Análise do índice MPRI como indicador vegetativo através da correlação do mesmo com o índice NDVI

Tamanho: px

Começar a partir da página:

Download "Análise do índice MPRI como indicador vegetativo através da correlação do mesmo com o índice NDVI"

Maria dos Santos Porto Escobar
6 Há anos
Visualizações:

1 Análise do índice MPRI como indicador vegetativo através da correlação do mesmo com o índice NDVI Mayklyns Marcos de Almeida Linhares¹ Nara Cristina Candido Rocha¹ Breno Augusto da Silva Amaral¹ ¹Primegeo Tecnologia Ltda. Av. Oitenta e Cinco, 1425 salas 301 a 306, Setor Marista. CEP , Goiânia, GO, Brasil. {mayklyns.linhares, nara, breno.silva}@primegeo.com.br Abstract. This paper presents an evaluation the MPRI index (Modified Photochemical Reflectance Index) as an indicator of vegetation by correlating the same with the NDVI index. The NDVI is based on the normalized difference of the bands of the regions of red and infrared, as most the vegetations index. For MPRI are considered only information in the region of visible, being replaced the band of the infrared region by the band of the green region. This study used three satellite images of Landsat-5 TM sensor to calculate the NDVI and MPRI index and the correlation among the same. The results show that the MPRI can be used to enhance the response of vegetation relative to the soil soon may be used for applications involving the change between soil and vegetation. An important factor for the use of vegetation index using only the information from the visible region is the imaging that does not acquire information in the infrared region. Example of these imaging are UAVs which are beginning appear in the Brazilian market and its payload are conventional compact cameras that not captures information in the infrared region. Some UAVs provide solutions for capturing images in the infrared region but it is necessary to emphasize that choose these solutions can mean an increase in the investment to be made. 8254

2 1. Introdução O uso de índices de vegetação baseados em imagens provindas de satélites é muito comum. São várias as aplicações dadas aos índices de vegetação, como: Agricultura (Almeida et al., 2005; Camargo et al., 2007), Caracterização da Vegetação (Affonso et al., 2005), Precipitação (Almeida, 2012), Estudos Florestais (Araujo, 1999) e outros. Diversos índices de vegetação têm sido propostos na literatura com o objetivo de explorar as propriedades espectrais da vegetação, especialmente nas regiões do visível e do infravermelho próximo, Ponzoni e Shimabukuro (2010). Ainda segundo os autores, a fundamentação desses índices se dá devido ao comportamento antagônico da reflectância da vegetação nas regiões citadas. O NDVI (Normalized Difference Vegetation Index) é o mais conhecido dentre os índices de vegetação com base em imagens de satélite. Na prática o índice é calculado através da operação matemática entre bandas, ou seja, definido pela diferença normalizada entre valores radiométricos locais de duas bandas diferentes de uma imagem multi-espectral, como proposto por Cordeiro et al. (2005). Yang et al. (2008) propõe entre outros, o índice MPRI (Modified Photochemical Reflectance Index). O MPRI também é baseado na diferença normalizada entre duas bandas, porém, o mesmo utiliza as bandas da região do verde e do vermelho, sendo independente de uma banda do infravermelho. Se observado o comportamento da vegetação ao longo do visível (R G B) é possível observar que a relação existente entre as bandas da região do verde e do vermelho é similar à relação existente entre as bandas do infravermelho e do vermelho. Pretende-se aqui avaliar a correlação existente entre os índices NDVI e MPRI, a fim de através da mesma validar o uso do MPRI como indicador vegetativo. O trabalho se justifica diante do fato de que nem todo imageamento é/ou foi realizado com o uso de sensores na região do infravermelho. Exemplo desse fato são os VANT S (Veículos Aéreos Não Tripulados), que começam a aparecer no mercado brasileiro e estão embarcados com câmeras convencionais compactas que obtém imagens apenas na região do visível. Vale ressaltar que alguns VANT S já apresentam soluções para imageamento com infravermelho, porém, deve se considerar que aderir a estas soluções pode provocar um acréscimo relevante no investimento a ser realizado. Logo, gerar índices vegetativos a partir de informações na região do visível, no caso dos VANT S pode representar redução de custos. 2. Metodologia de Trabalho Foram escolhidas três imagens provindas do satélite Landsat-5, Sensor TM., tendo como único critério de escolha a presença e ausência de vegetação. Parâmetros como órbita, ponto e data foram escolhidos aleatoriamente. Ambas as cenas estão localizadas dentro do território brasileiro. A Figura 1 apresenta as cenas escolhidas e a Tabela 1 os parâmetros das mesmas. 8255

Figura 1 Imagens Landsat-5 utilizadas no estudo. Composição colorida falsa-cor : Banda 5 (R), Banda 4 (G), Banda 3 (B). Tabela 1 Informações das imagens utilizadas no estudo.

3 Figura 1 Imagens Landsat-5 utilizadas no estudo. Composição colorida falsa-cor : Banda 5 (R), Banda 4 (G), Banda 3 (B). Tabela 1 Informações das imagens utilizadas no estudo. Imagem Órbita Ponto Data /05/ /05/ /09/2011 Através do módulo GEOFORMULA do programa TNT MIPS, foram desenvolvidos Scripts baseados na Equação 1 e na Equação 2, para calcular os índices NDVI e MPRI respectivamente, para ambas as imagens. NDVI = (IR R) / (IR + R) (1) MPRI = (G R) / (G + R) (2) Sendo: R as informações obtidas para a região do Vermelho; G às informações obtidas para região do Verde; e IR às informações obtidas para a região do Infravermelho. Calculados os índices NDVI e MPRI, foi utilizada a ferramenta IMAGE BAND CORRELATION do programa TNT MIPS 2012 para medir a correlação existente entre os índices extraídos de uma mesma imagem. Foi também realizada uma análise visual do comportamento dos alvos Vegetação, Solo Exposto e Corpos D água. 8256

4 3. Resultados e Discussão Os índices NDVI e MPRI apresentaram um alto nível de correlação, estando acima de 80% nas três imagens. A Tabela 2, a Figura 2 e a Figura 3 mostram a correlação existente entre os índices para cada uma das imagens. Tabela 2 Percentual de correlação entre os índices NDVI e MPRI para as imagens utilizadas no estudo. Imagem Percentual de Correlação % % % Figura 2 Imagem na composição falsa-cor e os índices NDVI e MPRI, respectivamente. 8257

5 NDVI NDVI MPRI MPRI NDVI MPRI Figura 3 Gráficos referentes aos cálculos de correlação entre os índices MPRI e NDVI. Analisando os alvos Solo, Vegetação e Corpos D água, que são comuns nas cenas utilizadas neste trabalho, nota-se que o comportamento do MPRI é similar ao comportamento do NDVI para os alvos Solo e Vegetação e inverso para o alvo Corpos D água. Este fato mostra que o MPRI tem potencial para ser aplicado em análises que envolvam a alteração entre os alvos Solo e Vegetação, como: Desmatamento, Reflorestamento, Manejo de Áreas Agrícolas, entre outros. Já para análises que envolva áreas com Corpos D água, por exemplo, a avaliação de Áreas de Preservação Permanente no entorno de Rios e Córregos, o uso do MPRI não é recomendado, pois os resultados podem ser prejudicados pela forma com que a água se comporta no índice. A Figura 4 exemplifica o comportamento dos alvos Solo, Vegetação e Corpos D água. 8258

Figura 4 Representação do comportamento dos alvos Vegetação, Solo Exposto e Corpos D água para os índices NDVI e MPRI. 4. Conclusões PT2 A alta correlação existente entre os índices NDVI e MPRI, principalmente no que diz respeito à resposta da vegetação e solo, valida o uso do MPRI como indicador vegetativo.

6 Figura 4 Representação do comportamento dos alvos Vegetação, Solo Exposto e Corpos D água para os índices NDVI e MPRI. 4. Conclusões PT2 A alta correlação existente entre os índices NDVI e MPRI, principalmente no que diz respeito à resposta da vegetação e solo, valida o uso do MPRI como indicador vegetativo. No entanto, existe a necessidade de observar se o comportamento de alvos diferentes de vegetação e solo presentes na cena não terão uma influência negativa no índice. Referências Bibliográficas Affonso, A. G.; Valeriano, D. M.; Batista, G. T. Caracterização da vegetação no Município de Marabá, no Estado do Pará, através de dados e transformações espectrais (Índice de Vegetação por Diferença Normalizada) do sensor ETM+ / Landsat 7. In: Simpósio Brasileiro de Sensoriamento Remoto, 12. (SBSR), 2005, Goiânia. Anais... São José dos Campos: INPE, p CD-ROM, On-line. ISBN (INPE PRE/7930). Disponível em: < Acesso em: 06 nov Almeida, E. S. Relação entre índice de vegetação derivado do NOAA-AVHRR e precipitação na região Amazônica p. (sid.inpe.br/iris@1912/2005/ tdi). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais (INPE), São Jose dos Campos, Disponível em: < Acesso em: 06 nov

7 Almeida, T. S.; Fontana, D. C.; Martorano, L. G.; Bergamaschi, H. Índices de vegetação para a cultura da soja em diferentes condições hídricas e de sistema de manejo do solo. In: Simpósio Brasileiro de Sensoriamento Remoto, 12. (SBSR), 2005, Goiânia. Anais... São José dos Campos: INPE, p CD-ROM, On-line. ISBN Disponível em:< Acesso em: 06 nov Araujo, L. S. Analise da cobertura vegetal e de biomassa em área de contato floresta/savana a partir de dados TM/Landsat JERS p. (INPE-7253-TDI/696). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São Jose dos Campos, Disponível em: < Acesso em: 06 nov Camargo, F. F.; Adami, M.; Breunig, F. M.; Mantelli, L. R.; Costa, M. C.; Ponzoni, F. J.; Freitas, J. G. Avaliação de Índices de Vegetação e de Índice de Área Foliar na caracterização espectral de dosséis de trigo (Triticum aestivum, L. - IAC-370). In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13. (SBSR), 2007, Florianópolis. Anais... São José dos Campos: INPE, p CD-ROM; On-line. ISBN (INPE PRE/10862). Disponível em: < Acesso em: 06 nov Cordeiro, J. P.; Câmara, G.; Moura, U. F.; Barbosa, C. C.; Almeida, F. Algebraic Formalism over Maps. In: Simpósio Brasileiro de Geoinformática, 7. (GEOINFO), 2005, Campos do Jordão. Proceedings... São José dos Campos: INPE, p CD-ROM, On-line. ISBN (INPE PRE/8467). Disponível em: < >. Acesso em: 11 nov Ponzoni, F. J.; Shimabukuro, Y. E. Sensoriamento Remoto no Estudo da Vegetação São José dos Campos: Ed. Parêntese, p. Yang, Z.; Willis, P.; Mueller, R. Impact of Band-Ratio Enhanced AWIFS Image to Crop Classification Accuracy. In: Pecora The Future of Land Imaging Going Operational, , Denver, Colorado, USA. Proceedings... Maryland: (ASPRS), Disponível em: < Acesso em: 15 nov

Documentos relacionados

SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO

SENSORIAMENTO REMOTO INTRODUÇÃO E ÍNDICES DE VEGETAÇÃO Paulo Guilherme Molin, MSc Prof. Silvio F. de Barros Ferraz Prof. Carla Cassiano Laboratório de Hidrologia Florestal Departamento de Ciências Florestais