COMPARAÇÃO ENTRE ÍNDICES DE VEGETAÇÃO EM IMAGEM LANDSAT 5 TM. Josilhane Da Silva¹, Thays Marcela Hamulak², Selma Regina Aranha Ribeiro³.

Transcrição

1 COMPARAÇÃO ENTRE ÍNDICES DE VEGETAÇÃO EM IMAGEM LANDSAT 5 TM. Josilhane Da Silva¹, Thays Marcela Hamulak², Selma Regina Aranha Ribeiro³. ¹Graduanda de geografia bacharelado na Universidade Estadual de Ponta Grossa Ponta Grossa, UEPG, Ponta Grossa, PR. Josilhanesh@hotmail.com; ²Graduanda de geografia licenciatura na Universidade Estadual de Ponta Grossa Ponta Grossa, UEPG, Ponta Grossa, PR, tha.m.hamulak@hotmail.com; ³Selma Regina Aranha Ribeiro, Professora Phd em Ciências Geodésicas, UEPG, Ponta Grossa, PR, selmar.aranha@gmail.com. Resumo: O presente estudo tem como objetivo comparar os índices de vegetação NDVI e SAVI para melhor identificar antropizações e ou recuperações de áreas de extração de folhelho pirobetuminoso na Petrobrás em São Mateus do Sul-PR. O sensoriamento remoto contribui cada vez mais para o monitoramento e reconhecimento de aspectos ambientais e tendo em vista suas diversas aplicabilidades, utilizou-se do mesmo como meio de estudo para o presente trabalho. A PETROBRÁS, extrai minério do local desde o ano de 1972 com a tecnologia Petrosix que é desenvolvida pela própria empresa, com a finalidade de extrair óleo combustível das rochas de folhelho pirobetuminoso, também chamado de xisto betuminoso da Formação Irati, uma Formação Geológica Permiana da Bacia do Paraná. Para o presente estudo realizou-se os pré-processamentos como a transformação geométrica, a correção atmosférica, e após estes aplicou-se os índices de vegetação NDVI e SAVI. Mediante a análise visual e o overlay de divisão normalizada entre os índices, analisou-se quais os locais de diferentes usos e qual o índice de vegetação que destacou mais as áreas de antropização do solo. Constatando-se que, com o índice SAVI obteve-se a imagem artificial com maior realce comparando-se à imagem do índice NDVI; principalmente ressaltando as áreas onde há antropização do solo como na atual área de extração do minério, entre outros locais ao redor da mina. Palavras Chaves: Normalized Diference Vegetation Index, Soil Ajusted Vegetation Index, Análise da Paisagem, Áreas Antropizadas, Processamento de Imagem Digital. INTRODUÇÃO: Grande parte da superfície da Terra é coberta por vegetação, sejam elas naturais ou reflorestamento e uma das opções atualmente para identificá-las são as imagens de satélite. Algumas bandas espectrais realçam as plantas em geral, isto é, em determinados comprimentos de onda a vegetação tem maior radiância refletida como, por exemplo, o infravermelho próximo, pois contêm mais de 90% da resposta espectral da vegetação, portanto realça o comportamento espectral das plantas e neste contexto pode-se destacar áreas antropizadas, tais como solos exposto utilizando-se das imagens orbitais e seus produtos, como os índices de vegetação. Neste contexto foram desenvolvidos vários índices de vegetação a partir de estudos de Pearson e Miller (1972). Os índices de vegetação são medidas radiométricas adimensionais, as quais indicam a abundância relativa e atividade de vegetação verde, incluindo índice de área foliar (IAF), porcentagem de cobertura verde, teor de clorofila, biomassa verde e radiação fotossinteticamente ativa absorvida. (Running et AL., 1994; Huete, e Justice, 1999). Os índices de vegetação consistem na combinação linear da banda espectral do vermelho e do infravermelho próximo, vários tipos de índices de vegetação foram desenvolvidos e suas variações com o intuito de destacar a vegetação de diferentes feições, gerando nova imagem ou banda artificial. No presente trabalho foi realizada comparações entre os índices de vegetação NDVI (Normalized Diference Vegetation Index) e SAVI (Soil Ajusted Vegetation Index) para verificar a aplicabilidade desses dois índices de vegetação na cidade de São Mateus do Sul Paraná Brasil. Esta cidade foi escolhida, devido a mina de extração de folhelho pirobetuminoso, esta extração é realizada pela PETROBRAS desde 1972 e a empresa é obrigada pela lei orgânica municipal Seção VI, Art.180 que preconiza: a não recuperação de áreas de extração ocasiona na suspensão da licença de exploração do minério. O NDVI foi proposto por Rouse et al. (1973) ele é calculado pela diferença de radiância refletida entre a faixa de NIR ( Near Infrared 0,7 a 1,3 µm) e a de VIS (radiância refletida da faixa do visível 0,4 a 0,7µm). Essa diferença é normalizada pela divisão da soma das faixas de NIR e VIS. (Liu, 2006). Os 239

2 valores de NDVI variam de -1 a +1. Os valores negativos representam nuvens e próximos ao zero, representam solo nu ou sem vegetação. O valor de NDVI maior que zero representa a vegetação. O maior valor de NDVI representa o maior grau de vegetação (verde) na superfície, e este pode ser entendido como a vegetação mais densa ou em pleno vigor de crescimento. O índice de vegetação SAVI adiciona ao cálculo do NDVI uma variável de ajuste do solo (L). Nas várias condições de vegetação, Qi (1993) observou que o L, variável de ajuste do solo, possui valores entre 0 e 1, indicando que existe mais ou menos vegetação no local. O fator L, neste estudo foi usado de maneira que o índice de vegetação SAVI resultante apresentasse o mesmo valor para a vegetação, não dependendo da resposta espectral do solo, este fator pode variar de 0,25 para coberturas vegetais menos densas, 1,0 para vegetação mais densa, porém o valor mais utilizado é 0,5, correspondente a quantidade vegetal moderada. Quando o valor de L for igual a zero, o índice SAVI será igual ao índice NDVI. MATERIAIS E MÉTODOS: Utilizou-se parte da cena de ponto 221 e órbita 78, do dia 28/10/2011, do satélite Landsat5, sensor TM, contemplando a cidade de São Mateus do Sul, Paraná Brasil. Esse sensor possui resolução espacial de 30 metros, temporal de 16 dias, espectral de 8 bits e radiométrica de 7 bandas. Na imagem digital foram realizados os pré-processamentos, sendo eles, o recorte da cena, onde se encontra a cidade de São Mateus do Sul, a transformação geométrica, ou seja, correção da geometria da cena mediante o mapeamento inverso e correção atmosférica mediante a técnica de subtração do pixel preto. A transformação geométrica tem por objetivo a transformação de dados de sensoriamento remoto, de tal modo que eles adquiram as características de escala e projeções próprias de mapas. (MATHER,1987). A correção atmosférica foi realizada pelo método DOS (Dark Object Subtration) proposto por Chaves (1989). Esse processamento visa diminuir a interferência que a atmosfera ocasiona na imagem. Sabendo que a atmosfera interfere principalmente em bandas com menor comprimento de onda, como no caso do visível, realizou-se esse processamento. Após a realização dos pré-processamentos supracitados, efetivou-se os índices de vegetação, sendo eles o NDVI e o SAVI. Como já mencionado, os índices de vegetação consistem na combinação linear entre as bandas espectrais do vermelho e infravermelho próximo, gerando uma banda artificial onde a vegetação é realçada. Na figura 1 são apresentadas as bandas espectrais do vermelho e do infravermelho próximo respectivamente, as quais são utilizadas para o cálculo pixel a pixel do índice de vegetação. A figura 1(A) exibe a banda 3, isto é, o canal espectral do vermelho e banda 4 do infravermelho próximo do espectro eletromagnético está apresentada figura 1 (B). (A) (B) Figura 1: Imagens: banda 3 - vermelho (A) e banda 4 infravermelho próximo (B). A banda espectral do comprimento de onda do vermelho - 3 (0,63 a 0,69 um) possui maior absorção de clorofila e diferenciação das espécies vegetais. Já a banda do infravermelho próximo - 4 (0,76 a 240

3 0,90 um) pode-se fazer o levantamento de biomassa e o delineamento de corpos d água, características que proporcionam o realce e diferenciação de feições mediante uma combinação linear (Heute, 1988). Portanto o índice de vegetação NDVI é calculado mediante as equação 1. NDVI: (1) Onde: IVP: valor de radiância refletida do infravermelho próximo; V: valor de radiância refletida da banda do vermelho. Nas imagens NDVI, os níveis de cinza mais claros expressam valores que representam altos índices de vegetação, enquanto os níveis de cinza mais escuros representam baixos índices de vegetação com níveis de cinza próximo a zero. Estes valores baixos correspondem a alvos urbanos como área construída, solo exposto e água. O Índice de Vegetação Ajustado ao Solo (SAVI) é definido pela equação 2, que considera os efeitos do solo exposto nas imagens do vermelho e do infravermelho próximo, com o intuito de realizar o ajuste do NDVI em relação à superfície que não está completamente coberta pela vegetação. SAVI: (2) Onde: VIS = valor de radiância refletida da banda do vermelho; NIR = valor de radiância refletida da banda do infravermelho próximo; L= constante de juste do solo. L é uma constante denominada de fator de ajuste do índice SAVI, podendo assumir valores de 0 a 1 dependendo da cobertura do solo. Conforme Huete (1988) um valor para L de 0,25 é indicado para vegetação densa, de 0,5 para vegetação com densidade intermediária e de 1 para vegetação com baixa densidade. Se o valor do SAVI for igual a 0, seus valores tornam-se igual aos valores do NDVI. Explana-se aqui que a primeira comparação dos resultados dos índices foi realizada mediante a análise visual das bandas artificias do SAVI e NDVI, destaca-se que, estas bandas artificias dos índices de vegetação são computadas em níveis digitais de + 1 a -1, entretanto utilizou-se de reclassificação das bandas e utilizou-se uma paleta de cores para destacar os realces na área de estudo. Na segunda comparação, utilizou-se do cálculo do overlay, isto é, a divisão entre as bandas artificiais SAVI e NDVI, a equação 3 mostra o cálculo do overlay da divisão normalizada. Overlay : NDVI-SAVI/NDVI+SAVI (3) RESULTADO E DISCUSSÕES: Na figura 2 exibe-se as imagens ou bandas artificiais dos índices de vegetação, SAVI, figura 2 (A) e NDVI, figura 2 (B). (A) Figura 2: Índices de vegetação: (A) SAVI e (B) NDVI. (B) Comparando-se as imagens dos índices de vegetação, nota-se diferenças, principalmente nas áreas onde há a exploração de xisto; nesta área na banda artificial do índice SAVI encontra-se duas (2) cores 241

4 e suas nuances, vermelho e magenta, entretanto para a mesma feição (mina) na banda do índice NDVI somente a cor vermelha está presente; este comentário visual está destacado na figura 2 (A e B) mediante as setas. Observa-se ainda, o realce na banda do índice SAVI nas áreas de agricultura e as antropizadas em relação a imagem do índice NDVI, evidenciadas por meio de polígonos na figura 2 (A e B). Para melhor percepção visual dos realces do SAVI em relação ao NDVI, mostra-se a figura 3 (A e B), as quais exibem os dois índices de vegetação e, na mesma figura (C) a imagem artificial do overlay da divisão normalizada, a partir da imagem do SAVI e do NDVI. E por fim na figura 3 (D) a imagem Landsat 5 TM na composição colorida verdadeira falsa, a qual foi utilizada na análise visual, mediante os elementos chave da fotointerpretação. (A) (B) (C) (D) Figura 3 (A, B, C e D): Imagens representativas de São Mateus do Sul, sendo (A) NDVI, (B) SAVI, (C) Imagem overlay - NDVI e SAVI e (D) Imagem Landsat5 TM na verdadeira falsa cor. Na figura 4 (A e B) destacam-se as áreas realçadas com nuances diferentes do NDVI (A) e do SAVI (B), com ênfase na mina de extração de xisto. Essa mesma área é destacada na imagem (C) que mostra a banda artificial do overlay da divisão normalizada a partir da imagem do SAVI e do NDVI. A imagem (D), da mesma figura 4, é o destaque (recorte) da imagem Landsat 5 TM, verdadeira falsa cor e finalmente na imagem (E), da mesma figura, tem-se a fotografia horizontal, mostrando o local de antropização vistos nas imagens supra citadas. (A) (B) (C) (D) (E) Figura 4 (A, B, C, D e E): Imagens de destaque da mina, sendo (A) NDVI, (B) SAVI, (C), overlay, (D) Imagem Landsat5 TM na verdadeira falsa cor e (E) fotografia horizontal do local, destacando a mina de extração de xisto, coordenadas do Sistema UTM E: m e N m. Mediante a comparação entre os dois índices de vegetação, NDVI e SAVI, aqui apresentados, nota-se a viabilidade de utilizá-los para realce de feições e em especial o SAVI, pois ele destacou bem as áreas 242

5 de solos expostos. Em se tratando da variabilidade do solo, o SAVI realça mais as variações dele do que o NDVI, mostrando que o SAVI enfatiza mais estas feições, como explorado nas referências. Entretanto neste estudo observou-se que, ele ressalta feições quer seja vegetação ou solos e, o NDVI apresenta resultado mais homogêneo. Portanto, a adequação do fator L na utilização do SAVI é importante, para que se obtenha na banda artificial o realce de feições relevantes para cada estudo de caso, pois é a constante adicionada ao índice e que varia inversamente à porcentagem da vegetação. A análise visual, juntamente com o overlay corroboraram que na área da mina, ampliada na figura 4 (C e D), existe diferenças de uso antropizado, fato este pouco evidenciado na banda artificial do NDVI, onde esta área aparece somente por uma cor, vermelha. CONCLUSÃO: Com as análises realizadas, notou-se a maior viabilidade da utilização do índice de vegetação SAVI, pois mediante esse se identificou maiores nuances de antropização do solo, sobretudo nas áreas onde há extração do folhelho pirobetuminoso, como apresentado na figura 3 e verificado a campo. O índice de vegetação SAVI foi utilizado neste trabalho, pois o local de estudos encontra-se diversas áreas de solo exposto. O índice SAVI foi de suma importância na elaboração do trabalho, por usar o fator de ajuste do solo (L) e mediante esse fator verificou-se que o mesmo é o método que destacou melhor a vegetação e o solo exposto para a área de estudo. Logo conclui-se que a utilização do fator L, de ajuste do solo, proporcionou o resultado esperado no trabalho. REFERÊNCIAS HUETE, A; JUSTICE C. Modis Vegetation Index (MOD 13) Algorithm Theoretical Basis Document, Greenbelt: NASA Godard Space Fight Center, p HUETE,A.R. Adjusting vegetation índices forsoil in fluences. International Agrophysics, v.4, n.4, p , LIU, W. T. H. Aplicações de Sensoriamento remoto/willian Tse Horng Liu. Campo Grande: Ed. Uniderp, p.216 a 249, MATHER, P.M. Computer processing of remotely-sensed images: Anintrodution. New York, Ed. John Wiley & Sons. 352p PEARSON, R.L., AND L.D., MILLER. Remote mapping of standing crop biomass for estimation of the productivity of the short-grass Prairie, Pawnee National Grasslands, Colorado. In: Proc. of the 8th International Symposium on Remote Sensing of Environment, ERIM, Ann Arbor, MI, , QI, J.A., Compositing multitemporal remote sensing data.phd. Dissertation, Departament of Soil and Water Science, University of Arizona, Tucson, Arizona,USA, 200p ROUSE, J. W.; HAAS, R. H.; SCHELL,J.A.; DEERING, D.W. Monitoring vegetation systems in the Great Plains with ERTS. Third Symposium of ERTS, Greenbelt, Maryland, USA. NASA SP 351, V1: , RUNINNG S.W. Justice C.O.; SALOMONSON, V.V., et AL. Terrestrial remote sensing science and algorithms planned for the MODIS EOS. Int Remote Sens, CHAVEZ JR., P.S. Radiometric calibration of Landsat thematic mapper multispectral images. Photogrammetric Engineering and Remote Sensing, v. 55, p ,