|
|
Exercício 3 
Parte 1 Deves ter observado que, em dias com um alto nível de poluição atmosférica, o ar é menos transparente. Como já deves saber, este efeito denomina-se nevoeiro fotoquímico ou smog. O nevoeiro fotoquímico provoca a redução da visibilidade, encurtando o campo de visão. Em determinados dias, as colinas próximas, que se podem ver facilmente em dias claros, deixam de ser visíveis parcialmente ou até na totalidade. Na verdade, a visibilidade horizontal é também um bom indicador para medir o nível de poluição atmosférica. Para medir a 'espessura' da atmosfera, analisam-se imagens obtidas pelo satélite Envisat. Num teste, comparamos os dados do espaço com as medições científicas efectuadas no terreno (medições de partículas PM10 efectuadas pelas estações de monitorização). Partimos do princípio de que as medições de satélite representam uma determinada superfície em torno da estação e partimos também do princípio de que a poluição atmosférica influencia a transparência da atmosfera. Na verdade, cada pixel da imagem de satélite corresponde a 300 m x 300 m. A vantagem de utilizar dados de satélite consiste no facto de serem obtidos em diferentes cores, incluindo infravermelhos, invisíveis ao olho humano. As diversas cores interagem de modo diferente na atmosfera; de um modo geral, o azul é mais afectado pela bruma, neblina ou nevoeiro fotoquímico do que o vermelho. És capaz de explicar porquê? Pergunta ao teu professor de Física! Abaixo, encontram-se 3 conjuntos de dados. Cada um destes conjuntos inclui 5 bandas, a banda 1 é medida na gama cromática a azul, a banda 2 a verde, a banda 3 a amarelo, a banda 4 a vermelho e a banda 5 a infravermelhos. A questão científica é a seguinte: pode alguma destas bandas ser utilizada para representar o nível de poluição de partículas PM10? Por outras palavras, tentamos encontrar uma correlação entre as medições no terreno e as diferentes bandas. Faz download e guarda as imagens MERIS do vale de Catmandu:
Transfere e guarda o ficheiro 'P10_monitoring_stations' do vale de Catmandu, correspondente a Thamel, Putalisadak, T.U. Kirtipur, Bhaktapur, Matsyagaon e Hospital de Patan.
No LEOWorks, abre a imagem de 4 de Novembro de 2003, Banda 1. Utiliza a opção de Enhance>Interactive Stretching (para melhorar moderadamente o contraste). De seguida, carrega o ficheiro GIS 'P10_monitoring_station'. Na janela Select the Transformation Method, selecciona Arbitrary e Map Based. As seis estações de monitorização serão apresentadas na imagem. Na ferramenta GIS, abre Tools>Information e clica no Ponto 2 para visualizar o nome da estação (Putalisadak) e as medições no terreno durante os três dias (4 de Novembro, 7 de Novembro e 22 de Dezembro de 2003). O ponto é destacado na imagem. Clica e abre View>Cursor Position/Value. Vai até ao ponto com o cursor, de forma cuidadosa e lenta, e lê o valor desse pixel medido pelo satélite como dado original 'Original data', por exemplo 61 para Putalisadak a 4 de Novembro, Banda 1. Podes verificar que nas tabelas e nos gráficos que se seguem determina-se que o mesmo número é 61,35. Na verdade, tivemos de reduzir a quantidade de dados, por isso, truncámos as casas decimais.
1. De seguida, cria uma tabela no Microsoft Excel e indica os dados de partículas PM10 correspondentes e o número digital (valor DN). Com a ajuda dos gráficos que tens de gerar, estuda a relação entre os valores DN e as bandas, bem como a relação entre os valores DN e as partículas PM10. Consulta o exemplo na página seguinte abaixo.
2. Repete o processo acima indicado para todas as imagens/bandas.
Last update: 15 Maio 2013
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
