Índice de vegetação de satélite geoestacionário para análise temporal
fenológica do Cerrado em Goiás
Leandro Henrique Correia1 , Carlos Roberto da Silveira Junior1
1
Departamento de Informática, Instituto Federal de Goiás, Inhumas, Goiás, Brasil,
[email protected], [email protected]
RESUMO
A
crescente
exploração
agropecuária
do
cerrado
goiano
faz-se
necessário
um
acompanhamento temporal mais efetivo da cobertura vegetal em Goiás. O sensoriamento
remoto é uma ferramenta muito útil para monitoramento de coberturas vegetais dinâmicas e
cada vez mais vem sendo utilizada. Inicialmente utilizavam-se somente satélites orbitais para
a captação dos dados da superfície, entretanto, os satélites geoestacionários, normalmente
voltados para o acompanhamento de eventos climatológicos, são cada vez mais utilizados
como uma solução para a obtenção de imagens da superfície devido à sua alta resolução
temporal permitindo grande quantidade de amostras em um único dia. Esse artigo tem como
objetivo avaliar o produto NDVI (Índice da Diferença Normalizada da Vegetação) do satélite
geoestacionário MSG-10 (Meteosat Second Generation 10). Fez-se a aquisição e análise de
dados diários no ano de 2013 para três classes de uso da terra. Geraram-se recortes para
determinadas áreas e gráficos analíticos para pontos específicos. Os resultados demonstram o
potencial do dado analisado.
PALAVRAS-CHAVE: Cerrado, Meteosat Second Generation, NDVI.
INTRODUÇÃO
O cerrado é uma fronteira de expansão agrícola brasileira e o sensoriamento remoto é uma
alternativa viável de prover o acompanhamento temporal e sinóptico em extensas áreas como
as do cerrado brasileiro, principalmente considerando seu acentuado dinamismo da cobertura
vegetal (ROSENDO, 2005).
Satélites polares enfrentam o desafio de gerar imagens sem contaminação atmosférica,
normalmente obtidas com o processamento e composição de dados de determinado período
(FENSOLT et al, 2006). Por outro lado, os satélites geoestacionários, normalmente usados
para acompanhamento climatológico, têm sido cada vez mais utilizados para o monitoramento
da superfície, pois a probabilidade de ver a superfície do solo através de lacunas na cobertura
de nuvens é consideravelmente maior (FENSHOLT et al, 2006; ERTÜRK et al, 2014).
Entre estes satélites, destaca-se a série Meteosat da ESA (European Space Agency), em
órbita desde 1977. Sendo que o Meteosat 10 está a 0º de longitude e com um campo de visada
cobrindo toda a África, grande parte da Europa Ocidental, Oriente Médio e nordeste da
América do Sul. O sensor a bordo do satélite Meteosat 10 é o SEVIRI (Spinning Enhanced
Visible and Infrared Imager), que produz a cada 15 minutos, e com resolução espacial de 3
km, imagens em 12 bandas espectrais (EUMETSAT, 2014).
MATERIAL E MÉTODOS
No estudo dos dados pode-se compreender o produto NDVI Diário, em que os valores de
reflectância da banda do vermelho e infravermelho próximo são submetidos à correção do
ângulo zenital solar, utilizando o algoritmo BRDF (Bidirectional Distribution Reflectance
Function). Se o ângulo zenital solar é maior do que 75°, o valor do NDVI do pixel não é
calculado. Os dados deste produto são ainda filtrados quanto à contaminação por nuvens. Se
um determinado pixel apresenta mais de dez observações no dia sem contaminação, procedese com o calculo dos valores NDVI máximo, médio e mínimo do dia (ERTÜRK et al, 2014).
Figura 1 – Fórmula para cálculo do NDVI, onde: NIR é a banda infravermelho próximo e Red é o vermelho.
Fonte: próprio autor.
Na etapa de aquisição dos dados foram escolhidas imagens com os NDVI (Índice da
Diferença
Normalizada da
Vegetação)
disponibilizadas pela EUMETCAST (Sistema
multisserviço de disseminação de dados e produtos que utiliza satélites geoestacionários
comerciais operados pela EUMETSAT) via online.
No processamento dos dados trabalhou-se com imagens de NDVI, reprojetando os
dados e recortando-os para Goiás, em seguida, definiram-se pontos e geraram-se gráficos
contendo o comportamento do NDVI durante o ano de 2013, permitindo um sólido
acompanhamento temporal dos índices de vegetação. Utilizou-se a linguagem Python para
automatização do processamento. Para a validação das informações e gráficos obtidos com o
processamento dos dados, obteve-se dados MOD13A1 do sensor MODIS. Trata-se de dados
globais fornecidos a cada 16 (dezesseis) dias com 1000 (mil) metros de resolução.
Estudo dos
dados utilizados
no trabalho:
Imagens obtidas
através de
sensoriamento
remoto.
Aquisição dos
dados MSG e
MODIS.
Processamento
dos dados com
algoritmos em
python.
Análise dos
gráficos obtidos
com o
processamento
dos dados.
RESULTADOS E DISCUSSÃO
Testes foram realizados com pixels de cultivo, pastagem e vegetação preservada do Estado de
Goiás, e obteve-se um resultado satisfatório. Processou-se os dados MOD13A1 a fim de
propiciar uma análise comparativa entre os dois resultados gerados. No processamento dos
gráficos foi utilizado o filtro Savtzky-Golay (SCHAFER, 2011) para eliminar discrepâncias e
promover um gráfico mais limpo e interpretável. O polinômio do filtro trata os valores
próximos ao novo valor a ser gerado, como uma média ponderada do momento.
A Fig. 2 apresenta a amostragem do NDVI gerado a partir dos dados do MSG-10 para
três classes de uso da terra: unidade de conservação (Parque Nacional das Emas), agricultura
na região Norte e Sul e pastagem na região Norte e Sul. O eixo horizontal apresenta os dias do
ano de 2013, de 1 a 355, e o eixo vertical apresenta o índice de vegetação do dia. Em alguns
dias o NDVI não é disponibilizado devido à manutenção ou falha do satélite, e em outros
devido à cobertura de nuvens. Em média têm-se 260 amostras para cada classe avaliada.
Processou-se um gráfico a partir dos dados do MODIS (Fig. 3). Em ambos os gráficos
constatou-se os comportamentos mais lineares do NDVI para as duas classes de pastagens.
Figura 2 – Amostra do NDVI para os dados MSG-10.
0,800
Unid. Cons
0,600
Sul Agric
0,400
Norte Agric
0,200
Norte Pas
1
16
31
46
61
76
91
106
121
136
151
166
181
196
211
226
241
256
271
286
301
316
331
346
0,000
Sul Pas
Figura 3 – Amostra do NDVI para os dados MODIS.
1,000
Unid. Cons
0,600
Sul Agric
0,400
Norte Agric
0,200
Norte Pas
0,000
Sul Pas
1
16
31
46
61
76
91
106
121
136
151
166
181
196
211
226
241
256
271
286
301
316
331
346
0,800
Fonte: próprio autor.
CONCLUSÕES
Os dados geoestacionários representam uma alternativa no monitoramento da cobertura
vegetal. O comportamento temporal do NDVI permite compreender características específicas
de diferentes classes de uso da terra. Permitindo uma análise aprofundada de
desenvolvimentos de plantios, comportamento de pastagens e perdas relativas de vegetação.
Trabalhos futuros visam aplicação de filtros nos dados e uso de inteligência computacional
para classificação de uso da terra para o estado de Goiás.
REFERÊNCIAS
ERTÜRK, A. G.; ELLIOTT, S.; Barbosa, H.; SAMAIN, O.; & HEINEMANN, T. Preoperational NDVI Product Derived From MSG SEVIRI. Disponível em:
<https://www.eumetsat.int/website/wcm/idc/idcplg?idcservice=get_file&ddocname=pdf_conf
_p57_s1_05_erturk_p&revisionselectionmethod=latestreleased&rendition=web>. Acesso em:
15 out. 2014.
MESQUITA, V. V., Sistema EUMETCast – Handbook. Goiânia – Brasil: Laboratório de
Processamento de Imagens e Geoprocessamento – UFG, 2013, p. 25. Disponível em:
<http://www.lapig.iesa.ufg.br/lapig/>. Acesso: 10 out. 2014.
FENSHOLT, R.; SANDHOLT, I.; STISEN, S.; TUCKER, C. Analysing NDVI for the
African continent using the geostationary Meteosat Second Generation SEVIRI sensor.
Remote Sensing of Environment, v. 101, n. 2, p. 212–229. doi: 10.1016/j.rse.2005.11.013,
2006.
MENEZES, P. R., & ALMEIDA, T. De. Introdução ao Processamento de Imagens de
Sensoriamento Remoto. (p. 266), 2012. Disponível em: <http://www.cnpq.br/documents
/10157/56b578c4-0fd5-4b9f-b82a-e9693e4f69d8>. Acesso: 10 out. 2014.
ROSENDO J. S., R. R. Exemplo de aplicação do produto mod13q1 disponibilizado pelo
sensor Modis Terra. Anais XII Simpósio Brasileiro de Sensoriamento Remoto,
16(21):3285–92, 2005.
SCHAFER, R, W. What is a Savitzky-Golay Filter. IEEE Signal Processing Magazine, Julho,
2011, Ed. 111