Índices espectrais na detecção de corpo hídrico utilizando imagens do sensor MSI - Sentinel 2
DOI:
https://doi.org/10.29150/2237-2202.2021.252362Abstract
Índices espectrais processados a partir de dados de satélites têm sido amplamente utilizados para avaliar alterações do uso e cobertura do solo, principalmente com foco na detecção de corpos hídricos em áreas extensas. Este artigo analisou a distribuição espacial do Índice de Vegetação por Diferença Normalizada (NDVI) e Índice de Água por Diferença Normalizada (NDWI) utilizando dados do sensor MSI - Sentinel 2, na região semiárida que compreende parte do território da bacia hidrográfica do rio Moxotó em Pernambuco. Ao se analisar as datas das imagens que abrangeram períodos considerados chuvoso e seco em 2019, ficou evidenciado a dinâmica do comportamento espacial da área de estudo. O NDVI apresentou valores médios iguais a 0,404; 0,343; 0,179; 0,162;0,158 e 0,273, referentes a junho, julho, setembro, outubro, novembro e dezembro de 2019, respectivamente. Na visualização do NDVI pelas cartas georreferenciadas, ficou evidenciado a diminuição ao longo dos meses e o aumento no último mês estudado. Comportamento similar foi detectado no NDWI, com diminuição ao longo dos meses, exceto em dezembro que atingiu valor médio de -0,260. Além disso, a partir do NDWI foi possível calcular a área superficial do Açude Poço da Cruz que teve discreta diminuição durante os meses pesquisado. O sensor MSI - Sentinel-2 processado no software de livre acesso QGIS permitiu o delineamento dos alvos devido à sua maior resolução espacial, principalmente no Açude Poço da Cruz no município de Ibimirim e trecho do Canal de Integração do Rio São Francisco.References
Alves, E.D.L, 2016. Influência das variáveis naturais e antrópicas nos padrões da temperatura de superfície: Análise por meio de regressão linear múltipla. Raega - O Espaço Geográfico em Análise 38, 345 – 364. Disponivel em: www.ser.ufpr.br/raega.
Agência Pernambucana de Águas e Clima – APAC, 2020. Sistema de Informação Geográfica. Disponível em: . Acesso: Maio de 2020.
Barbosa, A.H.S., Carvalho, R.G., Camacho, R.G.V., 2017. Aplicação do NDVI para a Análise da Distribuição Espacial da Cobertura Vegetação na Região Serrana de Martins e Portalegre – Estado do Rio Grande do Norte. Revista do Departamento de Geografia. Vol. 33, p. 128-143. https://doi.org/10.11606/rdg.v33i0.128171.
Bezerra, U.A., Oliveira, L.M.M., Candeias, A.L.B., Silva, B.B., Leite, A.C.S., Silva, L.T.M.S., 2018. Comparativo do Índice de Vegetação de Diferença Normalizada (NDVI) entre os Sensores OLI - Satélite Landsat-8 e MSI – Satélite Sentinel-2 em Região Semiárida. Anuário do Instituto de Geociências – UFRJ. Vol. 41 – 3, p. 167-177.
Bezerra, U.A., Silva, L.T.M.S., Oliveira, L.M.M., Ribeiro Neto, A., Almeida, D.N.O., Andrade, J.M., 2019. Comparativo do Índice NDVI entre os Sensores OLI - Satélite Landsat-8 e MSI – Satélite Sentinel-2 no entorno do Reservatório Poço da Cruz-PE.In Anais: XXVIII Simpósio Brasileira de Recursos Hídricos.
Chauhan, K. R., Patel, J. J., Shukla, S. H., Kalubarme, M. H., 2021. Monitoring water spread and aquatic vegetation using Spectral Indices in Nalsarovar, Gujarat State-India. International Journal of Environmente and Geoinformatics (IJEGEO) vol. 8 (1), p. 049-056. doi: 10.30897/ijegeo.790839.
Chouhan, R., Rao, N., 2011. Vegetation detection in multispectral remote sensing images: Protective role analysis of vegetation in 2004 indian ocean tsunami. Geo-Information for disaster management, Turkey. Disponível em: <http://www.isprs.org/proceedings/2011/Gi4DM/PDF/ OP37.pdf>. Acesso: maio de 2020.
Costa, L.C.B., Guasselli, L.A., 2017. Dinâmica sazonal de remanescentes da mata atlântica, a partir de séries temporais NDVI/MODIS. Geo UERJ, n.30, p.214-239.
Du, Y., Zhang, Y., Ling, F., Wang, Q., LI, W., Li, X., 2016. Water bodies’ mapping from Sentinel-2 imagery with Modified Normalized Difference Water Index at 10-m spatial resolution produced by sharpening the SWIR band. Remote Sensing, 8(4). https://doi.org/10.3390/rs8040354.
Ferreira Júnior, J.J., Dantas, M. J.F., 2018. Análise do albedo da superfície e de índices de vegetação por sensoriamento remoto na bacia hidrográfica do Rio Pacoti/CE. Revista Tecnologia. https://doi.org/10.5020/23180730.2018.8132
Jiang, H., Feng, M., Zhu, Y., Lu, N., Huang, J., Xiao, T., 2014. An automated method for extracting rivers and lakes from Landsat imagery. Remote Sensing, 6(6), p. 5067–5089. https://doi.org/10.3390/rs6065067.
Jothimani, M., Gunalan, J., Duraisamy, R., Abebe, A., 2021. Study the relationship between LULC, LST, NDVI, NDWI and NDBI in Greater Arba Minch Area, Rift Valley, Ethiopia. Atlantis Highlights in Computer Sciences, voL. 4, P. 183-193.doi: 10.2991/ahis.k.210913.023.
Kafer, P.S., Rex. F.E., 2020. Avaliação espectral e temporal de remanescentes da Mata Atlântica com dados SPOT-VGT e variáveis metereológicas. BIOFIX Scientific Journal, v.5, n.1.p. 13-22. DOI: dx.doi.org/10.5380/biofix. v5i1.67235
Kang, L., 2014. Use of Geographically Weighted Regression Model for Exploring Spatial Patterns and Local Factors Behind NDVIPrecipitation Correlation. IEEE Journal of selected topics in applied earth observations and remote sensing, v.7, n.11, p.4530-4538. doi: 10.1109/JSTARS.2014.2361128.
Kovar, M.; Brestic, M.; Sytar, O.; Barek, V.; Hauptvogrl, P.; Zivcak, M., 2019. Evaluation of hyperspectral reflectance parameters to assesse the leaf water conten in soybean. Water; 11, 443. doi:10.3390/w11030443.
Li, H.; Yang, W.; Lei, J.; She, J.; Zhou, X., 2021 Estimation of leaf water content from hyperspectral data of different plant species by using three new spectral absorption indices. PLoS ONE 16(3): e0249351.https://doi.org/10.1371/journal.pone.0249351.
Mcfeeters, S.K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), p. 1425–1432.https://doi.org/10.1080/01431169608948714
Oliveira, T.H., Machado, C.C.C., Silva, J.S., Galvíncio, J.D., Pimentel, R.M.M., Silva, B.B., 2010. Índice de umidade (NDWI) e análise espaço-temporal do albedo da superfície da bacia hidrográfica do rio Moxotó-PE. Revista Brasileria de Geografia Física, v.3, p. 55-69. doi: https://doi.org/10.26848/rbgf.v3i2.232669.
Penha, T.V., Pletsch, M.A.S., Silva Junior, C.H.L., Körting, T.S., Fonseca, L.M.G., 2017. Detecção e delimitação automática de corpos hídricos em imagens Sentinel-2: uma proposta de integração do algoritmo Fmask aos índices espectrais NDWI e MNDWI. XVIII GEOINFO, p340-345, Salvador, BA.
Rokni, K., Ahmad, A., Selamat, A., Hazini, S., 2014.Water feature extraction and change detection using multitemporal landsat imagery. Remote Sensing, 6(5), 4173–4189. https://doi.org/10.3390/RS6054173.
Rouse, J.W., Jr.; Haas, R.H.; Schell, J.A. & Deering, D.W., 1973. Monitoring vegetation systems in the Great Plains with ERTS. In: Proceedings of the third earth resources technology Satellite-1 Symposium, 3, Washington, D.C., 1973. Proceedings. Washington, D.C.: NASA. Goddart Space Flight Center, p.,309-317.
Santos, P. R., Lima, B.R.C., Carvalho, A. A., Silva, H. P., El-Deir, S.G., Ramos, R.P.S., Alexandre, F.S., Garcia, A.C.S.M., 2021. Gestão de água na irrigação e modificações na cobertura do solo em reservatório artificial em semiárido brasileiro.Revista Brasileira de Desenvolvimento Territorial Sustentável, GUAJU, Matinhos, v.7, n.1,jan./jun.. p., 182-212.
She, X., Zhang, L., Cen, Y., Wu, T., Huang, C., Baig, M.H.A., 2015. Comparison of the continuity of vegetation indices derived from Landsat 8 OLI and Landsat 7 ETM+ data among different vegetation types. Remote Sensing, 7(10): 13485-13506. https://doi.org/10.3390/rs71013485.
Shashikant, V., Mohamed Shariff, A.R., Wavavok, A., Kamal, M.R., Lee, Y.P., 2021. Utilizing TVDI and NDWI to Classify Severity of Agricultural Drought in Chuping, Malaysia. Agronomy, 11, 1243. https://doi.org/10.3390/ agronomy11061243.
USGS, 2020. Landsat 8 (L8) Data Users Handbook, 2015, LSDS-1574, version 1.0. Sioux Falls, USA: USGS Eros. Disponível em <https://landsat.usgs.gov/documents/Landsat8DataUsersHandbook.pdf> Acesso em 05 março 2020.
Wang, Q.; Tenhunen, J.D., 2004. Vegetation mapping with multitemporal NDVI in North Eastern China Transect (NECT). International Journal of Applied Earth Observation and Geoinformation, v.6, n.1, p.17-31. doi:10.1016/j.jag.2004.07.002.
Zhu, Z., Woodcock, C.E., 2014. Continuous change detection and classification of land cover using all available Landsat data. Remote Sensing of Environment. 144: 152–171. https://doi.org/10.1016/j.rse.2014.01.011.
Zhu, L., Walker, J.P., Ye, N., Rüdiger, C., 2019. Roughness and vegetation change detection: A preprocessing for soil moisture retrieval from multi-temporal SAR imagery. Remote Sensing of Environment, v. 225, p. 93–106. Elsevier Inc. doi:10.1016/j.rse.2019.02.027.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Journal of Hyperspectral Remote Sensing
This work is licensed under a Creative Commons Attribution 4.0 International License.
Material protegido por direitos autorais e plágio. No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da RBGF ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que o plágio for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de re-submissão. Auto-plágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
