ANÁLISE DE ÍNDICES DE VEGETAÇÃO NA GESTÃO DE IMAGENS CAPTURADAS POR DRONES

Tamanho: px

Começar a partir da página:

Download "ANÁLISE DE ÍNDICES DE VEGETAÇÃO NA GESTÃO DE IMAGENS CAPTURADAS POR DRONES"

Matilde Valente Rosa
5 Há anos
Visualizações:

1 ANÁLISE DE ÍNDICES DE VEGETAÇÃO NA GESTÃO DE IMAGENS CAPTURADAS POR DRONES Lucas dos Santos Silva (PIBIC/CNPq/UEPG), Maria Salete Marcon Gomes Vaz (Orientadora), Universidade Estadual de Ponta Grossa/Setor de Ciências Agrárias e Tecnologia. Ciência da Computação. Palavras-chave: Sensoriamento Remoto, Processamento de Imagens, Agricultura de Precisão. Resumo: O sensoriamento remoto tem sido adotado mais frequentemente com o desenvolvimento de tecnologias aplicadas a agricultura. Sua prática envolve o acompanhamento de mudanças na cobertura vegetal. Nesta pesquisa, foram processadas imagens capturadas por meio de drones na região de Ponta Grossa, Fazenda Escola da Universidade Estadual de Ponta Grossa. O trabalho desenvolveu o cálculo de índice de vegetação por diferença normalizada (NDVI), para construção de mapa de cores, responsável por destacar ao olho humano, os respectivos elementos presentes na imagem. Para tal, foi desenvolvida uma ferramenta para processamento de imagens capturadas, descartando a utilização dos Softwares MatLab e Quantum GIS. Esta ferramenta permite aplicações para NDVI, permitindo o monitoramento de regiões de mata nativa, acompanhamento do solo e produtividade no plantio de áreas agrícolas. Introdução O sensoriamento Remoto corresponde à obtenção de informações sobre propriedades de objetos ou fenômenos através de dispositivos de registro que não estejam em contato físico com tais objetos ou fenômenos em estudo (FORMAGGIO; EPHIHANIO et al. 1990). Para tal fato, são utilizados equipamentos para coleta de dados do meio a ser monitorado. Na agricultura, a prática do sensoriamento remoto vem se destacando em áreas como: estimativa de produtividade (RUDORFF; BATISTA, 1990), deficiência hídrica (EPIPHANIO, 1983), identificação de culturas (EPIPHANIO, 1990) e conservação do solo (FORMAGGIO, 1992). Segundo Formaggio et al., existem diversos parâmetros relevantes para o sensoriamento remoto na agricultura, por isso as relações físicas e morfológicas de um dossel agrícola são dinâmicas e não correspondem de modo único, nem simples a assinatura espectral imutável. As folhas podem ser consideradas elementos dominantes das plantas, sendo muito influente em suas propriedades espectrais. Assim, podem ser relacionados os parâmetros biofísicos com o sensoriamento remoto, por meio de bandas espectrais, aplicando índices de vegetação.

Muitos índices de vegetação estão sendo estudados e aprimorados, o Índice de Vegetação por Diferença Normalizada - NDVI (DEMARCHI, 2011; ROUSE et al.

2 Muitos índices de vegetação estão sendo estudados e aprimorados, o Índice de Vegetação por Diferença Normalizada - NDVI (DEMARCHI, 2011; ROUSE et al., 1973) normaliza a razão simples para o intervalo de -1,0 a +1,0, sendo que a áreas de vegetação mais densas se aproximam dos limites superiores, e a áreas com vegetação menos densa se aproximam de 0. Segundo Melo et al. (2011), o NDVI é capaz de determinar a densidade de fitomassa foliar fotossinteticamente ativa por unidade de área, ou seja, quanto maior esse índice, mais densa é a fitomassa verde. Para a obtenção das imagens, são utilizados diversos meios, como aviões, satélites, veículos aéreos não tripulados - VANTs, entre outros. No caso dos VANTs, possui vantagens quando comparados a satélite, por exemplo. Ao capturarmos imagens via satélite, surgem problemas de sombreamento e baixa resolução, além de ocasionar espera de até semanas para gerar as imagens. Já os aviões, não eliminam a existência de nuvens na imagem, além de ter custos elevados para obtenção. Esta pesquisa visou o processamento de imagens capturadas por meio de VANTs utilizando o NDVI como auxilio para detectar vegetação. Materiais e métodos A pesquisa foi dividida em duas etapas. A primeira corresponde à obtenção das imagens e a segunda etapa consiste no desenvolvimento do software capaz de realizar processamento das imagens. Para obtenção das imagens aéreas, foram utilizadas algumas áreas da Fazenda Escola da UEPG. A obtenção das imagens foi por meio de um VANT de pequeno porte, produzido pela Sensefly, conhecido como ebee. A câmera acoplada ao VANT foi uma Canon S110 NIR, permitindo a captura do infravermelho próximo em um dos canais da imagem digital. Na segunda etapa, foi desenvolvido o software, utilizando a Biblioteca OpenCV, juntamente com a Linguagem C++, consistindo em dois processos: 1. Importação da imagem a ser processada e cálculo do NDVI, seguindo a Equação 1 (ROUSE et al., 1973). Equação 1 - Cálculo do Índice de Vegetação por Diferença Normalizada Onde, RED e NIR correspondem aos canais vermelho e infravermelho próximo, respectivamente. 2. Com os valores NDVIs calculados, uma imagem é gerada, porém não poderá ser interpretada ao olho humano. Com isso, este passo é responsável por gerar uma imagem de pseudo-cores utilizando o modelo de cor HSV (Hue, Saturation and Value). Para cada pixel, o valor Hue (H) é proporcional ao valor do NDVI calculado ao pixel equivalente. A escolha do modelo de cor HSV (Figura 2) se justifica pela facilidade de proporcionar diferenciação dos elementos da imagem para o olho humano.

Figura 1 - Mapa de Cores do Modelo HSV Após a realização dos dois processos, uma imagem com cores bem distintas de solo e

Vale destacar que as operações de pré-processamento são importantes para um resultado aceitável, porém essas operações não

O cálculo NDVI e o destaque de componentes da imagem processada por meio do mapa de cores HSV foram o foco.

3 Figura 1 - Mapa de Cores do Modelo HSV Após a realização dos dois processos, uma imagem com cores bem distintas de solo e vegetação é obtida. Vale destacar que as operações de pré-processamento são importantes para um resultado aceitável, porém essas operações não fazem parte do escopo desta pesquisa. O cálculo NDVI e o destaque de componentes da imagem processada por meio do mapa de cores HSV foram o foco. Resultados e Discussão Como resultado da coleta das imagens, realizada na Fazenda Escola, na Cidade de Ponta Grossa, foram obtidas as imagens das Figuras 2 e 3. (a) Figura 2 - Imagem Canon S110NIR (b) Com a implementação do algoritmo de processamento das imagens, foram obtidas imagens das Figuras 3a e 3b, respectivamente. (a) (b) Figura 3 Imagens processadas da Figura 2 Na Figura 3a, são observadas as partes destacadas em verde, representando parte vegetativa. De acordo com o algoritmo elaborado, os valores de NDVI estão diretamente relacionados com o tom do verde, ou seja, quanto maior o resultado do

4 índice de vegetação por diferença normalizada no pixel, maior será sua tonalidade verde. O mesmo foi aplicado a Figura 3b, porém pode-se notar um resultado pouco satisfatório pelo fato destas imagens não serem pré-processadas, assim carregam dados que podem comprometer o processamento. Conclusões O principal objetivo deste trabalho foi implementar um software capaz de processar e montar uma imagem de pseudo-cores no modelo HSV equivalente aos índices de vegetação calculados, mais específicamente os NDVIs. A saída do processamento corresponde a uma imagem, possibilitando a percepção humana dos elementos de solo e vegetação. O algoritmo implementado calcula os NDVIs de cada pixel da imagem de acordo com o proposto por ROUSE et al., 1973, porém ao adicionar um pré-processamento, antes de aplicação do algoritmo, os resultados seriam mais satisfatórios. Como perspectivas de trabalhos futuros sugere-se a realização de cálculos de área, tanto para o solo, quanto para as áreas vegetativas, visto que com o resultado obtido, a binarização da imagem se torna algo simples. Outro aspecto que pode ser estudado é o aperfeiçoamento da imagem de pseudo-cores, a fim de destacar alta biomassa e baixa biomassa. Dessa forma, este trabalho somado às perspectivas de pesquisa, pode ser utilizado para controle de desmatamento, detecção de possíveis doenças e acompanhamento do plantio. Agradecimentos Agradeço a Universidade Estadual de Ponta Grossa pela oportunidade e apoio, ao PIBIC/CNPq pela bolsa e auxilio, a Profª. D.ra Maria Salete pela orientação e dedicação, ao Prof. Jonathan Matos pelos ensinamentos e a todos os envolvidos, de forma direta ou indiretamente com o trabalho. Referências BRADSKI, Gary; KAEHLER, Adrian. Learning OpenCV: Computer Vision in C++ with the OpenCV Library, 2 ed. O'Reilly Media, CROSTA, A.P. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: Instituto de Geociências/UNICAMP, 1993, 170 p. EPIPHANIO, J.C.N.; FORMAGGIO, A.R. Sensoriamento remoto de três parâmetros biofísicos de trigo e de feijão. Pesquisa Agropecuária Brasileira, 26(10): , EPIPHANIO, J.C.N.; FORMAGGIO, A.R.; França, G.V. Avaliação das bandas do satélite Landsat-5 na discriminação entre culturas de trigo e de feijão. Pesquisa Agropecuária Brasileira, 25(3): , 1990.

5 GONZALEZ, R.C; WOODS, R.E. Processamento Digital de Imagens, 3ª Ed.Prentice Hall, HUNT, E.R. Jr.; HIVELY, W.D.; FUJIKAWA, S.J.; LINDEN, D.S., DAUGHTRY, C.S.T., MCCARTY, G.W. Acquisition of NIR-Green-Blue Digital Photographs from Unmanned Aircraft for Crop Monitoring. Remote Sensing. 2010; 2(1): MARQUES FILHO, O. & VIEIRA NETO, H. Processamento Digital de Imagens, Brasport, Rio de Janeiro, ROUSE J. W.; HAAS, R. H; SCHELL, J. A; DEERING D. W. Monitoring vegetation systems in the Great Plains with ETRS. In: Third ETRS Symposium, NASA SP353, Washington, DC. 1: RUDORFF, B.F.T.; BATISTA, G.T. Yield estimation of sugarcane based on agrometeorological - Spectral models.remote Sensing of Environment, v.33, p , 1990.

Documentos relacionados

IDENTIFICAÇÃO DE ELEMENTOS UTILIZANDO SISTEMA DE CORES HSV EM IMAGEM DE ÍNDICE DE VEGETAÇÃO DA CULTURA DE CANA-DE-AÇÚCAR

LA SCALEA, Rodrigo Antônio; CHAVES, Arthur Avelar; CASTELO BRANCO, Kalinka Regina Lucas Jaquie; KAWABATA, Célia Leiko Ogawa. Identificação de elementos utilizando sistema de cores HSV em imagem de índice