AVALIAÇÃO DO PRODUTO MODO9 (REFLECTÂNCIA DA SUPERFÍCIE) FORNECIDO PELO SENSOR MODIS/TERRA ATRAVÉS DE RADIOMETRIA DE CAMPO EM UMA ÁREA DE SOJA

Transcrição

1 INPE TDI/1120 AVALIAÇÃO DO PRODUTO MODO9 (REFLECTÂNCIA DA SUPERFÍCIE) FORNECIDO PELO SENSOR MODIS/TERRA ATRAVÉS DE RADIOMETRIA DE CAMPO EM UMA ÁREA DE SOJA Elizabeth Goltz Dissertação de Mestrado do Curso de Pós-Graduação em Sensoriamenro Remoto, orientada pelo Dr. Maurício Alves Moreira, aprovada em 31 de maio de INPE São José dos Campos 2007

2 PUBLICAÇÕES TÉCNICO-CIENTÍFICAS EDITADAS PELO INPE Teses e Dissertações (TDI) Manuais Técnicos (MAN) Teses e Dissertações apresentadas nos Cursos de Pós-Graduação do INPE. Notas Técnico-Científicas (NTC) São publicações de caráter técnico que incluem normas, procedimentos, instruções e orientações. Relatórios de Pesquisa (RPQ) Incluem resultados preliminares de pesquisa, descrição de equipamentos, descrição e ou documentação de programa de computador, descrição de sistemas e experimentos, apresentação de testes, dados, atlas, e documentação de projetos de engenharia. Propostas e Relatórios de Projetos (PRP) Reportam resultados ou progressos de pesquisas tanto de natureza técnica quanto científica, cujo nível seja compatível com o de uma publicação em periódico nacional ou internacional. Publicações Didáticas (PUD) São propostas de projetos técnicocientíficos e relatórios de acompanhamento de projetos, atividades e convênios. Publicações Seriadas Incluem apostilas, notas de aula e manuais didáticos. Programas de Computador (PDC) São os seriados técnico-científicos: boletins, periódicos, anuários e anais de eventos (simpósios e congressos). Constam destas publicações o Internacional Standard Serial Number (ISSN), que é um código único e definitivo para identificação de títulos de seriados. São a seqüência de instruções ou códigos, expressos em uma linguagem de programação compilada ou interpretada, a ser executada por um computador para alcançar um determinado objetivo. São aceitos tanto programas fonte quanto executáveis. Pré-publicações (PRE) Todos os artigos publicados em periódicos, anais e como capítulos de livros.

3 Publicado por: esta página é responsabilidade do SID Instituto Nacional de Pesquisas Espaciais (INPE) Gabinete do Diretor (GB) Serviço de Informação e Documentação (SID) Caixa Postal 515 CEP São José dos Campos SP Brasil Tel.: (012) Fax: (012) pubtc@sid.inpe.br Solicita-se intercâmbio We ask for exchange Publicação Externa É permitida sua reprodução para interessados.

4 INPE TDI/1120 AVALIAÇÃO DO PRODUTO MODO9 (REFLECTÂNCIA DA SUPERFÍCIE) FORNECIDO PELO SENSOR MODIS/TERRA ATRAVÉS DE RADIOMETRIA DE CAMPO EM UMA ÁREA DE SOJA Elizabeth Goltz Dissertação de Mestrado do Curso de Pós-Graduação em Sensoriamenro Remoto, orientada pelo Dr. Maurício Alves Moreira, aprovada em 31 de maio de INPE São José dos Campos 2007

5 550.3: Goltz, E. Avaliação do produto MOF09 (reflectância da superfície fornecido pelo sensor MODIS/TERRA através de radiometria de campo em uma área de soja / Elizabeth Goltz. São José dos Campos: Instituto Nacional de Pesquisas Espaciais (INPE), p.; (INPE TDI/1120) 1. MODIS (radiometria). 2. Soja. 3. Reflectância. 4. Radiometria. 5. Avaliação. I. Título.

6

7

8 Pouco conhecimento faz que as criaturas se sintam orgulhosas. Muito conhecimento, que se sintam humildes. É assim que as espigas sem grãos erguem desdenhosamente a cabeça para o céu, enquanto que as cheias a baixam para a terra, sua mãe. Leonardo da Vinci

9

10 A meus pais, Rudi e Rosemari. Ao meu eterno amigo e companheiro, Bráulio.

11

12 AGRADECIMENTOS Primeiramente, agradeço a Deus, por ter me dado amparo nos momentos mais difíceis. À Fundação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), pelo auxílio financeiro. Ao Instituto Nacional de Pesquisas Espaciais (INPE) pela oportunidade de estudos e utilização de suas instalações. Ao Dr. Jéferson Zagonel, pelos preciosos ensinamentos dados durante meus primeiros passos dentro da área científica. Ao Dr. José Luis Rodrigues Yi, pelo apoio na realização deste trabalho e principalmente, à empresa Cargill pelo auxílio nas campanhas de campo e na obtenção dos dados agronômicos. À Empresa Brasileira de Infra-Estrutura Aeroportuária (INFRAERO) pelo fornecimento dos dados meteorológicos da região da área de estudo. Aos professores do INPE pelo conhecimento compartilhado. Ao Dr. Camilo Daleles Rennó pela paciência e auxílio nas análises estatísticas. Ao meu orientador Prof. Dr. Maurício Alves Moreira, pelo conhecimento passado, e pela orientação e apoio na realização deste trabalho. Aos meus amigos: Alexandre, Ana Carolina, Andreia, André, Carolina, Daniela, Fabrício, Luciana, Thiago e Veraldo. Em especial ao Brummer, pela paciência e disposição, pois sem ele as campanhas de campo seriam impraticáveis. Aos meus irmãos: Patrícia, Gustavo, Juliana e Augusto e a minha sobrinha Nicole que, mesmo longe, sempre torceram por esta conquista. A meus pais por sempre acreditarem na importância do estudo e por me incentivarem nas minhas decisões. Ao Bráulio pelo incentivo, apoio, carinho, paciência e auxílio intelectual em todos os momentos.

13

14 RESUMO A maioria dos trabalhos, que empregam a técnica de Sensoriamento Remoto na área agrícola, utiliza imagens de resolução espacial média, como é o caso das imagens do sensor TM Landsat. Porém, estes, em contrapartida, apresentam baixa resolução temporal que associadas à alta incidência de nuvens, principalmente para as culturas instaladas no verão, limitam a aquisição de imagens neste período. Esse fato tem restringido o emprego do Sensoriamento Remoto para estas culturas. Uma forma de aumentar o volume de dados (espectrais) orbitais sobre as culturas de verão é o uso de sensores com alta resolução temporal, como o MODIS, a bordo dos satélites TERRA e AQUA. Estes sensores apresentam resolução temporal diária, aumentando as chances de obtenção de dados espectrais em um menor intervalo de tempo quando comparados ao sensor TM, mesmo no período crítico de incidência de nuvens. Além disso, as imagens são gratuitas e o usuário pode contar com diversos produtos já processados. Dentre estes produtos encontra-se o de reflectância da superfície (MOD09), o qual serve como dado de entrada em diversos outros produtos, como: índice de vegetação (MOD13), índice de área foliar (MOD15), etc. O objetivo deste trabalho é verificar se o produto de reflectância da superfície, fornecido pelo sensor MODIS, possui confiabilidade e precisão para o monitoramento de áreas agrícolas. Além disso, realizou-se uma comparação entre os dados dos produtos de refletância da superfície originados do sensor MODIS a bordo do satélite TERRA (MOD09GQK) e do ACQUA (MYD09GQK) e uma avaliação preliminar dos dados radiométricos do sensor WFI a bordo do satélite CBERS-2. Para isto, foram tomadas medidas espectrais ao nível de campo, numa área plantada com três variedades de soja (Glycine max, L.), localizada no município de Uberlândia, Minas Gerais, Brasil, durante a safra agrícola de 2003/04. As medidas foram tomadas em 30 pontos georreferenciados, esparsamente distribuídos dentro da área de estudo, usando o espectroradiômetro Fieldspec Pro FR. Os valores médios de reflectância de cada missão de campo para cada variedade foram utilizados para aferir a reflectância da superfície (MOD09GQK) para as bandas do azul (reamostrada), vermelho e infravermelho e para o produto MOD09GHK para as bandas disponíveis. Com os resultados obtidos pode-se concluir que para estas condições de campo e cultura, os dados originados do MOD09GQK em relação aos dados coletados no campo, apresentaram diferenças não significativas para a banda do infravermelho próximo e para os índices de vegetação NDVI e EVI. Já para as bandas do azul e do vermelho estas diferenças foram significativas. Para o produto MOD09GHK as bandas que apresentaram os maiores coeficientes de variação foram as bandas do vermelho com 74% e a do azul com 40%, para as demais bandas o coeficiente de variação médio foi de 16%. Os resultados obtidos com o sensor WFI indicam que, de forma geral, para esta mesma a situação as diferenças encontradas com os dados de campo não foram significativas.

15

16 EVALUATION OF MOD09 PRODUCT (SURFACE REFLECTANCE) SUPPLIED BY MODIS/TERRA BY MEANS OF RADIOMETRIC DATA IN A SOYBEAN AREA ABSTRACT Most studies involving the Remote Sensing technique in the agricultural field use medium spatial resolution images, as the TM Landsat images. However, these sensors present low temporal resolution that associated to intense cloud cover, mainly in summer crops, limits the acquisition of images during this period. An alternative to increase the volume of orbital (spectral) data for summer crops is the use of sensors with high temporal resolution, as MODIS, on board of TERRA and AQUA satellites. These sensors present a daily temporal resolution, increasing the chances of obtaining spectral data in a smaller time intervals, when compared to the TM Landsat sensor, even during the critical period of clouds coverage. Besides, the images are cost free, and the users can have access to several processed products such as: surface reflectance, vegetation indices, leaf area index (LAI), etc. The objective of this study is to verify if the surface reflectance product (MOD09GQK) supplied by MODIS, is reliable and accurate for crop monitoring. Besides, were performed a comparison between the data of surface reflectance products supplied by MODIS on board of TERRA (MOD09GQK) and AQUA (MYD09GQK) satellites, and a preliminary evaluation of the radiometric quality of WFI sensor data on board of CBERS-2 satellite. For this, spectral field measurements were taken, in a cultivated land with three soybean (Glycine max, L.) varieties located in the municipality of Uberlândia, Minas Gerais, Brazil, during the crop year of 2003/04. These measurements were made at 30 georeferenced points, scattered throughout the study area, using the spectroradiometer Fieldspec Pro FR. The mean values of the daily surface reflectance for each field mission and for each variety were used to confront with the daily reflectance (MOD09GQK) for MODIS blue (resampled), red and near infrared bands and for MOD09GHK product for the bands available. With these results were concluded that for this field and crop conditions, the data supplied by MOD09GQK in relation with field data, showed no significant differences for the near infrared and for the vegetation indices (NDVI and EVI). For the blue and red bands, these differences were significant. For the MOD09GHK product the bands that showed high variation coefficients were red with 74% and blue with 40%, for the other bands the mean variation coefficients were 16%. The results with WFI sensor data indicated that, in general, for the same situation the differences found with the field data weren t significant.

17

18 SUMÁRIO LISTA DE FIGURAS LISTA DE TABELAS LISTA DE SIGLAS E ABREVIATURAS CAPÍTULO 1 - INTRODUÇÃO CAPÍTULO 2 - FUNDAMENTAÇÃO TEÓRICA Interação da Radiação com o Alvo Influência da Atmosfera Monitoramento Global da Vegetação Características do Sensor MODIS Reflectância da Superfície (Produto MOD09) Produto Índices de Vegetação (MOD13) Obtido a Partir do Produto MOD Índices de Vegetação (IV) Descrição do Produto IV do MODIS (MOD13) NDVI (Normalized Difference Vegetation Index) EVI (Enhanced Vegetation Index) Atividades de Validação Características do Sensor WFI CAPÍTULO 3 - MATERIAIS E MÉTODOS Materiais Área de Estudo Espectroradiômetro FieldSpec Pro FR Metodologia Coleta e Processamento dos Dados de Campo Aquisição e Processamento das Imagens do Sensor MODIS Aquisição e Processamento dos Produtos MOD09GQK Aquisição e Processamento dos Produtos MOD09GHK Comparação do Produto de Reflectância da Superfície entre os Satélites TERRA (MOD09GQK) e AQUA (MYD09GQK) Aquisição e Processamento das Imagens do Sensor WFI CAPÍTULO 4 - RESULTADOS E DISCUSSÃO Avaliação dos Dados de Campo Análise das Curvas Espectrais das Variedades de Soja Avaliação dos Parâmetros Agronômicos em relação aos Índices de Vegetação Avaliação do Produto de Reflectância da Superfície (MOD09GQK) por Meio de Medidas Radiométricas Realizadas a Campo Pré - Análises Aferição Geral da Precisão do Produto MOD09GQK a partir dos Dados Radiométricos Coletados a Campo Análise Individual das Bandas do Azul, Vermelho e Infravermelho Próximo Análise Individual dos Dados para cada Missão de Campo... 88

19 4.2.5 Avaliação dos Índices de Vegetação Comportamento entre os Índices de Vegetação Analisados Avaliação da Precisão do Produto MOD09GHK Usando Medidas Radiométricas ao nível de campo Avaliação do Produto de Reflectância da Superfície entre os Satélites TERRA e AQUA Análise de Dispersão entre o Produto de Reflectância da Superfície originado pelos Satélites TERRA e AQUA Análise de Reflectância em Amostras Conhecidas Avaliação Preliminar dos Dados Radiométricos do Sensor WFI a Bordo do Satélite CBERS CAPÍTULO 5 - CONCLUSÕES Recomendações REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICE A - FOTOS DAS MISSÕES DE CAMPO APÊNDICE B - ESTÁDIOS FENOLÓGICOS DA SOJA (Glycine max, L.) APÊNDICE C - BANDAS DE ABSORÇÃO DO MODIS APÊNDICE D - DADOS METEOROLÓGICOS APÊNDICE E - VALORES TEÓRICOS CALCULADOS ANTES DO LANÇAMENTO DO MODIS/TERRA

20 LISTA DE FIGURAS Ilustração do espectro eletromagnético Esquema de funcionamento de um sistema sensor na conversão da radiância em números digitais Curva de reflectância típica de uma folha verde sadia na faixa óptica do espectro eletromagnético Esquema da influência da atmosfera e da superfície no sinal coletado pelo sensor de um determinado alvo Esquema das etapas para geração do produto MOD Produto de reflectância da superfície (MOD09) da América do Sul, obtida em março, Produto MOD13: NDVI e EVI, obtidos para a América do Sul, com resolução espacial de 500 m Relações entre os índices de vegetação Mapa de localização da área de estudo com a imagem Landsat TM do dia 27/02/2004 R(3) G(2) B (1), exibindo o talhão delimitado em vermelho e as variedades: UFVS 2005 (1), AV 7002 (2) e MSOY 8001 (3) Espectroradiômetro FieldSpec Pro FR Vetorização da área de estudo com a localização dos pontos amostrados e das três variedades: MSOY 8001 (3), AV 7002 (2) e UFVS 2005 (1) Fluxograma das atividades de campo Globo terrestre dividido em Tiles com 1200 km x 1200 km, em vermelho observa-se o Tile H13 V10, onde se localiza a área de estudo Localização da área de estudo através da sobreposição do vetor na imagem de composição colorida R(1)G(2)B(3) do produto MOD09 do dia 14/12/ Fluxograma da aquisição e processamento das imagens MOD09GQK Fluxograma da aquisição e processamento das imagens MOD09 500m Fluxograma da aquisição e processamento das imagens MOD09GHK reamostradas para 250m Imagem composição colorida R(1)G(2)B(1) do produto MOD 09 TERRA do dia 15/12/2003, mostrando a área selecionada com os 1000 pontos aleatórios em vermelho Fluxograma da aquisição e processamento das imagens de reflectância da superfície dos satélites TERRA e AQUA Imagem CBERS 2-WFI (10/03/2004), composição colorida R(1)G(2)B(1), destacando a localização da área em vermelho Fluxograma da aquisição e processamento das imagens CBERS 2 WFI Fotos da 1ª missão de campo (15/12/2003) das variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005 (c) Comportamento espectral das variedades MSOY 8001 (a), AV 7002(b) e UFVS 2005(c) em todas as campanhas de campo Representação considerando os pixels inteiros na área de estudo (a) e todos os pixels que estejam na área (b)... 81

21 4.4 - Gráfico de dispersão entre os dados de reflectância média de campo e os dados médios do produto MOD09GQK Gráfico de dispersão entre os dados de reflectância de campo das bandas azul, vermelho e infravermelho próximo e os dados de reflectância do produto MOD09GQK, para todas as missões de campo Dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD09 quanto para os dados obtidos ao nível de campo, para a 1ª missão Gráfico de dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD 09 quanto para os dados obtidos ao nível de campo, para a 2ª missão Gráfico de dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD09 quanto para os dados obtidos ao nível de campo, para a 3ª missão Gráfico de dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD 09 quanto para os dados obtidos ao nível de campo, para a 4ª missão Gráfico de dispersão entre o NDVI (MOD09) e o NDVI (campo) Gráfico de dispersão entre o EVI (MOD09) e o SAVI (campo) Gráfico de dispersão entre o valor RMSD dos índices de vegetação (NDVI e EVI) e o ângulo zenital do sensor Gráfico de dispersão entre o NDVI (MOD09) e o EVI (MOD09) Gráfico de dispersão entre os dados de reflectância média de campo e os dados médios do produto MOD09GHK Gráfico de dispersão do produto reflectância da superfície (banda do vermelho e infravermelho próximo) entre as imagens do satélite TERRA e AQUA Gráfico de dispersão do produto reflectância da superfície (banda do vermelho e infravermelho próximo) entre as imagens do satélite TERRA e AQUA Dispersão entre a média de reflectância das duas variedades para as bandas do vermelho e infravermelho e do NDVI do sensor WFI, com as médias de campo do dia 10/03/ A.1 - Missão do dia 15/12/2003, variedade MSOY A.2 - Missão do dia 15/12/2003, variedade AV A.3 - Missão do dia 15/12/2003, variedade UFVS A.4 - Missão do dia 20/01/2004, variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005(c) A.5 - Missão do dia 12/02/2004, variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005(c) A.6 - Missão do dia 09/03/2004, variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005(c) C.1 - Bandas de absorção do MODIS...133

22 LISTA DE TABELAS Efeitos da atmosfera no sinal do sensor AVHRR nas bandas 1 e 2, e no NDVI Efeitos da atmosfera no sinal do sensor TM nas bandas 1, 2, 3, 4, 5 e 7, e no NDVI Características espectrais, espaciais e temporais dos sensores MODIS, TM e AVHRR Especificações técnicas do sensor MODIS/TERRA Especificações das bandas 1 a 19 do sensor MODIS Especificações das bandas 20 a 36 do sensor MODIS Comparação entre as características do sensor WFI e MODIS Condições atmosféricas durante as missões de campo Faixas espectrais das bandas dos sensores MODIS e WFI Dias das imagens MOD09 selecionadas e dias das missões de campo Resultado da 1ª triagem entre as imagens AQUA e TERRA Valores médios de NDVI e SAVI para as variedades presentes na área de estudo para cada missão de campo Número total de grãos e rendimento em alguns pontos amostrais Equações de regressão, coeficientes de determinação (r 2 ) e de correlação (r) entre os índices de vegetação (NDVI e SAVI) e os parâmetros agronômicos (rendimento e número de plantas) Resultado da análise de observação entre as reflectâncias do campo e as obtidas através do produto MOD Valores do erro médio quadrático (RMSD), do desvio médio (DM) e o coeficiente de variação (CV) entre dados do MOD09 e dados de reflectância de campo Valores do erro médio quadrático (RMSD), do desvio médio (DM) e do coeficiente de variação (CV) para cada missão de campo Ângulo zenital do sensor referente a área de estudo das imagens MOD09, para cada missão de campo Valores RMSD, DM e o CV, entre os índices calculados com as medidas de reflectância de campo e os calculados com os dados de reflectância gerados pelo produto MOD Valores do erro médio quadrático (RMSD), do desvio médio (DM) e do coeficiente de variação (CV) para as 7 bandas do produto MOD09 500m Ângulos zenitais solar e do sensor para as imagens dos satélites TERRA e AQUA Valores de correlação (r) obtidos entre os pixels do satélite AQUA e do TERRA para cada classe amostrada Correlação entre o NDVI calculado a partir dos dados do satélite TERRA e do AQUA B.1 - Estágios fenológicos da soja D.1 - Dados meteorológicos dezembro D.2 - Dados meteorológicos janeiro

23 D.3 - Dados meteorológicos fevereiro D.4 - Dados meteorológicos março E.1 - Valores teóricos antes do lançamento do MODIS/TERRA...139

24 LISTA DE SIGLAS E ABREVIATURAS A acr ARVI AVHRR BRDF - Azul - reflectância corrigida para atmosfera - Atmospherical Resistant Vegetation Index - Advanced Very High Resolution Radiometer - Bidirectional Reflectance Distribution Function CBERS-2 - China-Brazil Earth Resources Satellite 2 CCD DGI EOS ETM+ EVI FOV FPAR GPS HDF IAF IDL INPE IRMSS IV IVP LSB - Charge-Coupled Device - Divisão de Geração de Imagens - Earth Observing System - Enhanced Thematic Mapper Plus - Enhanced Vegetation Index - Field of View - Fraction of Photosynthetically Active Radiation - Global Positioning System - Hierarchical Data Format - Índice de Área Foliar - Interactive Data Language - Instituto Nacional de Pesquisas Espaciais - Infrared Multiespectral Scanner Subsystem - Índice de Vegetação - Infravermelho Próximo - Last Significant Byte

25 MODIS - Moderate Resolution Imaging Spectroradiometer MQUALS - MODIS Quick Airborne Looks MRT NASA NDVI NOAA QA ROI SAVI SIN TIF TM V WFI - MODIS Reprojection Tool - National Aeronautic and Space Administration - Normalized Difference Vegetation Index - National Oceanic and Atmospheric Administration - Quality Assurance - Region of Interest - Soil-Adjusted Vegetation Index - Sinusoidal - Tagged Image File Format - Thematic Mapper - Vermelho - Wide Field Imager

26 CAPÍTULO 1 INTRODUÇÃO No Brasil, a agricultura é um dos setores de maior expressão na economia, uma vez que o País é um grande produtor de soja, milho, café e cana-de-açúcar, dentre outras commodities. O desenvolvimento tecnológico na área agrícola tem se tornado uma peça fundamental no incremento produtivo e econômico. O planejamento e o gerenciamento agrícola necessitam de informações cada vez mais precisas e em tempo hábil. Com isso, o sensoriamento remoto tornou-se uma importante ferramenta na extração de diversas informações necessárias à agricultura. No âmbito do sensoriamento remoto, o monitoramento do ciclo vegetativo das culturas agrícolas é realizado através de observações das curvas espectrais da vegetação e, principalmente, através da geração e análise dos índices de vegetação. Estes índices têm associação direta com a quantidade de biomassa, índice de área foliar, cobertura do solo, interceptação da radiação (Ormsby et al., 1987; Rudorff e Batista, 1990; Wiegand et al., 1992; Antunes et al., 1993). A maioria das pesquisas em sensoriamento remoto para o monitoramento agrícola emprega imagens com resolução espacial média. Exemplos de imagens com este tipo de resolução são as imagens dos satélites Landsat 5 e 7, respectivamente, com os sensores TM e ETM+ que apresentam resolução espacial de 30m. Mais recentemente, com o lançamento do CBERS2, tornaram-se disponíveis imagens do sensor CCD com resolução espacial de 20m. Entretanto, estes sensores são limitados no que diz respeito ao período de revisita (resolução temporal) que é de 16 dias para o TM e 26 dias para o CCD. Conseqüentemente, o monitoramento do ciclo vegetativo, principalmente para as culturas anuais de verão, fica comprometido por este período de revisita, visto que 21

27 nestes intervalos de 16 ou 26 dias, podem ocorrer grandes mudanças no ciclo vegetativo das culturas. Além disso, em se tratando de culturas de verão, neste período a obtenção de imagens por estes sensores pode ser limitada devido à alta incidência de nuvens, reduzindo ainda mais as chances de obtenção das imagens e, em conseqüência, interferindo no monitoramento do ciclo vegetativo destas culturas. Como uma forma de tentar minimizar esses efeitos, surge a necessidade do uso de sensores com alta resolução temporal. No entanto, esses sensores apresentam de moderada a baixa resolução espacial, o que limita o uso dependendo da aplicação. Neste contexto, o sensor Moderate Resolution Imaging Spectroradiometer (MODIS) aparece como uma alternativa no monitoramento global da vegetação. O MODIS está a bordo dos satélites TERRA e AQUA pertencentes ao programa Earth Observing System (EOS) da National Aeronautic and Space Administration (NASA). Este sensor possui resolução temporal diária e resoluções espaciais de 250m, 500m e 1000m. O sucesso do sensor MODIS, a bordo do satélite TERRA, aliado à forma de disponibilização dos dados tem motivado a pesquisa utilizando este tipo de sensor. Além desta característica, as faixas espectrais do sensor, o momento de aquisição das imagens (10h30) e a órbita foram escolhidos de forma a facilitar a comparação com dados obtidos pelos sensores ETM+ e TM da série de satélites Landsat (EOS Science Plan, 1999 apud Mesquita Jr. e Bitencourt, 2003). Além disso, uma das iniciativas promovidas pelo programa EOS é a disponibilização de uma grande quantidade de dados já processados para pesquisa. Dentre os produtos disponibilizados estão os dados de reflectância da superfície MOD09, os quais servem de base para geração de outros produtos, como: os índices de vegetação NDVI e EVI, Índice de Área Foliar (IAF), entre outros (Parkinson e Greenstone, 2000). As principais vantagens na utilização destes produtos fornecidos são a diminuição no tempo de processamento por parte do usuário e a distribuição gratuita destes. 22

28 Como estes produtos são obtidos através de processos automáticos por meio de algoritmos, surge a necessidade de serem avaliados com informações coletadas a campo ou de outros satélites. Com base nestas observações e com o intuito de estender a sua aplicação em áreas agrícolas. Este trabalho propõe a avaliar a precisão dos produtos de reflectância da superfície (MOD09GQK e MODO9GHK) originados a partir dos dados do sensor MODIS a bordo do satélite TERRA, com o mesmo parâmetro obtido através de dados coletados ao nível de campo, em uma área agrícola de soja, com o espectroradiômetro FieldSpec Pro FR. Os objetivos específicos do trabalho são: Avaliar o comportamento espectral das 3 variedades de soja (MSOY 8001, AV 7002 e UFVS 2005) presentes na área de estudo; Correlacionar as variáveis agronômicas com os parâmetros radiométricos obtidos ao nível de campo; Avaliar o grupo de pixels que melhor representem a área de estudo na imagem; Avaliar os índices de vegetação gerados a partir do produto MOD09 (NDVI e EVI) e os obtidos ao nível de campo (NDVI e SAVI); Observar as inter-relações existentes entre os índices de vegetação utilizados no trabalho; Comparar o produto de reflectância da superfície originado pelos satélites TERRA (MOD09GQK) e AQUA (MYD09GQK); Avaliar os dados radiométricos do sensor WFI a bordo do satélite CBERS-2, utilizando a mesma metodologia empregada na avaliação dos dados do sensor MODIS. 23

29 24

30 CAPÍTULO 2 FUNDAMENTAÇÃO TEÓRICA Neste Capítulo serão abordados, inicialmente, alguns assuntos introdutórios, como: a interação da radiação com o alvo, a influência da atmosfera e a dificuldade de correção desta. Na seqüência, serão tratados os seguintes assuntos: o monitoramento da vegetação em escala global (suas origens e vantagens), uma abordagem geral sobre o sensor MODIS, uma síntese sobre o produto de reflectância da superfície - MOD09, índices de vegetação (produto MOD13 NDVI e EVI). Ainda se apresentará um resumo sobre as atividades de validação (conceito, importância, cuidados e alguns trabalhos na área) e finalmente, uma síntese sobre o sensor WFI a bordo do CBERS Interação da Radiação com o Alvo O sol é a fonte de energia para a grande maioria dos sistemas sensores passivos, fornecendo energia em todas as regiões do espectro eletromagnético (Figura 2.1). FIGURA Ilustração do espectro eletromagnético. Parte da radiação solar antes de alcançar a superfície da Terra, interage com partículas suspensas na atmosfera e com moléculas de gases. Esta interação é descrita através de dois processos: absorção e espalhamento (Slater, 1980). 25

31 A energia eletromagnética que atinge a superfície terrestre pode ser refletida, transmitida ou absorvida. A energia refletida percorre e, parte, interage novamente com os constituintes da atmosfera. A energia resultante desta interação que chega ao campo de visada do sensor, é detectada por ele e convertida em valor numérico (Figura 2.2), o qual é transmitido para estações de recebimento na Terra (Schowengerdt, 1997). SISTEMA SENSOR Filtro ou divisor espectral Radiância no sensor Sistema óptico Detectores Eletrônica Conversão A/D DN FIGURA Esquema de funcionamento de um sistema sensor na conversão da radiância em números digitais. FONTE: Schowengerdt (1997). Em algumas aplicações, esses valores de nível digital devem ser convertidos para radiância. Esta conversão é calculada a partir de fatores que dependem da banda e do sensor utilizado, a caracterização precisa destes fatores de conversão é conhecida como calibração absoluta. De acordo com Henry e Meygret (2001), esta conversão é importante no sensoriamento remoto, pois permite a comparação entre os dados de diferentes sensores, fornecendo ao usuário dados independentes do sensor e a possibilidade de análise de dados multitemporais. A partir dos valores de radiância e alguns parâmetros, como irradiância solar no topo da atmosfera e altura do sol, são obtidos os valores de reflectância no topo da atmosfera. Ao aplicar neste resultado uma correção dos efeitos atmosféricos é obtida a reflectância da superfície. 26

32 Estes dados são utilizados para inferir sobre a natureza da superfície refletora. Uma suposição básica feita no sensoriamento remoto é que alvos específicos têm maneiras distintas e características de interagir com a radiação incidente, o qual é descrita por meio da resposta espectral do alvo. Uma das formas de se analisar estas respostas espectrais é por meio de curvas espectrais, que representam a resposta do alvo num dado intervalo de comprimento de onda do espectro eletromagnético. Este intervalo depende do equipamento de medida utilizado (Mather, 1999). Segundo ainda o autor, as curvas espectrais podem variar em alguns alvos de tempos em tempos, durante o ano ou de acordo com o clima, como é o caso da vegetação. Em se tratando de culturas agrícolas anuais a variação da resposta espectral se dá em menores intervalos de tempo. Isto ocorre devido aos seus ciclos de crescimento e desenvolvimento (germinação, crescimento, maturação e senescência), os quais interferem fortemente na resposta espectral destes alvos. Um exemplo da curva espectral de uma folha sadia pode ser visto na Figura 2.3. FIGURA Curva de reflectância típica de uma folha verde sadia na faixa óptica do espectro eletromagnético. FONTE: Adaptada de Swain e Davis (1978). 27

33 Além disso, a resposta do alvo vai depender de outros fatores, como: posição do Sol (azimute solar), elevação solar (ângulo de elevação solar), a direção de apontamento do sensor (em relação ao nadir). 2.2 Influência da Atmosfera A atmosfera terrestre, embora seja importante para a vida, no sensoriamento remoto apresenta alguns fatores limitantes, em relação à energia que é interceptada pela Terra. Como mencionado anteriormente, tanto a radiação solar incidente quanto a energia refletida dos alvos, ao passar pela atmosfera são parcialmente absorvidas ou espalhadas. A Figura 2.4, mostra de forma esquemática a influência da atmosfera no sinal de um determinado alvo que é coletado pelo sensor. Sol Sistema sensor Atmosfera Superfície Alvo FIGURA Esquema da influência da atmosfera e da superfície no sinal coletado pelo sensor de um determinado alvo. Os processos de espalhamento e absorção provocam mudanças no comportamento da radiação. Esse fato se reflete nos dados coletados pelos sensores orbitais e, conseqüentemente, nas imagens geradas a partir desses dados. Por exemplo, reduções do contraste das imagens, onde detalhes pequenos na imagem desapareçam ou se 28

34 tornem difíceis de serem identificados; e também, redução do total de radiação da superfície terrestre que retorna para o sensor, o que torna o processo de interpretação das curvas espectrais dos alvos na cena confusos (Slater, 1980). Através dos dados contidos nas Tabelas 2.1 e 2.2, pode-se observar a influência dos componentes da atmosfera no sinal dos sensores AVHRR e TM, respectivamente. O efeito proporcional é dado em porcentagem (%) de aumento ( ) ou decréscimo ( ) do sinal. TABELA Efeitos da atmosfera no sinal do sensor AVHRR nas bandas 1 e 2, e no NDVI. Ozônio Vapor d água Rayleigh Aerosol Sensor AVHRR 0,247 0,480 (cm/atm) 0,5 4,1 (g/cm 2 ) 1013 mb V: km Continental Banda 1 (ρ 1 ) 0,62 ± 0,12 µm 4,2 % a 12% 0,7 % a 4,4 % 0,02 a 0,06 0,005 a 0,12 Banda 2 (ρ 2 ) _ 0,885 ± 0,195 µm 7,7 % a 25% 0,006 a 0,02 0,003 a 0,083 NDVI (solo nu) ρ 1 = 0,19 ρ 2 = 0,22 0,02 a 0,06 0,011 a 0,12 0,036 a 0,094 0,006 a 0,085 NDVI (floresta decídua) ρ 1 = 0,03 ρ 2 = 0,36 0,006 a 0,017 0,036 a 0,038 0,086 a 0,23 0,022 a 0,35 FONTE: Vermote e Vermeulen (1999). 29

35 TABELA Efeitos da atmosfera no sinal do sensor TM nas bandas 1, 2, 3, 4, 5 e 7, e no NDVI. Vapor Aerosol Ozônio d água Rayleigh V: ,247 0,480 Sensor TM 0,5 4, mb km (cm/atm) (g/cm 2 ) Continental Banda 1 (ρ 1 ) 0,49 ± 0,06 µm 1,5 % a 2,9 % _ 0,064 a 0,08 0,007 a 0,048 Banda 2 (ρ 2 ) 0,575 ± 0,075 µm 5,2 % a 13,4 % 0,5 % a 3 % 0,032 a 0,04 0,006 a 0,04 Banda 3 (ρ 3 ) 0,67 ± 0,07 µm 3,1 % a 7,9 % 0,5 % a 3 % 0,018 a 0,02 0,005 a 0,034 Banda 4 (ρ 4 ) 0,837 ± 0,107 µm _ 3,5 % a 14 % 0,007 a 0,009 0,003 a 0,023 Banda 5 (ρ 5 ) 1,692 ± 0,178 µm _ 5 % a 16 % 0,000 a 0,001 0,001 a 0,007 Banda 7 (ρ 7 ) 2,19 ± 0,215 µm _ 2,5 % a 13 % _ 0,001 a 0,004 NDVI (solo nu) ρ 3 = 0,19 ρ 4 = 0,22 0,015 a 0,041 0,015 a 0,06 0,03 0,006 a 0,032 NDVI (floresta decídua) ρ 3 = 0,03 ρ 4 = 0,36 0,004 a 0,011 0,005 a 0,018 0,08 a 0,085 0,022 a 0,13 FONTE: Vermote e Vermeulen (1999). 30

36 De acordo com Mather (1999), em três situações a correção atmosférica é imprescindível: Quando se realiza razão entre bandas, pois os efeitos do espalhamento aumentam inversamente com o comprimento de onda, desta forma as duas bandas serão afetadas de maneira diferente pelo espalhamento (salvo quando se normaliza esta razão); Ao se relacionar a radiância de um alvo que chega ao sensor com alguma propriedade deste alvo com base em modelos físicos. Neste caso o componente atmosférico presente no sinal deve ser estimado e removido; Em análise de dados multitemporais, quando se quer comparar imagens ou medidas de campo realizadas em dias diferentes. Esta tentativa de se separar a atmosfera da superfície é um problema desafiante e histórico na comunidade de pesquisadores. Estes procuram esquivar-se dos efeitos atmosféricos, desenvolvendo índices de vegetação, como, o Normalized Difference Vegetation Index (NDVI) (Tucker, 1979), o qual reduz significativamente os efeitos atmosféricos devido à normalização envolvida. Segundo Chen et al. (1996) apud Fonseca et al. (2000), a correção dos efeitos atmosféricos pode ser feita: Por meio da utilização de modelos que simulam as propriedades ópticas da atmosfera, como o modelo LOWTRAN (Mather, 1999), modelo 6S (Vermote et al., 1997); Por meio do uso de alvos presentes na área imageada e que tenham reflectância conhecida; Por meio de métodos que inferem a contribuição da atmosfera na radiância registrada na imagem a partir da subtração da radiância observada em alvos escuros, como o método de subtração do pixel escuro (Chavez, 1988). 31

37 De acordo com Moran et al. (1992), o emprego de modelos automatizados para a correção dos efeitos atmosféricos, baseados em algoritmos, quando utilizados em conjunção com medidas da espessura ótica da atmosfera, obtidas a campo, se mostram bastante precisos. Contudo, mesmo utilizando esses índices e se corrigindo a influência atmosférica não serão evitados alguns erros, como é o caso de um efeito denominado subpixel clouds. Este efeito consiste na presença de nuvens menores do que o tamanho do pixel. Um exemplo deste efeito pode ser observado ao se avaliar várias imagens consecutivas em um determinado período, em que o pixel contaminado com nuvem seja escolhido erroneamente como o pixel que representa o valor máximo de índice de vegetação correspondente ao período (Kaufman e Tanré, 1992). Para minimizar essas tarefas de correção dos efeitos atmosféricos por parte do usuário, o programa EOS da NASA disponibiliza diversos produtos já processados, dentre eles o produto de reflectância da superfície, com correção atmosférica, nas resoluções de 250m (MOD09GQH) e 500m (MOD09GHK). 2.3 Monitoramento Global da Vegetação O monitoramento da superfície terrestre em escala global é importante em diversas áreas de pesquisa, tendo como algumas aplicações: a observação de pontos de queimadas e desmatamento, monitoramento de culturas agrícolas, controle e alerta de pontos de desastres naturais (como granizo e geada), observação de áreas com estiagem ou alagadas, dentre outras. Desde o início dos anos 80, dados de sensores com baixa resolução espacial são utilizados para o monitoramento global, como por exemplo, a série de satélites National Oceanic and Atmospheric Administration (NOAA). Inicialmente, o objetivo principal dos satélites NOAA era a previsão das condições do tempo e outros propósitos meteorológicos. Após a implementação de uma nova geração de satélites dotados dos sensores Advanced Very High Resolution Radiometer (AVHRR), principalmente devido à possibilidade de gerar as imagens índice de vegetação, ocorreu uma grande motivação 32

38 aos estudos da dinâmica do clima global e mapeamentos da superfície oceânica e da vegetação terrestre (Jensen, 2000). A utilização do sensor AVHRR apresentava diversas vantagens sobre outros dados de sensoriamento remoto para o monitoramento ecológico e biofísico de grandes áreas, dentre elas a maior freqüência de cobertura e a economia. Para algumas aplicações os dados eram utilizados sozinhos, mas para outros (ex: estimativa de áreas e caracterização biofísica), eles eram utilizados em conjunto com outras informações, assim como dados de satélites de resolução espacial maior, dados de campo e meteorológicos (Parkinson e Greenstone, 2000). Com isso, pesquisas fundamentadas no uso de dados de sensores com essas características foram crescendo em diversas áreas de sensoriamento remoto. A origem das características do sensor Moderate Resolution Imaging Spectroradiometer (MODIS) vem de diversos outros sensores. Sendo o MODIS uma continuidade da obtenção dos dados adquiridos durante muitos anos pelo sensor AVHRR a bordo do satélite NOAA (Barnes et al., 1998). Na Tabela 2.3, observam-se algumas características dos sensores TM, AVHRR e MODIS. TABELA 2.3 Características espectrais, espaciais e temporais dos sensores MODIS, TM e AVHRR. BANDA /SENSOR NOAA-AVHRR LANDSAT-TM MODIS Azul Verde Vermelho Infravermelho próximo Infravermelho médio Infravermelho médio Infravermelho médio - - 0,55-0,68 µm 0,73-1,10 µm 3,55-3,93 µm - - 0,45-0,52 µm 0,52-0,60 µm 0,63-0,69 µm 0,76-0,90 µm 1,55-1,75 µm 2,08-2,35 µm - 0,459-0,479 µm 0,545-0,565 µm 0,620-0,670 µm 0,841-0,876 µm 1,230-1,250 µm 1,628-1,652 µm 2,105-2,155 µm Tamanho de pixel (Nadir) 1000 m Resolução Temporal Diário FONTE: Adaptada de Huete et al. (1997 p. 441). 30 m 16 dias 250 m e 500 m Diário Para o imageamento terrestre, o modelo do sensor MODIS combinou tanto características do sensor AVHRR, quanto do Landsat-TM (Thematic Mapper), em que 33

39 foram adicionadas bandas espectrais no infravermelho médio, além de fornecer resolução espacial de 250m, 500m e 1000m (Justice et al., 1998). 2.4 Características do Sensor MODIS O sensor MODIS está a bordo dos satélites AQUA e TERRA, que fazem parte do programa Earth Observing System (EOS). Segundo Justice et al. (2002), o sensor foi projetado para satisfazer os requerimentos de três campos de estudos diferentes: atmosfera, oceano e terra, com bandas de resoluções espectral e espacial selecionadas para o conhecimento de diferentes fatores desses três ambientes e para oferecer uma cobertura global quase diariamente. Os dados são coletados em 36 bandas espectrais situadas entre 0,4µm a 14,4µm do espectro eletromagnético. A resolução espacial depende da banda de operação do sensor, que pode ser de 250 m (2 bandas), 500m (5 bandas) e 1000m (29 bandas). As especificações técnicas do MODIS estão resumidas na Tabela 2.4. TABELA Especificações técnicas do sensor MODIS/TERRA. ÓRBITA 705 km, sol síncrona, polar, 10:30 a.m. descendente. FAIXA ESPECTRAL COBERTURA ESPACIAL RESOLUÇÃO ESPACIAL NO NADIR PRECISÃO RADIOMÉTRICA REPETIÇÃO DE COBERTURA QUANTIZAÇÃO 0.4µm 14.4µm ± 55 ; 2330 km em fileira ( scans contínuos em nadir no equador). 250 m (2 bandas), 500m (5 bandas), 1000 m (29 bandas). 5% absoluto, < 3µm; 1% absoluto, > 3µm; 2% de reflectância. Diária ao norte da latitude 30 e a cada dois dias, para latitudes inferiores a bits. 6.2 Mbps (média), 10.8 Mbps (dia) e 2.5 Mbps TAXA DE DADOS (noite). POTÊNCIA W (média para uma órbita) e W (pico). FONTE: Anderson et al. (2003, p.10). 34

40 A resolução espacial depende da banda de operação do sensor, conforme as especificações mostradas nas Tabelas 2.5 e 2.6. TABELA Especificações das bandas 1 a 19 do sensor MODIS. LARGURA DE RESOLUÇÃO USO PRIMÁRIO BANDA BANDA (µm) ESPACIAL (m) Superfície Terrestre/ Nuvem 1 2 0,620-0,670 0,841-0, Propriedades da Superfície/ Nuvem ,459-0,479 0,545-0,565 1,230-1,250 1,628-1,652 2,105-2, Cor dos Oceanos/ Fitoplâncton/ Bioquímica ,405-0,420 0,438-0,448 0,483-0,493 0,526-0,536 0,546-0,556 0,662-0,672 0,673-0,683 0,743-0,753 0,862-0, Vapor d água Atmosférico ,890-0,920 0,931-0,941 0,915-0, FONTE: Anderson et al. (2003, p. 11). 35

41 TABELA Especificações das bandas 20 a 36 do sensor MODIS. USO PRIMÁRIO BANDA LARGURA DE BANDA (µm) RESOLUÇÃO ESPACIAL (m) Temperatura Nuvens / Superfície ,660-3,840 3,929-3,989 3,929-3,989 4,020-4, Temperatura Atmosférica ,433-4,498 4,482-4, Cirrus 26 1,360-1, Vapor d água ,535-6,895 7,175-7,475 8,400-8, Ozônio 30 9,580-9, Temperatura Nuvens/ Superfície ,780-11,280 11,770-12, Altitude topo da Nuvem ,185-13,485 13,485-13,785 13,785-14,085 14,085-14, FONTE: Anderson et al. (2003, p. 11). De acordo com Anderson (2004), logo após o lançamento o sensor MODIS apresentava uma precisão de geolocalização de 1700 m, e com o ajuste inicial dos algoritmos em maio de 2000, esta precisão passou para 150 m. Em dezembro de 2000, com mais alguns ajustes a acurácia de geolocalização atingiu 50 m, conforme havia sido planejado pelo projeto. 36

42 2.4.1 Reflectância da Superfície (Produto MOD09) Avaliações precisas das mudanças na biosfera terrestre, em escala global, são importantes para a compreensão dos impactos humanos e climáticos no meio ambiente. Para isto, é necessária a extração da contribuição originada pela superfície do total da reflectância recebida pelo satélite, o qual é uma combinação entre a superfície e a atmosfera (Tanré et al., 1992). Falhas em se fazer esta separação de forma correta geram uma grande fonte de erros, principalmente, na análise de dados temporais. O produto de reflectância da superfície (MOD09) emprega um algoritmo de correção atmosférica, o qual remove os efeitos de espalhamento e absorção de gases e aerossóis, assim como os efeitos adjacentes causados pela variação da cobertura da superfície, os efeitos da geometria de visada e de iluminação (Bidirectional Reflectance Distribution Function - BRDF) e contaminação de nuvens esparsas (Vermote e Vermeulen, 1999). Antes mesmo do lançamento do sensor MODIS já se tinha esta preocupação em relação à validação do algoritmo de geração do produto MOD09. Para isto, eram utilizados dados de campo, dados do sensor AVHRR, do sensor TM e de sensores aerotransportados. Alguns produtos atmosféricos MODIS (MOD04: aerossóis, MOD05: vapor d água, MOD07: ozônio, MOD35: máscara de nuvens) e outros dados auxiliares (Modelo Digital de Elevação, pressão atmosférica) são dados de entrada do algoritmo de correção atmosférica do MOD09. Através do modelo 6S (Second Simulation Satellite Signal in the Solar Spectrum), o qual é largamente documentado e aplicado em diversas áreas do sensoriamento remoto, era realizado a intercomparação entre os algoritmos e a avaliação da implementação do algoritmo de correção atmosférica do MODIS (Vermote e Vermeulen, 1999). Na Figura 2.5 pode-se observar o processo para obtenção do produto de reflectância da superfície (MOD09). 37

43 FIGURA Esquema das etapas para geração do produto MOD09. FONTE: Vermote e Vermeulen (1999, p.20). 38

44 Os produtos de reflectância da superfície são de grande importância, pois, são dados de entrada para a geração de diversos outros produtos fornecidos pelo MODIS, utilizados no monitoramento da superfície terrestre, como: Índices de vegetação (NDVI e EVI), BRDF/albedo, anomalia termal, neve / gelo e fração da radiação fotossinteticamente ativa (FPAR) e índice da área foliar (IAF) (Parkinson e Greenstone, 2000). Estes produtos requerem que o sinal no topo da atmosfera seja convertido em reflectância da superfície. O processo necessário para esta conversão nada mais é do que uma correção dos efeitos atmosféricos, realizado no produto MODIS nível 1B radiância. A qualidade destes produtos gerados a partir da reflectância da superfície (MOD09) depende diretamente da qualidade do algoritmo de correção atmosférica e da precisão do produto MOD09 (Running et al., 1994). O propósito do produto MOD09 é fornecer um conjunto de dados globais automatizados apropriados para o estudo em escala com resolução espacial (pixel) menor que 250m (Vermote e Vermeulen, 1999). O produto MOD09 é disponível para as bandas 1 e 2 na resolução espacial de 250m, e para as bandas de 3 a 7 na resolução de 500m. Estas bandas estão centradas nos respectivos comprimentos de onda: 0,648 µm, 0,858 µm, 0,470 µm, 0,555 µm, 1,240 µm, 1,640 µm e 2,13 µm. Em adição às estimativas da reflectância da superfície, este produto vem acompanhado pelas informações de cada pixel, de forma a garantir a integridade de seus dados através da QA (Quality Assurance) (Anderson et al., 2003): Integridade da estimativa da reflectância da superfície; O sucesso da conclusão do esquema de correção; Presença de nuvens (claro, nublado, parcialmente nublado, fechado); Presença de nuvens Cirrus (sem cirrus, baixa, média e alta); 39

45 Fonte de informações de aerossóis: climatologia; Presença de aerossol (baixo, médio e alto); Fonte de informação de vapor d água: climatologia; Fonte de informação de ozônio: Climatologia; Se o pixel é terra ou água. Na Figura 2.6, pode-se observar um exemplo da imagem de reflectância da superfície para a América do Sul, obtida em março de FIGURA Produto de reflectância da superfície (MOD09) da América do Sul, obtida em março, FONTE: MODIS Land (2004). 40

46 2.4.2 Produto Índices de Vegetação (MOD13) Obtido a Partir do Produto MOD Índices de Vegetação (IV) Apesar da intensa ação antrópica, uma grande quantidade da superfície da Terra ainda permanece vegetada, e estes vestígios de vegetação são essenciais para o suporte da vida humana e para todos os animais terrestres. O conhecimento das mudanças da vegetação, solo e uso do solo fornecem uma base de entendimento dos recursos manejáveis da superfície terrestre e da água. Para isso, são necessárias pesquisas com o objetivo de monitoramento global da vegetação (Parkinson e Greenstone, 2000). De acordo com Ponzoni (2001), os índices de vegetação servem como indicadores do crescimento e do vigor de vegetação verde e podem ser utilizados no diagnóstico de vários parâmetros biofísicos, incluindo o índice de área foliar (IAF), a biomassa, a porcentagem de cobertura do solo e a atividade fotossintética, com os quais tem apresentado correlação. Os índices de vegetação são amplamente utilizados no sensoriamento remoto, para indicar a presença e condição da vegetação monitorada. O objetivo desta técnica é reduzir o total de dados espectrais, e realçar a contribuição espectral da vegetação verde, bem como minimizar a contribuição do solo e da atmosfera. Os índices de vegetação são baseados em combinações lineares, razões ou transformações ortogonais de várias bandas espectrais (Fontana et al., 1998) Descrição do Produto IV do MODIS (MOD13) O algoritmo de geração do produto índice de vegetação (MOD13) baseia-se nos dados de reflectância da superfície (MOD09) e a composição temporária destes geram os produtos de 16 dias, nas resoluções de 250, 500 ou 1000m (Vermote et al., 2002). Este produto disponibiliza ao usuário dois tipos de índices de vegetação, sendo eles: o índice por diferença normalizada (NDVI) e o índice de vegetação melhorada (EVI) (Anderson et al., 2003). 41

47 O NDVI é sensível à clorofila, já o EVI responde mais as variações da estrutura do dossel, incluindo o índice de área foliar (IAF), o tipo e arquitetura de dossel e características da planta (Gao et al., 2000). Estes dois índices se complementam em estudos globais da vegetação e fornecem informações que permitem detectar mudanças na fitomassa e de parâmetros biofísicos do dossel (Anderson et al., 2003). Dada às características dos dados MODIS (largura da faixa de imageamento, alta resolução temporal e baixa resolução espacial) Anderson et al. (2003), relatam que as imagens índices de vegetação, obtidas dos dados MODIS (MOD13) têm como objetivo fornecerem dados consistentes para comparações temporais e espaciais das condições da vegetação, em nível global, ou seja, monitorar a atividade fotossintética da vegetação para detectar mudanças no vigor vegetativo e associar as condições biofísicas e fenológicas das mesmas. Segundo Van Leeuwen et al. (1999), os objetivos do programa de geração de imagens dos índices de vegetação, são: Gerar imagens índices de vegetação de dados livres de cobertura de nuvens; Maximizar a cobertura global e temporal, com produtos de resolução espacial mais fina possível; Padronizar dados de acordo com a posição sol-sensor-alvo; Assegurar a qualidade e a consistência dos dados; Descrever e reconstruir dados de variações fenológicas; Discriminar, com precisão, variações interanuais do comportamento da vegetação. Na Figura 2.7 são mostradas duas imagens (NDVI e EVI) obtidas de dados do MODIS, para a América do Sul do período entre 25 de junho a 10 de julho de

48 FIGURA Produto MOD13: NDVI e EVI, obtidos para a América do Sul, com resolução espacial de 500 m. FONTE: MODIS Vegetation Index Algorithm (2005) NDVI (Normalized Difference Vegetation Index) O NDVI é uma relação entre medidas espectrais (reflectância - ρ) de duas bandas, a do infravermelho próximo (IVP) e a do vermelho (V), e visa eliminar diferenças sazonais do ângulo do Sol e minimiza os efeitos da atenuação atmosférica, observados para dados multitemporais. Os valores obtidos para o NDVI variam entre -1 e 1, e são determinados a partir da Equação 2.1: NDVI = ( ρ IVP ρv ) /( ρivp + ρv ) (2.1) Uma particularidade atribuída ao NDVI é a rápida saturação, o que o torna insensível ao aumento da biomassa vegetal a partir de determinado estádio de desenvolvimento (Moreira, 2001), ou seja, a partir de um certo patamar o índice apresenta sempre o mesmo valor, ainda que tenha aumento na densidade do dossel. 43

49 EVI (Enhanced Vegetation Index) O EVI foi desenvolvido para otimizar o sinal da vegetação, melhorando a sensibilidade em regiões com maiores densidades de fitomassa, além do monitoramento da vegetação através de uma ligação do sinal de fundo do dossel e a redução das influências atmosféricas (Justice et al., 1998). Este índice é uma versão melhorada do NDVI com a adição de coeficientes para melhorar a extração do sinal da vegetação. Existem duas etapas no desenvolvimento do EVI: Correção do background do solo: Esta correção é baseada no índice de vegetação de ajuste do solo (SAVI Soil-Adjusted Vegetation Index) o qual difere do NDVI devido à incorporação de um coeficiente de background do solo (coeficiente L), que o torna menos independente das variações do solo. Este coeficiente é anexado à equação do EVI. De acordo com Huete (1988), o valor do coeficiente L varia de acordo com o estádio vegetativo. Ajuste dos efeitos atmosféricos: Os coeficientes de ajuste atmosféricos utilizados no EVI são baseados no ARVI (Atmospherical Resistant Vegetation Index), o qual utiliza a banda do azul (A), que é a mais sensível aos efeitos dos aerossóis, para corrigir a banda do vermelho (Kaufman e Tanré, 1992). Para estes coeficientes os valores utilizados para minimizar as influências dos efeitos de aerossóis são: C 1 = 6 e C 2 = 7.5. Esta relação com o NDVI e as etapas mencionadas acima podem ser vistas na Figura

50 ρ IVP - ρ ρv ρ IVP + ρ V NDVI Correção da Atmosfera ARVI Correção do background solo ρ IVP - ρ VA ρ IVP - ρ VA ρ VA = ρv - γ (ρ A - ρv) SAVI EVI (1+L) x ρ IVP - ρ V ρ IVP + ρ V +L G x ρ IVP - ρ V (L+ ρ IVP + C 1 x ρ V - C 2 x ρa) FIGURA Relações entre os índices de vegetação. FONTE: Didan e Yin (2005). O EVI é calculado por meio da Equação 2.2: EVI ρivp ρv = G L + ρivp + C ρv C 1 2 ρa (2.2) Sendo: L é o fator de ajuste para solo; e C1 e C2 são coeficientes de ajuste para efeito de aerossóis da atmosfera. Sendo os valores: L =1, C1 = 6 e C2 = 7.5 e o fator de ganho G = 2.5 (Justice et al., 1998). 2.5 Atividades de Validação De acordo com o Grupo de trabalho de Calibração e Validação (Working Group on Calibration and Validation-WGCV) pertencente ao comitê EOS, a validação é definida como sendo o processo de avaliação por meios independentes das incertezas dos dados gerados, obtidos a partir da saída dos sistemas (Privette et al., 2000). Apesar da alta tecnologia empregada nos sensores a bordo do satélite TERRA, esta não garante produtos com alta precisão. Logo, surge a necessidade de desenvolvimento de 45

51 programas de validação dos dados coletados para fornecer ao usuário produtos de boa qualidade, como é o caso das imagens NDVI, EVI e IAF (Privette et al., 2000). Antes mesmo do lançamento do sensor MODIS, uma equipe de pesquisadores foi criada com o objetivo de utilizar diferentes técnicas de validação dos diversos tipos de produtos obtidos a partir dos dados coletados pelo MODIS. De acordo com Morisette et al. (1998), essas pesquisas incluíam, dentre outras coisas, a comparação com dados coletados a campo, sobre diversos locais da superfície terrestre, e comparações com dados e produtos de outros sensores. A importância destas atividades de validação é que, através delas, pode-se avaliar a precisão dos diversos produtos que o sensor MODIS fornece. De forma a ajudar o usuário a tomar conhecimento da confiabilidade, credibilidade, assim como as limitações dos produtos gerados (Gao et al., 2003). Muitas técnicas podem ser utilizadas para validar os produtos gerados a partir dos sensores do satélite TERRA. Porém, a comparação direta entre os produtos gerados pelo sensor com dados medidos a campo, é uma das técnicas de maior credibilidade. Na opinião de Privette et al. (2000), a validação desses produtos é mais fácil quando comparados simultaneamente com parâmetros medidos em nível de campo. Neste sentido, uma das principais funções das medidas radiométricas de campo é a de servir como verdade de campo ou dados de referência para calibrar, validar e interpretar os dados obtidos de sensores a bordo de satélites ou aerotransportados. O objetivo dos dados de verdade de campo é o de padronizar os dados, tanto de satélites quanto de aeronaves, e remover os efeitos atmosféricos (Deering, 1989). Desta forma, nas atividades de validação de dados obtidos por sensores, o emprego das medidas radiométricas é de fundamental importância. Porém, alguns cuidados devem ser tomados em relação à utilização desta técnica na aferição de dados de sensores de resolução espacial média ou baixa. Isto pode ser observado nos seguintes trabalhos, que tratam da atividade de validação de produtos originados dos dados do sensor MODIS. 46

52 Liang et al. (2002), realizaram uma pesquisa para validar os produtos de reflectância da superfície e albedo obtidos de dados do sensor MODIS, por meio da comparação com dados de campo e com o sensor ETM+ (Enhanced Thematic Mapper Plus) a bordo do satélite Landsat-7. Os autores relatam que um dos maiores problemas é comparar as medidas de campo com o pixel do sensor MODIS. A não ser que a área em questão seja bastante homogênea e, suficientemente, grande em relação ao tamanho do pixel do MODIS. Nessas condições, um simples método de validação pode aplicado, comparando a média das medidas de vários pontos no campo com a média de reflectância/albedo dos produtos MODIS. Como a área de estudo desse trabalho não era grande o suficiente, os autores primeiro compararam os dados de campo com dados do sensor ETM+ e, em seguida confrontaram os dados do ETM+ com os do MODIS. Como conclusão os autores afirmam que esses produtos são razoavelmente precisos. No entanto, os autores sugerem a necessidade de mais atividades de validação para comprovar a precisão deste produto. Outro importante trabalho na área foi realizado por Gao et al. (2003) em regiões áridas e semi-áridas, onde os autores validaram os produtos de índice de vegetação do MODIS, utilizando dados de radiometria de campo, do sensor aerotransportado MQUALS (MODIS Quick Airborne Looks) e o sensor ETM+. Neste trabalho, os autores não usaram os dados de campo diretamente com os dados do produto MODIS. Primeiramente, compararam os dados de campo com os dados do MQUALS, em seguida, confrontaram os dados do ETM+ com os do MQUALS e finalmente, compararam os dados do sensor MODIS com os do MQUALS e do ETM+. Desta forma, não há limitação de aquisição de dados de radiometria ao nível de campo, pois com a utilização do sensor aerotransportado a obtenção do número de pontos é abundante. O resultado do trabalho mostra que os produtos MODIS se mostraram precisos e confiáveis para a região de estudo. Segundo Morisette et al. (1998), todos os resultados obtidos através das atividades de validação, devem ser transmitidos ao usuário final através de literatura publicada e acompanhados de uma avaliação de qualidade do conjunto dos dados produzido, de forma a assegurar a confiabilidade dos produtos fornecidos. 47

53 2.6 Características do Sensor WFI Uma alternativa de obter imagens, com capacidade de monitoramento global e alta resolução temporal, é através do sensor Wide Field Imager (WFI) a bordo do satélite China-Brazil Earth Resources Satellite (CBERS-2). As características deste sensor podem ser observadas na Tabela 2.7, onde compara-se as características do sensor WFI com o sensor MODIS. TABELA Comparação entre as características do sensor WFI e MODIS. WFI MODIS 0,45-0,47 (azul) 0,54 0,56 (verde) Bandas Espectrais 0,63 0,69 µm (vermelho) 0,77 0,89 µm (infravermelho) 0,62-0,67 (vermelho) 0,841-0,875 (infravermelho próximo) 1,23-1,25 (infravermelho médio) 1,62-1,65 (infravermelho médio) 2,10-2,15 (infravermelho médio) Resolução Espacial 260 m 250, 500 e 1000 m Campo de Visada Largura da Faixa Imageada 890 Km 2330Km Resolução Temporal 5 dias 1-2 dias Além do monitoramento da vegetação em grandes escalas, outras aplicações deste sensor, podem ser mencionadas (INPE-OBT, 2005), como: 48

54 Geração de mosaicos nacionais ou estaduais; Sistema de alerta, em que a imagem WFI serve como indicativo para a aquisição de imagens de mais alta resolução da CCD (Charge-Coupled Device) ou do IRMSS (Infrared Multiespectral Scanner Subsystem); Acoplamento a outros sistemas mundiais de coleta de dados de baixa a média resolução. Além disso, este sensor foi projetado por pesquisadores do INPE (Instituto Nacional de Pesquisas Espaciais) e a sua aplicação serve como estímulo ao desenvolvimento tecnológico nacional. 49

55 50

56 CAPÍTULO 3 MATERIAIS E MÉTODOS Neste Capítulo, inicialmente, serão apresentados os materiais que foram utilizados para a realização deste trabalho. Assim a Seção (3.1) Materiais, foi subdividida em: (3.1.1) descrição da área de estudo e (3.1.2) uma sinopse sobre o espectroradiômetro. Na seqüência será abordado todo o procedimento metodológico, na Seção (3.2) Metodologia, que consistirá nas seguintes etapas: (3.2.1) coleta e processamento dos dados de campo, (3.2.2) aquisição e processamento das imagens MODIS, (3.2.3) aquisição e processamento das imagens WFI. 3.1 Materiais Área de Estudo A área onde foram realizadas as medidas de campo se localiza na fazenda Santa Rosa, situada no município de Uberlândia, na região do Triângulo Mineiro, no estado de Minas Gerais. Como área de estudo, utilizou-se um talhão de soja com uma extensão aproximada de 1 km 2, localizado entre as coordenadas geográficas de S S e as longitudes de W W. Dentro deste talhão foram plantadas três variedades de soja, sendo elas: a UFVS 2005 (1), a AV 7002 (2) e a MSOY 8001 (3), como mostra a Figura 3.1. A data de semeio das variedades foi entre os dias 06/11/2003 a 12/11/2003, não havendo diferenciação no espaçamento de semeio e no sistema de manejo entre elas. A escolha da área de estudo no município de Uberlândia, foi feita mediante algumas características importantes na realização das atividades de validação: 51

57 Homogeneidade no dossel vegetativo (mesma cultura instalada), Área com extensão relativamente grande, compatível com o tamanho do pixel das imagens do sensor MODIS; Área apresenta relevo plano evitando os efeitos topográficos; Área localiza-se próxima à rodovia; o que facilitou as campanhas de campo. Outra característica importante que favoreceu a escolha desta área, é que a propriedade apresentava sistema de manejo adequado para a cultura e, além disso, alguns parâmetros agronômicos foram obtidos deste talhão por técnicos da empresa Cargill. FIGURA Mapa de localização da área de estudo com a imagem Landsat TM do dia 27/02/2004 R(3)G(2)B(1), exibindo o talhão delimitado em vermelho e as variedades: UFVS2005 (1), AV7002 (2) e MSOY8001 (3). O clima da região é caracterizado como semitropical, apresenta invernos secos e verões chuvosos. A temperatura média anual é de 22 C, sendo os meses de outubro a março os 52

58 mais quentes com temperatura em torno de 24,7 C, já os meses de junho e julho são os mais frios, com uma temperatura média de 18,8 C. Além disso, na época do verão há ocorrências de grandes chuvas, sendo que nos meses de dezembro a fevereiro ocorrem 50% da precipitação anual, que é de 1500 mm a 1600 mm. Conseqüentemente, a aquisição de imagens sem nuvens neste período foi difícil. O município está situado no Domínio dos Planaltos e Chapadas da Bacia Sedimentar do Paraná estando, porém, inserido na subunidade Planalto Setentorial da Bacia do Paraná (RADAM Brasil, 1983). Os solos na área de estudo, segundo a nova classificação da EMBRAPA, pertencem à classe dos Latossolos (EMBRAPA, 1999) Espectroradiômetro FieldSpec Pro FR Os espectrorradiômetros são radiômetros espectrais que medem a energia radiante em intervalos de comprimento de onda muito pequenos dentro de um intervalo que varia de equipamento para equipamento. O FieldSpec é um espectroradiômetro de campo portátil com um peso aproximado de 8 kg. Opera em um range espectral de 0,3 a 2,5 µm, com resolução espectral de 3 nm (até 0,7 µm) e 10 nm (de 1,4 a 2,1 µm) e FOV (Field of View) de 1 a 25, com capacidade de coletar até 10 espectros por segundo. A unidade detectora está ligada ao instrumento por um cabo de fibra óptica de 1,4 m de comprimento e possui três detectores: uma malha de fotodiodos de 512 elementos e dois resfriados termoeletricamente (fotodiodos InGaAs) (Alvarenga et al., 2003). O FieldSpec realiza medidas de reflectância solar, radiância e irradiância. Além disso, fazem parte do equipamento um computador notebook LCD, baterias, interface espectroradiômetro computador (porta paralela bidirecional), o software RS2 de interface com o usuário, o software para aquisição e armazenamento de dados de reflectância, radiância e irradiância (Alvarenga et al., 2003). 53

59 FIGURA Espectroradiômetro FieldSpec Pro FR. FONTE: Alvarenga (2004). Esse equipamento foi utilizado nesta pesquisa na obtenção das medidas de reflectância ao nível de campo em diversos pontos espalhados pela área de estudo. 3.2 Metodologia Coleta e Processamento dos Dados de Campo Para esta pesquisa foram realizadas um total de 4 campanhas de campo para a coleta dos dados radiométricos. As campanhas de campo ocorreram nos seguintes dias: 15/12/2003, 22/01/2004, 12/02/2004 e 9/03/2004. O critério de escolha das datas foi em virtude dos diferentes estádios de desenvolvimento da cultura, respeitando também, as observações climáticas. As medidas radiométricas foram coletadas a nadir a uma altura aproximada de 1,20 m acima do dossel vegetativo. O horário de coleta das medidas foi durante o período da manhã, aproximadamente no mesmo horário de passagem do MODIS/TERRA. Antes de cada medida o equipamento era calibrado com a placa de referência (Spectralon). Para realizar a calibração do sistema utilizou-se o software RS 2 que converte as medidas de radiância em fator de reflectância, com base na radiância da placa e do alvo. Deste modo, foi obtido o fator de reflectância de cada ponto. As condições atmosféricas e a visibilidade durante as missões de radiometria de campo podem ser vistas na Tabela

60 TABELA 3.1 Condições atmosféricas durante as missões de campo. MISSÃO PRECIPITAÇÃO (mm) UMIDADE RELATIVA (%) VISIBILIDADE (km) 15/12/ /01/ , /02/ / , FONTE: INFRAERO (2005). Em seguida, cada ponto era georreferenciado com o auxílio do GPS (Global Positioning System), para facilitar tanto a sua localização na próxima missão de campo, quanto à localização nas imagens. No total foram medidos para cada missão 30 pontos. Com base nos intervalos espectrais das bandas do MODIS e do WFI, os quais podem ser vistos na Tabela 3.2, simularam-se as médias das 7 bandas do sensor MODIS e as 2 bandas do sensor WFI, a partir dos valores do fator de reflectância obtidos no campo para cada variedade nas diferentes datas. TABELA Faixas espectrais das bandas dos sensores MODIS e WFI. BANDA/ SENSOR WFI MODIS Azul Verde Vermelho - - 0,63 0,69 µm 0,459 0,479 µm 0,545 0,565 µm 0,620 0,670 µm Infravermelho próximo Infravermelho médio Infravermelho médio Infravermelho médio 0,77 0,89 µm ,841 0,875 µm 1,230 1,250 µm 1,628 1,652 µm 2,105 2,155 µm Realizou-se a vetorização da área plantada de cada variedade e dos pontos, para posterior sobreposição nas imagens, como mostra a Figura

61 FIGURA Vetorização da área de estudo com a localização dos pontos amostrados e das três variedades: MSOY 8001 (3), AV 7002 (2) e UFVS 2005 (1). A partir dos valores médios do fator de reflectância, simuladas para as bandas do vermelho e infravermelho, calcularam-se também os valores do NDVI para os dois sensores, por meio da seguinte Equação 3.1: NDVI ρivp ρv = (3.1) ρivp + ρv Não se pode calcular diretamente o EVI com os dados coletados ao nível de campo, pois nos dados de campo a interferência atmosférica é desconsiderada. Desta forma, esses coeficientes de ajuste (C 1 e C 2 ), contidos na fórmula do EVI, e a banda azul são desprezados no cálculo ao nível de campo. Sabendo-se que o EVI é gerado a partir de dois índices de vegetação, o ARVI e o SAVI, e os ajustes dos efeitos atmosféricos (oriundos do ARVI) são desprezados, se reduz o EVI à equação do SAVI. Desta forma, com os dados coletados em campo no lugar da equação do EVI é utilizada a equação do SAVI (Soil-Adjusted Vegetation Index) (Didan, 2005), espressa pela Equação 3.2: SAVI = [( ρ IVP ρv ) /( ρivp + ρv + L)]* (1 + L) (3.2) 56

62 Como o valor do fator de correção L depende do desenvolvimento vegetativo. De acordo com Huete (1988), para este trabalho se adotou os seguintes valores: 0,25 para alta cobertura de vegetação e 1 para baixa cobertura de vegetação. Já para coberturas de vegetação intermediárias o valor utilizado foi 0,5. Na Figura 3.4, se apresenta um fluxograma para mostrar de forma resumida a metodologia utilizada nas atividades de campo. Coleta dos dados espectrais de campo 1ª missão de campo 15/12/2003 2ª missão de campo 22/01/2004 3ª missão de campo 12/02/2004 4ª missão de campo 09/03/2004 MSOY801 AV 7002 UFVS 2005 MSOY801 AV 7002 UFVS 2005 MSOY801 AV 7002 UFVS 2005 MSOY801 AV 7002 UFVS 2005 ρ ρ Simulação: : ρ7bandas MODIS ρ 2 bandas WFI Simulação: da ρ 2 bandas MODIS 250m ρ 7bandas ρ 7bandas MODIS MODIS 500m ρ 2 bandas WFI Simulação: da ρ 2 bandas MODIS 250m ρ 7bandas ρ 7bandas MODIS MODIS 500m ρ 2 bandas WFI Simulação: ρ 7 bandas MODIS ρ 2 bandas WFI NDVI SAVI NDVI SAVI NDVI SAVI NDVI SAVI FIGURA Fluxograma das atividades de campo. Além das medidas espectrais, durante as campanhas de campo foram tiradas fotografias digitais do dossel vegetativo, para auxiliar nas observações dos padrões fitossanitários e do vigor vegetativo de cada variedade durante a coleta dos dados radiométricos. Estas fotos podem ser vistas no Apêndice A. 57

63 3.2.2 Aquisição e Processamento das Imagens do Sensor MODIS Aquisição e Processamento dos Produtos MOD09GQK Para esta pesquisa foram adquiridas imagens do produto de reflectância da superfície (MOD09GQK) do sensor MODIS a bordo do satélite TERRA, com resolução espacial de 250m. A Figura 3.5, mostra em vermelho o Tile H13 V10, no qual se localiza a área de estudo. Com estas informações as imagens foram adquiridas através da página do EOS Data Gateway: Foram selecionadas várias imagens que coincidiam com os dias próximos das missões de campo. FIGURA Globo terrestre dividido em Tiles com 1200 km x 1200 km, em vermelho observa-se o Tile H13 V10, onde se localiza a área de estudo. FONTE: Anderson (2004). Das várias imagens adquiridas, selecionaram-se apenas as que se apresentavam, aparentemente, livre de presença de nuvens sobre a área de estudo, respeitando os dias mais próximos das missões de campo. Com isso, obteve-se 4 imagens próximas das missões, como pode ser visto na Tabela

64 TABELA Dias das imagens MOD09 selecionadas e dias das missões de campo. Missões de campo Imagens MOD09 15/12/ /12/ /01/ /01/ /02/ /02/ /03/ /03/2004 As imagens dos produtos MODIS se apresentam em formato HDF (Hierarchical Data Format) e com projeção SIN (Sinusoidal) ou ISIN (Integerized Sinusoidal). A conversão para o formato TIF (Tagged Image File Format) e a escolha da projeção UTM WGS-84 foram realizados por meio do programa MODIS Reprojection Tool (MRT), distribuído gratuitamente pelo site: sddm/modisdist/index.shtml. Os processamentos a seguir foram realizados no programa ENVI versão 4.0. Na seqüência, realizou-se a sobreposição na imagem do vetor da área de estudo, observando a sua localização, como mostra a Figura 3.6. FIGURA Localização da área de estudo através da sobreposição do vetor na imagem de composição colorida R(1)G(2)B(3) do produto MOD09 do dia 14/12/

65 Como as imagens aparecem com os valores em níveis digitais, estas foram multiplicadas pelo fator de conversão para reflectância em 16 bits (65536 níveis de cinza). A tabela com os fatores de conversão para cada produto é fornecida no site: No caso do produto de reflectância da superfície (MOD09), este fator de conversão equivale a 0,0001. Esta conversão para reflectância foi feita utilizando a função Band Math do ENVI, através da seguinte expressão em IDL (Interactive Data Language): ( bx) *0, 0001 float (3.3) Por meio da ferramenta ROI (Region of Interest) pôde-se selecionar os pixels que foram levados em conta para os cálculos de reflectância. A critério de averiguação foram selecionados dois grupos de pixels: somente os pixels que aparecem inteiramente dentro da área de estudo (excluindo as bordas da área) e todos os pixels que compõem a área, mesmo os que não estão inteiros dentro dela. Desta forma, pode-se avaliar qual destes grupos representava melhor a área de estudo. Através da ROI, os dados de reflectância de cada pixel foram exportados como arquivos txt e abertos no programa Excel. Com isso, obtiveram-se as médias dos valores de reflectância de cada banda para cada variedade em todas as missões de campo, utilizados para gerar os valores médios de NDVI. Este produto com resolução de 250m é obtido apenas as bandas do vermelho (0,620 0,670µm) e infravermelho próximo (0,841 0,876 µm). A Figura 3.7 ilustra por meio do fluxograma, a metodologia aplicada ao produto MOD09GQK. 60

66 Seleção das imagens MOD m livre de nuvens Imagem 14/12/ /12/2003 Imagem 20/01/2004 Imagem 12/02/2004 Imagem 10/03/2004 ρ Vermelho ρ Infravermelho ρ Vermelho ρ Infravermelho ρvermelho ρ Infravermelho ρ Vermelho ρ Infravermelho NDVI NDVI NDVI NDVI FIGURA Fluxograma da aquisição e processamento das imagens MOD09GQK. Além disso, obteve-se através do produto MODIS Global Geolocation Angle (MODMGGA) os ângulos zenitais do sensor para cada imagem utilizada na validação. Este produto, também, é fornecido gratuitamente pela página do EOS Data Gateway: Aquisição e Processamento dos Produtos MOD09GHK O produto MOD09 de 500 m de resolução espacial é fornecido para 7 bandas espectrais, como mostra a Tabela 3.2. O procedimento de aquisição e processamento nas imagens se deu de forma semelhante a seção anterior, respeitando os mesmos dias mostrados na Tabela 3.3. Desta forma, obtiveram-se as médias dos valores de reflectância de cada banda para cada variedade em todas as missões de campo. Com esses valores foram gerados, também, os valores médios de NDVI e EVI. Como é mostrado no fluxograma da Figura

67 Seleção das imagens MOD m livre de nuvens Imagem 14/12/ /12/2003 Imagem 20/01/2004 Imagem 12/02/2004 Imagem 10/03/2004 ρ 7 bandas ρ 7 bandas ρ 7 bandas ρ 7 bandas FIGURA Fluxograma da aquisição e processamento das imagens MOD09 500m. Para o cálculo do EVI é necessário o valor de reflectância da banda do azul. Para isso foram utilizadas imagens MOD09 500m dos mesmos dias, onde a banda azul deste produto foi reamostrada para 250m através do software ENVI 4.0. Esta reamostragem foi realizada utilizando o interpolador de alocação de vizinho mais próximo. Este procedimento realizado pode ser visto na Figura 3.9. Seleção das imagens MOD m livre de nuvens Reamostragem da banda azul para 250 m Imagens MOD m bandas vermelho e infravermelho próximo Imagem 14/12/ /12/2003 Imagem 20/01/2004 Imagem 12/02/2004 Imagem 10/03/2004 EVI EVI EVI EVI FIGURA Fluxograma da aquisição e processamento das imagens MOD09GHK reamostradas para 250m. 62

68 Comparação do Produto de Reflectância da Superfície entre os Satélites TERRA (MOD09GQK) e AQUA (MYD09GQK) Durante a execução deste trabalho, que previamente utilizou os dados MOD09GQK do sensor MODIS a bordo do satélite TERRA, uma questão foi levantada: se haviam diferenças nos dados do produto de reflectância da superfície do sensor MODIS entre os satélites AQUA e TERRA (que tem diferentes horários de passagem) em um mesmo dia?. Para esta análise, as imagens foram adquiridas da mesma forma que na Seção Selecionaram-se todas as imagens do produto reflectância da superfície (250 m) dos satélites AQUA e TERRA disponíveis para os seguintes meses durante o ciclo da cultura: dezembro/2003, janeiro, fevereiro e março /2004. Obtendo-se 98 imagens deste produto de cada satélite. O primeiro passo foi uma triagem nas imagens em relação à presença de nuvens realizada através da observação de alvos conhecidos na região próxima da área de estudo, pois se tinha o conhecimento de alguns pontos observados no campo, como: área de reflorestamento de eucalipto, água, cidade e culturas agrícolas. A Tabela 3.4 mostra o resultado desta triagem. TABELA Resultado da 1ª triagem entre as imagens AQUA e TERRA. AQUA (MYD09) TERRA (MOD09) Nº de imagens solicitadas Nº de imagens livre de nuvens Nº de imagens solicitadas Nº de imagens livre de nuvens Dezembro Janeiro Fevereiro Março TOTAL Com os resultados obtidos desta primeira triagem, selecionaram-se as imagens, aparentemente, sem nuvens que coincidiam com o mesmo dia de passagem para os dois satélites. Após uma análise mais criteriosa verificou-se somente uma imagem de ambos os satélites livre de nuvens sobre a área de estudo. 63

69 Sobre esta imagem resultante, dois procedimentos de análise foram realizados: Análise de dispersão entre as imagens TERRA e AQUA: este procedimento foi realizado inicialmente no programa ENVI 4.0. Selecionou-se uma ROI, na área supostamente sem nuvens na imagem do satélite TERRA, e dentro dela gerouse uma distribuição aleatória de 1000 pixels. A localização da área teste e a distribuição dos 1000 pontos podem ser vistas na Figura Estes mesmos pontos foram salvos e sobrepostos na imagem AQUA, respeitando o mesmo posicionamento dos pixels. Os dados obtidos foram importados para o programa Origin 5.0 e plotados em gráficos de dispersão, onde se obteve o coeficiente de correlação. FIGURA Imagem composição colorida R(1)G(2)B(1) do produto MOD 09 TERRA do dia 15/12/2003, mostrando a área selecionada com os 1000 pontos aleatórios em vermelho. Análise da reflectância nos pontos previamente conhecidos: durante as missões de campo, foram observadas algumas áreas, sendo possível sua identificação visual nas imagens. Juntamente com a área de estudo, estas outras também serviram com pontos de observação da reflectância entre as imagens TERRA e AQUA. Dentro de cada uma destas áreas distintas, selecionou-se uma ROI e os valores de reflectância de alguns pixels contidos nela foram levados em conta nesta análise. Estes foram importados para o Excel onde se aplicou um teste t para pares de observação, conforme Steel e Torrie (1980). 64

70 A metodologia de aquisição e análises das imagens do sensor MODIS para os satélites TERRA e AQUA mostradas nesta Seção está ilustrada de forma resumida no fluxograma da Figura Seleção das imagens TERRA e AQUA (250m) 98 imagens TERRA (MOD09) 98 imagens AQUA (MYD09) triagem Imagem 15/12/2003 Imagem 15/12/2003 Análise de dispersão entre as imagens Análise da reflectância em pontos conhecidos FIGURA Fluxograma da aquisição e processamento das imagens de reflectância da superfície dos satélites TERRA e AQUA. Estes dois satélites passam em horários diferentes, o TERRA às 10:30 e o AQUA às 13:30. Por isso, também foram adquiridos os produtos MYDMGGAD (AQUA) e MODMGGAD (TERRA), que contém informações referentes à iluminação solar e ao ângulo de geometria de visada do sensor para a data selecionada. De forma a verificar se estes efeitos de geometria de visada e iluminação poderão influenciar nas respostas de cada sensor. 3.3 Aquisição e Processamento das Imagens do Sensor WFI A imagem do sensor WFI, a bordo do satélite CBERS 2, foi obtida gratuitamente através do site da Divisão de Geração de Imagens (DGI) do INPE : 65

71 Para a seleção das imagens WFI, escolheu-se o intervalo de dias em que as missões de campo foram realizadas, isto é, de dezembro/2003 a março/2004. Dentre as imagens selecionadas observou-se as datas de passagem, verificando se eram próximas a algum dia de missão de campo. Em seguida, descartaram-se as imagens que, aparentemente, apresentavam ocorrência de nuvens sobre a área de estudo. Como resultado desta busca, obteve-se uma única imagem, mostrada na Figura 3.12, que coincidia com a missão de campo do dia 10/03/2004 e livre de nuvens nos arredores da área de estudo. Esta imagem é fornecida em formato TIF (Tagged Image File Format). FIGURA Imagem CBERS 2-WFI (10/03/2004), composição colorida R(1)G(2)B(1), destacando a localização da área em vermelho. Primeiramente, recortou-se a área de estudo na imagem WFI. Então, foi realizado um registro, isto é, uma transformação geométrica relacionando as coordenadas da imagem (linha, coluna) com coordenadas geométricas de um sistema de referência (d Alge, 2003). Para isto, utilizou-se como base a imagem MOD09GQK. 66

72 Para a transformação dos níveis digitais em radiância na imagem WFI, foram utilizados fatores de conversão para cada banda. Estes fatores de conversão foram obtidos através de experimentos realizados em laboratório, antes do lançamento do CBERS-2. Para a banda do vermelho (0,630 0,690 µm) o fator é 0,051 W/m 2.sr.LSB. Já para a banda do infravermelho próximo (0,770-0,890 µm) o fator é 0,079 W/ m 2.sr.LSB (Matos, 2004). O fator de conversão fornece a radiância de cada pixel integrada na banda em W/m 2.sr, porém para aplicá-la na equação fornecida pelo programa 6S esta teve de ser convertida em radiância espectral (W/m 2.sr.µm), dividindo-se a radiância integrada pela largura da respectiva banda em µm. Após a conversão para radiância, estes dados foram corrigidos dos efeitos atmosféricos e convertidos em reflectância da superfície utilizando o modelo 6S (Second Simulation of the Satellite Signal in the Solar Espectrum) (Vermote et al., 1997). Como este modelo de correção atmosférica ainda não está implementado de forma automática para imagens WFI, os cálculos foram realizados pixel a pixel, através da seguinte Equação, dada pelo 6S: acr = y /( 1+ xc * y) (3.4) 2 y = xa * ( L( W / m srµ m)) xb (3.5) Em que: acr é a reflectância corrigida atmosfericamente; L a radiância espectral medida pelo sensor ; xa, xb e xc são coeficientes fornecidos pelo programa, de acordo com os dados de entrada. Os parâmetros de entrada utilizados no 6S foram: Modelo atmosférico tropical, Tipo de aerossol continental, 67

73 Visibilidade de 20 km, Altitude de 863 m, Ângulo zenital e azimutal solar (dados fornecidos juntamente com a imagem), Ângulo de visada zenital e azimutal (estimados a partir da posição da área na imagem), Dia e o mês da imagem. Com os resultados desta operação obtiveram-se os valores de reflectância da superfície para cada pixel da área de estudo. Estes foram separados por variedade e suas médias foram comparadas com as médias do campo, tanto para as bandas do vermelho e infravermelho próximo, quanto para o NDVI. A Figura 3.13 mostra o fluxograma da metodologia do processamento das imagens CBERS 2-WFI. Aquisição da imagem CBERS 2 WFI 10/03/2004 Conversão DN para radiância Obtenção dos valores de reflectância (6S) NDVI (WFI) FIGURA Fluxograma da aquisição e processamento das imagens CBERS 2 WFI. 68

74 69

75 70

76 CAPÍTULO 4 RESULTADOS E DISCUSSÃO Neste Capítulo serão apresentados os resultados obtidos durante a pesquisa e a discussão dos mesmos. 4.1 Avaliação dos Dados de Campo Após a coleta dos dados de reflectância ao nível de campo para cada ponto em cada missão, foram realizados os cálculos das médias desses pontos. Essas médias foram obtidas levando-se em conta os seguintes intervalos de comprimento de onda: 0,459 0,479 µm, 0,545 0,565 µm, 0,620 0,670 µm, 0,841 0,875 µm, 1,230 1,250 µm, 1,628 1,652 µm e 2,105 2,155 µm. Estas bandas correspondem, respectivamente, aos comprimentos de onda das bandas: do azul, do verde, do vermelho, do infravermelho próximo e das 3 bandas do infravermelho médio do sensor MODIS. Em seguida, estas médias obtidas foram separadas por variedade e por missões de campo Análise das Curvas Espectrais das Variedades de Soja Esta análise teve o intuito de verificar se haviam diferenças nas curvas espectrais entre as variedades presentes na área de estudo. Com este resultado, as variedades poderiam ou não ser consideradas homogêneas quanto à resposta espectral. A partir das médias de reflectância obtidas com o FieldSpec para cada variedade de soja presente na área de estudo, obteve-se os valores de NDVI e SAVI para todas as missões de campo, como pode ser observado na Tabela

77 TABELA Valores médios de NDVI e SAVI para as variedades presentes na área de estudo para cada missão de campo. Missões de campo MSOY 8001 AV 7002 UFVS 2005 NDVI SAVI NDVI SAVI NDVI SAVI 15/12/2003 0,80 0,57 0,59 0,37 0,26 0,18 22/01/2004 0,92 0,88 0,93 0,91 0,93 0,89 12/02/2004 0,92 0,79 0,92 0,79 0,94 0,84 09/03/2004 0,70 0,46 0,88 0,69 0,89 0,70 Os resultados contidos na Tabela 4.1 indicam que a variedade MSOY 8001 mostrou os maiores valores de NDVI (0,80) e SAVI (0,57) observados na primeira missão de campo (15/12/03). Esta diferença na fase inicial foi devido à data de semeio desta variedade que diferiu das demais em uma semana. Além disso, a variedade MSOY 8001 tem como característica o ciclo fenológico mais precoce, o que pode ter ocasionado este maior desenvolvimento inicial. Já a variedade AV 7002, que possui ciclo médio, apresentou valores menores de NDVI (0,59) e SAVI (0,37). No caso da variedade UFVS 2005, como é a mais tardia, exibiu os menores valores de NDVI (0,26) e SAVI (0,18) das três variedades presentes na área. Estas observações podem ser visualizadas através das fotos tiradas na 1ª missão de campo, conforme é mostrado na Figura

78 (a) (b) (c) FIGURA Fotos da 1ª missão de campo (15/12/2003) das variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005 (c). Na segunda missão de campo (22/01/04) nota-se que os valores de NDVI e SAVI quase não se alteraram entre as variedades e foram bastante altos. Já na terceira missão de campo (12/02/2004) os valores NDVI se mantiveram altos e os valores SAVI diminuíram. Nestas fases, todas as variedades se encontravam entre o estádio R1 (início da floração) e R4 (vagem formada). Nestas duas missões observou-se máximo crescimento vegetativo para as três variedades. Durante a quarta missão de campo (09/03/04), as diferenças nos valores dos índices de vegetação entre as três variedades voltaram a aparecer. Tal fato pode ser atribuído às características do ciclo cultural de cada uma delas. Como a variedade MSOY 8001 apresenta um ciclo cultural mais precoce, nesta última missão de campo ela já se encontrava no estádio R8 (maturação de campo) apresentando valores menores de NDVI (0,70) e SAVI (0,46). Já a variedade AV 7002 que tem ciclo maior, apresentou valores altos de NDVI (0,88), SAVI (0,69) em relação à variedade MSOY O mesmo ocorreu com a variedade UFVS 2005, que exibiu valores parecidos de NDVI (0,89) e SAVI (0,70) com a variedade AV Este fato pode ser explicado em função dos estádios de desenvolvimento de ambas as variedades, que nesta data se encontravam 73

79 entre os estádios de R5 (início da granação) e início de R7 (maturidade fisiológica), com valores relativamente altos de IAF e biomassa verde. Estes resultados concordam com vários estudos, onde os índices de vegetação mostram alta correlação com os parâmetros associados ao desenvolvimento das plantas, tais como densidade de vegetação e cobertura (Ormsby et al., 1987), índice de área foliar (Rudorff et al., 2003), biomassa verde (Tucker, 1979) e estádio cultural (Wiegand et al., 1992). As diferenças encontradas entre os dois índices de vegetação (NDVI e SAVI), se mostram maiores na 1ª e na 4ª missão de campo para todas as variedades, coincidindo com os períodos onde a influência do solo foi maior. A única diferença entre os dois índices é a introdução do fator L na equação do SAVI, isto torna o SAVI menos sensível a variações nos valores de reflectância do vermelho (minimizando a influência do solo) e mais sensível as do infravermelho próximo (Epiphanio e Huete, 1995). Para um melhor entendimento, encontra-se nos Apêndices A e B, as demais fotos obtidas durante as missões de campo e a tabela com os estádios fenológicos da soja, respectivamente. Para melhor visualizar o comportamento espectral entre as variedades foram geradas as suas curvas espectrais, a partir das medidas de reflectância de cada uma delas. Os gráficos das curvas espectrais das 3 variedades para cada campanha de campo podem ser vistos na Figura

80 Reflectância (ρ) 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 MSOY /12/ /01/ /02/ /03/2004 Reflectância(ρ) 1,0 0,8 0,6 0,4 0,2 UFVS /12/ /01/ /02/ /03/2004 0, Comprimento de onda (nm) 0, Comprimento de onda(nm) Reflectância (ρ) 1,0 0,8 0,6 0,4 0,2 AV /12/ /01/ /02/ /03/2004 0, Comprimento de onda (nm) FIGURA Comportamento espectral das variedades MSOY 8001 (a), AV 7002(b) e UFVS 2005(c) em todas as campanhas de campo. As regiões entre os intervalos de nm, nm e acima de 2400 nm foram desconsideradas nas curvas de reflectância da soja, devido à forte interferência do vapor de água da atmosfera, sobre a radiação eletromagnética nestas regiões (Moreira, 2005). Ao analisar os gráficos da Figura 4.2, nota-se que na 1ª missão de campo (15/12/2003) a influência do solo nu na curva espectral, foi acentuada na variedade UFVS É possível observar uma tendência ascendente na curva na região do vermelho, indicando uma maior contribuição do solo na resposta espectral nesta faixa do espectro eletromagnético. Já para a variedade MSOY 8001, como o solo estava parcialmente coberto pela soja, esta influência na curva espectral foi amenizada. Nesta missão, a reflectância no infravermelho próximo exibiu valores baixos em todas as curvas em 75

81 relação às demais missões. Em que as variedades AV 7002 e UFVS 2005 apresentaram os menores valores de reflectância no infravermelho próximo. Na 2ª missão de campo (22/01/2004) observou-se o valor máximo de reflectância no infravermelho próximo em todas as variedades, o que mostra uma boa correlação entre a reflectância da cultura nesta faixa do espectro e o vigor da planta, pois nesta missão as variedades se encontravam no seu máximo crescimento vegetativo. Já na 3ª missão de campo (12/02/2004) os valores de reflectância no infravermelho próximo decresceram em comparação aos da 2ª missão. Na 4ª missão (09/03/2004), os valores de reflectância no infravermelho próximo para a variedade AV 7002 foram semelhantes aos valores da 3ª campanha. Para a variedade UFVS 2005 houve um pequeno decréscimo e para a variedade MSOY 8001 estes valores se mostraram bem baixos, até mesmo quando comparados com a 1ª missão. Isto ocorreu, porque nesta época a soja já se encontrava no estádio R7 (maturação). De acordo com Rudorff et al.(1990), quando a soja entra em senescência, a energia absorvida nos comprimentos de onda do vermelho diminui devido a perda de clorofilas nas folhas senescentes, além de ocorrer uma diminuição da energia refletida nos comprimentos de onda do infravermelho devido à degeneração das células das folhas além da queda do índice foliar. As diferenças espectrais entre as variedades, observadas na Figura 4.2, foram devido ao ciclo fenológico, no qual cada uma se encontrava na época das missões de campo. Por esta razão não se pode afirmar que estas variedades diferem espectralmente, com base apenas nestas poucas missões radiométricas. Atribui-se essas diferenças aos estádios de desenvolvimento distintos aos quais elas se encontravam. Para este tipo de análise seria necessária a realização de mais medidas radiométricas em intervalos de tempo menores desde a fase inicial de germinação até o período de colheita das variedades. Com estes resultados, decidiu-se analisar cada variedade separadamente, de modo que estas diferenças na fenologia não interferissem nos resultados. 76

82 4.1.2 Avaliação dos Parâmetros Agronômicos em Relação aos Índices de Vegetação Além das medidas espectrais alguns parâmetros agronômicos foram medidos pelos técnicos da empresa Cargill em 13 pontos amostrados, dos 30 pontos que foram coletadas as medidas radiométricas. Os parâmetros medidos foram: o número de plantas e o rendimento (kg.ha -1 ), os quais estão contidos na Tabela 4.2. TABELA Número total de grãos e rendimento em alguns pontos amostrais. Pontos amostrados Nº de plantas Rendimento (kg/ha) Pontos amostrados Nº de plantas Rendimento (kg/ha) Ponto ,53 Ponto ,44 Ponto ,34 Ponto ,93 Ponto ,42 Ponto ,24 Ponto ,82 Ponto ,51 Ponto ,34 Ponto ,80 Ponto ,37 Ponto ,33 Ponto , Os pontos, apresentados na Tabela 4.2, referem-se apenas com as variedades MSOY 8001 e AV De acordo com vários trabalhos (Millard et al., 1990; Rudorff e Batista, 1990; Antunes et al., 1993; Thenkabail et al., 2000; Rudorff et al., 2003), sabe-se que alguns parâmetros apresentam relação direta com os índices de vegetação. Partindo desde princípio decidiu-se avaliar esta relação com os índices de vegetação obtidos no campo. Desta forma, os parâmetros agronômicos medidos foram correlacionados com os valores de NDVI e SAVI dos respectivos pontos para cada missão. 77

83 A Tabela 4.3 mostra as equações de regressão, os coeficientes de determinação (r 2 ) e de correlação (r), obtidos através da análise de regressão entre os parâmetros agronômicos (rendimento e nº de plantas) e os índices de vegetação (NDVI e SAVI) para as quatro missões de campo. TABELA Equações de regressão, coeficientes de determinação (r 2 ) e de correlação (r) entre os índices de vegetação (NDVI e SAVI) e os parâmetros agronômicos (rendimento e número de plantas). 15/12/ /01/ /02/ /03/2004 Rendimento (kg/ha) Nº de plantas NDVI NDVI NDVI NDVI y = 3889,1x 105,34 r 2 = 0,58 r = 0,76 * y = 0,0021x + 0,3915 r 2 = 0,85 r = 0,92* y = 2621,4x + 429,14 r 2 = 0,003 r = 0,05 y = 5E-05x + 0,9127 r 2 = 0,04 r = 0,19* y = x r 2 = 0,42 r = 0,65* y = -0,0001x + 0,9393 r 2 = 0,26 r = 0,51* y = -2384,6x ,3 r 2 = 0,48 r = 0,69* y = -0,0023x + 1,1165 r 2 = -0,45 r = 0,67* SAVI SAVI SAVI SAVI Rendimento (kg/ha) Nº de plantas y = 3095,2x ,8 r 2 = 0,52 r = 0,72* y = 0,0023x + 0,14 r 2 = 0,73 r = 0,85* *, significativo aos níveis de P 0,05. y = -6090,4x ,6 r 2 = 0,11 r = 0,33* y = -0,0005x + 0,9622 r 2 = 0,49 r = 0,70* y = -6805,5x ,6 r 2 = 0,07 r = 0,26* y = 3E-06x + 0,7932 r 2 = 0 r = 0 y = -1924,1x ,8 r 2 = 0,36 r = 0,60* y = -0,0026x + 0,9418 r 2 = 0,48 r = 0,69* Ao analisar os resultados contidos na Tabela 4.3, observou-se que a 1ª missão de campo (15/12/2003) foi a data que apresentou os maiores valores de correlação tanto entre o NDVI e o rendimento (r = 0,76), quanto entre o NDVI e o nº de plantas (r = 0,92). Em relação ao SAVI e as variáveis agronômicas, obteve-se, também, os melhores resultados na 1ª missão de campo (15/12/2003) tanto entre o SAVI e o rendimento (r = 0,72), quanto entre o SAVI e o nº de plantas (r = 0,85). 78

84 Apesar desta boa correlação obtida na 1ª missão do dia 15/12/03 (33 39 dias após o semeio), nesta fase, a quantidade de biomassa verde era pequena e a influência do substrato grande. Embora a maioria das análises de regressão tenham sido significativas, os valores de correlação observados na 2ª e na 3ª missões de campo, que apresentam máximo crescimento vegetativo, se mostraram muito baixos. Em desacordo com os resultados de Alvarenga (2004), onde mostra que as melhores correlações entre os índices de vegetação (NDVI, NDWI e WI) e a produtividade do trigo ocorrem nos estádios no qual a vegetação apresentava maior fitomassa. Esta baixa correlação verificada nas missões, em que a cultura se encontrava com máximo vigor vegetativo, pode ter sido devido à ocorrência de duas patologias na cultura: a ferrugem (Phakopsora sp) e o mofo branco (Sclerotinia sclerotiorum). A ferrugem foi observada no início da cultura em maior incidência para a variedade MSOY8001. Já para o mofo branco os sintomas foram detectados a partir da 2ª missão de campo, sendo os principais: perda das folhas inferiores e acamamento da planta. O índice de vegetação que melhor correlacionou com as variáveis agronômicas na 1ª missão foi o NDVI. De forma geral, as análises de regressão entre o número de plantas com os índices de vegetação apresentaram maiores valores de correlação do que aqueles observados para o rendimento. Isto ocorreu, porque o número de plantas é proporcional ao parâmetro de biomassa verde, o qual mostra boa correlação com os índices de vegetação. A utilização dos índices de vegetação de maneira isolada não explica com eficiência os parâmetros agronômicos (Rudorff e Batista, 1989). 79

85 4.2 Avaliação do Produto de Reflectância da Superfície (MOD09GQK) por Meio de Medidas Radiométricas Realizadas a Campo Pré - Análises De acordo com diversos trabalhos (Liang et al., 2002; Morisette et al., 2002; Gao et al., 2003) não é usual comparar diretamente dados pontuais adquiridos no campo com os dados espectrais nos pixels da imagem do sensor MODIS, devido à sua resolução espacial. Estes autores sugerem a utilização de sensores com maior resolução espacial, para servir como uma forma de ligação entre os dados de campo e os dados obtidos por sensores com resoluções espaciais menores. Porém, como não foi possível adquirir imagens (TM e CCD) livres de cobertura de nuvens no período do ciclo de crescimento e desenvolvimento da soja e a utilização de sensores aerotransportados é uma atividade complexa de ser realizada, optou-se por comparar os dados radiométricos de campo com o produto MOD09 por meio das médias dos valores radiométricos de campo com as médias dos valores radiométricos dos pixels dentro da área de estudo, respeitando os dias de passagem do sensor com os dias de coleta de campo. Fundamentada na orientação de alguns trabalhos que sugerem este tipo de comparação direta quando a área em questão for homogênea quanto ao seu dossel. Como já foi mencionado anteriormente, obtiveram-se as médias das reflectâncias das medidas feitas a campo, em cada missão, correspondente às bandas do sensor MODIS para cada variedade separadamente. A partir destas médias calcularam-se os valores do NDVI e do SAVI. Estes dados foram utilizados como a verdade de campo. Antes da obtenção dos dados de reflectância fornecidos pelo produto MOD09, primeiramente, foi realizada uma análise de observação em relação à disposição dos pixels na área de estudo. 80

86 Sabendo-se que a precisão de geolocalização do sensor MODIS é de 50 m, surgiu uma indecisão quanto à escolha dos pixels que representariam a área de estudo. A questão era: Levaria-se em conta somente os pixels dentro da área, desconsiderando as bordas, ou; Consideraria-se todos os pixels que estivessem na área de estudo, mesmo que os pixels da borda fossem afetados pela influência de alvos vizinhos. A partir destas questões, optou-se em realizar uma análise considerando as duas possibilidades. Esta representação pode ser vista na Figura 4.3. (a) (b) FIGURA Representação considerando os pixels inteiros na área de estudo (a) e todos os pixels que estejam na área (b). Na representação (a) observa-se um total de 13 pixels inteiros, ou seja, dentro dos limites da área de estudo, enquanto na representação (b) o número total de pixels que se encontram na área é de

87 Com isso, calculou-se separadamente os valores de reflectância para cada grupo de pixels, obtendo as médias, as quais foram comparadas com as médias obtidas a campo. Este resultado pode ser observado na Tabela 4.4. TABELA Resultado da análise de observação entre as reflectâncias do campo e as obtidas através do produto MOD09. ρ Média Vermelho ρ Média Infravermelho NDVI SAVI / EVI Campo 0,0418 0,7186 0,89 0,81 Grupo de 13 pixels Grupo de 25 pixels 0,0614 0,5611 0,80 0,73 0,0667 0,5207 0,77 0,67 Através dos resultados mostrados na Tabela 4.4, observou-se que os valores médios da reflectância, obtidos para o grupo de 13 e 25 pixels foram muito parecidos. Porém, os valores obtidos do grupo de 13 pixels foram os que mais se aproximaram dos resultados de campo. Desta forma, para a geração das médias dos pixels obtidos das imagens do produto MOD09, foram utilizados os pixels contidos dentro da área de estudo, totalizando 13 pixels. A fim de eliminar possíveis contaminações nos dados de reflectância da área Aferição Geral da Precisão do Produto MOD09GQK a Partir dos Dados Radiométricos Coletados a Campo Ao se sobrepor o vetor da área de estudo sobre a imagem, notou-se que o tamanho da área da variedade UFVS 2005 era muito pequeno (em torno de 2 pixels na imagem) em relação às outras duas variedades. Com isso, decidiu-se tratar as variedades UFVS 2005 e a variedade AV7002 como sendo únicas, até mesmo porque estas apresentam ciclo fenológico parecido e, na maioria das missões de campo, os valores dos índices de vegetação foram semelhantes. Todos os cálculos foram realizados considerando apenas duas variedades (MSOY 8001 e AV UFVS 2005). 82

88 Como o produto MOD09GQK não apresenta a banda azul, esta foi obtida através da reamostragem do produto MOD09GHK para 250 m. Na Figura 4.4, encontra-se o gráfico de dispersão entre os dados de reflectância de campo e os dados obtidos através do produto MOD09GQK. Para traçar o gráfico levouse em conta todas as 4 missões de campo e as duas variedades de soja analisadas. A linha em vermelho representa a equação de regressão ideal (y = x), ou seja, os dados de reflectância medidos no campo serem iguais aos dados obtidos pelo produto MOD09. Desta forma quanto mais próxima à distribuição dos pontos estiver da reta, menores serão as diferenças entre as medidas comparadas. (MOD 09) 1,0 0,8 0,6 0,4 Azul Vermelho Infrav. Próx. NDVI EVI 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 (Campo) FIGURA Gráfico de dispersão entre os dados de reflectância média de campo e os dados médios do produto MOD09GQK. As reflectâncias geradas pelo MOD09 nas bandas do azul, vermelho e infravermelho foram, de forma geral, maior do que as obtidas diretamente sobre o dossel com o radiômetro FieldSpec, com o desvio médio das bandas de 0,018. Já os valores de NDVI do MOD09 foram menores do que os obtidos do campo. Esses resultados estão de acordo com os obtidos no trabalho de Gao et al. (2003). 83

89 Entretanto, os valores de EVI (obtidos do sensor MODIS) se mostraram menores do que os valores de SAVI (calculados ao nível de campo), discordando dos resultados de Gao et al. (2003), que constataram valores semelhantes para esses dois índices. Neste caso, isto pode ser devido ao local onde foi desenvolvido o trabalho, o qual se apresentava em uma região árida (com baixa umidade relativa e com dias claros e ensolarados) com vegetação esparsa e rasteira (apresentando valores baixos de índice de vegetação). Outro fator que pode ter influenciado nos resultados encontrados por Gao et al. (2003) é o valor empregado ao fator L que, provavelmente, adotaram o valor fixo de 0,5, o qual é geralmente utilizado no cálculo do SAVI, o que não aconteceu nesta pesquisa onde o valor de L diferiu para cada fase de desenvolvimento vegetativo, como já foi mostrado no Capítulo 3. Os valores sistematicamente maiores para a reflectância do produto MOD09 podem ser devido à forma de correção dos efeitos atmosféricos, os quais podem não ser totalmente eliminados no algoritmo de correção atmosférica (pois não levam em consideração algumas características locais da atmosfera). Em algumas missões de campo, a incidência de nuvens e a umidade relativa foram altas, o que pode também ter influenciado no processo de correção atmosférica. Outro fator importante que deve ser levado em conta é a geometria de visada, visto que a maioria das imagens MOD09 não estava ao nadir, como será discutido posteriormente Análise Individual das Bandas do Azul, Vermelho e Infravermelho Próximo Foram realizadas análises de regressão para os dados das bandas do azul (0,459 0,479 µm), do vermelho (0,620 0,670 µm) e do infravermelho próximo (0,841 0,875 µm), levando-se em conta todas as missões de campo. Os gráficos de dispersão entre as reflectâncias de campo e as reflectâncias obtidas do produto MOD09, para as bandas em questão, podem ser vistos na Figura 4.5. Os valores de correlação obtidos destas análises de regressão foram: banda azul com r = 0,59, banda do vermelho com r = 0,89 e banda do infravermelho próximo com r = 0,88. 84

90 0,05 Banda Azul ρ MOD 09 0,04 0,03 0,02 r=0,59 0,02 0,03 0,04 0,05 ρ Campo ρ MOD09 0,9 0,8 0,7 0,6 0,5 0,4 Banda Infravermelho Próximo r=0,88 0,3 0,2 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0,15 0,12 ρ Campo Banda Vermelho r=0,89 ρ MOD09 0,09 0,06 0,03 0,00 0,00 0,03 0,06 0,09 0,12 0,15 ρ Campo FIGURA Gráfico de dispersão entre os dados de reflectância de campo das bandas azul, vermelho e infravermelho próximo e os dados de reflectância do produto MOD09GQK, para todas as missões de campo. 85

91 Para testar a hipótese de nulidade entre pares de observação fez-se uma análise estatística por meio do teste t para pares de observação, cujos resultados obtidos foram os seguintes: Para as bandas do azul e vermelho, as diferenças encontradas entre as medidas de reflectância de campo e as fornecidas pelo produto MOD09 são significativas, neste caso rejeita-se H 0 ao nível de significância de 5%. Para a banda do infravermelho próximo, as diferenças encontradas não são significativas, aceitando-se H 0 ao nível de significância de 5%. Isto é, não existem diferenças significativas entre as reflectâncias de campo e as reflectâncias geradas pelo produto MOD09. Apesar da banda do vermelho apresentar o maior valor de correlação, isto não significa que esta é a mais ajustada à reta ideal. Isto pode ser visualizado tanto nos resultados dos testes, quanto na distribuição dos pontos no gráfico. Neste caso, comprova-se que a banda do infravermelho próximo foi a que apresentou menores diferenças entre as medidas de reflectância observadas. Além disso, como pode ser visto na Tabela 4.5, foram calculados como dados auxiliares nesta análise os valores do erro médio quadrático (RMSD), do desvio médio (DM) e o coeficiente de variação (CV) entre dados do MOD09 e dados de reflectância de campo. TABELA Valores do erro médio quadrático (RMSD), do desvio médio (DM) e o coeficiente de variação (CV) entre dados do MOD09 e dados de reflectância de campo. RMSD DM CV (%) Azul (banda 3) 0,0112 0, Vermelho (banda 1) 0,0256 0, Infravermelho próximo (banda 2) 0,0944 0,

92 De acordo com os resultados apresentados na Tabela 4.5, observa-se que o coeficiente de variação é maior para a banda do vermelho, até mesmo quando comparado com a banda azul, que teoricamente é a que sofre maior influência dos efeitos atmosféricos. Além disso, através destes resultados se confirma o teste realizado anteriormente, onde mostra que a banda do infravermelho próximo apresentou as menores diferenças entre as medidas de campo e as obtidas a partir do produto MOD09. Estas maiores diferenças encontradas nas bandas do azul e do vermelho podem ser devido à ordem de grandeza das medidas de reflectância do alvo (soja) para as bandas em questão. Além disso, para as bandas do visível (azul e vermelho) os valores de reflectância são menores do que para a banda do infravermelho próximo. Desta forma, estas sofrem maiores influências dos efeitos atmosféricos. Embora a localização das bandas do sensor MODIS tenha sido projetada de modo a evitar a sobreposição nas bandas de absorção de vapor d água e ozônio, algumas bandas ainda apresentam influências destas bandas de absorção, como é o caso da banda do vermelho (Apêndice C). Neste caso, a influência e a necessidade de correção são maiores do que nas demais bandas. Isto pode explicar as maiores diferenças entre as medidas de reflectância de campo e as geradas pelo produto MOD09 nessa banda espectral. Analisando os valores teóricos, calculados antes do lançamento do sensor MODIS, do erro relativo para estas bandas (Apêndice E), observa-se que os resultados mostrados na Tabela 4.5 foram bem maiores para as bandas do vermelho e do infravermelho próximo. Além disso, o resultado obtido não seguiu a mesma tendência dos valores teóricos, onde a banda que apresenta os maiores erros é a do azul. De forma geral, estas diferenças observadas indicam uma possível deficiência no processo de correção atmosférica do produto MOD09. Provavelmente, estas fontes de erro estão relacionadas com a imprecisão de alguns parâmetros atmosféricos locais, como a profundidade ótica e teor de vapor d água, influenciando os valores de reflectância gerada pelo produto MOD09, conforme comentam Liang et al.(2002). 87

93 Uma forma de evitar a inserção dessas fontes de erro seria realizar missões de campo em dias secos (umidade relativa do ar baixa) e ensolarados (sem nuvem). O que foi difícil neste trabalho, pois, a época das safras de verão coincide com os meses mais chuvosos, em conseqüência, dias com a umidade relativa e cobertura de nuvens alta. Um outro fator importante, que interfere nos resultados, é a influência do ângulo zenital do sensor. Os valores angulares observados para cada missão de campo podem ser vistos na Tabela 4.7. Dentre eles, somente o dia 12/02/2004 estava próximo ao nadir. De acordo com Galvão et al. (2001), este efeito de visada do sensor sobre os dados das bandas em questão, resulta em um aumento da radiância no vermelho e em uma diminuição no infravermelho próximo. O primeiro fato é devido à contribuição aditiva do espalhamento atmosférico, enquanto o último é resultante da contribuição subtrativa da absorção atmosférica, especialmente do vapor d água. Além disso, esta diferença no ângulo de visada do sensor devido ao seu amplo campo de visada provoca o efeito de BRDF, pois o dossel observado neste trabalho não é uma superfície lambertiana, e sim uma superfície anisotrópica. Como conseqüência a radiância refletida pela superfície não é igual em todas as direções, sendo função das coordenadas da fonte de iluminação e da visada do sensor. Este efeito é reportado em diversos trabalhos: Nilson et al., 1999; Yamashita et al., 2001 e Guangrong et al., No produto MOD09 é proposta a correção destes efeitos de ângulo de visada do sensor, porém esta correção minimiza, mas não elimina toda a influência do ângulo de visada. De forma a evitar mais essa fonte de erro, sugere-se a utilização de imagens mais próximas ao nadir Análise Individual dos Dados para cada Missão de Campo Os dados também foram analisados separadamente para cada missão de campo, tendo como foco de observação a interferência individual de cada data em relação às condições climáticas diárias e aos diferentes estádios fenológicos em que a soja se encontrava. 88

94 As tabelas com os dados meteorológicos diários de precipitação (mm), umidade relativa do ar (%) e de visibilidade (m), encontram-se no Apêndice D. Para a primeira missão de campo (15/12/2003), o gráfico de dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD09 quanto para os dados obtidos ao nível de campo, encontram-se na Figura 4.6. MOD 09 0,8 0,7 0,6 0,5 0,4 0,3 0,2 Azul Vermelho Infr. Próx NDVI EVI/SAVI 15/12/2003 0,1 0,0 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 Campo FIGURA Dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD09 quanto para os dados obtidos ao nível de campo, para a 1ª missão. Neste período, ambas as variedades estavam na fase inicial de crescimento com pouco vigor vegetativo e com certa influência do solo (substrato) na resposta espectral (ver Figura 4.1). Esta influência do substrato é evidente ao se analisar a resposta espectral da banda do Vermelho, que apresentou os maiores valores nesta missão. Neste dia as condições climáticas estavam favoráveis para se realizar a validação, isto é, a umidade relativa do ar foi de 56%, sem chuva, com céu limpo praticamente sem 89

95 nuvens. Porém, foi utilizada a imagem do dia 14/12/2003, para este dia a umidade relativa era de 67%, sem chuvas. Baseado nos resultados do teste t para pares de observação aceitou-se a hipótese nula ao nível de 1% de significância, o que permite dizer que não houve diferenças significativas entre as reflectâncias obtidas a campo com as obtidas através do produto MOD09, para esta missão. O gráfico de dispersão da 2ª missão de campo (22/01/2004) pode ser visto na Figura 4.7. MOD 09 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Azul Vermelho Infr. Próx NDVI EVI/SAVI 22/01/2004 0,0 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 Campo FIGURA Gráfico de dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD 09 quanto para os dados obtidos ao nível de campo, para a 2ª missão. Neste período as variedades de soja encontravam-se com máximo vigor vegetativo, isto pode ser observado no gráfico através dos altos valores dos índices de vegetação e da reflectância da banda do infravermelho próximo. 90

96 Durante esta missão, as condições climáticas se apresentavam desfavoráveis para as atividades de validação. Pois, este dia (22/01/2004) coincidiu com um período bastante chuvoso, em que a precipitação diária foi de 13,8 mm e a umidade relativa do ar estava com 90%. A aquisição de imagens MOD09, livre de nuvens para o mesmo dia em que foram realizadas as medidas radiométricas não foi possível. Assim, depois de uma avaliação das imagens próximas do dia da missão, selecionou-se a única imagem que estava, aparentemente, sem nuvens na área de estudo. A imagem selecionada foi referente ao dia 20/01/2004, dois dias antes da missão de campo. Para este dia não houve chuva e o teor de umidade relativa foi de 76%. Da mesma forma, com base nos resultados do teste t para pares de observação, ao nível de 1% de probabilidade, aceitou-se a hipótese nula, o que demonstra que as diferenças entre os dados de reflectância obtidos no campo e os obtidos por meio das imagens MOD09 não foram significativas. Na Figura 4.8, observa-se o gráfico de dispersão da 3ª missão de campo, realizada no dia 12/02/

97 MOD 09 1,0 0,9 0,8 0,7 0,6 0,5 12/02/2004 0,4 Azul 0,3 Vermelho 0,2 Infr. Próx 0,1 NDVI EVI/SAVI 0,0 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 Campo FIGURA Gráfico de dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD09 quanto para os dados obtidos ao nível de campo, para a 3ª missão. Nesta missão, a variedade MSOY 8001 estava entrando no estádio R5 (início da granação), enquanto as outras duas (AV 7002 e UFVS 2005) encontravam-se no estádio R3 (início da frutificação). Em relação às condições climáticas esta missão apresentou o clima um pouco instável, havia chovido um dia antes (precipitação de 17,7 mm) e o céu no início da manhã estava um pouco nublado. O teor de umidade relativa foi de 89%. Para se ter uma idéia, a média mensal de umidade relativa referente ao mês de fevereiro foi de 90% e a precipitação total acumulada, foi uma das maiores comparada aos outros meses em que a cultura esteve no campo. 92

98 A imagem MOD09 selecionada para avaliação foi do mesmo dia da campanha de campo, pois, as imagens dos dias próximos apresentavam muitas nuvens sobre a área de estudo. Ao se aplicar o teste t para pares de observação desses dados, aceitou-se a hipótese nula ao nível de significância de 1%, o que permitiu dizer que nessa data também não houve diferenças significativas entre os dados de campo com aqueles obtidos dos dados MOD09. O gráfico de dispersão da última missão de campo (09/03/2004), está representado na Figura 4.9. MOD 09 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Azul Vermelho Infr. Próx NDVI EVI/SAVI 09/03/2004 0,0 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 Campo FIGURA Gráfico de dispersão entre a reflectância das bandas azul, vermelho e infravermelho próximo, e os valores de NDVI e EVI/SAVI, tanto para os dados originados pelo produto MOD 09 quanto para os dados obtidos ao nível de campo, para a 4ª missão. Durante esta missão, a cultivar MSOY 8001 se encontrava no estádio R8 (maturação de campo). Enquanto as outras cultivares (AV 7002 e UFVS 2005) se encontravam entre os estádios de R5 (início da granação) e início de R7 (maturidade fisiológica). 93

99 Nesta última missão, o clima estava bem estável no período da manhã, com umidade relativa de 79%. Porém, devido à não disponibilidade da imagem MOD09 para esta data, utilizou-se uma imagem do dia posterior, ou seja, do dia 10/03/2004, em que a umidade relativa era de 75% e sem chuvas. O resultado do teste t para pares de observação também aceitou a hipótese nula, ao nível de 1% de probabilidade, mostrando que as diferenças entre os dados de campo e os dados da imagem MOD09 não são significativas. De forma a comprovar os resultados das análises realizadas, e observar o comportamento entre os dias, calcularam-se os valores do erro quadrático médio (RMSD), do desvio médio (DM) e do coeficiente de variação (CV) para cada missão. Estes resultados podem ser vistos na Tabela 4.6. TABELA Valores do erro médio quadrático (RMSD), do desvio médio (DM) e do coeficiente de variação (CV) para cada missão de campo. RMSD DM CV (%) 15/12/2003 0,0619-0, /01/2004 0,0640-0, /02/2004 0,0746 0, /03/2004 0,0954-0, Ao analisar os dados da Tabela 4.6, verifica-se que as missões que apresentaram os menores valores do coeficiente de variação foram os dias 22/01/2004 e 12/02/2004, os quais coincidem com os estádios de máximo vigor vegetativo para a cultura. Como já mencionado anteriormente, outro fator importante que influencia nos valores de reflectância é o ângulo zenital do sensor. Através do produto MODMGGA foi possível obter para cada missão de campo o ângulo zenital do sensor. Quanto menor este ângulo mais próximo ao nadir a área de estudo foi imageada, e conseqüentemente, menor a influência do ângulo na reflectância. Os ângulos do sensor para cada missão de campo são mostrados na Tabela

100 TABELA Ângulo zenital do sensor referente a área de estudo das imagens MOD09, para cada missão de campo. Imagens MOD 09 Data Ângulo zenital do sensor 15/12/ /01/ /2/ /03/ Como pode-se observar na Tabela 4.7, a imagem obtida na 3ª missão de campo (12/02/2004) foi a que apresentou menor ângulo zenital. No entanto, apesar dessa proximidade do nadir os valores do coeficiente de variação foram maiores do que aqueles obtidos para a imagem da 2ª missão (22/01/2004). Isto pode ter ocorrido devido à influência dos efeitos atmosféricos, os quais foram maiores para aquela missão. Ao se analisar os valores de CV para a 4ª campanha (09/03/2004) estes se mostraram maiores do que para as demais missões, assim como o ângulo zenital do sensor que foi de 43. Neste caso, a influência angular pode ter influenciado nos resultados. De acordo com Justice et al.(1998), as reflectâncias medidas próximo ao nadir são as preferenciais, devido às seguintes razões: quanto mais próximo do nadir menor serão as distorções causadas na resolução espacial do pixel; a correção atmosférica é mais confiável e precisa para as medidas próximas ao nadir e as relações biofísicas determinadas entre os índices de vegetação e as medidas no campo são baseadas em medidas ao nadir. Assim, pode-se dizer que mesmo propondo a correção destes efeitos de geometria de visada, o produto MOD09 ainda apresenta em seu produto final alguns efeitos deste fenômeno. 95

101 4.2.5 Avaliação dos Índices de Vegetação Os índices de vegetação também foram avaliados separadamente, levando em conta os dias das missões de campo. O gráfico de dispersão entre o NDVI obtido a partir dos dados de reflectância de campo e o obtido através da reflectância do produto MOD09, pode ser visto na Figura ,0 0,8 r=0,96 NDVI M OD09 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 NDVI CAM PO FIGURA Gráfico de dispersão entre o NDVI (MOD09) e o NDVI (campo). Em geral, os valores do NDVI obtidos ao nível de campo se mostram maiores do que os gerados a partir do produto MOD09. Como já foi discutido anteriormente, isto pode ser devido aos efeitos atmosféricos, que durante o processo de correção atmosférica no produto MOD09 podem não ser totalmente eliminados. O coeficiente de correlação (r) desta análise foi 0,96. Em seguida, aplicou-se o teste t para pares de observação entre os dados e verificou-se a aceitação da hipótese de nulidade ao nível de 1% de probabilidade, ou seja, os valores de NDVI obtidos com os dados de campo não diferiram significativamente daqueles gerados pelo MOD09. 96

102 Na Figura 4.11, observa-se o gráfico de dispersão entre os índices de vegetação EVI calculado a partir dos dados do produto MOD09 e SAVI calculado a partir dos dados de campo. 1,0 0,9 r=0,95 EVI 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 SAVI FIGURA Gráfico de dispersão entre o EVI (MOD09) e o SAVI (campo). Nestas condições os dois índices se mostraram bem relacionados (r = 0,95), apesar dos dados obtidos ao nível de campo (SAVI) se mostrarem um pouco maiores do que os obtidos a partir do MOD09 (EVI). Analisando os dados, observou-se que os valores de EVI e SAVI eram muito parecidos na maioria das missões, com exceção da 3ª missão (12/02/2004). Desta forma, baseado nas equações que regem estes índices, quanto mais próximos os valores deles, menor foi a interferência atmosférica nos dados. Assim, pode dizer que de forma geral (durante a maioria das campanhas) os efeitos atmosféricos resultantes da correção do produto MOD09 quase não interferiram nos resultados dos índices de vegetação. Aplicou-se nos dados EVI (MOD09) e SAVI (campo) o teste t para pares de observação. Como resultado do teste, aceitou-se a hipótese nula (H 0 ), ao nível de significância de 1%. Este resultado mostrou que as diferenças encontradas entre os valores de EVI e SAVI não foram significativas. 97

103 Para complementar os resultados obtidos com os índices de vegetação, através da Tabela 4.8, pode-se verificar o valores de erro médio quadrático (RMSD), do desvio médio (DM) e do coeficiente de variação (CV), entre os índices calculados com as medidas de reflectância de campo e os calculados com os dados de reflectância gerados pelo produto MOD09. TABELA Valores RMSD, DM e o CV, entre os índices calculados com as medidas de reflectância de campo e os calculados com os dados de reflectância gerados pelo produto MOD09. RMSD DM CV (%) NDVI 0, , EVI/SAVI 0, , Através destes dados, observou-se que o NDVI apresentou as menores diferenças do que o EVI/SAVI. Atribui-se esta menor diferença nos valores de NDVI ao fato de que tanto nos dados de campo quanto nas imagens MOD09, a equação utilizada é a mesma, o que diminuiu a inserção de erros. Isto não ocorre com o EVI/SAVI, visto que para a obtenção destes índices são utilizadas equações distintas, além disso, devido aos coeficientes atmosféricos empregados na equação do EVI, quanto mais falhas ocorrerem na correção dos efeitos atmosféricos maiores serão as diferenças entre eles. Outro fator muito importante que foi analisado diz respeito ao ângulo de visada do sensor. De acordo com Galvão et al. (2001), os valores NDVI diminuem para um mesmo alvo, quando vistos sob condições de visada extrema. Desta forma, a influência do ângulo zenital sobre os índices de vegetação podem ser observada no gráfico da Figura 4.12, onde foi calculado o valor RMSD dos índices para cada missão e estes foram correlacionados com o ângulo zenital do sensor das respectivas missões de campo. 98

104 0,12 0,10 RM SD 0,08 0,06 0,04 0, Â n g u lo zen ital d o sen so r NDVI EVI FIGURA Gráfico de dispersão entre o valor RMSD dos índices de vegetação (NDVI e EVI) e o ângulo zenital do sensor. Ao analisar o gráfico acima, observa-se que quanto menor o ângulo zenital do sensor menor é o valor RMSD. Isto é, quanto mais próximo à localização da área do nadir, menor é o erro entre as medidas de campo e as medidas obtidas pelo sensor. Para o EVI esta afirmação foi verdadeira. Já para o NDVI, a imagem do dia 20/01/2004 (21º66 ) o erro foi levemente maior do que o da imagem do dia 15/12/2003 (32º15 ), contestando esta afirmação. Porém, este valor maior do RMSD pode estar ligado à falhas na correção atmosférica, pois durante o período da 2º missão (22/01/2004) a incidência de chuvas e a umidade relativa do ar estavam altas, o que pode ter influenciado nos valores de NDVI. Os dados do produto MOD09 são, também, corrigidos para estes efeitos de visada do sensor. Esta correção minimiza esses efeitos, porém, não os eliminam, como pode ser visto nos resultados acima. Estudos mais aprofundados devem ser realizados como forma de eliminar ao máximo estes efeitos de visada nos valores dos índices de vegetação. Isto pode ser realizado através da observação desta influência e restrição dos ângulos de visada que mais influenciam. A título de exemplo, existem alguns trabalhos com o AVHRR, tal como o 99

105 MODIS, que apresenta amplo campo de visada, onde se recomenda a restrição do ângulo em ± 14 (Duggin et al., 1982) ou ± 25 graus (Gutman, 1991) em relação ao nadir. Outro cuidado que deve ser tomado é quanto ao uso de produtos gerados a partir do produto MOD09, como: MOD13 (composição de 16 dias) para o monitoramento da vegetação ou MOD15 (IAF). De acordo com o trabalho de Gao et al. (2003), o ângulo do sensor é um fator importante para justificar as discrepâncias envolvidas na comparação entre os índices de vegetação obtidos ao nadir e os índices gerados pelo MOD13 (composição de 16 dias), que implicitamente leva em conta diversos ângulos zenitais do sensor para a formação deste produto Comportamento entre os Índices de Vegetação Analisados Uma vez que os índices de vegetação calculados neste trabalho (NDVI, EVI e SAVI) estão intimamente interligados, como discutido no Capítulo 2 na Figura 2.8, foram realizadas análises para observar as suas inter-relações. Ao analisar o comportamento do NDVI em relação ao SAVI (Figura 4.13), ambos obtidos a partir dos dados de campo, notou-se que os valores de SAVI foram menores do que os valores do NDVI, para baixos valores destes índices, ou seja, quando a cultura se encontrava com baixo vigor vegetativo. De acordo com Huete (1988), isto ocorre devido à influência do solo, que no caso do SAVI é minimizado pelo fator de correção L, enquanto o NDVI está sujeito a essa influência. 100

106 1,0 0,8 r=0,99 NDVI 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 SAVI FIGURA Gráfico de dispersão entre o NDVI (campo) e o SAVI (campo). No período em que a cultura se encontrava com alto vigor vegetativo, a diferença observada entre eles foi menor, pois nesta época assumiu-se como valor do fator L = 0,25. A Figura 4.14 apresenta o gráfico de dispersão entre o NDVI e o EVI, ambos calculados a partir do produto MOD

107 1,0 0,8 r=0,96 NDVI 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 EVI FIGURA Gráfico de dispersão entre o NDVI (MOD09) e o EVI (MOD09). Nesta situação, nota-se na disposição dos pontos ao longo da linha de tendência, que estes dois índices estão bem correlacionados. Ao analisar os dados de todas as missões de campo, verificou-se que as maiores diferenças entre os dois índices foram observadas na 1ª missão (15/12/2003) e na 4ª missão (09/03/2004), constatando a influência do solo, a qual não é corrigida no NDVI. Grande parte dos valores de NDVI se apresentou maior do que os valores obtidos com o EVI e, em determinado ponto, os valores de NDVI saturam, enquanto os de EVI continuam aumentando. Desta forma o EVI se mostra mais sensível às variações da vegetação do que o NDVI, concordando com Gao et al., (2000) Avaliação da Precisão do Produto MOD09GHK Usando Medidas Radiométricas ao Nível de Campo A avaliação da precisão do produto MOD09GHK foi realizada da mesma maneira que para o produto MOD09GQK. Porém, devido a resolução espacial deste produto (500 m), levou-se em conta, para o cálculo da média da área, um total de 4 pixels. A Figura 4.15 mostra o gráfico de dispersão entre a reflectância média ao nível de campo e a reflectância média do produto MOD09GHK, para as 7 bandas. 102

108 MOD m 0,8 0,6 0,4 Azul Verde Vermelho Infrav. próx. 0,2 Infrav. Médio Infrav. Médio Infrav. Médio 0,0 0,0 0,2 0,4 0,6 0,8 Campo FIGURA Gráfico de dispersão entre os dados de reflectância média de campo e os dados médios do produto MOD09GHK. Da mesma forma que no MOD09GQK, as medidas de campo apresentaram valores menores de reflectância do que quando comparadas com os dados de reflectância do produto MOD09GHK. Os valores de RMSD e DM foram calculados para cada banda e, através dos valores RMSD, calcularam-se os coeficientes de variação para cada uma das bandas. Na Tabela 4.9 pode-se observar os valores de RMSD, DM e CV. Com esses dados, observou-se que as bandas que apresentaram as maiores diferenças entre os dados de reflectância do produto MOD09GHK e os dados de campo foram a banda 1 (vermelho) e a banda 3 (azul), com coeficientes de variação de 0,74 e 0,40, respectivamente. Estes resultados se mostram parecidos com os obtidos pelo produto MOD09GQK. 103

109 TABELA Valores do erro médio quadrático (RMSD), do desvio médio (DM) e do coeficiente de variação (CV) para as 7 bandas do produto MOD09GHK. Bandas RMSD DM CV (%) Vermelho (banda 1) 0,0311 0, Infravermelho próximo (banda 2) 0,0954-0, Azul (banda 3) 0,0103 0, Verde (banda 4) 0,0127 0, Infravermelho médio (banda 5) 0,0711 0, Infravermelho médio (banda 6) 0,0507 0, Infravermelho médio (banda 7) 0,0188 0, Ao comparar estes resultados com os valores teóricos do erro relativo (Apêndice E), com exceção da banda do azul, as demais apresentaram valores bem maiores. Ao analisar os coeficientes de variação entre os produtos MOD09GQK e MOD09GHK (250 e 500 m), observou-se que o valor CV foi: Maior na banda 3 (azul) reamostrada para 250 m do que para a banda azul original (500m); Menor para a banda 1 (vermelho) para o produto de 250 m; E para a banda 2 (infravermelho) foi parecido para ambos produtos. O fato de ter havido maior variação na banda do azul no produto de 250 m, pode estar relacionado ao método utilizado para reamostragem desta banda de 500 m para 250 m, o que pode ter gerado alguma perda de informação durante este processo. As demais bandas apresentaram erros pequenos em relação ao campo. 104

110 Como esta análise considerou um número muito pequeno de pixels, este resultado não pode ser extrapolado para todas as situações. Necessitando de uma melhor averiguação, utilizando um maior número de pixels em sua análise. 4.4 Avaliação do Produto de Reflectância da Superfície entre os Satélites TERRA e AQUA Esta análise dos produtos de reflectância da superfície fornecidos pelo sensor MODIS entre os satélites TERRA (MOD09GQK) e AQUA (MYD09GQK), tem como principal finalidade avaliar a qualidade radiométrica desses dois produtos. Para a verificação da possibilidade de utilizá-los concomitantemente ou numa eventual substituição no caso da não disponibilidade dos dados do MODIS/TERRA ou vice-versa Análise de Dispersão entre o Produto de Reflectância da Superfície Originado pelos Satélites TERRA e AQUA. Para esta análise, levou-se em consideração o mesmo grupo de 1000 pixels aleatórios para ambas as imagens TERRA e AQUA para um mesmo dia. Foram obtidos os ângulos zenitais solar e do sensor de cada satélite, a partir das imagens obtidas no dia 15/12/2003, conforme é mostrado na Tabela Os ângulos contidos na tabela referem-se ao centro da área escolhida para verificação dos pontos amostrais. TABELA Ângulos zenitais solar e do sensor para as imagens dos satélites TERRA e AQUA. ÂNGULO ZENITAL SOLAR ÂNGULO ZENITAL DO SENSOR TERRA ACQUA O gráfico de dispersão da reflectância da superfície da banda do vermelho e da banda do infravermelho próximo, obtidos das imagens dos satélites AQUA e TERRA, pode ser visualizado na Figura

111 0,20 0,15 r=0,42 Banda Vermelho ρ AQUA 0,10 0,05 0,00 0,00 0,05 0,10 0,15 0,20 ρ TERRA 0,5 r=0,72 Banda Infravermelho Próximo 0,4 ρ AQUA 0,3 0,2 0,1 0,0 0,0 0,1 0,2 0,3 0,4 0,5 ρ TERRA FIGURA Gráfico de dispersão do produto reflectância da superfície (banda do vermelho e infravermelho próximo) entre as imagens do satélite TERRA e AQUA. 106

112 Inicialmente, a correlação entre a reflectância nas imagens (MODIS) TERRA e AQUA para banda do vermelho foi de r = 0,42. Já para a banda do infravermelho próximo o valor de correlação obtido foi r = 0,72. A partir dos dados de reflectância dos 1000 pixels calculou-se a diferença entre as medidas de cada imagem dos dois satélites para cada banda. Ao observar as diferenças entre eles, notou-se que alguns pontos (menos de 5%), em torno de 40 pontos na banda do vermelho e 30 pontos na banda do infravermelho próximo, apresentavam valores muito altos. Para averiguar se realmente as imagens estavam livres de nuvens, a banda azul foi reamostrada. Com isso, observou-se que havia na imagem do AQUA algumas nuvens esparsas sobre a área e que alguns pixels amostrados eram destas áreas com nuvens. Desta forma, decidiu-se eliminar esses pontos com nuvens e gerar outros gráficos de dispersão, que podem ser vistos nas Figura

113 0,20 Banda Vermelho r=0,86 0,15 ρ AQUA 0,10 0,05 0,00 0,00 0,05 0,10 0,15 0,20 ρ TERRA 0,5 0,4 r=0,85 Banda Infravermelho 0,3 ρ AQUA 0,2 0,1 0,0 0,0 0,1 0,2 0,3 0,4 0,5 ρ TERRA FIGURA Gráfico de dispersão do produto reflectância da superfície (banda do vermelho e do infravermelho próximo) entre as imagens do satélite TERRA e AQUA. 108

114 Com isso, o valor de correlação dos produtos de reflectância da superfície (banda do vermelho) para a imagem dos dois satélites foi 0,86, e, para a banda do infravermelho próximo a correlação foi 0,85. Sobre os dados obtidos aplicou-se o teste t para pares de observação. Como resultado, analisando as reflectâncias da banda do vermelho entre os dois satélites, rejeitou-se a hipótese nula (H 0 ) ao nível de significância de 1%. Desta forma, para a banda do vermelho, os valores de reflectância das imagens do sensor MODIS dos dois satélites diferem entre si. Já para a banda do infravermelho próximo, ao nível de significância de 1%, aceitou-se a hipótese nula (H 0 ), ou seja, para esta banda as diferenças entre os dados de reflectância fornecidos pelos dois satélites não diferem entre si Análise de Reflectância em Amostras Conhecidas Com o intuito de realizar uma avaliação mais criteriosa entre os produtos de reflectância da superfície fornecido pelo sensor MODIS para os satélites TERRA (MOD09) e AQUA (MYD09), decidiu-se avaliar algumas áreas previamente conhecidas e de fácil visualização nas imagens do sensor MODIS. As amostras avaliadas nesta análise foram: Amostras de água (rios que passam pela região, nº de amostras = 60); Amostras de soja (a área de estudo utilizada nas análises anteriores, nº de amostras = 30); Amostras de cidade (Uberlândia MG, nº de amostras = 50); Amostras de reflorestamento (extensa área de eucalipto próxima da área de estudo, nº de amostras = 55). 109

115 Através destas amostras de classes distintas, pode-se realizar a avaliação de reflectância das bandas do vermelho e do infravermelho próximo entre os pixels do TERRA e os pixels do AQUA. O resultado desta análise pode ser visto na Tabela TABELA Valores de correlação (r) obtidos entre os pixels do satélite AQUA e do TERRA para cada classe amostrada. AMOSTRAS BANDA 1 (Vermelho) BANDA 2 (Infravermelho Próximo) ÁGUA r 0 r = 0,34 SOJA r = 0,84 r = 0,85 CIDADE r = 0,49 r = 0,43 REFLORESTAMENTO r = 0,85 r = 0,78 Ao aplicar o teste t para pares de observação, somente as amostras de reflorestamento (para ambas as bandas) e a amostra de soja para a banda do infravermelho próximo, não foram estatisticamente significativas ao nível de 1%. Visto que para o monitoramento da vegetação, o valor do índice de vegetação é mais importante do que os valores das bandas separadas, foi decidido avaliá-lo também para as classes de soja e reflorestamento. Os valores de correlação entre o NDVI calculado a partir dos dados do produto de reflectância da superfície do satélite TERRA com os obtidos do satélite AQUA, estão representados na Tabela

116 TABELA Correlação entre o NDVI calculado a partir dos dados do satélite TERRA e do AQUA. AMOSTRAS NDVI SOJA r = 0,85 REFLORESTAMNTO r = 0,82 Em se tratando dos valores de NDVI, em ambas as classes as diferenças encontradas não foram significativas ao nível de 1% de significância, o que pode afirmar que os valores NDVI entre os dois satélites não diferem entre si. Para este caso, a utilização dos dados provenientes dos dois satélites (TERRA e AQUA) no monitoramento da vegetação, tanto para as amostras de soja quanto para as amostras de mata, poderiam ser empregados em conjunto, através dos valores de NDVI. 4.5 Avaliação Preliminar dos Dados Radiométricos do Sensor WFI a Bordo do Satélite CBERS 2 Realizou-se a comparação entre as medidas de reflectância obtidas ao nível de campo com o espectroradiômetro e os dados de reflectância das bandas disponíveis no sensor WFI (vermelho e infravermelho próximo) e do índice de vegetação NDVI obtido através delas. Para a realizar esta análise foram utilizados as mesmas medidas de reflectância de campo (a mesma área de estudo) e o mesmo procedimento empregado na validação dos dados gerados pelo produto MOD09, levando-se em conta a presença de duas variedades de soja (MSOY 8001 e AV UFVS 2005). Neste caso, o ângulo zenital do sensor referente à localização da área de estudo foi de 4, estando a área muito próxima ao nadir. A Figura 4.18, mostra o gráfico de dispersão entre as médias de reflectância do vermelho, infravermelho próximo e o NDVI fornecidos pelo sensor WFI com as mesmas médias de reflectância obtidas com o radiômetro FieldSpec. 111

117 0,9 0,8 0,7 0,6 ρ W F I 0,5 0,4 0,3 0,2 Verm elho 0,1 In fra v e rm e lh o NDVI 0,0 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 ρ (C am po) FIGURA Dispersão entre a média de reflectância das duas variedades para as bandas do vermelho e infravermelho e do NDVI do sensor WFI, com as médias de campo do dia 10/03/2004. Nos dados analisados foi aplicado o teste t para pares de observação. Como resultado, ao nível de significância de 1%, a hipótese nula (H 0 ) foi aceita. Assim pode-se concluir que a diferença entre os dados de reflectância obtidos ao nível de campo e os dados obtidos da imagem WFI não são significativos. Para esta situação de campo e cultura, os resultados preliminares obtidos do sensor WFI apresentaram os mesmos resultados estatísticos semelhantes aos dados do sensor MODIS. 112

118 CAPÍTULO 5 CONCLUSÕES De acordo com o objetivo principal dessa pesquisa e dos resultados obtidos pode-se concluir que para estas condições de campo e cultura, os dados originados do produto de reflectância (MOD09GQK) do sensor MODIS em relação aos dados coletados ao nível de campo, apresentaram diferenças não significativas para a banda do infravermelho próximo e para os índices de vegetação NDVI e EVI, com os valores de coeficientes de variação de 18, 10 e 13%, respectivamente. Já para as bandas do azul e do vermelho estas diferenças foram significativas, apresentando os valores de coeficientes de variação de 44 e 61%, respectivamente. Além disso, outras conclusões foram obtidas através das demais análises realizadas durante esta pesquisa, as quais são descritas a seguir na ordem dos procedimentos: Comportamento espectral das variedades de soja: As variedades presentes na área de estudo (MSOY 8001, AV 7002 e UFVS 2005) apresentaram diferenças em suas curvas espectrais, devido as diferentes fases fenológicas em que elas se encontravam durante as campanhas de campo. Os valores dos índices de vegetação (NDVI e SAVI) se mostraram coerentes de acordo com as fases fenológicas das variedades. Mostrando a boa relação entre os índices de vegetação e o estádio cultural. Parâmetros agronômicos x índices de vegetação: Os melhores valores de correlação foram obtidos na 1ª missão de campo no dia 15/12/2003 (33 39 dias após o semeio). 113

119 Avaliação do produto MOD09GQK: O grupo de pixels que desconsiderou as bordas da área de estudo foi escolhido como o mais representativo da área na imagem, em termos de reflectância. Na análise individual das bandas, a que apresentou o melhor resultado foi a banda do infravermelho próximo. Na análise individual para as campanhas de campo, os melhores resultados foram obtidos com a 2ª e 3ª missão de campo. Além disso, estas campanhas apresentaram os menores valores do ângulo zenital do sensor, estando as imagens mais próximas ao nadir. Ambos índices de vegetação observados apresentaram valores de coeficiente de variação pequenos, sendo os valores de NDVI com 10% e o EVI/SAVI com 13%. Os valores de RMSD dos índices de vegetação apresentaram relação direta com a variação do ângulo zenital do sensor, isto é, quanto mais distante do nadir maiores serão os erros entre as medidas. Estas diferenças associadas entre os dados do produto MOD09 e os dados de campo podem ser devido a processo de correção atmosférica utilizado na obtenção do produto MOD09, o qual não leva em conta alguns parâmetros atmosféricos locais. Outra possível influência sobre os resultados, diz respeito à correção aplicada nos pixels que se localizam mais distantes do nadir. Este processo minimiza esses efeitos da geometria de visada do sensor, porém não os elimina completamente. 114

120 Avaliação da precisão do produto MOD m: Na avaliação das 7 bandas disponíveis, as bandas que apresentaram os maiores coeficientes de variação foram as bandas do vermelho com 74% e a do azul com 40%. Nas demais bandas o coeficiente de variação médio foi de 16%. Avaliação do produto de reflectância da superfície obtidos dos satélites TERRA (MOD09GQK) e AQUA (MYD09GQK): Foram obtidas um total de 38 imagens MODIS (TERRA e AQUA) livre de nuvens da área de estudo durante o ciclo da cultura. Enquanto que para o sensor TM foi obtida 1 imagem e para o CCD nenhuma. Na avaliação dos valores de NDVI calculados para as amostras de soja e mata, as diferenças encontradas entre os dois satélites não foram significativas. Avaliação preliminar dos dados radiométricos do sensor WFI a bordo do satélite CBERS 2: A diferença entre os dados de reflectância (banda do vermelho, infravermelho e NDVI) obtidos ao nível de campo com o radiômetro FieldSpec e os dados obtidos da imagem WFI não foram significativos Recomendações Atividades de validação do sensor MODIS: Utilizar outros instrumentos com resolução maior do que a fornecida pelo MODIS. Estabelecendo um relacionamento entre os dados de campo e os dados de resolução médios permitindo a extrapolação para os pixels fornecidos pelo MODIS. Com isso, as áreas de averiguação podem ser bem extensas, o 115

121 que humanamente é impossível de se realizar com o radiômetro ao nível de campo. Coincidir as missões de campo com os dias de passagem ao nadir do satélite, evitando as influências dos efeitos da geometria de visada. Desta forma, diminuindo a inserção de erros não processo de correção deste efeito. Evitar fazer medidas radiométricas em condições climáticas adversas, como épocas de chuva e alta incidência de nuvens. Na imagem, evitar utilizar os pixels localizados nas bordas da área em questão, diminuindo as chances de contaminação dos pixels vizinhos. Produto MOD09: Ao se utilizar o produto MOD09 ou os produtos gerados a partir dele, principalmente, em análises mulitemporais, utilizar as imagens com as menores variações do ângulo zenital do sensor. TERRA x AQUA: Outros trabalhos mais precisos utilizando esses dois satélites devem ser realizados, para poder extrapolar o uso simultâneo dos dois satélites no monitoramento da vegetação. Aplicando esses e outros testes, em outras formas de vegetação em diferentes regiões e estações do ano. 116

122 REFERÊNCIAS BIBLIOGRÁFICAS Alvarenga, S.B. Espectro-radiometria de campo em trigo submetido a diferentes isolados bacterianos e adubações nitrogenadas p. Dissertação (Mestrado em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais, São José dos Campos, Alvarenga, S.B.; D'Arco, E.; Adami, M.; Formaggio, A.R. O ensino de conceitos e práticas de espectroradiometria laboratorial: estudo de caso com solos do estado de São Paulo. In: Simpósio Brasileiro de Sensoriamento Remoto, 11., Belo Horizonte. Anais... São José dos Campos: INPE, p Anderson, L.O. Classificação e monitoramento da cobertura vegetal de Mato Grosso utilizando dados multitemporais do sensor MODIS p. Dissertação (Mestrado em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais, São José dos Campos, Anderson, L.O.; Latorre, M.L.; Shimabukuro, Y.E.; Arai, E.; Carvalho Júnior, O.A. Sensor MODIS: uma abordagem geral. São José dos Campos: INPE, p. (INPE RPQ/17522). Antunes, M.A.H.; Assad, E.D.; Batista, G. Variação das medidas com espectroradiômetro ao longo do crescimento da soja (Gycine max, L.). In: Simpósio Brasileiro de Sensoriamento Remoto, 7., Curitiba PR. Anais... São José dos Campos : INPE, v.3, p.1-9. Barnes, W.L.; Pagano, T.S.; Salomonson, V. Prelaunch characterisitcs of the Moderate Resolution Imaging Spectroradiometer (MODIS) on EOS-AM1. IEEE Transactions on Geoscience and Remote Sensing, v. 36, p , Chavez Jr, P.S. An improved dark-object subtraction technique for atmospheric scattering correction of multiespectral data. Remote Sensing of Environment, v. 24, n. 2, p , Feb D'Alge, J.C.L. Registro de imagens. (São José dos Campos, out. 2003). Notas de aula. Deering, D.W. Field measurements of bidirectional reflectance. In: Asran, G. (ed). Theory and application of optical remote sensing. New York: John Wiley & Sons cap. 2, p Didan, K. Discussão sobre EVI/SAVI. (fev. 2005). Comunicação Pessoal. Didan, K.; Yin, Y. Theoritical basis for the enhanced vegetation index. MODIS Vegetation Workshop. 6 p., jul Disponível em: <tbrs.arizona.edu/cdrom/vi_intro/evi_theo.html>. Acesso em 8 fev Empresa Brasileira de Pesquisa Agropecuária. Centro nacional de pesquisas de solos. Sistema brasileiro de classificação de solos. Brasília: EMBRAPA,

123 Epiphanio, J.C.N.; Huete, A.R. Dependency of NDVI e SAVI on sun/sensor geometry and its effects on fapar relationships in alfafa. Remote Sensing of Environment, v.51, n.3, p , Fonseca, L.M.G.; Lopes, E.S.S.; Yamaguchi, F.Y.; Vinhas, L. Apostila - Processamento digital de imagens. São José dos Campos: INPE, Fontana, D.C.; Berlato, M.A.; Bergamaschi, H. Relação entre o índice de vegetação global. Revista Agropecuária Brasileira, v. 33, n. 8, p , Galvão, L.S.; Ponzoni, F.J.; Epiphanio, J.C.N.; Formaggio, A.R. Efeitos da geometria de visada sobre a determinação de índices de vegetação. In: Simpósio Brasileiro de Sensoriamento Remoto, 10., 2001, Foz do Iguaçu-PR. Anais... São José dos Campos: INPE, p Gao, X.; Huete, A.R.; Ni, W.; Miura, T. Optical - biophysical relationships of vegetation spectra without background contamination. Remote Sensing of Environment, v. 74, n. 3, p , Dec Gao, X.; Huete, A.R.; Didan, K. Multisensor comparisons and validation of MODIS vegetation indices at the semiarid Jornada experimental range. IEEE Tansactions on Geoscience and Remote Sensing, v. 41, n. 10, p , Oct Guangrong, S.; Danfeng, H.; Renchao, W. Modeling bidirectional reflectance property of multicomponent rice canopies. In: Australia-China Agricultural Forum, 2., Sydney. Anais... [S.l.]: [S.n.], p. 8. Henry, P.; Meygret, A. Calibration of HRVIR and vegetation cameras on Spot 4. Advances in Space Research, v. 28, n. 1, p , Huete, A.R. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, v. 25, n.3, p , Aug Huete, A.R.; Liu, H.Q.; Batchily, K.; Van Leeuwen, W.A. A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, v. 59, n. 3, p , Mar Empresa Brasileira de Infra-Estrutura Aeroportuária. Dados Meteorológicos: Uberlândia-MG. Brasília: INFRAERO, Instituto Nacional de Pesquisas Espaciais Coordenação de Observação da Terra. O satélite CBERS: aplicações. Disponível em: < Acesso em: 25 nov Jensen, J. Remote Sensing of Environment: an earth resource perspective. New Jersey: Prentice Hall Upper Saddle River p. Justice, C.O.; Townshed, J.R.G.; Vermote, E.F.; Masuoka, E.; Wolfe, R.E.; Saleous, N.; Roy, D.P.; Morisette, J.T. An overview of MODIS land data processing and products status. Remote Sensing of Environment, v. 83, n.1, p. 3-15, Nov

124 Justice, C.O.; Vermote, E.; Townshend, J.R.G.; Defries, R.; Roy, D.P.; Hall, D.K.; Salomonson, V.V.; Privette, J.L.; Riggs, G.; Strahler, A.; Lucht, W.; Mynemi, R.B.; Knyazikhin, Y.; Running, S.W.; Nemani, R.R.; Wan, Z.; Huete, A.R.; Van Leeuwen, W.; Wolfe, R.E.; Giglio, L.; Muller, P.L.; Lewis, P.; Barnsley, M.J. The moderate resolution imaging spectroradiometer (MODIS): Land Remote Sensing for Global Research. IEEE Transactions on Geoscience and Remote Sensing, v. 36, n. 4, p , July Kaufman, Y. J; Tanré, D. Atmospherically resistant vegetation index (ARVI) for EOS- MODIS. IEEE Transactions on Geoscience and Remote Sensing, v. 30, n. 2, p , Mar Liang, S.; Fang, H.; Chen, M.; Shuey C. J.; Walthall, C.; Daughtry, C.; Morisette, J.; Schaaf, C.; Strahler, A. Validating MODIS land surface reflectance and albedo products: methods and preliminary results. Remote Sensing of Environment, v. 83, n.1/2, p , Nov Mather, P.M. Computer processing of remotely-sensed images: an introduction. Chichester: John Wiley & Sons, p. Matos, J.D. Fatores de conversão da radiância do WFI em reflectância. (São José dos Campos, dez. 2004). Comunicação Pessoal. Mesquita Jr., H.N.; Bitencourt, M.D. Análise multitemporal de fragmentos de cerrado no estado de São Paulo com o sensor orbital MODIS. In: Simpósio Brasileiro de Sensoriamento Remoto, 11., 2003, Belo Horizonte. Anais... São José dos Campos: INPE, p Millard, P.; Wright, G.G.; Adams, M.J.; Birnie, R.V.; Whitworth, P. Estimation of light interception and biomass of the potato (Solanum tuberosum L.) from reflection in the red and near-infrared spectral bands. Agricultural and Forest Meteorology, v.53, p , MODIS Land. Disponível em: < Acesso em: 19 nov MODIS Vegetation Index Algorithm. Disponível em: < Acesso em: 4 fev Moran, M.S.; Jackson, R.D.; Slater, P.N.; Hart, G.F.; Teillet, P.M. Evaluation of simplified procedures for retrieval of land surface reflectance factors form satellite sensor output. Remote Sensing of Environment, v. 41, n. 2/3, p , Moreira, R.C. Influência do posicionamento e da largura de bandas de sensores remotos e dos efeitos atmosféricos na determinação de índices de vegetação p. Dissertação (Mestrado em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais, São José dos Campos, Morisette, J.; Justice, C.; Privette, J. MODIS land team validation update for Terra and Aqua. Washington: NASA, p. 119

125 Nilson, T.; Kuusk, A.; Leroy, M. A comparison of forest BDRF simulated by the forest reflectance model and determined by airbone Polder for some Boreas sites. In: International Conference and Workshop ALPS'99, 1999, Meribel. Anais... [S.l.]: [S.n.], Ormsby, J.P.; Choudhury, B.J.; Owe, M. Vegetation spatial variability and its effects on vegetation indices. International Journal of Remote Sensing, v. 8, n. 9, p , Parkinson, C.L.; Greenstone, E. EOS data products handbook. Maryland: NASA, v.2, 253 p. Ponzoni, F.J. Comportamento espectral da vegetação. In: Novo, E.M.L.M. (ed). Sensoriamento Remoto: reflectância dos alvos naturais. Brasília: UNB, Cap. 5, 262 p. Privette, J.L.; Asner, G.P.; Conel, J.; Huemmrich, K.J.; Olson, R.; Rango, A.; Rahman, A.F; Thomé, K.; Walter-Shea, A. The EOS prototype validation exercise (PROVE) at the Jornada: Overview and lessons learned. Remote Sensing of Environment, v.74, n.1, p. 1-12, Oct RADAM Brasil. Levantamento de recursos naturais. Rio de Janeiro: Ministério das Minas e Energia, v. 31. Rudorff, B.F.T.; Batista, G. T. Resposta espectral do trigo e sua relação com parâmetros agronômicos. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, p. (INPE-4950-RPE/599) Rudorff, B.F.T.; Batista, G.T. Yield estimation of sugarcane based on agrometeorological - spectral models. Remote Sensing of Environment, v. 33, n.3, p , Sept Rudorff, B.T.F.; Moreira, M.A.; Adami, M.; Freitas, J.G. Resposta espectral do milho e sua relação com altos níveis de produtividade de grãos. In: Simpósio Brasileiro de Sensoriamento Remoto, 11., 2003, Belo Horizonte. Anais... São José dos Campos: INPE, p Running, S.W.; Justice, C.; Salomonson, V.; Hall, D.; Barker, J.; Kaufman, Y.; Strahler, A.; Huete, A.R.; Muller, J.P.; Vanderbilt, V.; Wan, Z.M.; Teillet, P.; Carneggie, D. Terrestrial remote sensing science and algorithms planned for EOS/MODIS. International Journal of Remote Sensing, v.15, n.17, p , Schowengerdt, R.A. Remote sensing: models and methods for image processing. 2.ed. San Diego: Academic Press, p. Slater, P.N. Remote sensing: optics and optical systems. Massachusetts: Addison- Wesley, p. Soja: estádios fenológicos. Disponível em:< Acesso em: 17 jan Steel, R.G.D.; Torrie, J.H. Principles and procedures of statistics: a biometrical approach. New York: McGraw-Hill, p. 120

126 Swain, P.H.; Davis, S.M. Remote sensing: the quantitative approach. New York: McGraw-Hill, p. Tanré, D.; Holben, B.N.; Kaufman, Y.J. Atmospheric correction algorithm for NOAA- AVHRR products. IEEE Transaction on Geoscience and Remote Sensing, v. 30, p , Thenkabail, P.S.; Smith, R.B.; De Pauw, E. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics. Remote Sensing of Environment, v. 71, p Tucker, C.J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, v. 8, n. 2, p , Van Leeuven, W.J.D.; Huete, A.R.; Laing, T.W. MODIS vegetation index compositing approach: a prototype with AVHRR data. Remote Sensing of Environment, v. 69, n. 3, p , Sept Vermote, E.F.; Tanré, D.; Deuze, J.L.; Herman, M.; Morcrette, J.J. Second simulation of the satellite signal in the solar spectrum, 6S: An overview. IEEE Transaction Geoscience and Remote Sensing, v. 35, n. 3, p , Vermote, E.F.; Vermeulen, A. Algorithm technical background document - Atmospheric correction algorithm: Spectral reflectance (MOD09). Maryland: University of Maryland, abr p. (NAS ) Wiegand, C.L.; Everitt, J.H.; Richardson, A.J. Comparison of multispectral video and SPOT-HRV observations for cotton affected by soil salinity. International Journal of Remote Sensing, v. 13, n. 8, p , Yamashita, M.; Yoshimura, M.; Nakashizuka, T. BRF measurement of rainforest canopy observation. In: Asian Conference on Remote sensing, 22., 2001, Singapure. Anais... [S.l.]: [S.n.], p

127 122

128 APÊNDICE A FOTOS DAS MISSÕES DE CAMPO FIGURA A.1 Missão do dia 15/12/2003, variedade MSOY FIGURA A.2 Missão do dia 15/12/2003, variedade AV FIGURA A.3 Missão do dia 15/12/2003, variedade UFVS

129 (a) (b) (c) FIGURA A.4 Missão do dia 20/01/2004, variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005(c). (a) (b) (c) FIGURA A.5 Missão do dia 12/02/2004, variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005(c). (a) (b) (c) FIGURA A.6 - Missão do dia 09/03/2004, variedades MSOY 8001 (a), AV 7002 (b) e UFVS 2005(c). 124

130 APÊNDICE B TABELA B.1 Estádios fenológicos da soja (Glycine max, L.). ESTÁDIO FENOLÓGICO DURAÇÃO (dias) IAF V 0 Germinação 4 a 7 - V E - Emergência 3 a 10 - V C - Cotilédone desenvolvido 3 a 10 - V 1 - Primeiro nó 3 a 10 0,01 0,04 V 2 Segundo nó 3 a 8 0,04-0,09 V 3 - Terceiro nó 3 a 8 0,06-0,25 V n - Enésimo nó (o n depende da cultivar e da época de semeio) 3 dias / trifólio 0,3-3,8 R 1 - Início do florescimento 3 a 7 3,1-4,1 R 2 - Florescimento pleno 5 a 15 3,3-5,2 (continua) 125

131 ESTÁDIO FENOLÓGICO TABELA B.1 Conclusão. DURAÇÃO (dias) IAF R 3 - Inicio da frutificação 5 a 15 4,1-5,9 R 4 - Vagem formada 4 a 26 4,2-6,6 R 5 - Inicio da granação 11 a 20 4,5 7,7 R 6 - Grão formado 9 a 30 4,3-6,2 R 7 - Maturidade fisiológica 7 a 11 5,1-2,8 R 8 - Maturação de campo 5 a 7 2,8-0,8 R 9 - Ponto de colheita 9 a 30 0,8-0,0 FONTE: Soja: Estágios...(2005). 126

132 APÊNDICE C BANDAS DE ABSORÇÃO DO MODIS As figuras abaixo mostram a absorção espectral pelo vapor d água, ozônio, oxigênio e dióxido de carbono e a posição das bandas de absorção do MODIS e suas respectivas larguras de banda. FIGURA C.1 Bandas de absorção do MODIS FONTE: Vermote e Vermeulen (1999). (continua) 127

133 FIGURA C.1 Conclusão. 128