GuidosToolbox

GuidosToolbox

GuidosToolbox (Graphical User Interface for the Description of image Objects and their Shapes) contém uma ampla variedade de rotinas de processamento de imagens raster genéricas, incluindo software livre relacionado, como GDAL (para processar dados geoespaciais e exportá-los como sobreposições de imagem raster no Google Earth) e FWTools (pré/pós-processamento e visualizar qualquer dados de raster ou vetor).

Todas as ferramentas são baseadas em princípios geométricos e podem assim ser aplicadas a qualquer escala e a qualquer tipo de dados raster.

GuidosToolbox

GuidosToolbox também inclui MSPA (Morphological Spatial Pattern Analysis), uma seqüência personalizada de operadores morfológicos matemáticos direcionados para a descrição da geometria e conectividade dos componentes da imagem. Os recursos e os exemplos de aplicação do MSPA estão descritos no site da MSPA.

Um fator restritivo do programa é o fato de usar a IDL Virtual Machine para executar algoritmos desenvolvidos usando a linguagem de programação IDL fazendo com que deixe de ser Open Source e impondo limitações no seu uso.

GuidosToolbox é disponibilizada para fins não-comerciais. Para fins comerciais, por favor contacte: Peter.Vogt@jrc.ec.europa.eu

QGIS PKtools Plugin

PKtools – Processing Kernel for geospatial data

PKtools é uma suíte de utilitários escritos em C++ para processamento de imagem com um foco em aplicações de Sensoriamento Remoto.
Ela depende fortemente da biblioteca de abstração de dados geoespaciais GDAL (http://www.gdal.org) e OGR.
Alguns dos programas são semelhantes às ferramentas GDAL (gdalinfo, gdal_translate, gdal_merge,…) e muitas das funcionalidades fornecidas no pktools já existem.
A razão para a implementação de pktools é uma combinação de preferência pessoal e em alguns caso funcionalidades adicionais (Pieter Kempeneers).
Todos os utilitários em pktools usam opções de linha de comando e tem ajuda embutida.

Complemento pktools no QGIS

Uma seleção dos utilitários pktools podem ser executados no QGIS, através da Caixa de Ferramentas de Processamento.
http://pktools.nongnu.org/html/md_apps.html
Certifique-se de que o pktools está instalado no seu Sistema, baixando e descompactando ele (p.ex., "C:\OSGeoW64\apps\pktools" ou "C:\Program Files\QGIS 2.18\apps\pktools").
Em seguida, você pode instalar o Complemento pktools através do menu do QGIS Complementos > Gerenciar e Instalar Complementos. (Configure o caminho para o pktools no menu Opções).

Filtros

No GDALTools (menu Raster) só tem a opção de filtro gdal_sieve (remove pequenos "polígonos" raster).
Já no pktools tem-se uma dezena de filtros tanto no domínio espacial quanto no espectral/temporal.

Filtro de Suavização

Para eliminar ruídos da Imagem
Smooth

Filtro de Majoração

Limpar pixels espúrios da Classificação de Imagens, homogeneizando o resultado.
Majority

LIDAR

LAS/LAZ para Raster

Converte a Nuvem de Pontos do escaneamento à LASER para uma Imagem Raster.

MDE para MDT

Converte o Modelo de Elevação para Modelo de Terreno (removendo o material de cobertura).
DEM to DTM

Referência:

Academia FOSS4G

Foi lançada a Academia FOSS4G!
Pela primeira vez que há um currículo completo de SIG baseado em software livre e open source (FOSS4G)!
Melhor ainda o material está disponível gratuitamente para todos.
O currículo é composto por cinco cursos:

  1. GST 101 – Introdução à Tecnologia Geoespacial
  2. GST 102 – Análise Espacial
  3. GST 103 – Aquisição de Dados e Gerenciamento
  4. GST 104 – Cartografia
  5. GST 105 – Sensoriamento Remoto

Acesse: http://foss4geo.wordpress.com

Geosud ToA Reflectance – complemento do QGIS

Complemento para o QGIS 2.2 Valmiera para se converter dados de sensores remotos (Imagens de Satélite) para reflectância de TOA (Top of Atmosphere) de dados de satélite do Geosud.
No entanto, pode ser utilizado para as imagens obtidas por outros satélites.
Ele converte Números Digitais (DN) para Reflectância de Topo da Atmosfera (TOA) para três tipos de instrumentos: RapidEye, Spot 5 e Landsat 8, de forma automatizada.
Isso é importante para se calcular Índices de Vegetação (IV, NDVI,…), por exemplo.
Para poder instalar, é preciso ir no QGIS > Complementos > Gerenciar e Instalar Complementos… e marcar em Opções: Mostrar também Complementos Experimentais.


Landsat Data Continuity Mission (LDCM)


Lançado em 11 de fevereiro de 2013 com sucesso, o novo satélite da série Landsat, adquiriu a primeira imagem em 18 de março de 2013.
As operações normais do LDCM estão programadas para começar no final de maio de 2013, depois que os instrumentos forem calibrados e a plataforma for totalmente checada.
Nesse momento, a NASA vai entregar o controle do satélite para o Serviço Geológico dos EUA (USGS), e o satélite será renomeado para Landsat 8.

A bordo do Satélite (Plataforma Orbital) estão dois Sensores (Imageadores):

  1. Operational Land Imager (OLI) –  com bandas (8) espectrais no Visível, Infravermelho Próximo e Ondas Curtas, com 30 metros de resolução espacial (tamanho do pixel = área no terreno) e uma banda Pancromática de 15 metros de resolução espacial.
  2. Thermal Infrared Sensor (TIRS) – duas bandas espectrais no Infravermelho Termal, adquiridas com resolução espacial de 100 metros, mas que serão reamostradas para 30 metros para serem distribuídas (na mesma resolução das Imagens Multiespectrais refletidas);
Acompanhe a Missão no site: http://landsat.usgs.gov/index.php

Processamento Digital de Imagens de Sensores Remotos

Algumas atualizações de aplicativos de PDI livres (para Windows, Linux e MacOSX) estão disponíveis:
VISAT/BEAM: nova versão 4.10.3;
OTB/Monteverdi: versão 1.10, que pode ser baixada com instalador stand-alone ou pelo OSGeo4W (que permite a instalação simples e avançada dos programas incubados pela OSGeo no Windows) e ainda tem a biblioteca Orfeo Toolbox (OTB) como plugin no QGIS (no complemento Processing Framework ou SEXTANTE Toolbox);
Opticks: nova versão 4.9.1 (tutoriais e outros materiais de treinamento podem ser obtidos em: http://www.jenningsplanet.com/Training-and-Tutorials.87.0.html e tem várias imagens de satélite no próprio site);

MultiSpec, A Freeware Multispectral Image Data Analysis System, desenvolvido pela Universidade de Purdue – Indiana/EUA, teve sua ultima versão lançada agora em 25 de junho de 2012.
Ele tem versões para Windows e MacOSX e em ambiente Windows ele é portátil, sem precisar instalar.
Ele está aqui em destaque porque tem ferramentas de Classificação Automática de Imagens fácies de usar (a OTB também tem, mas são mais complicadas) e um conjunto de 9 execícios tutoriais (em inglês).
Tem em português um tutorial sobre Classificação Automática Supervisionada e Não-Supervisionada usando o MultiSpec feita pelo José Carlos Jr. em: http://cartageografica.blogspot.com.br

MultiSpec – A Freeware Multispectral Image Data Analysis System

MultiSpec (Purdue LARS MultiSpecé um programa gratuito de Análise de Dados de Imagens Multiespectrais, desenvolvido na Universidade de Purdue, Indiana – Estados Unidos, por David Landgrebe e Larry Biehl da Faculdade de Engenharia Elétrica e de Computadores, ITaP (Information Technology at Purdue) e LARS (Laboratory for Applications of Remote Sensing).
"É o resultado de um esforço de investigação há vários anos em curso, que se destina a definir uma tecnologia robusta e fundamental para a análise de dados de imagens multiespectrais e hiperespectrais, e transferir esta tecnologia para a comunidade de usuários de rápida mais possível. Os resultados da pesquisa são transpostos para o MultiSpec e disponibilizados à comunidade de usuários através das páginas de download. O MultiSpec junto com sua documentação é distribuída gratuitamente." (google translate).
O programa é portátil (não precisa de instalação) e bem pequeno e simples, rodando bem em Windows 7 x64 (ele é 32 bits) e com versões para MAC também (foi desenvolvido originalmente para esse sistema). Na página do MultiSpec tem além do programa, documentação (manuais) e tutoriais com imagens para treino, incluindo Hiperespectrais.
Acesse: https://engineering.purdue.edu/~biehl/MultiSpec
Publicaçõeshttps://engineering.purdue.edu/~landgreb/publications.html

As capacidades da versão atual (impressionantes, depois de deparar com a simplicidade dele) incluem:

  • Importação de dados – Binários ou ASCII, nos formatos Band Interleaved by Line (BIL), Band Sequential (BSQ), ou Band Interleaved by Sample (BIS). Os valores dos dados podem ser 8-bit integer, 16-bit integer, 32-bit integer, 32-bit real ou 64-bit real.
  • Visualiza imagens multiespectrais com uma variedade de formatos B/W ou em cores usando escalas de cinza lineares ou equal área; visualiza imagens temáticas também em B/W ou em cores, com a habilidade de controlar a cor usada para cada tema. Shapefiles podem ser usados para sobrepor as imagens.
  • Histogramas  para determinar o regime da escala de cinzas para ser usada para a visualização ou listagens e gráficos.
  • Reformatação dos arquivos de dados de várias formas, por exemplo, adicionando um cabeçalho padronizado, editando as bandas, combinando os arquivos, adicionando ou modificando as descrições das bandas, fazendo mosaico das imagens, modificando a geometria dos dados, e outras mudanças.
  • Criar novas bandas das bandas existentes. As novas bandas podem ser resultado da Análise de Principais Componentes ou de extração de feições (feature extraction transformation) ou podem ser resultado  de razões de bandas ou combinação linear das bandas existentes divididas por uma combinação linear de diferentes bandas.
  • Agrupamento (cluster) de dados usando tanto passo simples ou algoritmo interativo de agrupamento (isodata). Salvar os resultados para serem visualizados como um mapa temático. Estatísticas de cluster podem ser salvos como classes estatísticas. Usar o agrupamento seguido por ECHO classificação espectral/espacial fornecendo um esquema efetivo de cenário multivariado de segmentação.
  • Definir classes designando campos de treinamento retangular ou poligonal ou com imagens de mascara, computar campos e classes estatísticas e definir campos de teste para usar na avaliação dos resultados da classificação quantitativamente. Uma função chamada "Enhance Statistics" permite também melhorar a medida estatística das classes definidas a se ajustarem a composição de todos os dados no conjunto. O esquema de estimação da covariância (LOOC) pode aperfeiçoar a estimativa para pequenos conjuntos de treinamento.
  • Determinar as melhores feições espectrais para uso em uma dada classificação usando:
a)      Procurar o melhor conjunto de recursos usando qualquer uma das cinco medidas estatísticas de distância;
b)      Um método baseado diretamente sobre os limites de decisão definidos pelas amostras de treinamento;
c)       Outro método baseado diretamente em cima das funções discriminantes.
Também estão incluídos métodos especialmente projetados para procurar estreitar as características espectrais, tais como características espectroscópicas, e para a utilização do exercício de projeção como um meio de melhorar ainda mais as características extraídas.
  • Classificar uma área designada no arquivo de dados. Seis algoritmos de classificação diferentes estão disponíveis: o uso da distância mínima da média, classificador de correlação (SAM), filtro adaptativo (CEM), discriminante linear de Fisher, a função Gaussiana de máxima probabilidade (máxima verossimilhança) de pixel, ou o ECHO classificador espectral / espacial. Salvar os resultados para exibir como um mapa temático, com ou sem campos de treinamento e de teste que estão sendo mostrados. Aplicar um limite para a classificação, e gerar um mapa de probabilidade / limiar mostrando o grau de pertinência de cada pixel à classe para qual foi designado.
  • Listar os resultados da classificação de áreas de treinamento ou de teste em forma de tabela por campo, por turma, ou grupos de classes base.
  • Mostrar gráficos dos valores espectrais de um pixel selecionado ou a média ± s para uma área selecionada. Mostrar diagramas de dispersão dos dados a partir de pares de bandas e elipses de concentração de conjuntos de treinamento e áreas selecionadas. Mostrar histogramas dos valores de dados das classes ou de campos utilizados para o treinamento. Mostrar as coordenadas de uma área selecionada.
  • Mostrar uma apresentação colorida da matriz de correlação para um campo ou classe como uma ferramenta de visualização especial para dados hiperespectrais.
  • Transferência de resultados intermediários ou finais sejam eles texto, imagem B / W ou imagem em cores, para outros programas como processadores de texto, planilha, programas gráficos ou copiando e colando ou salvando e depois abrir o arquivo salvo em outro aplicativo.

O fim de mais um Satélite de Observação Terrestre: ALOS

Depois do fim inesperado do satélite Sino-Brasileiro CBERS-2B em maio do ano passado (Comitê sino-brasileiro anuncia o fim das operações do satélite CBERS-2B) que distribuiu milhares de imagens gratuitamente, agora chegou a vez do satélite japonês ALOS (Daichi)conforme a carta publicada pela Agência Espacial do Japão (JAXA):
27 de abril de 2011
Caros pesquisadores ALOS,
É lamentável para nós, informá-los que o Advanced Land Observing Satellite (ALOS) foi encerrado em 23 de abril devido à avaria de geração de energia solar.
Por volta das 7h30 do dia 22 de abril (JST, na manhã da última sexta-feira), descobrimos que ALOS foi movido para o modo de baixo consumo de energia, que é o modo seguro do satélite para minimizar o consumo de energia para que ele possa sobreviver. Este modo não permiti que o ALOS faça a observação da Terra. Apesar da tentativa de recuperar o satélite a partir deste modo, no momento não podemos atestar o bom sinal do satélite (baixa geração de energia e nenhum sinal do ALOS). Continuaremos a enviar comandos para ativar o ALOS e monitorar se ocorre alguma reação do satélite para mais dias. No entanto, haveria pouca possibilidade de recuperação.
Depois que o  ALOS foi lançado, no dia 24 de janeiro de 2006, foi operada há 5 anos e 3 meses, o que ultrapassa a vida útil de três anos. Acreditamos que o ALOS tem vindo a desempenhar um papel importante na comunidade internacional, em muitos campos de aplicação. Apesar de que novos dados não estar]ao disponíveis, esperamos que os dados já adquiridos, possam contribuir para a pesquisa da ciência da terra e promover a observação da Terra de forma prática e internacionalmente. Neste momento, gostaríamos de expressar nossos sinceros agradecimentos a suas colaborações.
Continuaremos a investigar a causa deste desastre e tomar as medidas necessárias para os satélites futuros, bem como realizar os melhores esforços para a aceleração do lançamento do ALOS-2. Nós gostaríamos de manter nossa boa parceria  com você nos campos de observação da Terra.
Voltaremos brevemente com o ALOS-2/PALSAR-2 em 2013.”
E como desgraça pouca é bobagem, outra notícia problemática, já que o IBGE fornecia imagens do ALOS a baixo custo para pesquisas:

Término do Acordo de Cooperação
Prezados Clientes, informamos o término do acordo de cooperação científica entre o IBGE e a Alaska Satellite Facility ASF, que estabelecia o IBGE como responsável pela distribuição das imagens ALOS (Advanced Land Observing Satellite) para órgãos dos governos federal, estadual e municipal, instituições de pesquisa e demais usuários não comerciais do Brasil.

Sensoriamento Remoto II – parte 2 (Monteverdi)

Monteverdi é um aplicativo amigável de sensoriamento remoto completo e eficiente, baseado no Orfeo Toolbox (que por sua vez usa recursos de programas como o GDAL e o OSSIM). Tem inclusive um plugin de segmentação de imagens para o QGIS (permitindo trabalhar com eles em conjunto).Algumas de suas funcionalidades:

  1. Importação de formatos vetorial e raster (otico e RADAR);
  2. Visualização de camadas raster e vetor com funcionalidades básicas associadas: ajuste dinâmico, composição colorida, ferramentas de navegação: zoom, filtros;
  3. Ferramentas para visualização de imagens de RADAR e filtros baseados (spleckle);
  4. Classificação de imagens;
  5. Gerenciamento de projeções de mapas comuns e re-projeções em tempo real dos dados importados;
  6. Registro: imagem/foto, imagem/mapa, otico/radar;
  7. Registro usando dados externos (OSM, pontos de GPS, etc..);
  8. Exportação de dados corrigidos;
  9. Análise Espacial básica (consulta simples) e Algebra de imagens (plugin Band Math);
  10. Digitalização de polígonos na tela;
  11. Ligação com catálogos Landsat, CBERS, SRTM e outros dados livres para fácil importação.

Acesse:

Sensoriamento Remoto II – parte 2

Orfeo Toolbox is not a black box

ORFEO Toolbox (OTB) é distribuída como uma biblioteca open source de algoritmos de processamento de imagem. OTB baseia-se na biblioteca de processamento de imagens medica ITK e oferece funcionalidades particulares para processamento de imagens de sensoriamento remoto em geral para imagens de alta resolução espacial. OTB é distribuído sob uma licença de software livre CeCILL (semelhante a GPL) para incentivar a participação dos usuários e promover a investigação reprodutível. A biblioteca é intensivamente testado em diversas plataformas como Linux, Unix e Windows. A maioria das funcionalidades também estão adaptadas para processar imagens enormes usando streaming e multi-threading o mais rápido possível.
Entre outros, OTB oferece uma série de funcionalidades fortemente documentada como:

    • Acesso às imagens: acesso otimizado de leitura / gravação para a maioria dos formatos de imagens de sensoriamento remoto, o acesso de meta-dados, visualização;
    • Filtragem: suavização (blurring), remoção de ruído (denoising), realce (enhancement);
    • Extração de características: os pontos de interesse, alinhamentos, linhas;
    • Segmentação de imagens: crescimento da região, bacias hidrográficas, conjunto de classes ;
    • Classificação: K-means, SVM, campos aleatórios de Markov;
    • Detecção de mudança.
    • Matematica de bandas (Band Math).

    Coming soon …. (Orfeo é uma opera de Claudio Monteverdi, aguarde pois tem mais novidades)