Análise comparativa entre o NDVI obtido por imagens multiespectrais e visíveis (RGB) em câmera acoplada em drone em área de videira
DOI :
https://doi.org/10.29150/jhrs.v13.6.p741-751Mots-clés :
sensoriamento remoto, índice de vegetação, uvaRésumé
O uso das tecnologias em estudos que envolvem o sensoriamento remoto tem avançado em função do aprimoramento dos sistemas de sensores e dos equipamentos que os transportam. Os avanços tecnológicos também têm possibilitado a realização de análises da superfície em diferentes escalas espaço-temporais por meio do uso de sensores acoplados em veículos aéreos não tripulados (VANT’s). Seu uso na ciência agrícola tem possibilitado o cômputo de índices de vegetação que permitem diversas análises dos plantios. O Índice de Vegetação por Diferença Normalizada (NDVI) é um dos mais utilizados em sensoriamento remoto, no entanto, para seu cálculo é necessário a banda do infravermelho próximo (NIR). Diante disso, o objetivo desse trabalho foi calcular e avaliar índices que estimam o NDVI a partir das bandas RGB e comparar com o NDVI calculado a partir de câmera multiespectral, visando a aquisição deste índice por câmeras de custo mais acessível. O estudo foi realizado em uma área de cultivo de uva, localizada em Petrolina-PE. O imageamento aéreo ocorreu em diferentes fases fenológicas da videira, no ano de 2022. Após o processamento das imagens, foram calculados três índices: NDVI, vNDVI e NDVI_Arai. Observou-se que o NDVI_Arai superestimou o NDVI observado em todas as fases fenológicas avaliadas, enquanto o vNDVI superestimou apenas na fase inicial de crescimento vegetativo. As correlações entre os índices foram fortes (R2 ~ 1), e o NDVI estimado mostrou ser eficiente para a representação do NDVI, sendo uma boa alternativa quando houver a ausência de câmeras multiespectrais ou hiperespectrais para a avaliação do desenvolvimento da videira.
Références
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.
Téléchargements
Publié-e
Numéro
Rubrique
Licence

Cette œuvre est sous licence Creative Commons Attribution 4.0 International.
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.