III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 27-30 de Julho de 2010
p. 001-005
MONITORAMENTO DA VEGETAÇÃO DA REGIÃO DO EIXO-FORTE NO
MUNICÍPIO DE SANTARÉM-PA UTILIZANDO IMAGENS DOS ÍNDICES
DE VEGETAÇÃO NDVI E NDWI.
ANA SOFIA SOUSA DE HOLANDA
CARLOS EDUARDO GUERRA
Universidade Federal do Oeste do Pará - UFOPA
Laboratório de Sensoriamento Remoto de Santarém - LASERS
[email protected], [email protected]
RESUMO – Este trabalho tem como objetivo avaliar a contribuição das imagens derivadas da aplicação
dos índices de vegetação NDVI e NDWI no monitoramento e estudo da vegetação da região do Eixo –
Forte no município de Santarém-PA. Como dados, foram utilizadas três imagens do satélite Landsat 5,
sensor TM, referentes as anos de 1986, 1996 e 2008, durante a estação de baixa pluviosidade (agosto e
setembro). Sobre estas imagens, aplicou-se uma série de transformações radiométricas, conversão de ND
(números digitais) para valores físicos de radiância aparente e reflectância de superfície, correção
atmosférica e normalização radiométrica, de forma a permitir o cálculo dos índices e o estudo da
cobertura vegetal. A análise conjunta dos índices NDVI e NDWI permitiu uma melhor caracterização da
cobertura vegetal da área estudada, destacando, inclusive, uma possível ocorrência de desmatamentos. A
correlação entre o NDVI e NDWI, no que se refere à vegetação e o teor de umidade, contribuiu para o
descarte de feições e objetos que poderiam induzir a erros de interpretações.
ABSTRACT – This study aims to evaluate the contribution of images derived from the application of
NDVI and NDWI in monitoring and studying the vegetation of the region Eixo-Forte in Santarém-PA. As
data, we used three satellite images from Landsat 5 TM, referring to the years 1986, 1996 and 2008,
during the season of low rainfall (august and september). On these images, we applied a series of
radiometric transformations such as, conversion of DN (digital numbers) to physical values of apparent
radiance and surface reflectance, atmospheric correction and radiometric normalization, to allow the
calculation of indices and the study of vegetation cover. The joint analysis of indices NDVI and NDWI
allowed a better characterization of the vegetation of the area studied, highlighting, including, a possible
occurrence of deforestation. The correlation between NDVI and NDWI, in relation to vegetation and
moisture content, contributed to the discharge of features and objects that could lead to errors of
interpretation.
1 INTRODUÇÃO
O sensoriamento remoto tem exercido grande
papel no estudo da vegetação, suas numerosas
ferramentas têm auxiliado no monitoramento, dinâmica e
detecção de mudanças tanto naturais como antrópicas,
além das aplicações em estudos fisiológicos e fenológicos
das plantas. Uma das ferramentas desenvolvidas para o
estudo da vegetação são os índices de vegetação- IV.
Diversos índices de vegetação têm sido propostos
na literatura com o objetivo de explorar as propriedades
espectrais da vegetação, especialmente nas regiões do
vermelho e infravermelho próximo. Estes índices estão
relacionados a parâmetros biofísicos da cobertura vegetal,
como biomassa e índice de área foliar, além de
A. S. S. Holanda, C. E. Guerra
minimizarem os efeitos iluminação da cena, declividade
da superfície e geometria de aquisição que influenciam os
valores de reflectância da vegetação (Ponzoni e
Shimabukuro, 2007).
O NDVI (Normalized Difference Vegetation
Index), proposto por House et al. (1973), é uma operação
aritmética simples e muito utilizada atualmente para
estudos do comportamento espectral, caracterização e
monitoramento da vegetação bem como detecção e
avaliação de desmatamentos. O NDVI é obtido através da
equação:
NDVI =
ρ nir − ρ red
ρ nir + ρ red
(1)
III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
onde: ρnir = reflectância da banda no infravermelho
próximo;
ρred = reflectância da banda no vermelho.
O NDWI (Normalized Difference Water Index),
apresentado por Gao (1996), é relacionado com o
conteúdo de água presente nas folhas. Este índice é
importante nos estudos referentes ao vigor da vegetação,
mudanças na biomassa e estresse hídrico das plantas
(Cardoso et al., 2009; Jensen, 2009). O NDWI utiliza
duas bandas no espectro infravermelho, equivalentes as
bandas 4 e 5 do satélite Landsat 5, sensor TM (Tematic
Mapper) , e é definido como:
ρ (0,86µm) − ρ (1,24µm)
NDWI =
ρ (0,86 µm) + ρ (1,24 µm)
(2)
onde: ρ = reflectância da banda.
O objetivo deste trabalho é avaliar a contribuição
das imagens dos índices de vegetação NDVI e NDWI no
monitoramento da vegetação da região do Eixo – Forte no
município de Santarém a oeste do estado do Pará.
2 MATERIAL E MÉTODOS
2.1 Área de estudo
Foi selecionada uma área na região do Eixo-Forte
localizada a oeste do estado do Pará no município de
Santarém ao longo da rodovia PA-457 (rodovia Everaldo
Martins) correspondente as coordenadas (2º 24’S, 54º
58’W) e (2º 32’S e 54º 46’W). Esta região é caracterizada
pela presença de savanas que ocorrem em pequenas
extensões ao longo da rodovia, geralmente isoladas,
formando mosaicos de vegetação, variando de florestas
abertas a savanas.
Recife - PE, 27-30 de Julho de 2010
p. 002-005
resolução espacial de 30 metros, referentes ao anos de
1986, 1996 e 2008, entre o período de baixa pluviosidade,
que vai junho a novembro.
Antes da aplicação dos índices de vegetação, as
imagens foram submetidas a uma etapa de préprocessamento que consistiu no registro das imagens,
aplicação de contrate e filtragem para minimizar a
interferência de ruídos na região de interesse, além de
uma série de transformações radiométricas necessárias
para elaboração de cálculos que podem incluir dados de
diferentes bandas ao longo do tempo.
2.2 Conversão do número digital (ND) para radiância
aparente (Lo)
As imagens em números digitais foram convertidas
para radiância aparente segundo a equação citada por
Ponzoni et al. (2005).
Lo (λ ) = ND (λ ) − offset (λ ) / G (λ )
(3)
onde:
Lo(λ ) = radiância na banda (λ ) ;
ND(λ ) = valores de ND na banda (λ ) ;
offset (λ ) = quantidade de valores de ND suficiente para
compensar a chamada corrente escura do detector;
G(λ ) = ganho na banda (λ) .
2.3 Conversão de radiância aparente (Lo) para
reflectância bidirecional aparente (FRB)
Esta conversão foi realizada através da equação de
Markham e Barker (1986) apud Ponzoni e Shimabukuro
(2007).
ρa =
π .Lo(λ ).d 2
Esun(λ ). cos θ
(4)
onde:
pa = FRB aparente;
Lo (λ ) = radiância na banda(λ);
d = distância Sol-Terra em unidades astronômicas;
Esun ( λ ) = Irradiância média do sol no topo da
atmosfera;
θ = ângulo solar zenital.
2.4 Correção atmosférica
Figura 1 – Imagem TM, Landsat 5, da região do Eixo
Forte no município de Santarém-PA, composição 5R, 4G
e 3B.
Como dados, foram utilizadas três imagens do
satélite Landsat 5, sensor TM, órbita/ponto (227/62), com
A. S. S. Holanda, C. E. Guerra
A partir das imagens de reflectância aparente (FRB
aparente) foi feita a minimização dos efeitos da atmosfera
utilizando-se o modelo de transferência radiativa (Second
Simulation at the Satellite Signal in the Solar Spectrum6S) utilizado por Holanda et al.(2009). De acordo com
Ponzoni e Shimabukuro (2007), a aplicação deste e outros
modelos de transferência radiativa resultam em uma
imagem denominada de reflectância de superfície, ou
III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
seja, são estimados os valores de reflectância bidirecional
dos objetos presentes na superfície terrestre.
2.5 Normalização radiométrica
Após a obtenção dos valores de reflectância de
superfície através da correção atmosférica, aplicou-se o
método de normalização radiométrica proposto por Hall
et al. (1991), este método visa minimizar as influências de
variações não lineares da sensibilidade dos detectores ao
longo do tempo e de variações na geometria de
iluminação, para melhor comparar as imagens obtidas ao
longo do tempo.
Recife - PE, 27-30 de Julho de 2010
p. 003-005
As áreas de floresta possuem valores de NDVI em
torno de 0.5 a 0.8, nas savanas estes valores diminuem,
chegando a cerca de -0,6 a -0,4 (negativo) que são
característicos de áreas com baixa cobertura vegetal (ver
figuras 2, 3 e 4).
As figuras 5, 6 e 7, representam a composição
colorida das imagens NDWI referentes aos anos de 1986,
1996 e 2008, onde as cores variam de azul escuro, valores
altos de NDWI, caracterizando zonas de alta umidade, a
cor branca, baixos valores de NDWI, que correspondem
as zonas de baixa umidade.
2.6 Aplicação do índice NDVI
Para a elaboração do índice NDVI foram selecionas
as bandas referentes ao comprimento de onda do
vermelho e infravermelho próximo que correspondem as
bandas 3 e 4 respectivamente. Os valores obtidos com
NDVI variam entre -1 e +1. Em cenas com vegetação o
NDVI, geralmente, varia entre 0,1 e 0,8 conforme sua
arquitetura, densidade e umidade (ESPIG et al. 2006). Em
áreas onde a vegetação é relativamente escassa, em
savanas, por exemplo, esses valores tendem a diminuir
aproximando-se de zero.
Figura 2 – Imagem NDVI do ano de 1986
2.7 Aplicação do índice NDWI
O índice NDWI foi aplicado nas bandas
correspondentes ou próximas aos comprimentos de onda
indicados por Gao (1996), sendo assim foram selecionas
as bandas 4 para o comprimento de onda entre 0,86µm e
1,24 µm para a banda 5. Gao (1996) complementa que os
valores de NDWI variam de – 0,056 (negativo), para
vegetação seca, à valores positivos para vegetação verde.
3 RESULTADOS E DISCUSSÃO
Figura 3 – Imagem NDVI do ano de 1996
As figuras 2, 3 e 4 mostram uma composição
colorida das imagens resultantes da aplicação do índice
NDVI nos anos de 1986, 1996 e 2008 respectivamente. A
coloração varia de amarelo, em áreas onde a cobertura
vegetal é relativamente densa, alaranjado, cobertura
vegetal não densa, até a cor vermelha, que corresponde a
áreas com baixa cobertura vegetal e/ou solo exposto. As
regiões mais escuras nas imagens correspondem a corpos
d’água e/ou sombra de nuvens, devido à similaridade
espectral entre estes alvos.
Na figura 4, do ano de 2008, quando comparada
as figuras 2 e 3, dos anos de 1986 e 1996, nota-se o
aumento das áreas com baixos valores de NDVI,
destacando-se as causadas pela abertura de estradas.
Percebe-se também, claramente, o aumento do número de
polígonos que caracterizam áreas de desmatamento,
principalmente no entorno destas estradas. Esta perda de
cobertura vegetal pode ser atribuída à transformação
dessas áreas em grandes fazendas de criação de gado,
causando redução nos índices de vegetação nestes locais.
A. S. S. Holanda, C. E. Guerra
Figura 4 – Imagem NDVI do ano de 2008
Comparando-se estas três figuras pode-se verificar
um expressivo aumento de áreas com baixos índices de
umidade ao longo do tempo, evidenciando-se os causados
por desflorestamentos no entorno das estradas.
III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Nas imagens NDWI, as zonas de floresta
apresentam índices de umidade entre 0,6 a valores
próximos a 0,8. Já em zonas de baixa cobertura vegetal ou
vegetação esparsa, savanas, por exemplo, os índices estão
entre 0,2 a – 0,4 (negativo), em áreas onde há pouca ou
quase nenhuma cobertura vegetal, os índices de umidade
aproximam-se de -1.
Recife - PE, 27-30 de Julho de 2010
p. 004-005
onde se pode notar a ausência desta feição,
correspondendo esta área, a uma região de alta umidade.
A figura 8 mostra os recortes das imagens NDVI e
NWDI dos anos de 1986, 1996 e 2008, da região
destacada com o circulo vermelho. Observa-se que no ano
de 1986 a região apresenta valores relativamente altos
tanto de índice que vegetação (indicada pela região em
amarelo) quanto de índice de umidade (região em azul).
Figura 5 – Imagem NDWI do ano de 1986
Figura 6 – Imagem NDWI do ano de 1996
Figura 8- Recorte das imagens NDVI e NDWI dos anos
de 1986, 1996 e 2008.
No ano de 1996, é perceptível um aumento
razoável nas áreas que representam baixos índices de
vegetação (em vermelho) e baixa umidade (em branco).
Nas imagens de 2008, as áreas de baixo índice de
vegetação bem como as de baixo índice de umidade
tiveram aumento significativo, além apresentarem formas
geométricas características de desmatamentos, que
ocorrem principalmente no entorno ou próximos a
estradas.
Figura 7 – Imagem NDWI do ano de 2008
Na figura 3, em 1996, uma extensa mancha, no
canto inferior direito da imagem NDVI, com valores de
índices de vegetação baixos, pode ser confundida, por um
intérprete desatento, com zonas de baixa cobertura
vegetal, o que na verdade trata-se de uma região com uma
tênue cobertura de nuvens. Esta informação ser
confirmada observando-se a imagem NDWI de 1996,
A. S. S. Holanda, C. E. Guerra
4 CONCLUSÕES
As imagens do índice de vegetação NDWI podem
ser utilizadas para complementar ou auxiliar na
interpretação das imagens índices de vegetação NDVI.
Tanto as imagens NDVI quanto as NDWI são
favoráveis na análise, identificação e no monitoramento
das áreas desmatadas ou com ausência de cobertura
vegetal ao longo do tempo.
Nas imagens NDVI a distinção de elementos como
nuvens é dificultada, devido sua proximidade com a
III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
resposta espectral de outras feições na imagem como solo
ou baixa cobertura vegetal, por exemplo, o que pode
interferir na interpretação ou até mesmo confundir o
intérprete.
AGRADECIMENTOS
Ao Laboratório de Sensoriamento Remoto de
Santarém (LASERS) por possibilitar a realização deste
trabalho. Ao departamento de geração de imagens do
INPE por ceder as imagens utilizadas no corrente
trabalho.
REFERÊNCIAS
CARDOSO, F. S.; PEREIRA, G.; SILVA, G. B. S.;
SILVA, F. B.; SHIMABUKURO, Y. E.; MORAES, E. C.
Discriminação de áreas alagadas no Pantanal sulmatogrossense a partir de imagens orbitais. Anais do
2º Simpósio de Geotecnologias no Pantanal, Corumbá, p.
99-106, 2009.
ESPIG, S.A.; SOARES, J. V.; SANTOS, J.R. Variações
sazonais do Evi e NDVI em áreas do semi-árido
brasileiro. VII Seminário em atualização em
sensoriamento remoto e sistemas de informação
geográficas aplicados a engenharia florestal, 2006.
GAO, B.-C. NDWI- A Normalized difference water
index for remote sensing of vegetation liquid water
from space. Remote Sensing of Environment, v. 58, p.
257- 266, 1996.
HALL, F. G.; STREBEL, D. E.; NICKESON, J. E.;
GOETZ, S. J. Radiometric rectification: toward a
common radiometric response among multidate,
multisensory images. Remote Sensing of Environment,
v. 35, p. 11- 27, 1991.
HOLANDA, A. S. S. H.; GUERRA, C. E.; SUEMITSU,
C.; Uso de imagens NDVI e Modelo de Mistura
Espectral para o monitoramento de savanas no
município de Santarém- PA. 11º International Congress
of the Brasilian Geophysical Society. Salvador, Brasil,
2009.
JENSEN, J. R. Sensoriamento Remoto do Ambiente:
Uma perspectiva em recursos terrestres. Tradução:
José Carlos Neves Epiphanio. São José dos Campos, SP:
Parêntese, 2009.
PONZONI, F. J.; SHIMABUKURO, Y. E.;
Sensoriamento Remoto no Estudo da Vegetação.
Parentese: São Paulo, 2007.
PONZONI, F. J.; JUNIOR, J. Z.; LAMPARELLI, R. A.
C.; Calibração absoluta da câmera CCD/CBERS-2.
A. S. S. Holanda, C. E. Guerra
Recife - PE, 27-30 de Julho de 2010
p. 005-005
Anais do XII Simpósio Brasileiro de Sensoriamento
Remoto, p. 1067- 1074, 2005.
ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.;
DEERING, D. W. Monitoring vegetation systems in the
great plains with ERTS. Earth Resources Technology
Satellite-1 Symposium. Washington: Procedings, v.1,
Sec.A, p. 309- 317, 1973.