além das técnicas de préprocessamento, processamento e análise digital dos dados. A metodologia
apresentada irá seguir a ordem lógica do desenvolvimento da pesquisa proposta.
Segue também uma apresentação dos conceitos e fundamentos teóricos sobre os
dados de sensoriamento remoto e sobre as técnicas de processamento digital de
imagens utilizadas no trabalho.
3.1 Material
Dados cartográficos, geológicos, imagens de satélite do sensor ASTER e dados
espectrorradiométricos de laboratório foram utilizados na presente investigação.
Os dados cartográficos foram os de topografia, drenagem, vias de acesso e
localização de cidades, distritos e povoados extraídos da carta topográfica
Minaçu-GO (SD.22-X-D-VI) na escala 1:100.000 e na projeção UTM.
Os dados geológicos podem ser divididos em dois grupos: os mapas regionais de
Marini e Botelho (1986) e os locais, na escala 1:25.000, de Andrade (1978),
Andrade e Danni (1978), Pinto-Coelho (1996) e Dardenne e Schobbenhaus
(2001). Também foi utilizado o mapa de pontos na escala 1:25.000 de Andrade
(1978).
As imagens do sensor ASTER, obtidas em 09/08/2000, compreenderam as
bandas 1 a 3 do Visible and Near-infrared (VNIR – 400 a 1000 nm) e as bandas 4
a 9 do Shortwave Infrared (SWIR – 1000 a 2500 nm).
41
O espectrômetro Portable Infrared Mineral Analyser (PIMA) SP, marca Integrated
Spectronics, versão 2.2, fornecido pela Universidade de Brasília (UnB), foi
utilizado em laboratório para a aquisição de dados espectrais a partir das
amostras de campo. O instrumento opera na região do espectro eletromagnético
de 1300 a 2500 nm e adquire dados em intervalos espectrais de 2 nm. Nesta faixa
de comprimento de onda, minerais que contêm, por exemplo, hidroxila (OH) e
carbonato (CO32-), entre outros, podem apresentar curvas de reflectância com
bandas de absorção em comprimentos de onda específicos que favorece sua
detecção espectral. O instrumento PIMA não necessita de iluminação solar, pois
utiliza uma fonte de iluminação independente. Para a calibração das medidas é
utilizado um padrão de referência interno composto de uma placa de ouro. O
instrumento gerou curvas espectrais de reflectância que foram armazenadas como
arquivos binários individuais.
Foram utilizados os seguintes aplicativos nas etapas de pré-processamento,
processamento e análise digital dos dados: Sistema de Processamento de
Informações Georeferenciadas (SPRING) 3.5 (Câmara et al., 1996), The
Environment for Visualizing Images (ENVI) 3.5 (Rsi, 2001) e Atmospheric
Correction Now (ACORN) 3.12 (ImSpec, 2002). O SPRING 3.5 foi usado na
digitalização dos dados cartográficos (estrada de acesso à área de estudo e
pontos de campo), como apresentado na Figura 3.1, e geológicos. O ENVI 3.5 foi
utilizado no pré-processamento e processamento dos dados ASTER, bem como
para a geração do modelo digital de elevação (DEM). O aplicativo ACORN 3.12 foi
utilizado para efetuar a correção atmosférica das bandas do sensor ASTER,
transformando os dados originais deste sensor de radiância para reflectância de
superfície.
42
FIGURA 3.1 – Imagem da banda 5 do ETM+/Landsat-7, com os pontos visitados
em campo indicados em vermelho e a principal estrada de acesso
à área de estudo indicada em azul.
43
3.1.1 Sensor ASTER
O sensor Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) é um projeto entre o Japão e os Estados Unidos da América (E.U.A.),
onde os japoneses foram responsáveis pela construção do sensor e os
americanos pelo satélite. A plataforma Terra, que carrega o sensor ASTER, foi
lançada em 18 de dezembro de 1999. Seu período de operação é estimado em
seis anos, até 2005, em órbita Sol-síncrona de 16 dias, com altitude de 705 km e
com período para completar uma órbita de 98,9 minutos. A cena imageada pelo
sensor ASTER tem dimensões de 60 x 60 km2.
O ASTER é formado pelos seguintes subsistemas: visível e infravermelho próximo
(VNIR) com três bandas e resolução espacial de 15 metros; infravermelho médio
(SWIR) com seis bandas e resolução espacial de 30 metros; e infravermelho
termal (TIR) com cinco bandas e resolução espacial de 90 metros (Tabela 3.1).
Conforme constatado na Tabela 3.1, o sensor ASTER possui algumas vantagens
em relação ao instrumento ETM+/Landsat-7 para aplicações geológicas:
O intervalo espectral aproximadamente correspondente ao da banda 7 do
sensor ETM+ (2,08 – 2,35 µm) foi subdivido em 5 (cinco) bandas no sensor
ASTER, favorecendo a detecção de feições de absorção mineral (p. ex.,
hidroxila e carbonato) nos espectros de reflectância dos pixels;
O intervalo espectral aproximadamente correspondente ao da banda 6 do
sensor ETM+ (10,4 – 12,5 µm) foi ampliado e subdivido em 5 (cinco) bandas
no sensor ASTER, favorecendo a detecção de feições minerais (p. ex.,
sílica) nos espectros de emissividade dos pixels;
44
As imagens produzidas pelo sensor ASTER nas faixas do visível e do
infravermelho próximo possuem resolução espacial melhorada em relação à
do ETM+ (15 metros).
TABELA 3.1 – Intervalos espectrais das bandas dos sensores ASTER/Terra e
ETM+/Landsat-7 e resolução espacial.
Subsistema Banda
VNIR
SWIR
TIR
PAN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
-
ASTER/Terra
Intervalo
Resolução Banda
espectral
(m)
(µm)
1
0,52-0,60
15,0
2
0,63-0,69
15,0
3
0,76-0,86
15,0
4
1,60-1,70
30,0
5
7
2,145-2,185
30,0
2,185-2,225
30,0
2,235-2,285
30,0
2,295-2,360
30,0
2,360-2,430
30,0
6
8,125-8,475
90,0
8,475-8,825
90,0
8,925-9,275
90,0
10,25-10,95
90,0
10,95-11,65
90,0
8
ETM+/Landsat-7
Intervalo
Resolução
espectral
(m)
(µm)
0,45-0,52
30,0
0,52-0,60
30,0
0,63-0,69
30,0
0,76-0,90
30,0
1,55-1,75
30,0
2,08-2,35
30,0
10,4-12,5
90,0
0,52-0,90
15,0
3.2 Metodologia
O trabalho foi desenvolvido em quatro etapas, a saber: a) pré-processamento
digital dos dados ASTER; b) aquisição de dados espectrais e análises
geoquímicas
sobre
as
amostras
de
rochas
coletadas
em
campo;
c)
processamento digital dos dados ASTER; e d) análise e interpretação dos
produtos gerados.
Antes da fase de pré-processamento, as bandas do SWIR (4, 5, 6, 7, 8 e 9) do
sensor ASTER foram reamostradas, utilizando-se interpolação por vizinho mais
45
próximo, para 15 (quinze) metros, ficando com a mesma resolução espacial das
bandas do visível e do infravermelho próximo (1, 2 e 3). A etapa de aquisição dos
dados espectrais e análises geoquímicas foi precedida por um trabalho de campo,
realizado em junho de 2002. As atividades de campo possibilitaram não apenas a
coleta de amostras, como também a verificação de resultados preliminares obtidos
a partir de composições coloridas. Na etapa de processamento digital dos dados
ASTER foram gerados produtos a partir do uso de técnicas de realce e
discriminação de materiais geológicos (Realce por Decorrelação) e de detecção
sistemática desses materiais (Mapeador de Ângulo Espectral - técnica SAM,
Profundidade Relativa de Bandas de Absorção - técnica RBD e Ajuste de Feições
Espectrais - técnica SFF). Finalmente, foi feita uma análise da influência da
cobertura vegetal, através da determinação do índice Normalized Difference
Vegetation Index (NDVI), sobre o processo de detecção mineral com a técnica
SAM.
Os processamentos foram realizados no Laboratório de Tratamento de Imagens
Digitais (LTID) e no Laboratório de Sensoriamento Remoto Geológico (LSRG) do
INPE, com exceção da aquisição de dados espectrais e das análises geoquímicas
que foram realizadas nos laboratórios de Sensoriamento Remoto e de Geoquímica
Aplicada da Universidade de Brasília (UnB).
3.2.1 Pré-processamento
O pré-processamento das imagens ASTER foi feito em duas etapas: correção
atmosférica e correção geométrica.
A correção atmosférica foi realizada utilizando-se o programa ACORN 3.12,
baseado no uso do MODTRAN 4, que transforma valores de radiância para de
reflectância de superfície. O modelo tropical e uma quantidade fixa de vapor
d’água (20 mm) foram adotados para fins de correção dos efeitos de
46
espalhamento e absorção atmosféricos. Um esquema resumido com todas as
etapas realizadas nessa transformação é apresentado no Apêndice.
A correção geométrica das imagens foi feita utilizando-se como base a carta
topográfica de Minaçu (GO) (DSG, 1977), escala 1:100000. Foram identificados
pontos de controle na carta que serviram para realizar a correção geométrica,
utilizando-se interpolação por vizinho mais próximo, e obtendo-se precisão de
correção inferior a 1 (um) pixel.
3.2.2 Aquisição de Dados Espectrais e Análises Geoquímicas
Medidas de reflectância de 25 (vinte e cinco) amostras coletadas em campo,
variando entre os litotipos biotita granito, biotita granito greisenisado e greisens,
foram realizadas no Laboratório de Sensoriamento Remoto da Universidade de
Brasília (UnB). As amostras foram divididas em dois grupos: as que apresentaram
pelo menos uma das faces alteradas por processos intempéricos e as que não
apresentaram nenhuma face alterada. Nas amostras com pelo menos uma face
alterada, foram efetuadas 7 (sete) medidas, sendo 5 (cinco) na face não alterada e
2 (duas) em face alterada. Nas amostras sem faces alteradas foram realizadas 5
(cinco) medidas. O instrumento utilizado foi o espectrômetro PIMA SP. A medição
para obter a curva espectral foi realizada em uma área de aproximadamente 10
mm por 2 mm na amostra.
Na análise geoquímica, a determinação dos elementos silício (Si), titânio (Ti),
alumínio (Al), ferro (Fe), magnésio (Mg), cálcio (Ca), sódio (Na) e potássio (K) foi
feita com o Espectrômetro de Emissão Atômica com Plasma Indutivamente
Acoplado
(ICP/AES),
marca
SPECTRO,
modelo
FVM03,
e
com
o
Espectrofotômetro de Absorção Atômica (EAA), marca PERKIN ELMER, modelo
603 de duplo feixe.
47
Foram analisadas um total de doze amostras, sendo três de biotita granito
(SB01A, SB03A e SB13B), três de biotita granito greisenizado (SB02B, SB04A e
SB06A) e seis de greisens (SB04B, SB07A, SB08A, SB09A, SB09B e SB10A).
Para determinação total de metais, utilizou-se decomposição ácida, segundo o
método descrito por Pinelli (1999). As etapas envolvidas neste procedimento estão
resumidas no fluxograma da Figura 3.2.
Os comprimentos de onda utilizados para cada tipo de elemento foram
selecionados em função da maior sensibilidade e ausência de interferências
significativas (Tabela 3.2).
3.2.3 Processamento Digital das Imagens ASTER
Na etapa de processamento digital das imagens ASTER, resumida na Figura 3.3,
foram utilizados três técnicas. A primeira (realce por decorrelação) teve como
objetivo o realce e discriminação de materiais geológicos, enquanto a segunda
(técnicas SAM, RDB e SFF) visou à detecção sistemática desses materiais na
cena. A terceira envolveu a determinação do índice de vegetação NDVI e a
comparação de seus valores com os resultados de detecção mineral obtidos com
a técnica SAM.
48
1 g de amostra depois de
moída (em bécker de
teflon)
20 mL de HF, 3 mL de
HNO3 , 1 mL de HClO 4
e 7 mL de HCl
Banho de areia (200 o C)
até perto da secura
10 mL de HF, 2 mL de
HNO3, 0,5 mL de
HClO4 e 5 mL de HCl
Banho de areia até secura
total
Adicionar HCl 2N e água
(1/1) aquecendo em banho
de areia até solubilizar
Filtrar e acondicionar em
balão de 100 mL
FIGURA 3.2 –
Procedimento para decomposição ácida de amostras.
FONTE: Pinelli (1999).
49
TABELA 3.2 – Linhas analíticas e limites de detecção para os elementos Al, Si, Ti,
Ca, Fe, Mg, Na e K determinados na extração total.
(*) Elementos determinados por absorção atômica.
Elemento
Linha Analítica (nm)
Limite de Detecção
(µg/mL)
Al
Si
Ti
Ca
Fe
Mg
Na
K
308,215
251,611
337,28
317,933
259,948
279,879
589,6*
766,5*
0,00841
0,04684
0,0046
0,002
0,0006
0,005
0,015
0,04
FONTE: Pinelli (1999).
50
Imagem Aster/Terra
Registrada e com Valore
de Reflectância
Discriminação Espectral
de Materiais Geológicos
Realce por
Decorrelação
Mapeador de
Ângulo Espectra
- SAM
Detecção Sistemática de
Materiais Geológicos
Profundidade
Relativa da Banda
de Absorção - RBD
Detecção Mineral e
Cobertura Vegetal
Ajuste de
Feições
Espectrais - SFF
SAM x NDVI
Análise e Interpretação dos Produtos Gerados
Resultados e
Conclusões
FIGURA 3.3 – Esquema metodológico das etapas de processamento e análise e
interpretação dos produtos gerados.
3.2.3.1 Discriminação Espectral de Materiais Geológicos
3.2.3.1.1 Realce por Decorrelação
Bandas espectrais adjacentes em um sistema de imageamento multiespectral em
sensoriamento remoto são geralmente correlacionadas. A presença de correlação
51
entre as bandas de imagens multiespectrais implica na existência de redundância
nos dados.
Segundo Mather (1999), o realce por decorrelação é uma Transformação por
Componentes Principais (TCP) modificada, de maneira a melhorar sua aplicação
em alguns casos específicos, como por exemplo, para as bandas do sensor
ASTER, altamente correlacionadas.
A transformação por componentes principais pode ser sucintamente descrita da
seguinte maneira: dadas p imagens brutas, são analisadas as suas correlações e
produzido um novo conjunto de p novas imagens, sem correlação entre si. De
forma geral, esse novo conjunto de imagens terá como característica o fato de a
CP1 conter a informação que é comum a todas p bandas originais, a CP2 possuir
a feição espectral mais significante do conjunto e assim sucessivamente, até que
as CP’s de ordem mais alta irão conter feições espectrais cada vez menos
significantes (Mather, 1999). A técnica realce por decorrelação é aplicada na
última etapa da transformação de componentes principais onde é possível
restaurar as relações de cores originais para melhor visualizar e interpretar os
resultados desse processamento.
O realce por decorrelação se diferencia da transformação de componentes
principais por utilizar-se da matriz transposta de auto-vetores. Essa matriz de autovetores representa a rotação inversa dos eixos das componentes principais
(Schowengerdt, 1997).
De acordo com Mather (1999), o realce por decorrelação requer apenas três
bandas do espaço de cores RGB que são submetidas a uma Análise por
Componentes Principais, onde um realce (stretch) é aplicado no espaço das
componentes principais e o resultado retorna ao espaço RGB. O resultado é
normalmente um aumento no intervalo de intensidade e saturações para cada cor,
52
com o matiz permanecendo inalterado, e permite que os dados ocupem melhor o
espaço de atributos. O uso da matriz de correlação no realce por decorrelação
significa dizer que as três bandas possuem o mesmo peso. Se o realce é baseado
na matriz de covariância, cada banda é considerada de acordo com a própria
variância. Ainda de acordo com Gillespie et al. (1986) e Campbell (1996), o
processo de realce por decorrelação pode ser subdividido em três etapas distintas:
a) as bandas originais são inicialmente transformadas para suas componentes
principais; b) as variáveis transformadas são então separadas, nivelando as
variâncias para as componentes principais; e c) um processo inverso da TCP é
aplicado.
Segundo Gillespie et al. (1986), no realce por decorrelação, o espaço de atributos
assemelha-se a um círculo, uma vez que esse possui a mesma forma quando
visto de qualquer ângulo. Portanto, este espaço pode ser rotacionado ao redor do
seu centro sem alterar o formato da distribuição, preservando a informação
original.
A técnica realce por decorrelação utiliza apenas três bandas, reduzindo a
quantidade de variáveis presentes nesse processamento. Guo e Moore (1996)
desenvolveram uma técnica, denominada de Direct Decorrelation Stretch (DDS),
para realizar o processo de realce por decorrelação. O método DDS consiste em
operações aritméticas simples dentro de bandas individuais e sem usar
transformação de coordenadas. Inicialmente, os níveis de cinza (NC’s) de R, G e
B são examinados para cada pixel e o valor mais baixo (pode ser o vermelho, o
verde ou o azul) é selecionado. Uma proporção fixa, controlada pelo usuário, do
menor nível de cinza selecionado é então subtraída de cada NC original (R, G e B)
deste pixel. O resultado desta subtração, baseada no mínimo valor de pixel RGB,
é uma imagem com baixa cromaticidade (achromacity), correspondendo a um
acréscimo na saturação.
53
Kenea (1997) utilizou a técnica de realce por decorrelação para mapeamento
geológico na região árida de Red Sea Hills, Sudão, para as bandas do
TM/Landsat-5. Segundo Kenea (1997), as imagens geradas a partir do processo
de realce por decorrelação apresentaram maior quantidade de informações para
distinguir litotipos com diferentes composições e delimitar feições estruturais,
maximizando a informação geológica. Este método apresentou os melhores
resultados para mapeamento geológico em regiões áridas, preservando as
informações morfológicas e espectrais e, quando combinado com outros dados,
sendo útil para melhorar o resultado final em áreas já mapeadas.
Baseados em interpretação dos dados do ASTER, simulados a partir das bandas
do Airborne Visible/Infrared Imaging Spectrometer (AVIRIS), juntamente com
medidas espectrais de campo e laboratório, Abrams e Hook (1995) produziram um
mapa mostrando a distribuição de rochas com concentração de argilo-minerais e
áreas dominadas por caulinita utilizando as técnicas TCP e realce por
decorrelação com as bandas 4, 6 e 9 na região de Cuprite, E.U.A..
Na técnica realce por decorrelação, utilizada neste trabalho, foram testados 4
(quatro) tripletes de bandas do sensor ASTER, com diferentes combinações de
faixas espectrais (Tabela 3.3). Avaliou-se, posteriormente, de forma qualitativa, o
desempenho de cada triplete na discriminação dos litotipos da Serra Branca.
54
TABELA 3.3 – Tripletes de bandas do sensor ASTER, com diferentes
combinações de faixas espectrais, utilizados na técnica realce
por decorrelação.
Triplete
Faixa Espectral
(1a Banda)
Faixa Espectral
(2a Banda)
Faixa Espectral
(3a Banda)
1
VNIR
VNIR
VNIR
2
VNIR
VNIR
SWIR
3
VNIR
SWIR
SWIR
4
SWIR
SWIR
SWIR
3.2.3.2 Detecção Sistemática de Materiais Geológicos
3.2.3.2.1 Mapeador de Ângulo Espectral (SAM)
Na década passada, técnicas de detecção mineral tiveram um grande avanço em
conseqüência do surgimento dos sensores hiperespectrais. Estes sistemas
operam com mais de cem bandas, normalmente entre as faixas espectrais do
visível e do infravermelho médio (400-2500 nm), com largura de bandas entre 10 e
20 nm. Como exemplo, o sensor AVIRIS, do Jet Propulsion Laboratory (JPL) /
National Aeronautics and Space Administration (NASA), adquire dados em 224
bandas espectrais (10 nm de largura) que possibilitam uma melhor caracterização
espectral dos materiais (minerais, vegetação, água, gelo e neve) e, em alguns
casos, sua identificação direta na cena (Goetz et al., 1985; Vane e Goetz, 1985;
1986; Vane 1987; 1988; Green, 1990; NASA, 1987).
O processo de detecção mineral através de dados de sensores hiperespectrais
explora o fato de que muitos minerais apresentam bandas de absorção que são
diagnósticas de sua presença na cena. As bandas de absorção mais comuns
55
compreendem duas classes principais: absorções amplas no VNIR, atribuídas à
presença de minerais de ferro, e absorções estreitas no SWIR, associadas à
ocorrência de água, hidroxila e carbonatos. Quanto melhor for a resolução
espectral disponível, mais facilmente as feições de absorção poderão ser
quantitativamente caracterizadas e comparadas com dados de bibliotecas
espectrais, que fazem a ligação das medidas de sensoriamento remoto com
aquelas obtidas em laboratório. Tal aproximação é válida uma vez que a interação
física básica em laboratório e as propriedades espectrais medidas em
sensoriamento remoto são as mesmas, com as devidas considerações de escala
e textura (Mustard e Sunshine, 1999).
O sensor ASTER pode ser considerado um sistema multiespectral melhorado
quando comparado aos sistemas multiespectrais mais comuns (ETM+/Landsat-7 e
HRV/SPOT). No entanto, no SWIR, especialmente entre 2000 e 2500 nm, a
existência de 5 (cinco) bandas e a possibilidade de reconstituir feições de
absorção mineral permitem que técnicas inicialmente desenvolvidas para análise
de dados hiperespectrais (p. ex, técnicas SAM e SFF) possam ser utilizadas com
dados ASTER.
A técnica Mapeador de Ângulo Espectral (Spectral Angle Mapper - SAM) (Kruse et
al., 1993) é uma ferramenta que permite o mapeamento rápido da similaridade
entre o espectro de um pixel e o de um material de referência. O espectro de
referência pode ser tanto de laboratório quanto de campo, de uma biblioteca
espectral ou extraído da própria imagem. Este método assume que o dado da
imagem foi convertido para reflectância de superfície. O algoritmo determina a
similaridade espectral entre dois espectros através do cálculo do ângulo formado
entre eles, tratando-os como vetores em um espaço de dimensionalidade
correspondente ao número de bandas (nb).
56
Uma representação simplificada desta operação é feita na Figura 3.4.
Considerando um espectro de referência e outro de teste, a partir de duas bandas
representadas bidimensionalmente como dois pontos, quanto menor for o ângulo
determinado entre os dois vetores (espectros de reflectância), maior será a sua
similaridade. O algoritmo SAM generaliza essa interpretação geométrica para o
espaço nb-dimensional.
Espectro
de teste
Banda 2
α
Espectro
de referência
Banda 1
FIGURA 3.4 – Gráfico com os espectros de referência e de teste para uma
imagem e com o ângulo formado entre eles.
FONTE: Kruse et al. (1993).
Na Figura 3.4, as linhas conectando cada ponto do espectro com a origem contêm
todas as posições possíveis para o material, em termos de iluminação. Pixels
pouco iluminados irão cair mais próximo da origem do que aqueles com mesma
assinatura espectral, mas com iluminação mais intensa. Portanto, o ângulo entre
os vetores será o mesmo, indiferente de seus comprimentos. A técnica SAM
determina a similaridade de um espectro teste t para um espectro de referência r,
de acordo com Kruse et al. (1993), pela aplicação da seguinte equação:
57

cos 


−1
r r
t ⋅r
r r
t ⋅ r

;


(3.1)
Que também pode ser escrita como:


nb


t
r
∑
i i


i =1
;
cos −1 
1/ 2
1/ 2
  nb 2   nb 2  
  ∑ t i   ∑ ri  
  i =1   i =1  
(3.2)
Onde nb é igual ao número de bandas.
Esta medida de similaridade é insensível aos fatores de ganho porque o ângulo
entre os dois vetores é invariante em relação aos comprimentos dos vetores.
Como resultado, espectros de laboratório podem ser diretamente comparados aos
espectros de reflectância de superfície dos pixels, os quais inerentemente
apresentam um fator de ganho desconhecido relacionado a efeitos de iluminação
devidos à topografia (Kruse et al., 1993).
Na técnica SAM utilizada neste trabalho, foram comparados três conjuntos
distintos de dados de entrada: a) curvas de reflectância de minerais obtidas a
partir da biblioteca espectral do United States Geological Survey (USGS) presente
no software ENVI 3.5; b) curvas de reflectância de rochas obtidas em laboratório
com o espectrômetro PIMA SP; e, por último, c) espectros de reflectância
representativos das unidades litológicas presentes na área do complexo granítico,
obtidos a partir das imagens ASTER.
No primeiro conjunto de dados de entrada, os padrões de resposta espectral
utilizados foram dos minerais: muscovita (código na biblioteca espectral do USGS:
GDS 107), cassiterita (HS279.3B), caulinita (CM9) e biotita (HS28.3B).
58
No segundo grupo de dados, obtidos com o espectrômetro PIMA SP, foram
utilizadas as curvas espectrais das amostras: SB13B (biotita granito), SB04A
(biotita granito greisenizado) e SB10A (greisen). Posteriormente, os espectros
PIMA foram reamostrados para a resolução espectral do sensor ASTER, através
da função de resposta de seus filtros, e utilizados no processo de classificação
com a técnica SAM.
No terceiro conjunto de dados de entrada, os padrões de resposta espectral
representativos de três unidades presentes na área do complexo granítico (biotita
granito, biotita granito greisenizado e greisen) foram obtidos a partir da própria
imagem ASTER, com base em observações de campo e em composições
coloridas obtidas nos processamentos da etapa anterior. Para tanto, foram
consideradas 10 (dez) amostras de cada unidade, utilizando-se uma janela de 7
(sete) por 7 (sete) pixels para cada amostra. Posteriormente, foi calculado o
espectro de reflectância média das 10 (dez) amostras para cada litotipo, que foi
utilizado como dado de entrada na classificação com a técnica SAM.
3.2.3.2.2 Profundidade Relativa de Bandas de Absorção (RBD)
Crowley et al. (1989) desenvolveram uma técnica de razão entre bandas com o
objetivo de gerar imagens de profundidade relativa de bandas de absorção,
denominada Relative Absorption-Band Depth (RBD). Esta técnica pode ser
utilizada para a identificação de hidróxidos de Al e Mg e carbonato.
Rowan e Mars (2003) aperfeiçoaram esta técnica para os dados SWIR do ASTER,
objetivando a detecção de carbonatos, muscovita (Al-OH), hematita e goethita. No
presente trabalho, foi utilizado apenas o procedimento para a muscovita, através
da seguinte razão:
RBD = ( banda 5 + banda 7 ) / banda 6;
59
(3.3)
As bandas do numerador (bandas 5 e 7 do ASTER) eqüivalem às bordas da
banda de absorção da hidroxila, enquanto a banda do denominador (banda 6) é
aproximadamente correspondente ao centro da absorção em 2200 nm. Na
imagem resultante deste processamento, foram analisados os pixels com valores
de RBD maiores que 2,25, ou seja, com bandas de absorção mais profundas em
2200 nm, que representam, em princípio, maiores concentrações de materiais
argilosos ou micáceos.
3.2.3.2.3 Ajuste de Feições Espectrais (SFF)
A técnica Ajuste de Feições Espectrais (Spectral Feature Fitting – SFF) (Clark et
al., 1990) envolve um processo de determinação de similaridade baseado na
comparação entre o espectro de reflectância de cada pixel com espectro(s) de
referência (p. ex., minerais da biblioteca espectral do USGS1), utilizando regressão
linear por mínimos quadrados.
Um fator importante neste processo diz respeito a capacidade do sensor em
reconstituir as bandas de absorção dos materiais nos espectros dos pixels. A
caracterização ideal de uma determinada feição, principalmente se ela for estreita,
pode requerer muitas bandas. Por exemplo, a banda de absorção da hematita,
que ocorre em torno de 900 nm e se estende desde aproximadamente 750 até
1300 nm, corresponde a 56 bandas do AVIRIS. Por ser ampla, tal feição pode ser
reconstituída por um número relativamente pequeno de bandas. O contrário ocorre
com a banda de absorção da caulinita, que compreende aproximadamente 13
bandas do AVIRIS posicionadas em torno de 2200 nm.
O processo de detecção de materiais através da técnica SFF deve ser precedido
pela normalização dos dados através da técnica de remoção do contínuo (Clark e
Roush, 1984), que consiste na normalização do espectro de reflectância em
1
http://www.speclab.cr.usgs.gov
60
relação a uma linha de base comum. Pizarro (1999) utilizou a técnica de SFF para
a identificação dos minerais de dois grupos diferentes separadamente,
hematita/goetita e caulinita/gibbsita/montmorilonita, em solos tropicais, tomando
como verdade terrestre os dados de reflectância obtidos em laboratório e através
das análises por difração de raios-X. Neste trabalho, o autor selecionou os
intervalos espectrais, na imagem AVIRIS, de 749 a 1085 nm (hematita/goetita) e
de 2101 a 2330 nm (gibbsita/montimorilonita/caulinita) para a remoção do contínuo
e classificação mineralógica, com base em espectros de referência contidos na
biblioteca espectral JPL/NASA. Segundo Calle (2002), a vantagem da técnica SFF
aplicada a dados hiperespectrais é o fato dela conseguir mapear com grande
precisão feições espectrais de maior complexidade, como, por exemplo, a dupla
absorção típica da caulinita, situada próxima ao comprimento de onda de 2200
nm.
Neste trabalho, foram selecionados como dados de entrada para o uso da técnica
SFF apenas os padrões de reflectância de minerais obtidos a partir da biblioteca
espectral do USGS presente no ENVI 3.5. Os padrões de resposta espectral
utilizados foram dos minerais: muscovita (GDS 107), cassiterita (HS279.3B),
caulinita (CM9) e biotita (HS28.3B). Foram utilizadas somente as 5 (cinco) bandas
do SWIR (5, 6, 7, 8 e 9), devido a melhor resolução espectral do sensor ASTER
neste intervalo de comprimento de onda e a presença de bandas de absorção
mineral. Antes da aplicação da técnica SFF, para maior exatidão do processo de
comparação, foi necessária a remoção do contínuo das bandas ASTER utilizadas
neste processamento.
A técnica SFF produziu duas imagens, denominadas de “Escala” e “Erro” (Root
Mean Square error – RMS). Valores elevados na imagem Escala indicaram pixels
com feições profundas de absorção, enquanto que valores pequenos nesta
imagem representaram feições de absorção mais fracas. O cálculo da similaridade
61
entre o espectro de referência dos minerais e o do pixel desconhecido foi feito pelo
ajuste dos mínimos quadrados. Os valores de erro médio quadrático (RMS) deste
ajuste para cada pixel foram usados para construir a imagem RMS. Por último, foi
realizado um processo de análise com a plotagem das imagens Escala e RMS em
um diagrama X e Y para facilitar a seleção das áreas na imagem com elevados
valores de Escala e baixos valores de RMS para um determinado mineral, o que
indica em princípio maiores possibilidades para sua detecção na cena.
3.2.3.3 Detecção Mineral e Cobertura Vegetal
3.2.3.3.1 Índice de Vegetação por Diferença Normalizada (NDVI)
A maioria das investigações relacionadas à detecção mineral tem sido realizada
com maior sucesso em regiões áridas e semi-áridas, nas quais grandes áreas de
material exposto permitem a aquisição de informação espectral diretamente da
associação rocha-solo. Em terrenos tropicais, contudo, essa característica é
raramente observada, devido ao fato da forte presença da componente vegetação
na imagem. Nesses ambientes, a recuperação de bandas de absorção depende
de vários fatores, como o grau de exposição litológica da superfície imageada ou a
mistura espectral (Galvão et al., 2003). Por esse motivo, no presente trabalho, foi
gerada uma imagem NDVI para a melhor caracterização da associação rochasolo-vegetação na área de estudo.
Em geral, a vegetação verde apresenta baixa reflectância na faixa do vermelho do
espectro eletromagnético (banda 2 do ASTER), devido à absorção da radiação
solar pelos pigmentos fotossintéticos, e alta reflectância na região do
infravermelho próximo (banda 3), devido ao espalhamento múltiplo dos
componentes do dossel (Moura, 2002). Os valores das reflectâncias nessas duas
bandas podem ser usados para gerar os chamados índices de vegetação.
62
Diversas transformações lineares de bandas espectrais já foram propostas para
estes índices. O índice mais comumente utilizado é o Índice de Vegetação por
Diferença Normalizada (NDVI) (Rouse et al., 1974), obtido utilizando a seguinte
equação:
NDVI = (NIR – VER) / (NIR + VER);
(3.4)
Que também pode ser escrita, para este trabalho, como:
NDVI = (B3 – B2) / (B3 + B2);
(3.5)
Onde NIR e VER são, respectivamente, as reflectâncias nas regiões do espectro
eletromagnético correspondentes ao infravermelho próximo e ao vermelho e B2 e
B3 são, respectivamente, as bandas 2 e 3 do ASTER.
Segundo Moreira (1997), o NDVI ressalta o contraste entre a reflectância da
vegetação no NIR e no vermelho. Sendo o valor de reflectância no NIR bastante
superior ao da região do vermelho, quanto maior for a biomassa, maior será o
valor do NDVI, pois na região do NIR, a quantidade de radiação refletida por várias
camadas de folhas é maior do que a de uma única folha.
A influência da cobertura vegetal sobre o processo de detecção mineral com a
técnica SAM foi investigada através da correlação dos valores de NDVI com os
valores de ângulo SAM. Para tal finalidade, foram escolhidos aleatoriamente 100
(cem) pixels na porção da imagem que apresentou melhores resultados de
classificação SAM ou condições mais favoráveis para a detecção mineral.
63
64
CAPÍTULO 4
ANÁLISE E INTERPRETAÇÃO DOS RESULTADOS OBTIDOS
4.1 Componentes de Cena
Os litotipos que formam o complexo granítico (biotita granito, biotita granito
greisenizado e greisens), juntamente com os xistos e quartzitos encaixantes mais
fortemente afetados pela deformação devido à ascensão do granito, formam um
conjunto litológico com contato bem definido com as demais rochas, destacado na
composição colorida com as bandas 4(R), 3(G) e 2(B) (Figuras 4.1 e 4.2).
Na composição colorida da Figura 4.1, observa-se que no corpo granítico e em
parte
nas
rochas
encaixantes
(xistos
do
Grupo
Serra
da
Mesa
e
metaconglomerados e quartzitos do Grupo Arai) a cobertura vegetal, em tons de
verde, é significativamente menor, comparada com aquelas das outras unidades
presentes na cena. A cobertura vegetal (gramíneas) nas rochas greisenisadas na
porção leste do complexo granítico é muito rala. No corpo granítico, a cobertura
vegetal é mais densa no biotita granito, na porção oeste, do que nas rochas
greisenisadas (biotita granito greisenizado e greisens da Figura 4.1).
Tanto o biotita granito quanto os litotipos greisenizados (biotita granito
greisenizado e greisens) ocorreram na Figura 4.1 em tons de magenta, por
possuírem resposta espectral relativamente mais alta nas bandas 4 e 2.
A textura do biotita granito e das rochas greisenizadas, observada na composição
colorida da Figura 4.1, também pôde ser diferenciada. Na porção onde ocorre o
biotita granito, o relevo é mais acidentado, destacando-se pequenos morrotes
65
decamétricos. Já na área de rochas greisenizadas, o relevo é menos acidentado e
os morrotes são menos numerosos e menores (Figura 4.2).
Grupos Araí e
Serra da Mesa
Biotita
Granito
Grupo Araí
Greisens
Granito Serra
Branca
Xistos e
Quartzitos
Encaixantes
Biotita
Granito
Greisenizado
Grupos Araí e
Serra da Mesa
Grupo Araí
FIGURA 4.1 – Composição colorida com as bandas ASTER 4 (1600-1700 nm), 3
(760-860 nm) e 2 (630-690 nm) exibidas em vermelho, verde e
azul, respectivamente, mostrando a localização do granito Serra
Branca no contexto geológico regional.
66
Na porção norte do complexo granítico, existe uma região de depressão
topográfica, onde grande volume de sedimentos recentes foi depositado (Figura
4.2). O padrão de resposta espectral destes sedimentos foi semelhante ao
observado nas rochas greisenisadas (biotita granito greisenizado e greisens), com
uma coloração magenta.
Xistos e
quartzitos
encaixantes
Greisens
Biotita granito
greisenizado
Biotita
granito
Xistos e
quartzitos
encaixantes
FIGURA 4.2 – Composição colorida com as bandas ASTER 4 (1600-1700 nm), 3
(760-860 nm) e 2 (630-690 nm) exibidas em vermelho, verde e
azul,
respectivamente,
em
perspectiva
3D,
destacando
as
variações litológicas no granito Serra Branca no contexto geológico
local.
67
4.1.1 Caracterização Química dos Granitos e Greisens
A Tabela 4.1 resume os resultados de análises geoquímicas para silício (Si),
titânio (Ti), alumínio (Al), ferro (Fe), magnésio (Mg), cálcio (Ca), sódio (Na) e
potássio (K) de doze amostras dos três grupos de rochas presentes no complexo
granítico Serra Branca: biotita granito, biotita granito greisenizado e greisens.
De maneira geral, observou-se na Tabela 4.1, que as concentrações do elemento
Si, nas amostras de greisen mineralizado em cassiterita (valor médio de 68,04%) e
greisen mineralizado em cassiterita e fluorita (43,94%), têm valores inferiores aos
observados para os outros litotipos. O valor médio das concentrações de Ti nas
amostras de biotita granito (0,03%) foi superior aos valores médios dos outros
litotipos analisados. A concentração média do Al aumentou do biotita granito
(16,40%) para o greisen sem mineralização (17,99%). Os valores médios de
concentração do Al foram de 14,25% para o greisen mineralizado em cassiterita e
de 30,12% para o greisen mineralizado em cassiterita e fluorita. A concentração
média do elemento Fe aumentou nas fácies alteradas, sendo 2,35% no greisen
sem mineralização, 2,03% no greisen mineralizado em cassiterita e 2,47% no
greisen mineralizado em cassiterita e fluorita. As maiores concentrações médias
de Mg foram observadas nas fácies greisen sem mineralizações (0,37%) e greisen
mineralizado em cassiterita e fluorita (0,29%), e o menor valor médio foi obtido no
biotita granito (0,09%).
A concentração média do Ca encontrada no biotita granito (0,77%), no biotita
granito greisenizado (1,17%) e no greisen mineralizado em cassiterita e fluorita
(7,47%) (Tabela 4.1) foi mais alta. Já os elementos Na e K mostraram um
comportamento geoquímico bastante semelhante em todas as amostras,
apresentando menores valores de concentrações médias nas amostras de
greisens.
68
TABELA 4.1 – Concentrações químicas em amostras de biotita granito, biotita
granito greisenizado e greisens da área de estudo.
Biotita Granito
Amostra
SB01A
SB03A
SB13B
Média
Desvio
Padrão
Si (%)
74,82
72,40
74,56
73,93
1,33
Ti (%)
0,02
0,06
0,02
0,03
0,02
Al (%)
16,31
17,31
15,58
16,40
0,87
Fe (%)
1,38
1,57
1,35
1,43
0,12
Mg (%)
0,10
0,09
0,09
0,09
0,01
Ca (%)
0,32
0,32
1,67
0,77
0,78
Na (%)
0,13
0,13
0,14
0,13
0,01
K (%)
3,16
3,19
3,40
3,25
0,13
Total (%)
96,24
95,07
96,82
96,04
0,89
Ca (%)
1,27
0,34
1,90
1,17
0,78
Na (%)
0,13
0,13
0,14
0,13
0,01
K (%)
3,02
3,22
3,33
3,19
0,16
Total (%)
98,56
97,61
96,85
97,67
0,86
Ca (%)
0,27
0,31
0,18
0,25
0,07
Na (%)
0,03
0,03
0,03
0,03
0,00
K (%)
0,45
0,43
0,45
0,44
0,01
Total (%)
94,94
95,20
95,04
95,06
0,13
K (%)
0,50
0,36
0,43
0,10
Total (%)
91,96
78,23
85,10
9,71
K (%)
0,58
Total (%)
84,93
Biotita Granito Greisenizado
Amostra
SB02B
SB04A
SB06A
Média
Desvio
Padrão
Si (%)
75,48
76,36
72,69
74,84
1,92
Ti (%)
0,01
0,01
0,01
0,01
0,00
Al (%)
17,21
16,61
17,30
17,04
0,38
Fe (%)
1,29
0,75
1,30
1,11
0,31
Mg (%)
0,15
0,20
0,20
0,18
0,03
Greisen
Amostra
SB04B
SB07A
SB10A
Média
Desvio
Padrão
Si (%)
72,51
75,50
72,86
73,62
1,63
Ti (%)
0,01
0,00
0,00
0,00
0,01
Al (%)
18,03
16,99
18,95
17,99
0,98
Fe (%)
3,01
1,76
2,29
2,35
0,63
Mg (%)
0,64
0,18
0,28
0,37
0,24
Greisen (mineralizado em cassiterita)
Amostra
SB09A
SB09B
Média
Desvio
Padrão
Si (%)
72,29
63,78
68,04
6,02
Ti (%)
0,00
0,00
0,00
0,00
Al (%)
16,52
11,98
14,25
3,21
Fe (%)
2,30
1,75
2,03
0,39
Mg (%)
0,14
0,13
0,14
0,01
Ca (%)
0,18
0,21
0,20
0,02
Na (%)
0,03
0,02
0,03
0,01
Greisen (mineralizado em cassiterita e fluorita)
Amostra
SB08A
Si (%)
43,94
Ti (%) Al (%)
0,02 30,12
Fe (%)
2,47
Mg (%)
0,29
69
Ca (%)
7,47
Na (%)
0,04
No greisen mineralizado em cassiterita, tanto a amostra SB09A quanto a SB09B
apresentaram comportamento geoquímico geral semelhante ao observado para as
amostras de greisen sem mineralizações, com a diferença que os valores de
concentração total destas amostras estão abaixo dos constatados para o greisen,
sendo 91,96% para SB09A e 78,23% para SB09B (Tabela 4.1). Na amostra
SB09B, os valores das concentrações de Si (63,78%) e de Al (11,98%) estão
abaixo dos que ocorrem para as amostras de greisen sem mineralizações. Estas
diferenças são provavelmente devido ao fato da presença da cassiterita na
composição mineralógica do greisen mineralizado em cassiterita e sua fórmula
química ser SnO2. Desta maneira, estas amostras de greisen mineralizado em
cassiterita devem apresentar altos teores de estanho (Sn), diminuindo a proporção
dos outros elementos e a concentração total, já que o estanho não foi amostrado.
Por outro lado, no greisen mineralizado em cassiterita e fluorita, o comportamento
geoquímico é totalmente distinto do apresentado pelos outros litotipos na Tabela
4.1. Na amostra SB08A, o valor da concentração de Si (43,94%) está muito abaixo
da média das outras amostras, enquanto que os de Al (30,12%) e Ca (7,47%)
estão muito acima. O valor da concentração total (84,93%) para a amostra SB08A
também está abaixo da média apresentada pelas outras amostras. Isto ocorre
devido ao fato da presença do Sn na cassiterita descrita anteriormente para as
amostras mineralizadas somente em cassiterita e também devido à presença de
fluorita, que possui fórmula química CaF2. A presença de Ca na fórmula química
da fluorita explica o elevado valor de concentração deste elemento na amostra de
greisen mineralizado em cassiterita e fluorita. A proporção de Ca para flúor (F) na
composição química da fluorita é de quase um para um (1:1), sendo 51,33% de
Ca e 48,67% de F. Desta maneira, é possível extrapolar que a concentração de F
nesta amostra deve ser aproximadamente 7%.
70
No diagrama trifásico da Figura 4.3, observou-se que as amostras de biotita
granito e biotita granito greisenizado estão posicionadas mais próximas do vértice
Na+K, enquanto que as amostras de greisen e de greisen mineralizado em
cassiterita estão localizadas mais próximas do vértice Fe+Mg. Por último, a
amostra de greisen mineralizado em cassiterita e fluorita foi plotada próxima do
vértice Ca. Constatou-se nessa figura e na Tabela 4.1, uma tendência geral dos
greisens apresentarem maiores concentrações de Fe e Mg que os biotita granitos,
com maiores concentrações de Na e K.
Fe+ M g
*+
**
Biotita Granito
Biotita Granito Greisenizado
Greisen
Greisen Mineralizado com Cassiterita
Greisen Mineralizado com Cassiterita
e Fluorita
+
N a+ K
Ca
FIGURA 4.3 – Diagrama trifásico Fe+Mg, Na+K e Ca, com as doze amostras de
biotita granito, biotita granito greisenizado e greisens plotadas.
71
4.1.2 Caracterização Espectral dos Granitos e Greisens
4.1.2.1 Espectros de Laboratório
Em laboratório, os espectros de reflectância das amostras coletadas em campo
foram obtidos utilizando-se o espectrômetro PIMA SP. O padrão de resposta
espectral dos três grupos de rochas observados no complexo granítico Serra
Branca (biotita granito, biotita granito greisenizado e greisen) apresentou
comportamento geral semelhante quanto ao posicionamento das feições de
absorção. Observou-se, no entanto, uma variação na intensidade da resposta
espectral das amostras e na profundidade das bandas de absorção de seus
espectros. As curvas representativas dos três grupos de rochas apresentaram
sete bandas de absorção posicionadas em torno de 1400 nm, 1840 nm, 1900 nm,
2120 nm, 2210 nm, 2340 nm e 2440 nm (Figuras 4.4 e 4.5).
Segundo Hunt e Salisbury (1970), Hunt e Salisbury (1971), Hunt (1977) e
Meneses e Madeira Netto (2001), a ocorrência conjunta das bandas de absorção
em 1400 nm e em 1900 nm é diagnóstica da presença de água. Se houver
somente o aparecimento da feição em 1400 nm, estará indicando somente a
presença da hidroxila. De acordo com esses mesmos autores, outras feições
importantes entre 2200 nm e 2400 nm podem ocorrer devido a processos
vibracionais na ligação M-OH, onde M pode ser Al ou Mg. Para a ligação Al-OH,
as bandas estão situadas em 2200 nm e 2300 nm, já para a ligação Mg-OH, elas
ocorrem próximas a 2300 nm e 2400 nm. Os minerais caulinita e muscovita
possuem bandas de absorção características em 2209 nm (caulinita) e 2120 nm e
2208 nm (muscovita).
No espectro de reflectância do biotita granito (Figura 4.4), as bandas de absorção
em 1400 nm, 1900 nm, 2210 nm, 2340 nm e 2440 nm ocorreram de forma
pronunciada. A banda de absorção em 1400 nm possui menor profundidade
72
comparada com as curvas do biotita granito greisenizado e do greisen (Figura
4.5). A curva do biotita granito, tem valores de reflectância mais baixos que os
verificados nos dois outros grupos de litotipos.
Face não alterada
Face alterada
45
Reflectância (%)
40
35
30
25
20
1300
1400
1500
1600
1700
1800
1900
2000
2100
2200
2300
2400
2500
Comprimento de Onda (nm)
FIGURA 4.4 – Curvas de reflectância representativas de duas faces (fresca e
alterada) do biotita granito, obtidas em laboratório com o
espectrômetro PIMA SP.
Na Figura 4.4, os padrões de resposta espectral de duas faces (uma fresca e
outra alterada com presença de capa milimétrica de alteração verde escura) de
uma mesma amostra de biotita granito são comparados. Observa-se que as duas
curvas são semelhantes, tendo a curva da face fresca valores de reflectância de 2
a 7% maiores do que os da face alterada. Isto ocorre, porque parte da radiação
73
eletromagnética (REM) incidente é absorvida pelo filme de alteração, diminuindo a
intensidade da energia refletida.
Biotita Granito Greisenizado
Greisen
70
Reflectância (%)
60
50
40
30
20
10
1300
1400
1500
1600
1700
1800
1900
2000
2100
2200
2300
2400
2500
Comprimento de Onda (nm)
FIGURA 4.5 – Curvas de reflectância representativas do biotita granito
greisenizado e do greisen, obtidas em laboratório com o
espectrômetro PIMA SP.
No padrão de resposta espectral do biotita granito greisenizado (Figura 4.5), as
bandas de absorção em 1840 nm e 2120 nm possuem profundidades discretas,
com feições de absorção mais pronunciadas em 1400 nm, 2210 nm, 2340 nm e
2440 nm. Sua reflectância tem valores intermediários entre o biotita granito e o
greisen.
74
Na curva de reflectância do greisen (Figura 4.5), verificou-se a presença de todas
as sete bandas de absorção citadas anteriormente, em 1400 nm, 1840 nm, 1900
nm, 2120 nm, 2210 nm, 2340 nm e 2440 nm.
4.1.2.2 Espectros Extraídos das Imagens ASTER
Os espectros dos pixels representativos dos três litotipos presentes no granítico
Serra Branca, obtidos a partir das bandas do sensor ASTER, apresentaram
comportamentos gerais semelhantes entre si. Porém, a intensidade da resposta
espectral de cada curva variou (Figura 4.6). O pico de reflectância em 1655 nm
ocorreu nas curvas dos três litotipos, sendo que seu valor máximo variou desde
26% de reflectância no greisen a 32% no biotita granito greisenizado e com valor
intermediário de 30% para o biotita granito.
B io tita G ra n ito
B io tita G ra n ito G re ise n iza d o
G re ise n
35
R e fle ctâ n cia (% )
30
25
20
15
10
5
B 1 (5 5 5 )
B 2 (6 6 0 )
B 3 (8 0 5 )
B 4 (1 6 5 5 ) B 5 (2 1 6 5 ) B 6 (2 2 0 5 ) B 7 (2 2 6 0 ) B 8 (2 3 2 8 ) B 9 (2 3 9 5 )
B a n d a A S T E R (C e n tro d a B a n d a e m n m )
FIGURA 4.6 – Curvas de reflectância do biotita granito, biotita granito greisenizado
e greisen, obtidas a partir das bandas ASTER.
75
As curvas de reflectância dos pixels indicam bandas de absorção em 2205 e 2330
nm (Figura 4.6). Porém, deve-se destacar o fato de que todas feições de absorção
observadas nas curvas de reflectância, obtidas a partir do sensor ASTER,
ocorreram de maneira menos pronunciada, com profundidades significativamente
menores que nas curvas obtidas a partir do radiômetro PIMA SP. Provavelmente,
este fato ocorre devido aos seguintes fatores: melhor resolução espectral do PIMA
SP, escala de obtencão dos dados (milimétrica em laboratório e métrica na
imagem) e a ausência em laboratório da influência espectral de outros
componentes de cena (mistura espectral) sobre a resposta espectral das rochas.
A reflectância observada na curva do biotita granito indica valores intermediários
em relação à resposta espectral do biotita granito greisenizado e do greisen,
variando entre 8% a 30% de reflectância (Figura 4.6). A curva espectral do biotita
granito greisenizado é muito semelhante à do biotita granito, ocorrendo somente a
feição de absorção em 2330 nm. Já a intensidade da resposta espectral indica um
pico de reflectância de 32%. Na curva de resposta espectral do greisen, além da
feição de absorção em 2330 nm, ocorreu outra feição em 2205 nm com menor
profundidade. A intensidade da reflectância geral do greisen varia entre 7% e 26%,
sendo, desta maneira, menor do que a do biotita granito greisenizado,
comportamento inverso do observado nas curvas obtidas pelo PIMA (Figura 4.5).
Isto é devido, provavelmente, a influência de sombreamento na porção leste do
complexo granítico, exatamente onde ocorre o greisen, diminuindo sua
reflectância média na imagem ASTER.
A banda 9 (2360-2430 nm) do sensor ASTER provavelmente tem problemas
instrumentais denotado por valores de reflectância maiores do que os esperados
para alguns litotipos. Como resultado, variações espectrais associadas à banda de
absorção em 2330 nm não podem ser devidamente caracterizadas na cena.
76
4.2 Discriminação Espectral de Materiais Geológicos
4.2.1 Realce por Decorrelação
Como mencionado anteriormente, o realce por decorrelação tem por objetivo gerar
novas imagens, não correlacionáveis entre si, a partir de dados originais, como,
por exemplo, as bandas do sensor ASTER utilizadas nesse trabalho, altamente
correlacionadas, principalmente na faixa espectral do SWIR (Tabela 4.2).
TABELA 4.2 – Matriz de correlação entre as bandas 1 a 9 do sensor ASTER na
área de estudo.
Bandas
B1
B2
B3
B4
B5
B6
B7
B8
B1
B2
B3
B4
B5
B6
B7
B8
B9
1,00
0,93
0,47
0,80
0,81
0,81
0,82
0,83
0,82
1,00
0,40
0,82
0,83
0,84
0,84
0,85
0,84
1,00
0,49
0,36
0,38
0,36
0,35
0,32
1,00
0,95
0,95
0,94
0,93
0,91
1,00
0,97
0,97
0,96
0,95
1,00
0,97
0,96
0,94
1,00
0,97
0,95
1,00
0,96
Foram realizados processamentos de realce por decorrelação combinando
diferentes tripletes de bandas do sensor ASTER, sendo que os melhores
resultados foram obtidos com as seguintes bandas: a) 2, 3 e 4 e b) 1, 4 e 7
(Tabela 4.3).
77
TABELA 4.3 – Tripletes de bandas do sensor ASTER utilizadas no realce por
decorrelação, com as feições e unidades geológicas e a área de
garimpo identificadas, respectivamente, em cada um desses
produtos.
Triplete de Bandas ASTER
Contato Granitóide
Serra Branca com
Encaixantes
Biotita
Granito
Biotita
Granito
Greisens
Greisenizado
1 (VNIR), 2 (VNIR) e 3 (VNIR)
X
X
2 (VNIR), 3 (VNIR) e 4 (SWIR)
X
X
X
X
X
1 (VNIR), 4 (SWIR) e 7 (SWIR)
X
X
X
X
X
4 (SWIR), 6 (SWIR) e 8 (SWIR)
X
Garimpo
X
X
Na composição colorida RD1 (R), RD2 (G) e RD3 (B), com as bandas 2, 3 e 4,
(Figura 4.7), observa-se que o contato do complexo granítico com as rochas
encaixantes encontrava-se bem delimitado por variações na tonalidade. Os pixels
representativos do biotita granito têm tonalidades predominantemente vermelha,
alaranjada e verde, enquanto aqueles representativos do biotita granito
greisenizado têm coloração azul e dos greisens vermelha e magenta. A área de
garimpo tem coloração amarelo esbranquiçada, enquanto as rochas encaixantes
mais afastadas do granitóide e com maior influência da cobertura vegetal, ocorrem
com coloração verde.
Na composição colorida RD1 (R), RD2 (G) e RD3 (B), com as bandas 1, 4 e 7
(Figura 4.8), as rochas graníticas ocorrem geralmente nas tonalidades azul,
magenta, amarela e verde, espectralmente distintos dos xistos e quartzitos
encaixantes, onde predominaram as tonalidades azul e verde. Os litotipos biotita
granito, biotita granito greisenizado e greisens foram delimitados devido a
diferenças na tonalidade e na textura de suas respostas. O biotita granito
apresenta tonalidade entre verde, amarela e magenta e textura destacada por
78
pequenos morrotes decamétricos, orientados preferencialmente segundo NW. Na
porção sul do biotita granito, alguns destes morrotes correspondem a greisens
mapeados por Andrade (1978) dentro do biotita granito (Figura 2.3). O biotita
granito greisenizado tem coloração entre verde e ciano e textura com morrotes de
menor extensão. Os greisens, localizados preferencialmente na porção leste do
corpo granítico, apresentam tonalidade magenta característica e textura
semelhante à do biotita granito greisenizado. Na área de garimpo com solo
exposto ocorre coloração entre amarela e branca.
79
FIGURA 4.7 – Composição colorida RD1 (R), RD2 (G) e RD3 (B), utilizando-se as
imagens obtidas a partir do realce por decorrelação com as bandas
2, 3 e 4 do sensor ASTER, com os contatos entre os litotipos biotita
granito, biotita granito greisenizado e greisen mapeados por
Andrade (1978) (Figura 2.3) em tracejado.
80
FIGURA 4.8 – Composição colorida RD1 (R), RD2 (G) e RD3 (B), utilizando-se as
imagens obtidas a partir do realce por decorrelação com as bandas
1, 4 e 7 do sensor ASTER, com os contatos entre os litotipos biotita
granito, biotita granito greisenizado e greisen mapeados por
Andrade (1978) (Figura 2.3) em tracejado.
81
Na técnica realce por decorrelação, resultados mais limitados foram obtidos com o
triplete formado com as bandas do SWIR (4, 6 e 8), onde somente o contato do
complexo granítico com as rochas encaixantes e a área de garimpo encontra-se
bem delimitado por variações na tonalidade (Tabela 4.3).
4.3 Detecção Sistemática de Materiais Geológicos
4.3.1 Mapeador de Ângulo Espectral (SAM)
Os resultados da detecção sistemática de materiais geológicos, utilizando o
Mapeador de Ângulo Espectral (SAM), são apresentados, a seguir em três seções:
a) Detecção mineral a partir da biblioteca espectral; b) Classificação litológica a
partir dos espectros PIMA; e c) Classificação litológica a partir dos espectros
ASTER.
4.3.1.1 Detecção Mineral a partir da Biblioteca Espectral
A Figura 4.9a mostra os espectros de reflectância de laboratório dos 4 (quatro)
minerais da biblioteca espectral do USGS (biotita, caulinita, cassiterita e
muscovita) selecionados como referência para fins de classificação das imagens
ASTER com a técnica SAM. A Figura 4.9b ilustra o impacto da reamostragem
destes espectros para as 9 (nove) bandas do sensor ASTER usando a função de
resposta de seus filtros.
Na Figura 4.9a, pode-se observar que as curvas de laboratório da biotita e da
cassiterita não possuem feições espectrais características. Por outro lado, os
espectros de laboratório de caulinita e muscovita possuem duas bandas de
absorção bem definidas em 1400 e 2200 nm, causadas por vibrações moleculares
da hidroxila (Hunt, 1977).
82
A dupla e sutil feição de absorção presente no espectro da caulinita, em 21602200 nm, normalmente é usada para a sua diferenciação da muscovita, cujo
espectro não exibe essa feição. No entanto, esta informação espectral foi perdida
após a reamostragem dos espectros para a resolução espectral do sensor ASTER
(Figura 4.9b). De fato, o principal efeito da reamostragem dos espectros, no
intervalo de 2000-2500 nm, foi suavizar ou tornar mais amplas as feições de
absorção nas curvas da caulinita e da muscovita. Neste intervalo as larguras das
bandas 5 a 9 do ASTER variam de 40 a 70 nm, mais largas do que as dos
sensores hiperespectrais (p. ex., AVIRIS com largura de bandas de 10 nm).
Biotita
Cassiterita
Caulinita
Muscovita
90
a)
80
Reflectância (%)
70
60
50
40
30
20
10
0
400
600
800
1000
1200
1400
1600
1800
Comprimento de Onda (nm)
83
2000
2200
2400
Biotita
Cassiterita
Caulinita
Muscovita
90
b)
80
Reflectância (%)
70
60
50
40
30
20
10
0
B1 (555)
B2 (660)
B3 (805)
B4 (1655) B5 (2165) B6 (2205) B7 (2260) B8 (2328) B9 (2395)
Banda ASTER (Centro da Banda em nm)
FIGURA 4.9 – (a) Espectros de reflectância de laboratório dos minerais biotita,
cassiterita, caulinita e muscovita, extraídos da biblioteca espectral
do USGS; (b) Espectros de laboratório reamostrados para a
resolução espectral do sensor ASTER e utilizados como
referência para aplicação da técnica SAM.
Quando os espectros da Figura 4.9b foram utilizados como referência para a
detecção mineral com a técnica SAM, apenas um número relativamente pequeno
de pixels foi classificado na cena, usando um limiar de 0,27 radianos. A maior
parte dos pixels classificados, concentrou-se na área do garimpo, que contém boa
exposição de solo-rocha. Do total de pixels classificados, 98% foram detectados
como contendo muscovita, 1% como caulinita e menos de 1% como biotita e
cassiterita. A utilização somente das bandas do SWIR (bandas 5 a 8 do ASTER)
com a técnica SAM produziu resultados similares. O uso de limiares inferiores a
0,27 radianos resultou na detecção somente da muscovita em ambos os casos.
84
A Figura 4.10 mostra os resultados de classificação da técnica SAM para o
mineral muscovita projetados sobre a banda 2 do sensor ASTER. Os pixels em
vermelho possuem ângulos SAM inferiores a 0,27 radianos.
Na Figura 4.10 pode-se observar que o algoritmo SAM mapeou duas áreas
principais como sendo pixels com padrão de resposta espectral semelhante ao da
muscovita. Estas duas áreas são o garimpo e os sedimentos no leito de drenagem
seca que corta o corpo granítico no sentido N-S. Isto pode ser explicado por dois
fatores: a) pela alta concentração do mineral muscovita tanto no greisen presente
na área de garimpo, quanto nos sedimentos no leito de drenagem seca; b) pela
alta exposição de rocha e sedimento nessas duas áreas, sem praticamente
nenhuma cobertura vegetal (Figuras 4.11 e 4.12).
85
Área de Garimpo
FIGURA 4.10 – Detecção do mineral muscovita (pixels em vermelho com ângulo
inferior a 0,27 radianos) com a técnica SAM, utilizando seu
espectro de laboratório da biblioteca espectral do USGS como
referência. Os resultados foram projetados sobre a banda 2 do
sensor ASTER na porção centro-leste do complexo granítico de
Serra Branca.
86
FIGURA 4.11 – Área de garimpo no greisen mineralizado em cassiterita na parte
leste do complexo granítico, com altas concentrações de
muscovita e exposição de rocha e sedimentos.
FIGURA 4.12 – Leito de drenagem seca que corta o corpo granítico no sentido NS, com altas concentrações de muscovita no material
inconsolidado.
87
4.3.1.2 Classificação Litológica a partir dos Espectros PIMA
Os espectros de reflectância obtidos em laboratório com o espectrômetro PIMA
SP representativos de biotita granito (Figura 4.4), biotita granito greisenizado e
greisen (Figura 4.5) reamostrados, foram utilizados como referências para tentar
classificar estes litotipos nas imagens ASTER com a técnica SAM.
Com um limiar de 0,25 radianos, ou com valores inferiores a este ângulo, não
foram obtidos resultados satisfatórios com a técnica. Somente foram classificadas
áreas com predominância de biotita granito através da detecção de um pequeno
número de pixels que ocorreram em 4 (quatro) regiões distintas: a) leito de
drenagem seca; b) garimpo; c) porção do terreno, próxima ao lago, utilizado para
garimpo; e d) algumas áreas de lajedos ou exposição de rocha. Essas quatro
áreas classificadas pela técnica SAM ocorrem distribuídas por todo o complexo
granítico, inclusive em áreas mapeadas por Andrade (1978) como sendo biotita
granito greisenizado e greisen. Portanto, não houve distinção entre os três litotipos
e a classificação dos pixels ocorreu de forma restrita às áreas com boas
exposições de solos e rochas.
Na Figura 4.13a, exemplifica-se a ocorrência de dois pixels classificados pela
técnica SAM como biotita granito, próximo ao leito da drenagem que corta o corpo
granítico no sentido N-S. Conforme indicado na Figura 4.13b, embora os valores
de reflectância dos espectros dos pixels e da referência (biotita granito) sejam
distintos, o formato geral das curvas é aproximadamente similar, o que resultou na
classificação dos pixels com base no limiar estabelecido (0,25 radianos).
88
Reflectância (%)
N
0
a)
50
40
35
30
25
20
100m
b)
1000
2000
1500
Comprimento de Onda (nm)
FIGURA 4.13 – (a) Exemplo de dois pixels, próximos ao leito seco de drenagem,
classificados como biotita granito (em vermelho) pela técnica
SAM, utilizando-se os dados de laboratório. Os resultados estão
representados sobre uma composição colorida com as bandas
ASTER 4 (R), 3 (G) e 2 (B); (b) Curvas de reflectância de um
pixel classificado (azul) e da amostra de referência do biotita
granito obtida com o PIMA reamostrado (vermelho).
Em geral, o baixo desempenho da técnica SAM com os espectros de referência de
laboratório obtidos com o PIMA pode ser explicado por: a) diferença na escala de
obtencão dos dados: milimétrica em laboratório com o PIMA (detecção mineral) e
métrica na imagem; b) devido ao fato das medidas de reflectância feitas com o
PIMA terem sido realizadas em amostras de rocha pouco alteradas, sem efeitos
de sombreamento e da influência da cobertura vegetal (mistura espectral),
situação bem distinta da que ocorre na imagem ASTER, com forte influência
destas componentes; c) perda de resolução espectral quando da reamostragem
dos espectros PIMA para a resolução espectral do sensor ASTER, para serem
utilizados como referência na aplicação da técnica SAM; e d) pela grande
semelhança das curvas de reflectância representativas do biotita granito, do biotita
89
granito
greisenizado
e
do
greisen,
com
diferenças
sutis
perdidas
na
reamostragem, dificultando a diferenciação entre esses litotipos pelo classificador
SAM.
4.3.1.3 Classificação Litológica a partir dos Espectros ASTER
No terceiro conjunto de dados de entrada, utilizando-se espectros de reflectância
média representativos das unidades presentes na área do complexo granítico
obtidos a partir da imagem ASTER, o melhor resultado com a técnica SAM foi
obtido com os ângulos de 0,03, 0,05 e 0,07 radianos para as curvas do biotita
granito, do biotita granito greisenizado e do greisen, respectivamente (Figura
4.14).
Estes espectros obtidos a partir da imagem ASTER são membros que
representam a mistura espectral de rocha, solo, vegetação e sombreamento
presente nos pixels da área de estudo. A influência da cobertura vegetal sobre
esses espectros será discutida no tópico Detecção Mineral e Cobertura Vegetal.
Na Figura 4.16 observa-se que os pixels classificados como biotita granito, em
vermelho, biotita granito greisenizado, em azul, e greisen, em verde, estão nas
porções oeste, centro e leste do complexo granítico, respectivamente.
A distribuição espacial dos pixels classificados pela técnica SAM é bastante
semelhante à representada no mapa geológico de Andrade (1978), onde a
intensidade de greisenização das rochas aumenta de oeste para leste dentro do
complexo granítico (Figura 2.3). Isto indica que os melhores resultados com a
aplicação da técnica SAM foram obtidos utilizando-se os espectros da própria
imagem como referência, comparados aos espectros de laboratório indicados na
Figura 4.9.
90
LEGENDA
Biotita Granito
Biotita Granito
Greisenizado
Greisen
FIGURA 4.14 – Pixels classificados pela técnica SAM utilizando como referência
os espectros de reflectância média, extraídos das imagens do
sensor ASTER, representativos de biotita granito, biotita granito
greisenizado e greisen, com os principais contatos entre esses
litotipos mapeados por Andrade (1978) (Figura 2.3) em tracejado.
91
4.3.2 Profundidade Relativa de Bandas de Absorção (RBD)
A imagem Profundidade Relativa da Banda de Absorção (RBD) da hidroxila,
centrada em 2200 nm, foi obtida com as bandas 5, 6 e 7, conforme descrito na
metodologia deste trabalho. Na Figura 4.15, os pixels com valores de RBD
maiores que 2,25, ou seja, cujos espectros possuem bandas de absorção mais
profundas em 2200 nm, são indicados em vermelho sobre a banda 2 do sensor
ASTER.
Estes pixels
compreendem áreas de solo e rocha expostos,
principalmente as que ocorrem na área do garimpo.
Na comparação dos resultados obtidos com as técnicas RBD (Figura 4.15) e SAM
na detecção da muscovita a partir da biblioteca espectral do USGS (Figura 4.10),
observou-se uma concordância entre as áreas mapeadas por ambas. Isto
confirma o fato da detecção mineral na área de estudo estar restrita a um pequeno
número de pixels de solo e rocha expostos com espectros caracterizados por
bandas de absorção bem definidas em 2200 nm.
4.3.3 Ajuste de Feições Espectrais (SFF)
A detecção mineral na imagem ASTER, utilizando a técnica Ajuste de Feições
Espectrais (SFF) e os espectros de referência dos 4 (quatro) minerais da
biblioteca espectral do USGS (muscovita, caulinita, biotita, cassiterita) (Figura 4.9),
foi realizada com as bandas ASTER do SWIR (bandas 5 a 9). Dos quatro minerais
testados, os melhores resultados foram obtidos para o mineral muscovita, com
base na comparação dos espectros dos pixels com o espectro de referência deste
mineral, ambos normalizados pelo método do contínuo espectral.
92
Área de Garimpo
FIGURA 4.15 – Pixels com valores de Profundidade Relativa da Banda de
Absorção (RDB) de hidroxila maiores que 2,25, indicados em
vermelho. Os resultados foram projetados sobre a banda 2 do
sensor ASTER na porção centro-leste do complexo granítico de
Serra Branca.
93
A Figura 4.16 mostra um diagrama de espalhamento de pixels para as relações
entre os valores de escala (eixo X) e erro médio quadrático (RMS) (eixo Y),
obtidos no processo de detecção da muscovita com a técnica SFF. As melhores
possibilidades de detecção da muscovita estão associadas à seleção de pixels
com valores relativamente altos de escala (porção direita do eixo X) e baixos de
erro (porção inferior do eixo Y) (pixels em azul na Figura 4.18).
0,34
0,26
RMS
0,17
0,09
0,00
0,00
0,48
0,96
Escala
1,45
1,93
FIGURA 4.16 – Diagrama de espalhamento de pixels obtidos a partir das imagens
Escala
e
Erro
médio
quadrático
(RMS),
resultantes
do
procedimento de detecção do mineral muscovita através da
técnica SFF. Pixels com valores comparativamente altos de
Escala e baixos de erro são indicados em azul.
Os pixels em azul na Figura 4.16 são representados em vermelho na Figura 4.17a,
sobrepostos a banda 2 do ASTER. Para facilitar a visualização dos resultados,
uma composição colorida com as bandas ASTER 4 (R), 3 (G) e 2 (B) também é
apresentada na Figura 4.17b.
94
a)
b)
FIGURA 4.17 – (a) Pixels com elevados valores de Escala e baixos valores de
erro (em vermelho) sobrepostos a banda 2 do sensor ASTER; (b)
Composição colorida com as bandas ASTER 4 (R), 3 (G) e 2 (B).
Em ambas as figuras, a área de garimpo é destacada.
Na
Figura
4.17a
observa-se
que
os
pixels
em
vermelho
ocorreram
preferencialmente na porção leste/nordeste do complexo granítico, exatamente
nas áreas com rochas greisenizadas com maiores concentrações de muscovita
mapeadas por Andrade (1978) e expostas na Figura 2.3. Os resultados da Figura
4.19a são concordantes com os obtidos pela técnica SAM (Figura 4.10) e os da
Profundidade RDB (Figura 4.15), mostrando que os pixels classificados como
contendo muscovita estão restritos às áreas de rocha e solo expostos
95
principalmente na área do garimpo. Pôde-se observar que muitos pixels foram
mapeados pela técnica SFF nessa área de solo exposto com atividade garimpeira.
4.4 Detecção Mineral e Cobertura Vegetal
4.4.1 SAM versus Índice de Vegetação por Diferença Normalizada (NDVI)
Na área de garimpo, onde foram obtidos os melhores resultados de detecção da
muscovita com a técnica SAM, a influência espectral da vegetação sobre o
processo de detecção mineral seria teoricamente mínima, em função da presença
de boas exposições de rochas. Entretanto, mesmo para esta área, os resultados
da Figura 4.18 sugerem a existência de uma relação de covariância positiva entre
os valores de ângulo SAM (Figura 4.18a) e de NDVI (Figura 4.18b). Em outras
palavras, pixels com menores (em vermelho) e maiores (em amarelo) valores de
ângulo SAM (Figura 4.18a) tendem a apresentar também menores (em vermelho)
e maiores (em amarelo) valores de NDVI (Figura 4.18b), respectivamente.
96
N
N
FIGURA 4.18 – Área de garimpo indicada nas Figuras 4.10 e 4.15 com: (a)
variações nos valores de ângulo SAM para o mineral muscovita;
e (b) variações nos valores de NDVI.
A relação de covariância entre os valores de NDVI e ângulo SAM na área do
garimpo é mostrada na Figura 4.19, obtida a partir de 100 pixels aleatoriamente
selecionados na Figura 4.18. Um coeficiente de correlação (r) de +0,56 foi obtido
para a relação entre estes dois parâmetros, confirmando a tendência dos valores
de ângulo SAM aumentarem com o aumento do NDVI. Esse resultado comprova
que mesmo nas áreas mais favoráveis, com boas exposições de rocha-solo, o
processo de detecção mineral com a técnica SAM ainda é espectralmente
influenciado pela presença de vegetação fotossinteticamente ativa e não-ativa
(gramíneas verdes e secas). A presença da vegetação produz aumento nos
valores de NDVI do substrato e, conseqüentemente, nos valores de ângulo SAM,
afetando as relações de similaridade entre os espectros dos pixels e o de mineral
de referência (muscovita).
97
0 ,3 5
Ângulo SAM = 0,27; NDVI = 0,30
0 ,3
y = 1 ,6 1 4 8 x - 0 ,1 9 0 8
r = + 0 ,5 6
NDVI
0 ,2 5
0 ,2
0 ,1 5
0 ,1
0 ,0 5
Ângulo SAM = 0,21; NDVI = 0,12
0 ,1 9
0 ,2 1
0 ,2 3
0 ,2 5
0 ,2 7
0 ,2 9
 n g u lo S A M (R a d ia n o s)
FIGURA 4.19 – Correlação entre os valores de ângulo SAM e de NDVI, obtida a
partir de 100 (cem) pixels aleatoriamente selecionados na área
do garimpo (Figura 4.18). Os espectros dos pixels indicados por
setas são mostrados na Figura 4.20.
A Figura 4.20 mostra os espectros de reflectância de dois pixels indicados na
Figura 4.19, com valores diferentes de NDVI e de ângulo SAM. A presença de
vegetação fotossinteticamente ativa ou não-ativa no substrato não apenas produz
aumentos nos valores de ângulo SAM (0,21 para 0,27) e de NDVI (0,12 para
0,30), como também provocam a substituição da banda de absorção mineral, em
torno de 2200 nm, pelas feições de lignina/celulose, em torno de 2100 e 2300 nm.
Nos dados ASTER utilizados neste trabalho, a banda de absorção mineral foi
normalmente observada nos espectros dos pixels com valores de ângulo SAM
inferiores a 0,25 radianos. A partir deste valor, as feições espectrais de vegetação
passaram a predominar no intervalo do SWIR.
98
 n gu lo S A M = 0,21 ; N D V I = 0 ,1 2
 n gu lo S A M = 0,27 ; N D V I = 0 ,3 0
24
R e fle ctâ n cia (% )
22
20
18
16
14
2 16 5
2 20 5
2 26 0
2 33 0
C o m p rim e n to d e O n d a (n m )
FIGURA 4.20 – Curvas espectrais, mostradas no intervalo de comprimento de
onda correspondente ao das bandas 5 a 8 do sensor ASTER,
de 2 (dois) pixels com valores distintos de ângulo SAM e de
NDVI na Figura 4.19.
99
100
CAPÍTULO 5
CONCLUSÕES E CONSIDERAÇÕES FINAIS
Os resultados deste estudo demonstram que as imagens ASTER podem ser muito
mais eficazes para a caracterização da associação rocha-solo-vegetação, ou das
variações relativas nas feições espectrais de argilo-minerais e da cobertura
vegetal, do que para a detecção mineral propriamente dita.
Em relação à avaliação do desempenho de diferentes técnicas de processamento
digital de imagens na discriminação espectral de variações faciológicas no granito
Serra Branca e na detecção mineral, pôde-se concluir que:
1) Com a técnica realce por decorrelação, os melhores resultados para a
discriminação espectral de variações faciológicas no complexo granítico Serra
Branca foram obtidos com os tripletes formados pelas bandas ASTER 2, 3 e 4 e 1,
4 e 7, onde foi possível delimitar o contato do complexo granítico com as rochas
encaixantes, os três principais litotipos presentes na área de estudo (biotita
granito, biotita granito greisenizado e greisen) e a área de garimpo;
2) Com as técnicas para detecção sistemática dos materiais geológicos, os
melhores resultados foram obtidos utilizando a técnica Mapeador de Ângulo
Espectral (SAM). Uma possível explicação para este fato é a própria simplicidade
do algoritmo de comparação da similaridade espectral entre os pixels da imagem e
os espectros de referência. Técnicas como Ajuste de Feições Espectrais (SFF)
são limitadas pelo pequeno número de bandas usadas para o ajuste das feições
de absorção e cálculo das imagens Escala e RMS;
101
3) Em geral, as técnicas SAM, SFF e RDB mostraram resultados concordantes,
classificando áreas de solo e rocha expostos, como as regiões de exploração
garimpeira e de sedimentos em leito de drenagem seco. Nestas áreas, os
espectros dos pixels tendem a exibir bandas de absorção mineral bem definidas
em torno de 2200 nm;
4) Em termos de detecção mineral com dados de biblioteca espectral do USGS,
tanto usando a técnica SAM, quanto a SFF, os melhores resultados foram obtidos
com o mineral muscovita. Já na técnica SAM, com os dados PIMA, somente foram
classificadas áreas com predominância de biotita granito;
5) Em termos de classificação litológica, os melhores resultados aplicando a
técnica SAM, foram obtidos quando se utilizaram os padrões de resposta espectral
representativos das unidades presentes na área do complexo granítico obtidos a
partir das imagens ASTER. Na imagem classificada, a ocorrência e a localização
dos litotipos biotita granito, biotita granito greisenizado e greisen corresponderam
aos do mapa geológico da área de estudo. A utilização dos espectros de
laboratório PIMA das litologias não produziu bons resultados. Isto ocorreu em
função da perda de informação resultante da reamostragem das curvas para as
bandas do ASTER e das condições distintas existentes em nível orbital e de
laboratório, especialmente no que se refere à mistura espectral nos pixels.
Em relação à comparação das respostas radiométricas dos alvos, obtidas a partir
das imagens, com os padrões de respostas espectrais obtidos em laboratório,
pôde-se concluir que:
1) Os espectros dos pixels apresentaram características distintas dos espectros
das litologias obtidos laboratório, especialmente no que se refere à ausência de
bandas de absorção bem definidas. Isto se deveu às diferenças na escala de
obtencão dos dados (milimétrica em laboratório e métrica na imagem) e a
102
ausência em laboratório da influência espectral de outros componentes de cena
(mistura espectral), especialmente da vegetação, na resposta espectral das
rochas.
Finalmente, com respeito à influência da cobertura vegetal da área de estudo
sobre o processo de detecção de padrões espectrais de minerais nos espectros
dos pixels, pôde-se concluir que:
1) Mesmo na porção da cena mais favorável para a detecção do mineral
muscovita pela técnica SAM, como a área do garimpo com boa exposição de
rochas e solos, os resultados foram influenciados pela presença de vegetação
fotossinteticamente ativa e/ou não-ativa (gramíneas) no substrato. Um coeficiente
de correlação (r) de +0,56 foi obtido entre os valores de NDVI e de ângulo SAM;
2) A influência espectral deste tipo de vegetação no substrato provoca a
substituição da banda de absorção de hidroxila em 2200 nm por feições de
lignina/celulose em 2100 e 2300 nm, dificultanto o processo de detecção mineral.
103
104
REFERÊNCIAS BIBLIOGRAFICAS
Abrams, M.; Hook, S.J.
Simulated ASTER data for geologic studies. IEEE
Transactions on Geoscience and Remote Sensing, v.33, n.3, p.692-699,
May. 1995.
Almeida, F.F.M.; Hasui, Y.; Brito Neves, B.B; Fuck, R.A. Províncias estruturais
brasileiras. In: Simpósio de Geologia do Nordeste, 8., Campina Grande, 1977.
Atas. Campina Grande: Sociedade Brasileira de Geologia, 1977, p.363-391.
Almeida, F.F.M.; Hasui, Y.; Brito Neves, B.B.; Fuck, R.A.
Brazilian structural
provinces: an introduction. Earth Science Reviews, v.17, n.1, p.1-29, 1981.
Almeida-Filho, R. Multiseasonal and geobotanical approach in remote detection of
albitized-greisenized areas in the Serra da Pedra Branca granitic Massif, Goiás
State, Brazil. Economic Geology, v.79, n.1, p.1914-1920, 1984.
Almeida-Filho, R.; Vitorello, I. Remote sensing and field data integration in the
definition of hydrothermally altered areas in vegetated terrain, Central Brazil.
International Journal of Remote Sensing, v.18, n.8, p.1835-1842, May. 1997.
Almeida-Filho, R.; Vitorello, I.; Bins, L.S.
Application of image merging,
segmentation and region-classification techniques as a new approach for the
detailed thematic mapping of soil-vegetation assemblages. Revista Brasileira
de Geociências, v.27, n.2, p.207-210, June 1997.
Almeida-Filho, R.; Vitorello, I.; Correia, V.R.M. Use of landsat thematic mapper
imagery as mineral prospecting tool in the Tin Province of Goiás, Brazil.
Geocarto International, v.11, n.1, p.61-69, Mar. 1996.
105
Amos, B.J.; Greenbaum, D. Alteration detection using TM imagery, the effect of
supergene weathering in an arid climate. International Journal of Remote
Sensing, v.10, n.3, p.515-527, 1989.
Andrade, G.F. As mineralizações de estanho, berílio e cobre do granito Serra
Branca, Cavalcante - GO. Brasília-DF. 82p. Dissertação de Mestrado –
Universidade de Brasília, 1978.
Andrade, G.F.; Danni, J.C.M. As mineralizações de estanho, berílio e cobre do
Granito da Serra Branca, Cavalcante-GO. In: Congresso Brasileiro de
Geologia, 30., Recife, 1978. Anais. Recife: Sociedade Brasileira de Geologia,
1978, 529p.
Barbosa, O; Baptista, M.B.; Dyer, R.C.; Braun, O.C.; Costa, J.C.
Geologia e
inventário dos recursos minerais – Projeto Brasília-Goiânia. 1ed. Goiânia:
DNPM/PROSPEC, 225p., 1969.
Botelho, N.F.
Les ensembles granitiques subalcalins a peralumineux
mineralisés em Sn et In de la sous-province Paranã, Etat de Goiás, Brésil.
1992. 344p. Tese de Doutoramento, Institut National Polytechnique de Lorraine,
Nancy, 1992.
Calle, C.H.T. Estudo de mineralizaçãos de tipo Cu-Pórfiro do sul do Peru por
meio de Sensoriamento Remoto e Aeromagnetometria. Campinas-SP. 185p.
Tese (Doutorado em Ciências) – Universidade Estadual de Campinas, 2002.
Câmara, G.; Souza, R.C.M.; Freitas, U.M.; Garrido, J.C.P. SPRING: Integrating
Remote Sensing and GIS with Object-Oriented Data Modelling. Computers and
Graphics, v.15, n.6, p.13-22, 1996.
106
Campbell, N.A. The decorrelation stretch transformation. International Journal of
Remote Sensing, v.17, n.10, p.1939-1949, 1996.
Clark, R.N.; Gallagher, A.J.; Swayze, G.A.
Material absorption band depth
mapping of imaging spectrometer data using a complete band shape leastsquares fit with library reference spectra. In: Airborne Visible/Infrared Imaging
Spectrometer
(AVIRIS)
Workshop,
2.,
Pasadena,
1990.
Proceedings.
Pasadena: JPL Publication (NASA), 1990, p.176-186.
Clark, R.N.; Roush, T.L.
Reflectance spectroscopy: quantitative analysis
techniques for remote sensing applications. Journal of Geophycal Research,
v.89, p.6329-6340, 1984.
Crósta, A.P.; Souza Filho, C.R.; Azevedo, F. Caracterizando halos de alteração
hidrotermal em depósitos auríferos epitermais com os sensores multiespectrais
orbitais Landsat/TM e ASTER: o caso do Distrito de Los Menucos, Argentina. In:
Congresso Brasileiro de Geologia, 41., João Pessoa, 2002. Anais. João
Pessoa: Sociedade Brasileira de Geologia, 2002, p.157.
Crowley, J.K.; Brickey, D.W.; Rowan, L.C. Airborne imaging spectrometer data of
the Ruby Mountains, Montana: mineral discrimination using relative absorption
band-depth images. Remote Sensing of Environment, v.29, p.121-134, 1989.
Dardenne, M.A.; Schobbenhaus, C.
Metalogênese do Brasil. 1ed. Brasília:
Universidade de Brasília, 2001, 392p.
Emran, A.; Hakdaoui, M.; Chorowicz, J.
Anomalies on geologic maps from
multispectral and textural classification: the Bleida Mining District (Morocco).
Remote Sensing of Environment, v.57, n.1, p.13-21, Jul. 1996.
107
Galvão, L.S.; Almeida-Filho, R.; Vitorello, I. Spectral reflectance characterization
of hydrothermal alterations in tropical environment: a case study from Tin
Province (Central Brazil) with ASTER data. Submetido para International
Journal of Remote Sensing. 2003.
Gillespie, A.R.; Kahle, A.B.; Walker, R.E. Color enhancement of highly correlated
images. I. Decorrelation and HSI contrast stretches. Remote Sensing of
Environment, v.20, n.3, p.209-235, Dec. 1986.
Goetz, A.F.H.; Vane, G.; Solomon, J.E.; Rock, B.N.
Imaging spectrometry for
Earth remote sensing. Science, v.228, n.2, p.1147-1153, 1985.
Green, R.O.
Airborne Visible/Infrared Imaging Spectrometer – AVIRIS. In:
Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) Workshop, 2.,
Pasadena, 1990. Proceedings. Pasadena: JPL Publication (NASA), 1990,
280p.
Guo, L.J.; Moore, J.M.
Direct decorrelation stretch technique for RGB color
composition. International Journal of Remote Sensing, v.17, n.5, p.10051018, Mar. 1996.
Hunt, G.R.; Salisbury, J.W.
Visible and near-infrared spectra of minerals and
rocks: I. Silicate minerals. Modern Geology, v.1, n.1, p.283-300, 1970.
Hunt, G.R.; Salisbury, J.W.
Visible and near-infrared spectra of minerals and
rocks: XII. Metamorphic rocks. Modern Geology, v.5, n.3, p.221-228, 1971.
Hunt, G.R.
Spectral signatures of particulate minerals in the visible and near
infrared. Geophysics, v.42, n.3, p.501-513, Apr. 1977.
ImSpec.
ACORN 4.0 user´s guide. Analytical Imaging and Geophysics LLC.
Boulder, Colorado, 76p, 2002.
108
Kenea, N.H. Improved geological mapping using Landsat TM data, Southern Red
Sea Hills, Sudan: PC and IHS decorrelation stretching. International Journal of
Remote Sensing, v.18, n.6, p.1233-1244, Apr. 1997.
Kruse, F.A.; Lefkoff, A.B.; Boardman, J.W.; Heidebrecht, K.B.; Shapiro, A.T.;
Barloo, P.J.; Goetz, A.F.H. The Spectral Image Processing System (SIPS) –
Interactive visualization and analysis of imaging spectrometer data. Remote
Sensing of Environment, v.44, n.2, p.145-163, 1993.
Lulla, K.
Some observations on geobotanical remote sensing and mineral
prospecting. Canadian Journal of Remote Sensing, v.11, n.1, p.17-39, Jul.
1985.
Marini, O.J.; Botelho, N.F. A Província de granitos estaníferos de Goiás. Revista
Brasileira de Geociências, v.16, n.1, p.119-131, Mar. 1986.
Marine, O.J.; Fuck, R.A.; Dardenne, M.A.; Faria, A. Contribuição à geologia do
Pré-Cambriano da porção Central de Goiás. Revista Brasileira de
Geociências, SBG, Rio de Janeiro, v.4, n.2, p.304-324, 1977.
Marini, O.J.; Fuck, R.A.; Figueiredo, A.N.
Projeto São Félix: relatório final.
Brasília: FUB/ELETRONORTE, 125p., 1976.
Mather, P. M. Computer processing of remotely sensed images. 2ed. Nova
Iorque: John Wiley & Sons, 292p, 1999.
Meneses, P.R.; Madeira Netto, J.S. Sensoriamento Remoto: reflectância dos
alvos naturais. 1ed. Brasília: Universidade de Brasília (UnB), 262p., 2001.
Ministério do Exército/Diretoria de Serviço Geográfico (DSG). Folha Minaçu - GO.
SD-22-X-D-VI MI-2037. DSG, 1977. (Carta Topográfica. Escala 1: 100.000).
109
Ministério dos Transportes/Departamento Nacional de Estradas de Rodagem
(DNER).
Condições
das
Rodovias.
Disponível
em:
<http://www.dner.gov.br/estradas >. Acesso em: Abr. 2002.
Moreira, M.A. Déficit hídrico na cultura do trigo e o impacto na resposta
espectral e em parâmetros agronômicos. Piracicaba-SP. 142p. Tese
(Doutorado) – Escola Superior de Agricultura Luiz de Queiroz – Universidade de
São Paulo, 1997.
Moura, M.L. Minimização dos efeitos da fumaça sobre o cálculo do NDVI. São
José dos Campos-SP. 122p. (INPE-8976-TDI/810). Dissertação (Mestrado em
Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais, 2002.
Mustard, J.F.; Sunshine, J.M.
Spectral analysis for Earth Science. Remote
Sensing for the Earth Sciences. Nova Iorque: John Wiley & Sons, p.251-306,
1999.
NASA. HIRIS, High-Resolution Imaging Spectrometer: science opportunities
for the 1990s. Earth Observing System, Instrument panel report. Washigton:
National Aeronautics and Space Administration, 74p., 1987.
Pinelli, M.P.
Geoquímica de águas e sedimento da bacia do rio São
Bartolomeu – DF. Brasília-DF. 134p. Dissertação (Mestrado em Geoquímica) –
Universidade de Brasília, 1999.
Pinto-Coelho, C.
Evolution magmatique et hydrothermale du Massif
granitique de Serra Branca – Etat de Goiás – Brésil : définition des
processus
d’altération
post-magmatiques
en
liaison
avec
les
minéralisations en Sn, Be et F. 1996. 271p. Tese de Doutoramento, Institut
National Polytechnique de Lorraine, Nancy, 1996.
110
Pinto-Coelho, C.
O maciço granítico da Serra Branca – Goiás – Parte I:
Petrografia das fácies graníticas. In: Congresso Brasileiro de Geologia, 40.,
Belo Horizonte, 1998. Anais. Belo Horizonte: Sociedade Brasileira de Geologia,
1998, p.482.
Pinto-Coelho, C.; Charoy, B.
Cronologia das alterações pós-magmáticas
associadas ao maciço granítico da Serra Branca – Goiás. Revista Brasileira
de Geociências, v.31, n.1, p.1-6, Mar. 2001.
Pizarro, M.A. Sensoriamento remoto hiperespectral para a caracterização e
identificação mineral em solos tropicais. São José dos Campos-SP. 195p.
(INPE-7249-TDI/693). Dissertação (Mestrado em Sensoriamento Remoto) –
Instituto Nacional de Pesquisas Espaciais, 1999.
Rouse, J.W.; Haas, R.H.; Schell, J.A.; Deering, D.W.; Harlan, J.C. Monitoring the
vernel advancement of retrogradation of natural vegetation. 1ed. Pasadena:
JPL Publication (NASA/GSFC), 151p., 1974.
Rowan, L.C.; Mars, J.C. Lithologic mapping in the Mountain Pass, Califórnia área
using Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) data. Remote Sensing of Environment, v.84, n.2, p.350-366, 2003.
Rsi.
The Environment for Visualizing Images (ENVI). ENVI user´s guide.
Research Systems, 948p, 2001.
Schowengerdt, R.A. Models and Methods for Image Processing. 2ed. Nova
Iorque: Academic Press, 522p, 1997.
Vane, G. Imaging spectroscopy II. In: Annual International Technical Symposium
Society of Photo-Optical Instrumentation Engineers (SPIE), 31., Bellingham,
1987. Proceedings. Bellingham: Academic Press, 1987, 232p.
111
Vane, G. Airbone Visible/Infrared Imaging Spectrometer (AVIRIS) Performance
Evaluation. In: Airbone Visible/Infrared Imaging Spectrometer (AVIRIS)
Performance Evaluation Workshop, 1., Pasadena, 1988. Proceedings.
Pasadena: JPL Publication (NASA), 1988, 235p.
Vane, G.; Goetz, A.F.H. Airborne Imaging Spectrometer (AIS) Data Analysis. In:
Airborne Imaging Spectrometer (AIS) Data Analysis Workshop, 1., Pasadena,
1985. Proceedings. Pasadena: JPL Publication (NASA), 1985, 173p.
Vane, G.; Goetz, A.F.H. Airborne Imaging Spectrometer (AIS) Data Analysis II. In:
Airborne Imaging Spectrometer (AIS) Data Analysis Workshop, 2., Pasadena,
1986. Proceedings. Pasadena: JPL Publication (NASA), 1986, 212p.
Van der Meer, F. Can we map swelling clays with remote sensing? International
Journal of Applied Earth Observation and Geoinformation, v.1, n.1, p.27-35,
1999.
White, K.; Walden, J.; Drake, N.; Eckardt, F.; Settle, J. Mapping the iron oxide
content of dune sands, Namib Sand Sea, Namibia, using Landsat Thematic
Mapper data. Remote Sensing of Environment, v.62, n.1, p.30-39, Oct. 1997.
112
APÊNDICE A
ROTEIRO PARA CONVERSÃO DOS VALORES DE RADIÂNCIA DAS BANDAS
DO SENSOR ASTER PARA REFLECTÂNCIA, UTILIZANDO OS PROGRAMAS
ENVI 3.5 E ACORN 3.12
¾ NO ENVI 3.5
1) REAMOSTRAR AS BANDAS DO INFRAVERMELHO PARA 15 METROS
OU AS DO VISÍVEL PARA 30 METROS (AS BANDAS ORIGINAIS NA
FAIXA DO VISÍVEL POSSUEM 15 METROS DE RESOLUÇÃO ESPACIAL
E AS BANDAS DO INFRAVERMELHO POSSUEM 30 METROS). ESSA
REAMOSTRAGEM É NECESSÁRIA PARA A HOMOGENIZAÇÃO DOS
DADOS.
- BASIC TOOLS
-
RESIZE DATA (SPATIAL/SPECTRAL)
i. Xfac = 2.0
ii. Yfac = 2.0 (para reamostrar as bandas do IV de 30 para 15
metros).
2) SALVAR TODAS AS BANDAS COMO UM ÚNICO ARQUIVO NO
FORMATO DO ENVI:
- FILE
- ENVI STANDARD
113
- IMPORTAR BANDA POR BANDA NA SEQUÊNCIA CORRETA (B1, B2,
B3, ...)
3) TRANSFORMAR DO FORMATO BSQ PARA O FORMATO BIL. O
PROGRAMA ACORN SÓ ACEITA OS FORMATOS BIL E BIP.
- BASIC TOOLS
- CONVERTER DE BSQ PARA BIL
4) ABRIR IMAGEM .BIL
5) CARREGAR UMA BANDA QUALQUER E DEPOIS:
- TOOLS
- PROFILES
- Z PROFILES
- OPTIONS
- NEW WINDOW BLANK
- FILE
- INPUT DATA
- ASCII
- ABRIR ARQUIVO DE UNIDADES DE
CONVERSÃO (UNITCONV)
6) - ESPECTRAL
114
- ESPECTRAL MATH
(S1 – 1) * S2;
ONDE S1 É O ARQUIVO .BIL COM TODAS AS BANDAS
- MAP VARIABLE TO INPUT FILE;
E S2 UM ARQUIVO TXT COM OS COMPRIMENTOS DE ONDA DE
CADA BANDA EM UMA COLUNA E OS FATORES DE CONVERSÃO
EM OUTRA COLUNA (S2 = UNIT CONV COEF)
- COEFF.TXT:C2
7) GERAR ARQUIVO DE SAÍDA. O ARQUIVO DE SAÍDA GERADO ESTÁ
EM FLOATING POINT.
8) CONVERSÃO PARA INTEGER:
- SPECTRAL
- SPECTRAL MATH
- FIX (S1 * 100);
O VALOR 100 É UTILIZADO PARA FACILITAR A EXPANSÃO DOS NÚMEROS.
S1 É A IMAGEM GERADA NO PASSO ANTERIOR (IMAGEM FLOATING
POINT)
- SALVAR NOVO ARQUIVO COM AS BANDAS QUE SERÁ NO FORMATO
INTEGER
¾ NO ACORN 3.12
115
1) - FILE
- OPEN
- CUP5 => MODO DE CORREÇÃO PARA IMAGENS
MULTIESPACTRAIS (TM, SPOT, ASTER, ETC)
2) PRECISA-SE DE 3 ARQUIVOS DE ENTRADA, ALÉM DO ARQUIVO COM
AS BANDAS NO FORMATO INTEGER GERADAS NA ETAPA ANTERIOR.
SÃO OS SEGUINTES:
A) ARQUIVO TXT COM A FUNÇÃO DE RESPOSTA ESPECTRAL
DOS FILTROS (PODE SER GERADO NO ENVI)
B) ARQUIVO TXT COM OS FATORES DE GANHO PARA CADA
COMPRIMENTO DE ONDA
C) ARQUIVO TXT COM OS VALORES DE OFFSET: 0 (ZERO) PARA
TODAS AS BANDAS
3) ARQUIVO DE ENTRADA: ARQUIVO INTEGER GERADO NO ENVI
4) LATITUDE DO CENTRO DA IMAGEM: - PARA SUL E + PARA NORTE
5) LONGITUDE DO CENTRO DA IMAGEM: - PARA OESTE E + PARA
LESTE
6) ELEVAÇÃO MÉDIA DO TERRENO (CARTA TOPOGRÁFICA)
7) DATA DE AQUISIÇÃO DA IMAGEM (DD/MM/AA) => PARA O PROGRAMA
CALCULAR O ÂNGULO ZENITAL SOLAR
8) HORÁRIO: HH MM SS (UTC)
116
9) ALTITUDE DO SATÉLITE
10) MODELO ATMOSFÉRICO: - TROPIC
11) - FIXED WATER VAPOR: PODE VARIAR DE 10 A 50 MILIMETROS.
QUANTO MAIOR O VALOR, MAIS ÚMIDA A ATMOSFERA. EXEMPLO:
GOIÁS => 20
12) - IMAGE ATMOSPHERE VISIBILITY: QUANTO MENOR O VALOR, MAIS
EMBAÇADA A ATMOSFERA. EXEMPLO: GOIÁS => 75 KILOMETERS
(ATMOSFERA LIMPA)
13) - RUN
117