IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 001 - 009

NDICES NDVI, NDWI E NDBI COMO FERRAMENTAS AO

MAPEAMENTO TEMTICO DO ENTORNO DA LAGOA OLHO
D'GUA, EM JABOATO DOS GUARARAPES-PE
ALBINO FERREIRA DE FRANA
JOO RODRIGUES T AVARES JUNIOR.
JLIO CSAR COTRIM MOREIRA FILHO2
Universidade Federal de Pernambuco - UFPE
Centro de Tecnologia e Geocincias - CTG
Departamento de Engenharia Cartogrfica, Recife, PE
{albinoffranca, joaoufpe, jjccccmmff}@gmail.com
Programa de Ps-Graduao em Cincias Geodsicas e Tecnologias da Geoinformao2

RESUMO - O presente artigo apresenta o uso dos ndices radiomtricos NDVI (Normalized Difference
Vegetation Index), NDWI (Normalized Difference Water Index) e NDBI (Normalized Difference Built-up
Index) para LANDSAT-5. Na rea de estudo est contida a Lagoa Olho Dgua, Jaboato dos
Guararapes-PE, e seu entorno. Na metodologia inerente ao trabalho, aplicou-se tcnicas de uso do modelo
de cores IHS como ferramentas deteco de nuvens, bem como a utilizao da faixa do espectro
eletromagntico relativa ao infravermelho prximo para o mapeamento de corpos dgua. Como resultado
final, obteve-se uma base de dados confivel, na escala de 1:150000 (compatvel com a resoluo espacial
da imagem LANDSAT-5), em SIRGAS 2000.
ABSTRACT - This paper shows about the use of radiometric indices NDVI (Normalized Difference
Vegetation Index), NDWI (Normalized Difference Water Index) and NDBI (Normalized Difference
Built-up Index) for LANDSAT-5. In the studys area is contained Lagoa Olho Dgua, Jaboato
Guararapes-PE, and around areas. In the methodology of the work, we applied the techniques for using
HSI color model as tools for the detection of clouds, and the use of range of the electromagnetic spectrum
on the near infrared to the mapping of water bodies. As a final result, we obtained a reliable database on a
scale of 1:150000 (compatible with the spatial resolution of Landsat-5) in SIRGAS 2000.

1 INTRODUO
A aplicao de ndices NDVI, NDWI e NDBI fornecem parmetros capazes de detectar e separar alvos
compostos de materiais diferentes como gua, edificaes, vegetao e solo exposto. No entorno da Lagoa Olho dgua,
Jaboato dos Guararapes-PE, uma grande diversidade de alvos misturados em ambiente aqutico e terrestre,
proporciona um problema para testar a discriminao a cobertura vegetal, edificaes e solo exposto. A composio de
bandas 5-4-3 do TM LANDSAT-5, associadas aos canais RGB, permite visualizar alvos em terras emersas com cores
tipicamente reconhecidas pela viso humana, enquanto a composio pode revelar alvos submersos e sedimentos em
suspenso. Este artigo mostra experimentos de classificao de alvos associando cada ndice fsico a um canal do
sistema RGB comparados com a classificao automtica K-mdias, e uma transformao RGBIHS para detectar
nuvens que se confundiam com a massa de gua da Lagoa Olho dgua.
O presente trabalho possui como objetivo a demonstrao do uso dos ndices radiomtricos NDVI, NDWI e
NDBI na gerao de resultados que possibilitem a aplicao de tcnicas de classificao de pixels, bem como abordar
mtodos de resoluo de problemas encontrados nessas tcnicas, tais como o uso do modelo de cores IHS para deteco
de nuvens e o uso da faixa espectral do infravermelho prximo para encontrar corpos dgua. Partindo de todos esses
pressupostos, foi capaz de se gerar uma base de dados confivel e compatvel com a escala determinada para o
mapeamento, dando subsdios necessrios aplicao desses produtos em pesquisas cientficas das mais diversas reas
do conhecimento.

A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 002 - 009

2 REA DE ESTUDO
A rea de estudo do presente trabalho (Figura 1) abrange uma regio na qual esto inseridas reas contidas nos
municpios de Recife, Jaboato dos Guararapes e Cabo de Santo Agostinho, todos do Estado de Pernambuco. O
polgono envolvente da rea de estudo tem limites descritos na Tabela 1, no sistema geodsico de referncia SIRGAS
2000. Porm, ser dado foco espacial regio do entorno da Lagoa Olho dgua.
Tabela 1 Coordenadas em graus decimais da rea de estudo, no Sistema Geodsico de Referncia SIRGAS 2000.
Meridiano oeste
Meridiano leste
Paralelo norte
Paralelo sul
-35,025384
-34,865575
-8,075450
-8,299626

Figura 1 Localizao da rea A de estudo do presente trabalho.

A Lagoa Olho Dgua, por sua vez, a principal lagoa natural na costa de Pernambuco, sendo uma das maiores
lagoas contidas em zonas urbanas do Brasil. Localizada no municpio de Jaboato dos Guararapes/PE, Regio
Metropolitana do Recife, abrangendo densidades populacionais dos bairros de Piedade, Candeias e Barra de Jangada,
todos do mesmo municpio, a lagoa possui um espelho dgua de aproximadamente 3,75 Km2. Segundo Macedo (2010),
a lagoa est distante aproximadamente 2,4 km do litoral, desde o ponto da sua margem leste mais prximo do litoral, e
correspondente a um sistema lagunar extremamente raso de vrias lagoas menores, formando a micro-bacia do Rio
Jaboato e dos canais artificiais principais (Canal de Setbal e Canal Olho Dgua, que possui sada para o Rio
Jaboato). Macedo (2010) diz ainda que h no entorno da lagoa reas com solos arenosos e argilosos, onde a vegetao
de restinga foi quase toda retirada, possuindo hoje uma cobertura vegetal composta de vrios tipos de rvores, arbustos
e vegetao rasteira.
3 FUNDAMENTAO TERICA
3.2 ndices radiomtricos
ndices radiomtricos so medidas radiomtricas capazes de identificar em imagens digitais a abundncia
relativa e a atividade de determinados tipos de informaes, tais como reas edificadas, cobertura vegetal, reas
inundadas, rea foliar, entre outros. A seguir uma breve explanao acerca dos ndices radiomtricos utilizados na
presente execuo. So eles: NDVI, NDWI e NDBI. A Tabela 2 mostra uma sntese das aplicaes dos ndices fsicos,
sistema sensor, bandas espectrais, preciso temtica e escala nominal. Observa-se na Tabela 2 os bons ndices de
preciso obtidos com o sensor TM e escala nominal de 1:150000.
Tabela 2 Bons ndices de preciso obtidos com o sensor TM e escala nominal de 1:150000.
Autor
Sensor
Bandas
Tcnica
Preciso
Zha, Gao e Ni (2003)
TM
3, 4, 5
NDVI, NDBI,
92,6% para o
Classif. Superv.
NDBI
Maxver
Jianjun et al. (2005)
TM, ETM
3, 4, 5
NDBI, Classif.
98,96% e 78,75%,
Superv. Maxver
Maxver e NDBI
Chen et al. (2006)
TM, ETM
7 bandas
NDVI, NDWI,
92,19% e 87,04%,
NDBI, NDBal
Global e rea
construda
Qian, Zhou e Hou (2007)
ETM+
6 bandas
NDBI, Maxver,
Insuficiente,
A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

Escala
1:150000

1:150000
1:150000

1:150000

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Zhang, Odeh e Han (2009)

TM, ETM

3, 4, 5, 6

Classif. Imagem Or.

Objeto
LST, NDVI, NDBI

Liu e Zhang (2011)

TM, Aster

7 TM, LIA
ASTER

LST, NDVI, NDBI,

UTFVI

Lee et al. (2011)

TM, ETM

3, 4, 5, 6

BT e Class. rvore
de deciso com o uso
de NDVI, NDWI,
NDBI, NDBal

Recife - PE, 06- 09 de Maio de 2012

p. 003 - 009

70,89; 89,33
Correlao de
0,87 e 0,74; 0,29 e
0,07, p/ LSTNDBI e
LSTNDBI
Correlao de 0,41 e 0,71 para
LST-NDVI e
LST-NDBI;
UTFVI extremos
em <0 e em >0,02
90% para gua e
rea construda e
relao direta
entre BT e rea
construda

1:600000 e
1:150000

1:600000;
1:150000;
1:450000

1:150000

O NDVI (Normalized Difference Vegetation Index) um ndice de vegetao utilizado para destacar este alvo.
Como vantagem tem-se a reduo de muitas formas e rudos (diferenas de iluminao, sombras de nuvens, algumas
atenuaes atmosfricas, algumas variaes topogrficas) presentes em mltiplas bandas de mltiplas datas. Na
Equao 1, para ivp tem-se a refletncia no infravermelho prximo, e verm a refletncia no vermelho.
NDVI = ( ivp vm ) / ( ivp + vm ).

(1)

O NDWI (Normalized Difference Water Index) uma equao desenvolvida para realar corpos de gua e
eliminar a influncia do solo na vegetao. Na Equao 2, ivp a reflectncia no infravermelho prximo, e vd a
reflectncia na faixa do verde.
NDWI = ( vd ivp ) / ( vd + ivp ).

(2)

O NDBI (Normalized Difference Built-up Index) um ndice radiomtrico desenvolvido para identificar reas
urbanas e construdas, tendo como base o grande incremento de resposta espectral das reas construdas entre as bandas
do infravermelho prximo e infravermelho mdio. O NDBI aplicado ainda para o mapeamento rpido de reas
urbanas e no auxlio ao estudo de ilhas de calor urbanas. Na equao 3 ivp, a reflectncia no infravermelho prximo, e
ivm a reflectncia no infravermelho mdio.
NDBI = ( ivm ivp ) / ( ivm + ivp ).

(3)

3.3 Classificao
A Classificao o processo de separao de pixels segundo uma regra matemtica ou algoritmo para agrupar os
pixels em classes semelhantes em termos de suas propriedades espectrais, podendo ser dividida em dois tipos:
supervisionada onde o usurio define suas amostras de treinamento, e no supervisionada, onde o usurio faz opes
pelo nmero de classes e iteraes. A classificao no-supervisionada pode ser vista como um passo importante a ser
realizado antes da classificao supervisionada. Porm, cuidados especiais devem ser tomados na obteno desse
nmero de classes de pixels, pois alguns problemas podem ocorrer, tais como: o nmero de classes espectrais ser maior
que o de classes do terreno, havendo necessidade da realizao de um reagrupamento; o nmero de classes espectrais
ser muito menor que o de classes no terreno, caracterizando-se a existncia de alvos com caractersticas espectrais
semelhantes e mostrando a necessidade de se utilizar outras formas de discriminaes para as classes.Uma vantagem da
classificao no supervisionada gerar repetio de um mesmo resultado supondo que sejam colocados os mesmos
parmetros: nmeros de classes e iteraes e eliminando assim a subjetividade para os resultados. No presente trabalho
foi utilizado o mtodo de classificao no-supervisionada pelas K-mdias.
O mtodo de classificao pelas K-mdias realiza inicialmente o clculo da mdia de classes que esto
distribudas de forma homognea no espao de atributos, calculando posteriormente, por meio de seu algoritmo, a
menor distncia entre cada pixel e a mdia de cada classe. Aps isso, os pixels so alocados classe cuja mdia esteja
mais prxima de seu valor. Ressalta-se ainda algumas observaes inerentes a esse mtodo: i) em cada iterao a mdia
A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 004 - 009

e novamente calculada para que a distncia seja tambm novamente determinada; ii) o processo de clculo de novas
mdias repetido at que se atinja um limiar ou o nmero mximo de iteraes especificado pelo usurio; iii) o usurio
deve aplicar conhecimentos sobre a rea a ser classificada para determinao do nmero de classes. A equao 4
capaz de ilustrar o clculo do centride (mdia) das amostras, e a equao 5 o procedimento de classificao.
Xi = ( 1 / Ni ) xXi (x)

(4)

x Xk : k = arg min || x xi ||

(5)

3.3 Modelo de cores HSI

O modelo de cores HSI representa uma determinada cor em termos do matiz (H, hue), saturao (S, saturation) e
intensidade (I, intensity). Geometricamente falando, a combinao dos parmetros citados resulta em um espao de
cores tridimensionais que corresponde a uma estrutura piramidal de trs lados. Os componentes da representao RGB
(Red, Blue, Green) podem ser convertidos para o modelo HSI de acordo com a formulao matemtica abaixo. Maiores
detalhes em PEDRINI e SCHWARTZ (2008):
_______________________
H = arccos {[(R G) + (R B)] / 2[(R G)2 + (R B) (G B)]}
(6)
S = 1 [3 min (R, G, B) / (R + G + B)]

(7)

I = (R + G + B) / 3

(8)

Caso B > G, ento H = 360 H; Assume-se que os componentes RGB esto normalizados entre [0 e 1]. A
intensidade I e a saturao S esto normalizadas entre [0 e 1]; O matiz H varia de [0o a 360o].
4 METODOLOGIA
Em sntese a metodologia usada foi: 1-baixar imagem TM LANDSAT-5 de 17-03-2011, rbita-ponto 214-066,
com um mnimo de nuvens e convertendo-as para SIRGAS2000; 2- usando SPRING 5.0.6 e TERRAVIEW 4.1.0
(Diviso de Gerao de Imagens (DGI) do Instituto Nacional de Pesquisas Espaciais - INPE) fazer as composies 3-21 e 4-5-3 na escala nominal de 1:150000, para interpretao visual dos alvos vegetao, rea urbana, solo exposto
(sedimentos de praia e assoreamentos na lagoa), e gua (com ou sem sedimentos em suspenso) em torno da Lagoa
Olho dgua e litoral; 3- delimitar a rea de estudo em funo de reunir os alvos de interesse em uma cena; 4- associar
canais aos ndices fsicos (RNDBI, GNDVI, BNDWI); 5-aplicar o K-mdias as imagens processadas em 4; 6transformao RGBIHS para separar nuvens devido confuso entre a lagoa e nuvens. Na composio RGB1 (3-2-1)
foram destacados os alvos: i) reas edificadas e de solo exposto, ii) corpo dgua da lagoa, iii) corpo dgua do mar, iv)
vegetao, v) sedimentos submersos na Lagoa Olho dgua, vi) sedimentos marinhos em suspenso, vii) faixa de areia
da praia, e vi) nuvens. Na composio RGB2 (5-4-3). A composio RGB2 revelou as mesmas classes que a RGB1,
todas observadas na interpretao visual.

RGB1
3-2-1
Figura 2 Composies RGB1 e RGB2.
4.3.2 Clculo dos ndices
A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

RGB2
5-4-3

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 005 - 009

O clculo dos ndices radiomtricos NVDI, NDWI e NDBI foram realizados utilizando o menu ImagemOperaes Aritmticas, contida no software SPRING 5.0.6. Esses ndices serviram como ferramentas na obteno de
contrastes mais interessantes delimitao de limiares entre as classes a serem mapeadas espectralmente com os
mtodos de classificao utilizados nesta aplicao.
O comportamento do histograma das imagens obtidas como ndices radiomtricos consistiu em um problema
inerente a esta etapa, devido alta freqncia de pixels com valores prximos de zero contidos nas imagens,
acarretando em problemas na aplicao do contraste linear nas mesmas. Esse problema, porm, foi resolvido por meio
da multiplicao de todos os pixels das imagens por uma constante de valor igual a 100. Em seguida, foi gerada a
composio RGB3, onde R = NDBI, G = NDVI e B = NDWI, que ser posteriormente objeto de estudo para a os
processos de classificao de pixels. A Figura 3 ilustra as imagens obtidas como resultado com contraste linear e a
Figura 4 ilustra a comparao entre as composies RGB1, RGB2 e RGB3. Ressalta-se que essas composies so nada
mais que atribuies das imagens e/ou ndices radiomtricos obtidos aos canais Red, Green, e Blue no software de
processamento de imagens digitais. Com a obteno do RGB3 notou-se por meio de interpretao visual as classes (i)
reas construdas e de solo exposto, ii) vegetao, e iii) gua. Um problema foi detectado na obteno do RGB3: o
comportamento espectral das nuvens presentes nas imagens ficou semelhante ao comportamento da superfcie lquida
da Lagoa Olho dgua, o que representaria um fator negativo quando a mesma fosse processada usando classificador
automtico. Desse modo, para a identificao das reas onda havia cobertura de nuvens, foi utilizado o modelo IHS para
detectar nuvens.

NDBIR
Figura 3 Resultados associando canais a ndices.

NDVIG

NDWIB

RGB1
3-2-1

RGB3
NDVI G
NDBI R
NDWIB

RGB2
5-4-3

Figura 4 Comparao entre composies.

4.3.3 Modelo IHS para identificao de nuvens
Na converso das imagens para IHS foi usado no SPRING 5.0.6 a funo Imagem-Transformao IHS-RGB.
O contraste das imagens foi obtido por meio da manipulao dos histogramas na regio onde a freqncia de pixels
referentes a nuvens maior. A Figura 5 ilustra o contraste linear aplicado sobre as imagens para destaque das nuvens, e
A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 006 - 009

a Figura 6 mostra a comparao entre RGB1, RGB3 e o resultado obtido nesta etapa, que recebeu no presente trabalho a
denominao de IHS_Nuvens.

Figura5 Comportamento dos histogramas das imagens e contraste linear aplicado por meio da interpretao e
identificao no histograma das reas referentes s nuvens.

RGB3
NDVI G
NDBI R
IHS_Nuvens
NDWIB
Figura 6 Comparao visual das composies RGB1, RGB3 e IHS_Nuvens.
RGB1
3-2-1

4.3.4 Classificao K-mdias

Para RGB3, objetivou-se estabelecer as classes: i) reas construdas e de solo exposto, ii) vegetao, e iii) gua.
Essa classificao foi neste trabalho chamada de CRGB3. Na classificao IHS_Nuvens, duas classes foram obtidas: a)
nuvens e b) demais reas (reas nas quais no h a ocorrncia de nuvens) e o resultado foi chamado de CIHS_Nuvens.
Para ambos os casos foi utilizado o modelo de classificao no-supervisionada, os quais foram possveis de ser gerados
a partir do software TERRAVIEW 4.1.0 em seu plug-in Processamento de Imagens. O mtodo utilizado para ambas
as classificaes foi o K-Means e a Tabela 3 descreve os parmetros utilizados. Ressalta-se que o nmero de iteraes
para as classificaes foi determinado empiricamente, com base em testes prticos na mesma execuo; e que o nmero
de classes oriundo daquilo que se deseja determinar para o mapeamento temtico da regio.
Tabela 3 Parmetros de classificao adotados.
Imagem
Classes
Iteraes
Classificada
CRGB3
3
20
IHS_Nuvens
2
20
Um problema encontrado na classificao de RGB3 foi o mapeamento errneo do corpo de gua da Lagoa Olho
dgua, no qual o mesmo foi classificado como reas construdas e de solo exposto A soluo adotada para resolver
esse problema foi a classificao da imagem referente faixa espectral do infravermelho prximo, a banda 4, devido
baixa reflectncia de corpos dgua nessa faixa do espectro eletromagntico. Para essa classificao tambm foi
utilizado o mtodo K-mdias, com duas classes e 20 iteraes. Assim, obteve-se uma nova imagem demonstrada pela
A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 007 - 009

Figura 7, aqui chamada de CNIR. Nota-se ainda que as nuvens foram classificadas como gua. Porm, o tratamento
desse dado se deu aps a sua converso para a estrutura vetorial, o que ser abordado mais adiante.
4.3.5 Vetorizao e processamento dos resultados
As imagens CRGB3 (ver Figura 7), CIHS_Nuvens e CNIR foram convertidas para a vetor no TERRAVIEW 4.
1.0, possibilitando-se processar as informaes e integr-las em um nico banco de dados geoespacial. Unidos em um
nico arquivo vetorial, no formato shapefile, os dados foram integrados no mesmo software, tendo as classes de
informaes classificadas por meio de um campo chamado Tipo, ao qual foram alocadas as seguintes classes: i) gua
Lagoa Olho dgua, ii) gua mar, iii) rea construda ou solo exposto, e iv) Vegetao. A Figura 8 e a Figura 9
ilustram a integrao dos dados no TERRAVIEW 4.1.0.

CNIR

CRGB3

Figura 7 Classificao da faixa espectral do infravermelho prximo pelas K-mdias em CNIR; e classificao da
imagem RGB3, tambm pelas K-mdias.

Figura 8 Integrao dos dados, no TERRAVIEW 4.1.0.

A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 008 - 009

Figura 9 Tabela de atributos referente integrao dos dados em classes temticas, no TERRAVIEW 4.1.0.

5 RESULTADOS E DISCUSSES
O produto final do presente trabalho um mapa temtico (Figura 10) na escala nominal de 1:150000 a regio
que compreende a Lagoa Olho dgua e seu entorno integrando o processamento de ndices fsicos.

Figura 10 Mapa temtico integrando ndices fsicos.

6 CONCLUSES
Por meio do presente trabalho, sobre a metodologia e resultados obtidos: 1- O uso dos ndices radiomtricos
NDVI, NDWI e NDBI associados aos canais RGB na obteno de contrastes como ferramenta de classificao eficaz
na separao de gua, nuvens, rea construda e solo exposto, corpos de gua, linha de costa envolvendo regies
costeiras dos municpios de Recife, Jaboato dos Guararapes e Cabo de Santo Agostinho tais como as classes de
informaes ilustradas na Figura 9, salvo problemas encontrados com relao a nuvens e rea do corpo dgua da
Lagoa Olho Dgua; 2 - O uso do modelo de cores HSI no auxlio identificao de nuvens por meio da obteno de
contrastes que servissem como ferramentas classificao de pixels, tudo isso referente mesma rea citada.
A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho

IV Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao

Recife - PE, 06- 09 de Maio de 2012

p. 009 - 009

AGRADECIMENTOS
Nossos devidos agradecimentos PROPESQ-UFPE (Pr-Reitoria Para Assuntos de Pesquisa e Ps-Graduao),
pela concesso do direito de exercer atividades como PIBIC (Projeto de Iniciao Cientfica), ao Departamento de
Engenharia Cartogrfica da UFPE, CAPES (Coordenao de Aperfeioamento de Pessoal de Nvel Superior), e ao
Programa de Ps-Graduao em Cincias Geodsicas e Tecnologias da Geoinformao da UFPE.
REFERNCIAS
Chen, X. L., Zhao, H. M., LI, H. M., Yin Z. Y. Remote sensing image-based analysis of the relationship between
urban heat island and land use/cover changes. Remote Sensing of Environment, Elsevier, v. 104, n. 2, p. 133146,
2006. Disponvel em: <http://linkinghub.elsevier.com/retrieve/pii/S0034425706001787>.
Macedo, Olindina Gomes de. Avaliao de Classificadores em Imagem de Alta Resoluo. rea urbana de
Jaboato dos Guararapes-PE. Dissertao (Mestrado em Cincias Geodsicas e Tecnologias da Geoinformao) Universidade Federal de Pernambuco. 2010, 100p.
Novo, Evlyn M. L. de Moraes. Sensoriamento remoto: princpios e aplicaes. So Paulo: Bluecher, 2008.
Jensen, J.R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. So Jos dos Campos:
Parntese, 2009. 604 p.
Jianjun, J., Lie Z., Hounan, W., LI A., Hailong Z., LI Z., Jun X. Land cover changes in the rural-urban interaction
of xian re-gion using landsat tm/etm data. Journal of Geographical Sciences, Science China Press, co-published with
Springer,
v.
15,
p.
423430,
2005.
ISSN 1009-637X.10.1007/BF02892149.
Disponvel
em:
<http://dx.doi.org/10.1007/BF02892149>.
Long, L. Longqian C., Xinxin W., Jianlin Z. Use of landsat tm/etm+ data to analyze urban heat island and its
relati-onship with land use/cover change. p. 922 927, june 2011.
Liu, L.; Zhang, Y. Urban heat island analysis using the landsat tm data and aster data: A case study in hong
kong. Remote Sensing, v. 3, n. 7, p. 15351552, 2011. ISSN 2072-4292. Disponvel em: http://www.mdpi.com/20724292/3/7/1535/.
Pedrini, H. Schwartz, W.R. Anlise de Imagens Digitais: Princpios, Algortmos e Aplicaes. So Paulo. Thomsom
Learning, 2008.
Qian, J.; Zhou, Q.; Hou, Q. Comparison of pixel-based and object-oriented classifi-cation methods for extracting
built-up areas in aridzone. SPRS Workshop on Updating Geo-Spatial Databases with Imagery & The 5th ISPRS
Workshop on DMGISs, p. 163171, 2007.
Zha, Y.; Gao, J.; Ni, S. Use of normalized difference built-up index in automatically mapping urban areas from
tm imagery. International Journal of Remote Sensing, v. 24, n. 3, p. 583594, 2003. Disponvel em:
<http://www.tandfonline.com/doi/abs/10.1080/01431160304987>.
Zhang, Y.; Odeh, I. O.; Han, C. Bi-temporal characterization of land surface temperature in relation to
impervious surface area, ndvi and ndbi, using a sub-pixel image analysis. International Journal of Applied Earth
Observation and Ge-oinformation, v. 11, n. 4, p. 256 264, 2009. ISSN 0303-2434. Disponvel em:
<http://www.sciencedirect.com/science/article/pii/S030324340900021X>.

A. F.Frana, J. R. Tavares Junior, J. C.C. Moreira Filho