Correção Geométrica e Ortorretificação

Qual é a diferença entre dados georreferenciados e ortorretificados? Como a ortorretificação é realizada e como sua precisão é testada? O que são arquivos RPC e como são utilizados na ortorretificação?

O que é Correção Geométrica e Ortorretificação?

Correção Geométrica é o processo de alinhar uma imagem com base em pontos de controle, corrigindo distorções simples como rotação ou inclinação do sensor.
Já Ortorretificação vai além: ela também corrige os efeitos do relevo, gerando uma imagem com escala uniforme e precisão cartográfica.

❗ Importante: nenhum desses processos é sinônimo de georreferenciamento.
Georreferenciar uma imagem significa apenas posicioná-la corretamente em um sistema de coordenadas (por exemplo, latitude e longitude) — ou seja, atribuir-lhe uma localização no espaço. No entanto, uma imagem georreferenciada não garante precisão planimetrica ou altimetrica.
Já corrigir geometricamente ou ortorretificar envolve ajustar distorções reais causadas por fatores como a inclinação do sensor, altitude de voo ou o relevo do terreno.

Para realizar tanto processo de Correção Geométrica quanto Ortorretificação e alcançar a maior precisão possível, também são necessários pontos de controle em solo (GCPs). Podemos definir GCPs como locais conhecidos na superfície terrestre, com coordenadas XY (latitude/longitude) e Z (elevação) altamente precisas, obtidas por levantamento topográfico.

Enquanto para uma correção geometrica é necessario somente pontos de controle em solo GCPs, para ortorretificar uma imagem, é necessário pelo menos um modelo de elevação e um modelo de câmera ou coeficientes polinomiais racionais (RPCs).

Teste de Precisão de Imagens Ortorretificadas

Em geral, há quatro fatores principais que influenciam a precisão final de uma ortoimagem:

1. A própria imagem — especialmente o ângulo off-nadir e o relevo do terreno. O off-nadir é o ângulo de inclinação do satélite no momento da captura da imagem. Um ângulo de 0° significa que o satélite estava apontando diretamente para baixo. Imagens com ângulo off-nadir alto (geralmente acima de 25°) e/ou sobre áreas com grande relevo (montanhas, vales etc.) tendem a apresentar menor precisão após ortorretificação.
2. O método de ortorretificação — usar um modelo de câmera, por exemplo, pode resultar em uma ortoimagem ligeiramente mais precisa.
3. A qualidade dos pontos de controle em solo (GCPs) — quanto mais precisos forem, maior será a precisão da ortoimagem.
4. A distribuição espacial dos GCPs — se todos estiverem concentrados em uma pequena área, essa região será mais precisa, mas a precisão diminuirá à medida que se afastar do agrupamento. Em geral, a precisão da ortoimagem decai conforme aumenta a distância dos GCPs.

Para testar a precisão de uma ortoimagem, é imprescindível ter pontos de controle em solo. Sem esses pontos, não há como garantir a precisão do produto final, o que pode ser frustrante quando esse controle está ausente.

Assumindo que você tenha usado GCPs, existem duas formas principais de validar a precisão:

1. Método Hold-Out (Divisão de Amostra)

• Separa-se parte dos GCPs para o processo de ortorretificação (ponto de controle) e reserva-se uma parte para teste posterior (ponto de check).
• Vantagem: fácil de implementar.
• Desvantagem: pode ser pouco confiável, especialmente se o número de GCPs for baixo, pois a amostra de teste pode não representar bem o todo.

2. Validação Cruzada Leave-One-Out

• Subconjuntos diferentes de GCPs são repetidamente usados e excluídos do processo de ortorretificação.
• Cada rodada testa a precisão com diferentes pontos reservados.
• Vantagem: resultados mais robustos e confiáveis, embora o processo seja mais complexo.

Como Medir a Precisão

Uma vez escolhida a metodologia, o teste de precisão segue estes passos:

1. Localize cada ponto de teste na ortoimagem.
2. Meça a distância em linha reta até a sua localização real no terreno.
3. Essa localização real é determinada pelas coordenadas XY registradas no levantamento topográfico.
4. Registre todas as distâncias medidas em uma planilha.

Com os dados, calcule a precisão usando um dos métodos comuns:

• RMSE (Erro Quadrático Médio): raiz quadrada da média das diferenças entre coordenadas medidas e reais. Indica o desvio médio da imagem em relação à realidade.
• CE90% (Erro Circular de 90%): raio de um círculo em que 90% dos GCPs devem cair dentro da sua posição real.
• NMAS (Padrões de Precisão Cartográfica Nacional dos EUA): norma estabelecida pelo USGS em 1947 que define a precisão exigida de acordo com a escala do mapa. Por exemplo, uma ortoimagem com escala máxima de 1:4.800 deve apresentar CE90% de no máximo 13,33 pés (~4 metros).

⚠️ Importante: A precisão pode variar muito dependendo de onde os GCPs de teste estão localizados. GCPs em áreas planas tendem a mostrar maior precisão, enquanto áreas montanhosas apresentam resultados menos precisos. Como regra prática, imagens dos satélites mais recentes como WorldView-1/2 e GeoEye-1 podem alcançar precisão de 2 a 3 pixels, assumindo bom uso de GCPs e um modelo de elevação. Para outros satélites, 5 pixels é uma meta comum.

Coeficientes Polinomiais Racionais (RPCs)

Por fim, vamos entender o que são os arquivos RPC e sua importância na ortorretificação.

Os arquivos RPC são uma maneira padronizada e eficaz de descrever a posição da imagem de satélite no solo. Eles contêm duas equações polinomiais:

• Uma que relaciona a linha da imagem (linha do pixel) à coordenada X do mundo real.
• Outra que relaciona a coluna da imagem (coluna do pixel) à coordenada Y do mundo real.

Essas equações calculam a posição XY a partir do canto superior esquerdo da imagem. Os coeficientes que alimentam essas equações são fornecidos pelas empresas de sensoriamento, com base na posição e orientação do satélite no momento da coleta e no modelo rigoroso da câmera, que é proprietário.

Por isso, os RPCs são um modelo genérico que pode ser usado com qualquer sensor e são fáceis de implementar em softwares comerciais de sensoriamento remoto. Muitas vezes, os desenvolvedores preferem usar RPCs em vez de buscar modelos de câmera exclusivos de cada fabricante (o que pode ser demorado).

Embora os RPCs tentem incorporar todos os fatores considerados no modelo de câmera, existe uma pequena diferença entre os dois, o que pode levar a um erro residual ligeiramente maior na ortoimagem final.

???? Observação final: Cada empresa tem seu próprio formato de arquivo RPC — por exemplo, a DigitalGlobe os chama de arquivos RPB, enquanto a Airbus os fornece em formato XML.

Quer explorar mais sobre o mundo das imagens de satélite e geosoftwares?

Explore o site da Engesat e descubra muito mais!

Se tiver dúvidas, entre em contato com a nossa equipe!

Contato

Entre em contato conosco para receber uma proposta técnica e comercial adaptada às suas necessidades.

Atendimento em toda a América Latina!

E-mail: laurent.engesat@gmail.com ou engesat@engesat.com.br

Cel: 041 9134 0990 (também whatsapp)

E ai, gostou desta publicação? Deixe um comentário para acrescentar conteúdo ou para iniciarmos uma discussão sobre o tema.

Curta e compartilhe com seus clientes e colegas de profissão!

 

 

 

Esta publicação foi escrita por Laurent Martin, formado em Agronomia e com Mestrado em Sensoriamento Remoto Aplicado no Reino Unido, é responsável pela direção da EngeSat.