Satellite Image Analysis

A análise de imagens de satélite consiste em extrair informação de imagens da Terra captadas por satélites em órbita: cartografar a cobertura do solo, contar navios, aeronaves ou edifícios, medir a saúde das culturas e detetar alterações entre duas datas. É um ramo da deteção remota, que também abrange imagens de aeronaves e drones, e atualmente depende da visão computacional (CV) e da aprendizagem profunda (DL) para processar grandes volumes de imagens que nenhuma equipa de analistas conseguiria inspecionar manualmente. Só o programa Landsat tem captado imagens da Terra continuamente desde 1972.

O que os satélites captam#

As imagens de satélite diferem das fotografias comuns em quatro tipos de resolução:

• Resolução espacial: A distância no terreno abrangida por um píxel. O Landsat 8 e 9 regista a maioria das bandas a 30 m, o Sentinel-2 chega aos 10 m e satélites comerciais como o WorldView-3, operado pela Vantor (chamada Maxar Intelligence até outubro de 2025), alcançam cerca de 30 cm, o suficiente para ver carros individuais.
• Resolução espectral: O número e a largura das bandas de comprimento de onda. O Sentinel-2 regista 13 bandas, da luz visível até ao infravermelho de ondas curtas.
• Resolução temporal: A frequência com que o mesmo lugar é captado. A constelação Sentinel-2, composta por dois satélites, revisita o equador de cinco em cinco dias, e a frota de pequenos satélites da Planet capta diariamente quase toda a superfície terrestre da Terra a cerca de 3 m.
• Resolução radiométrica: O grau de precisão com que cada píxel regista o brilho, normalmente entre 11 e 14 bits, em comparação com os 8 bits de uma fotografia normal.

Dois outros tipos de sensores alargam o que os satélites conseguem medir. Os satélites de imagem hiperespectral registam centenas de bandas estreitas, e os satélites de radar de abertura sintética (SAR), como o Sentinel-1, emitem impulsos de micro-ondas e registam os ecos; assim, conseguem ver através das nuvens e à noite, o que faz do radar uma fonte primária para cartografar inundações sob cobertura de tempestades. As operações entre bandas transformam dados espectrais em medições físicas: o índice de vegetação por diferença normalizada, NDVI = (NIR − Red) / (NIR + Red), aproxima-se de 1 em vegetação densa e saudável, porque as folhas refletem fortemente a luz infravermelha próxima e absorvem a luz vermelha.

Principais tarefas de análise#

• Segmentação semântica: Atribui um rótulo a cada píxel para cartografar a cobertura do solo, a área ocupada por edifícios, as estradas ou a extensão das inundações.
• Deteção de objetos: Localiza e conta objetos distintos, como navios, aviões, veículos e tanques de armazenamento. Vistos de cima, estes objetos são pequenos, estão densamente agrupados e apontam em todas as direções; por isso, os detetores preveem muitas vezes caixas delimitadoras orientadas, que rodam para se ajustarem a cada objeto.
• Deteção de alterações: Compara imagens do mesmo local captadas em datas diferentes para detetar desflorestação, novas construções ou danos causados por catástrofes.
• Classificação de cenas: Atribui um rótulo, como área agrícola, floresta ou área urbana, a cada recorte da imagem.

Os conjuntos de dados de detecção para imagens aéreas incluem DOTA, cuja primeira versão anota 15 categorias com caixas de orientação arbitrária, e xView, que identifica mais de 1 milhão de objetos em 60 classes em imagens WorldView-3 de 0,3 m. Os modelos de caixa delimitadora orientada Ultralytics YOLO26 são pré-treinados em DOTAv1 e preveem uma caixa rotacionada para cada objeto:

from ultralytics import YOLO

# Carrega um modelo de caixa delimitadora orientada (OBB) YOLO26 pré-treinado com DOTAv1
model = YOLO("yolo26n-obb.pt")

# Detecta objetos em uma imagem aérea
results = model("https://ultralytics.com/images/boats.jpg")
result = results[0]

# Salva a imagem com uma caixa rotacionada desenhada ao redor de cada detecção
result.save(filename="boats_obb.jpg")

As caixas rotacionadas acompanham a direção de cada embarcação, evitando que barcos atracados muito próximos compartilhem uma única caixa grande demais. Os modelos fundamentais geoespaciais pré-treinados em grandes arquivos sem rótulos, como os modelos Prithvi da NASA e da IBM, desenvolvidos com dados Landsat e Sentinel-2 harmonizados, são ajustados para tarefas como o mapeamento de inundações e áreas queimadas usando muito menos exemplos rotulados.

Da cena bruta ao mapa#

Um único bloco Sentinel-2 tem 10.980 por 10.980 pixels nas bandas de 10 m, muito mais do que a entrada de um modelo, e chega como um arquivo georreferenciado, como um GeoTIFF, cujos pixels correspondem a coordenadas na Terra. Os pipelines de análise corrigem os efeitos atmosféricos, mascaram nuvens, dividem a cena em blocos sobrepostos, executam o modelo em cada bloco, combinam detecções duplicadas nas áreas de sobreposição e convertem as posições dos pixels de volta em coordenadas de mapa para ferramentas GIS. Bibliotecas como Rasterio leem e gravam os rasters georreferenciados, e o registro de imagens alinha imagens de datas diferentes antes de compará-las.

Análise de imagens de satélite versus imagens aéreas#

Ambas usam os mesmos modelos e tarefas; a diferença está na plataforma. Os satélites orbitam a centenas de quilômetros de altitude e capturam imagens de todo o planeta segundo um cronograma fixo, com arquivos que abrangem décadas. Aeronaves e drones voam sob demanda sobre áreas pequenas e capturam detalhes em escala de centímetros, o que é adequado para inspecionar telhados, plantações ou pás de turbinas eólicas. Os conjuntos de dados de detecção de objetos em imagens aéreas costumam combinar as duas fontes, e o DOTA inclui imagens de satélite e aéreas.

Aplicações#

• Agricultura: Mapeamento de tipos de culturas, estimativa de produtividade e monitoramento baseado em NDVI do estresse das culturas em regiões inteiras.
• Florestas e clima: Mapas globais baseados em Landsat da perda de cobertura arbórea, com resolução de 30 m, acompanham o desmatamento ano a ano.
• Resposta a desastres: Mapas de inundações SAR e avaliações de danos antes e depois do desastre orientam os esforços de socorro, e a Carta Internacional sobre o Espaço e os Grandes Desastres fornece dados de satélite gratuitamente às equipes de resposta.
• Planejamento urbano: a extração de contornos de edifícios e o mapeamento de ruas mantêm os mapas atualizados em cidades em rápido crescimento.
• Monitoramento marítimo: Combinando detecções SAR e ópticas com dados de rastreamento de embarcações, um estudo de 2024 publicado na Nature concluiu que cerca de três quartos das embarcações de pesca industrial do mundo não são rastreadas publicamente.