NDVI – Normalized Difference Vegetation Index
ÍNDICE DE VEGETAÇÃO POR DIFERENÇA NORMALIZADA
(IVDN)
–
Índice de vegetação: razão, diferenciação, tipo de combinação ou uma transformação de dados
espectrais para produzir um único valor, que represente diferentes tipos de cobertura vegetal.
–
Utilizado para o monitoramento de cobertura vegetal, avaliar tipo e densidade de vegetação,
detecção de desmatamentos, queimadas, suporte para a agricultura etc;
–
É calculado a partir de duas bandas de refletância, uma no vermelho e outra no infravermelho
próximo. A vegetação tem respostas muito distintas nessas duas bandas. Esses dados são obtidos
via radiômetros instalados em satélites ou por equipamentos instalados próximos ao alvo de
interesse. Como exemplo podemos tomar as bandas 1 e 2 do sensor AVHRR (Advanced Very
Height Resolution Radiometer), a bordo de satélites, como os da série NOAA.
Banda 1 - AVHRR (VIS – Vermelho – 0,58 a 0,68 Micra): a vegetação tem refletância baixa
nesse comprimento de onda, uma vez que a clorofila absorve a radiação solar para permitir a
fotossíntese;
Banda 2 – AVHRR (Infravermelho próximo - IVP – 0,73 a 1,10 Micra): nesse caso a vegetação
apresenta uma reflexão alta, uma vez que o tecido das folhas tem baixa absorção no IVP, devido
à sua estrutura interna;
–
Existem mais de 50 tipos de índices de vegetação, dentre os quais se destacam o RVI (Ration
Vegetation Index) e o NDVI (Normalized Difference Vegetation Index).
–
Convenção: VIS: refletância na banda 1 e IVP: refletância na banda 2.
RVI: (IVP/V) – Varia entre 1 (solos descobertos) e 20 (vegetação exuberante).
NDVI: (IVP–VIS)/(IVP+VIS) - Varia entre -1 (estresse hídrico) e 1 (cobertura total –
exuberante – de vegetação). Qdo o valor se aproxima de 1, temos que a refletância na banda 2
(IVP) é muito maior que a da banda 1 (VIS). O contrário ocorre qdo ele se aproxima de -1, onde
a refletância na banda 1 (VIS) é muito maior que a da banda 2 (IVP);
Matematicamente os dois índices descritos acima são funcionalmente equivalentes, ou seja,
contêm o mesmo tipo de informação sobre parâmetros biofísicos da vegetação (Jackson e Huete,
1991). No entanto, conforme comentam os autores, o NDVI é mais sensível à vegetação esparsa do
que o RVI. Desta forma, vamos utilizar o NDVI para um estudo mais amplo dos índices.
–
É preciso fazer algumas considerações, pois apesar da forte resposta dada pela vegetação nessas
bandas, nem tudo o que está refletindo nas duas bandas é vegetação;
1) solo nu ou com pouca vegetação apresenta valores baixos de NDVI, mas valores positivos.
2) vegetação densa e bem desenvolvida vai apresentar valores de NDVI altos (próximos de 1).
3) a princípio não se espera valores negativos de NDVI, a não ser para água, pois a refletância na
banda 1 (VIS) é maior do que na banda 2 (IVP). É importante notar que devido a esta
característica o NDVI pode mudar de valor, para uma mesma região vegetada, caso ela esteja
irrigada, por exemplo.
4) as nuvens refletem de forma semelhante na banda do visível e no infravermelho próximo,
assim os valores esperados do píxel são próximos de zero. Desta forma é possível criar uma
máscara para as nuvens. Uma possível causa de incertezas nos valores do índice é o fato de que
nuvens pequenas, menores que os valores do píxel, podem não ser detectadas pelo
mascaramento, diminuindo o valor real do NDVI. Uma região onde isso ocorre com certa
frequência é a região amazônica, onde a presença de nebulosidade é praticamente constante.
5) os aerossóis têm papel importante na atenuação de radiação eletromagnética (absorção e
espalhamento).
6) A variação do ângulo solar causa variação direta na quantidade de radiação que chega à
superfície.
Devido a esses possíveis erros, faz-se necessárias algumas correções, a fim de encontrar
valores de NDVI reais, sem nenhuma interferência. Um exemplo de correção é o SAVI (Soil
Adjusted Vegetation Index), proposto por Huete (1988). Esse ajuste é utilizado para tentar
minimizar os efeitos do solo, como variação no brilho, diferença de umidade, variações de
rugosidade, sombra ou diferentes teores de matéria orgânica. Desta forma, o SAVI é calculado
como: (1+L)*(IVP-VIS)/(IVP+VIS+L), onde L é o fator de ajuste para influência do solo.
Segundo Huete, L varia de acordo com a quantidade de vegetação (entre 0 e 1), mas para um
intervalo de condições de vegetação (principalmente se for para uma região desconhecida, um
valor razoável é L=0,5.
Como exemplo de identificação de vegetação utilizando-se o SAVI, podemos olhar para a
seqüência de figuras abaixo, onde em todas elas temos 3 folhas, 2 verdes (clorofila) e uma
amarela (seca, sem clorofila). As imagens são construídas a partir da radiância refletida que
chega ao sensor, dispostas em tons de cinza. Esses tons de cinza variam de 0 a 255, onde 0 é o
preto (nenhuma radiação refletida chegando ao sensor) e 255 à cor branca (reflexão total por
parte do alvo).
VIS: Nesse canal podemos perceber que as
folhas verdes absorvem boa parte da radiação
incidente, de forma que a radiação refletida que
chega ao sensor é baixa (próximo de 0). O
contrário ocorre com a folha amarela que, devido
à ausência de clorofila, reflete praticamente toda
a radiação proveniente do sol (em torno de 255).
IVP: As folhas apresentam uma reflexão alta,
uma vez que o tecido das folhas tem baixa
absorção no IVP. Assim, independente da
quantidade de clorofila presente na folha, todas
apresentam valor de radiação absorvida pelo
sensor bem alto (próximo de 255).
SAVI: Como no cálculo do índice é feita uma
diferença entre os valores de IVP e VIS, notamos
que a folha amarela praticamente não aparece na
imagem. Isso porque ela tinha apresentado altos
valores de refletância nos dois canais, e com isso
a diferença entre elas é próxima de zero. O
contrário ocorre com as folhas verdes, onde a
diferença entre IVP e VIS dá um valor alto. É
possível perceber que o índice não é perfeito, já
que algumas interferências aparecem na imagem.
–
Os índices de vegetação têm sido empregados, com grande sucesso, nos estudos para caracterizar
parâmetros biofísicos da vegetação, tais como:
1) Índice de área foliar (Clevers, 1989) e fitomassa (Prince, 1991);
2) Obtenção de valores mais acurados de umidade do solo.
3) Produtividade Agrícola (Asrar et al., 1985);
4) Monitoramento da área vegetada, como detecção de regiões desmatadas e queimadas.
5) Radiação Fotossinteticamente Ativa Absorvida (Asrar et al., 1984; Hatfield et al., 1984;
Seller, 1985);
–
Referências Bibliográficas
Asrar, G.; Fuchs, M.; Kanemasu, E. T.; Hatfield, J. L. Estimating absorved photosynthetic
radiation and leaf area index from spectral reflectance in wheat. Agronomy Journal, v. 76, n. 2,
p. 300-6, 1984.
Asrar, G.; Kanemasu, E. T.; Jackson, R. D.; Pinter, P. J. Estimation of total above ground
phytomass production using remote sensed data. Remote Sensing of Environment, v. 17, n. 3, p.
211-20, 1985.
Clevers, J. G. P. W. The application of a weighted infrared-red vegetation index for estimating
leaf area index by correcting for soil moisture. Remote Sensing of Environment, v. 29, n. 1, p.
25-37, 1989.
Deering, D. W.; Rouse, J. W.; Haas, R. H.; Schell, J. A. Measuring “forage production” of
grazing units from Landsat MSS data. International symposium on remote sensing of
environment, v.2, p.1169-1178, 1975.
Hatfield, D. L.; Asrar, G.; Kanemasu, E. T. Intercepted photosynthetically active radiation
estimated by spectral refletance. Remote Sensing of Environment, v. 14, n. 1-3, p. 65-75, 1984.
Huete, A. R. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, v. 25,
n. 3, p. 295-309, 1988.
Jackson, R. D.; Huete, A. R. Interpreting vegetation indices. Preventive Veterinary Medicine, v.
11, p. 185-200, 1991.
Moreira, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. 2.ed. –
Viçosa: UVF, 2003.
Pearson, R. L.; Miller, L. D. Remote mapping of standing crop biomass for estimation of the
productivity of the short-grass. 8th International Symposium on Remote Sensing of
Environment, MI, p. 1357-1381, 1972.
Prince, S. D. A model of regional primary production for use with coarse-resolution satelitte
data. International Journal of Remote Sensing, v. 12, n. 6, p. 1313-30, 1991.