Comparative analysis between NDVI obtained by multispectral and visible (RGB) images from drone camera in a table grape area
DOI:
https://doi.org/10.29150/jhrs.v13.6.p741-751Keywords:
remote sensing, vegetation index, grapeAbstract
The use of technologies in studies involving remote sensing has advanced due to the improvement of sensor systems and the equipment that transport them. Technological advances have also made it possible to perform surface analyzes on different space-time scales through the use of sensors attached to unmanned aerial vehicles (UAVs). Its use in agricultural science has enabled the calculation of vegetation indices that allow various analyzes of plantations. The Normalized Difference Vegetation Index (NDVI) is one of the most used in remote sensing, however, its calculation requires the near infrared (NIR) band. Therefore, the objective of this work was to calculate and evaluate indices that estimate the NDVI from the RGB bands and compare with the NDVI calculated from a multispectral camera, aiming to acquire this index by more affordable cameras. The study was carried out in a grape growing area, located in Petrolina-PE. Aerial imaging took place at different phenological stages of the vine, in the year 2022. After processing the images, three indices were calculated: NDVI, vNDVI and NDVI_Arai. It was observed that NDVI_Arai overestimated the NDVI observed in all phenological phases evaluated, while vNDVI overestimated only in the initial phase of vegetative growth. The correlations between the indices were strong (R2 ~ 1), and the estimated NDVI proved to be efficient for representing the NDVI, being a good alternative when there is the absence of multispectral or hyperspectral cameras to evaluate grapevine development.
References
Alvares, C.A., Stape, J.L., Sentelhas, P.C., Gonçalves, J.D.M., Sparovek, G., 2013. Köppen’s climate classification map for Brazil. Meteorologische zeitschrift 22, 711-728.
Arai, K., Gondoh, K., Shigetomi, O., Miura, Y., 2016. Method for NIR reflectance estimation with visible camera data based on regression for NDVI estimation and its application for insect damage detection of rice paddy fields. International Journal of Advanced Research in Artificial Intelligence 5, 17-22.
Bezerra, U.A., Oliveira, L.M.M., Candeias, A.L.B., Silva, B.B., Leite, A.C.L.D.S., Silva, L.T.M.D.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 41, 167-177.
Cardoso, P.V., Seabra, V.S., Xavier, R.A., Rodrigues, E.M., 2021. Mapeamento de Áreas de Caatinga Através do Random Forrest: Estudo de caso na Bacia do Rio Taperoá. Revista Geoaraguaia 11, 55-68.
Costa, L., Nunes, L., Ampatzidis, Y., 2020. A new visible band index (vNDVI) for estimating NDVI values on RGB images utilizing genetic algorithms. Computers and Electronics in Agriculture 172, 105334.
Eduvirgem, R.V., Parolin, M., Villwock, F.H., 2020. Aplicação de índices de vegetação na avaliação espacial da vegetação do Parque Estadual de Vila Velha. Geoingá. Revista do Programa de Pós-Graduação em Geografia (PGE/UEM) 12, 78-96.
Ferreira, L.G., Ferreira, N.C., Ferreira, M.E., 2008. Sensoriamento remoto da vegetação: evolução e estado-da-arte. Acta Scientiarum. Biological Sciences 30, 379-390.
Formaggio, A.R., Sanches, I.D.A., 2017. Sensoriamento remoto em agricultura. Oficina de Textos, São Paulo.
Freire-Silva, J., Paz, Y.E., Lima-Silva, P.P., Pereira, J.A.S., Candeias, A.L.B., 2019. Índices de vegetação do sensoriamento remoto para processamento de imagens na faixa do visível (RGB). Journal of Hyperespectral Remote Sensing 9, 228-239.
Galvíncio, J.D., Naue, C.R., 2020. Estimation of NDVI with visible images (RGB) obtained with drones. Journal of Hyperspectral Remote Sensing 9, 407-420.
Galvíncio, J., Miranda, R.Q., Moura, M.S.B., Montenegro, S., 2022. ADIVA - Análise de Índice de Vegetação e Água. Revista Brasileira de Geografia Física 15, 1654-1659.
Gomes, A., Queiroz, D.M.D., Valente, D.S., Pinto, F.D.A.D.C., Rosas, J.T., 2021. Comparing a single-sensor camera with a multisensor camera for monitoring coffee crop using Unmanned Aerial Vehicles. Engenharia Agrícola 41, 87-97.
Ivushkin, K., Bartholomeus, H., Bregt, A.K., Pulatov, A., Franceschini, M.H., Kramer, H., Lood, E.N., Romand, V.J., Finkers, R., 2019. UAV based soil salinity assessment of cropland. Geoderma 338, 502-512.
Liang, S., 2004. Quantitative remote sensing of land surfaces. Wiley Interscience, New Jersey.
Liu, W.T.H., 2015. Aplicações de sensoriamento remoto. UNIDERP, Campo Grande.
Meneses, P.R, Almeida, T., 2012. Introdução ao processamento de imagens de sensoriamento remoto. Universidade de Brasília, Brasília.
Meneses, P.R., Netto, J.S.M., 2001. Sensoriamento remoto: reflectância dos alvos naturais. Universidade de Brasília, Brasília.
Myneni, R.B., Nemani, R.R., Running, S.W., 1997. Estimation of global leaf area index and absorbed PAR using radiative transfer models. IEEE Transaction Geoscience Remote Sensing 35, 1380-1393.
Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W., 1973. Monitoring vegetation systems in the great plains with ERTS. Earth Resources Tecnology Satellite- 1 Symposium, NASA SP-351, 309-317.
Sampaio, H.S., Bourscheidt, V., Sarracini, L.H., Jorge, L.D.C., Bettiol, G.M., Bernardi, A.D.C., 2020. Comparação entre Índices de Vegetação obtidos por imagens aéreas com Veículo Aéreo não Tripulado (VANT) e Satélite. Revista Brasileira de Engenharia de Biossistemas 14, 111-124.
Santos, C.V.B., Baptista, G.M.M., Moura, M.S.B., 2017. Seasonality of Vegetation Indices in different land uses in the São Francisco Valley. Journal of Hiperespectral Remote Sensing 7, 158-167.
Santos, C.V.B., Moura, M.S.B., Carvalho, H.F.S., Galvíncio, J.D., Miranda, R.Q., Nishiwaki, A.A.M., Montenegro, S.M.G.L., 2022. Avaliação do índice de área foliar e índice de área da planta em floresta seca utilizando modelos simplificados em imagens de alta resolução com o uso de VANT. Journal of Hyperspectral Remote Sensing 12, 109-123.
Santos, C.V.B., Moura, M.S.B., Galvíncio, J.D., Carvalho, H.D.S., Miranda, R.D.Q., Montenegro, S.M.G.L., 2021. Comparação de imagens multiespectrais utilizando Satélites e VANT para a análise de mudanças estruturais em área de Floresta Seca. Revista Brasileira de Geografia Física 14, 2510-2522.
Shiratsuchi, L.S., Brandão, Z.N., Vicente, L.E., Victoria, D.D.C., Ducati, J.R., De Oliveira, R.P., Vilela, M.D.F., 2014. Sensoriamento remoto: conceitos básicos e aplicações na agricultura de precisão, in: Bernardi, A.C.C, Naime, J.M., Resende, A.V., Bassoi, L.H., Inamasu, R.Y., Agricultura de precisão: resultados de um novo olhar. Embrapa, Brasília, 58-73.
Sousa, H.L., 2018. Sensoriamento remoto com VANTs: uma nova possibilidade para a aquisição de geoinformações. Revista Brasileira de Geomática 5, 326.
Downloads
Published
Issue
Section
License
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.
