Protocolo Metodológico para Obtenção dos Valores de Reflectância e de NDVI de Imagens Landsat 8/OLI Utilizando LEGAL

João Pedro Ocanha Krizek, Luciana Cavalcanti Maia Santos

Resumo


A obtenção dos valores de reflectância se mostra imprescindível para se calcular índices de vegetação, como o NDVI (Normalized Difference Vegetation Index). Este índice é utilizado para classificar a distribuição global da vegetação e para inferir variáveis ecológicas e ambientais, como a produção de fitomassa.  Apesar disso, não é incomum encontrar trabalhos que utilizam os números digitais (ND) para a obtenção direta dos índices de vegetação; entretanto, tais números digitais não representam valores físicos reais e, portanto, não podem ser utilizados diretamente para o cálculo do NDVI. Assim, o objetivo deste artigo é demonstrar um protocolo metodológico para a conversão dos ND das imagens Landsat 8/OLI em valores de reflectância e a subsequente obtenção do NDVI, através da linguagem LEGAL (Linguagem Espacial para Geoprocessamento Algébrico), e, dessa forma, possibilitar a replicação e execução de outras pesquisas que visem obter esse índice de vegetação no software SPRING. Além disso, objetivou-se também demonstrar a importância da conversão dos ND em reflectância, a partir da comparação de uma imagem NDVI gerada através da reflectância com a mesma imagem NDVI gerada por meio dos dados brutos. Os resultados apontaram que a obtenção do NDVI através dos valores brutos de imagens de sensoriamento remoto, sem a necessária conversão dos números digitais em valores reais de reflectância, leva a resultados incorretos na estimativa de dados ecológicos da vegetação, subestimando a fitomassa. Dessa forma, esse trabalho ressalta a importância de se seguir um protocolo metodológico para a estimativa correta da fitomassa, produtividade e outros parâmetros da vegetação.

Palavras-chave


Protocolo; NDVI; Reflectância; Landsat 8; SPRING

Referências


Ariza, A. (2013). Descripción y Corrección de Productos Landsat 8 LDCM (Landsat Data Continuity Mission) Versión 1.0. Bogotá: Instituto Geográfico Agustín Codazzi.

Asrar, G.; Kanemasu, E. T.; Jackson, R. D; Pinter Jr., P. J. (1985). Estimation of total above-ground phytomass production using remotely sensed data. Remote Sens. Environ., v. 17, pp. 211-220.

Baret, F.; Guyot, G.; Major, D. J. (1989). Crop biomass evaluation using radiometric measurements. Photogrametria, v. 43, n. 5, pp. 241-256.

Baret, F.; Guyot, G. (1991). Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sensing of Environment, v. 3, pp. 161-73.

Bawa, K. et al. (2002). Assessing biodiversity from space: an example from the Western Ghats, India. Conservation Ecology, v. 6, n. 2, p. 7.

Bezerra, M. V. C.; Silva, B. B.; Bezerra, B. G. (2011). Avaliação dos efeitos atmosféricos no albedo e NDVI obtidos com imagens de satélite. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 15, n. 7, pp. 709-717.

Bolfe, E. L.; Batistella, M.; Ferreira, M. C. (2012). Correlação de variáveis espectrais e estoque de carbono da biomassa aérea de sistemas agroflorestais. Pesq. agropec. bras., v. 47, n. 9, pp. 1261-1269.

Câmara, G. (1995). Modelos, Linguagens e Arquiteturas para Bancos de Dados Geográficos. São José dos Campos: INPE. 264 p. Tese de Doutorado.

Clevers, J. G. P. W. (1988). The derivation of a simplified reflectance model for the estimation of leaf area index. Remote Sensing of Environment, v. 25, pp. 53-69.

Corrêa, C. C.; Pimenta, M.; Dutra, S. L.; Marco Júnior, P. (2011). Utilização do NDVI na avaliação da resposta de besouros herbívoros à complexidade e heterogeneidade ambiental em diferentes escalas no Bioma cerrado. Anais do XV Simpósio Brasileiro de Sensoriamento Remoto, Curitiba, 2011, pp. 3103-3110.

De Mas, E. et al. (2019). Spatial modeling of spider biodiversity: matters of scale. Biodiversity and Conservation, v. 18, pp. 1945-1962.

Eduardo, B. F. S.; Silva, A. J. F. M. (2013). Avaliação da influência da correção atmosférica no cálculo do índice de vegetação NDVI em imagens Landsat 5 e RapidEye. Anais do XVI Simpósio Brasileiro de Sensoriamento Remoto, Foz do Iguaçu, 2013, pp. 1442-1449.

Epiphanio, J. C. N.; Formaggio, A. R.; França, G. V. (1990). Avaliação das bandas do satélite Landsat-5 na discriminação entre culturas de trigo e de feijão. Pesquisa Agropecuária Brasileira, Brasília, v. 25, n. 3, pp. 371-377.

Epiphanio, J. C. N.; Gleriani, J. M.; Formaggio, A. R.; Rudorff, B. F. T. (1996). Índices de vegetação no sensoriamento remoto da cultura do feijão. Pesquisa Agropecuária Brasileira, Brasília, v. 31, n. 6, pp. 445-454.

Florenzano, T. G. (2011). Iniciação em sensoriamento remoto. 3. ed. ampl. e atual. São Paulo: Oficina de Textos.

Fontana, D. C.; Berlato, M. A.; Bergamaschi, H. (1998). Relação entre o índice de vegetação global e condições hídricas no Rio Grande do Sul. Pesquisa Agropecuária Brasileira, Brasília, v. 33, n. 8, pp. 1399-1405.

Fontana, D. C.; Santos, L. N.; Dalmago, G. A.; Schirmbeck, J.; Schirmbeck, L. (2019). NDVI e alguns fatores de variabilidade. Anais do XIX Simpósio Brasileiro de Sensoriamento Remoto, Santos, 2019.

Formaggio, A. R.; Alves, D. S.; Epiphanio, J. C. N. (1992). Sistemas de informações geográficas na obtenção de mapas de aptidão agrícola e de taxa de adequação de uso das terras. Revista Brasileira de Ciência do Solo, v. 16, n. 2, pp. 249-256.

Garay, I.; Dias, B. (org). (2011). Conservação da biodiversidade em ecossistemas tropicais. Petrópolis: Editora Vozes.

Holben, B. N.; Tucker, C. J.; Fan, C. J. (1980). Spectral assessment of soybean leaf area and leaf biomass. Photogrammetric Engineering and Remote Sensing, v. 46, pp. 651-656.

Huete, A. R.; Jackson, R. D. (1988). Soil and atmosphere influences on the spectra of partial canopies. Remote Sensing of Environment, v. 25, n. 1, pp. 89-105.

Huete, A. R.; Liu, H. Q.; Batchily, K.; Leeuwen, W. van. (1997). A comparison of vegetation indices over a global set of TM images for EOS‑MODIS. Remote Sensing of Environment, v. 59, pp. 440‑451.

INPE – Instituto Nacional de Pesquisas Espaciais. (2019). Site , acessado em 01 de junho de 2019.

Justice, C. O. et al. (1998). The Moderate Resolution Imaging Spectroradiometer (MODIS): land remote sensing for global change research. IEEE Transactions on Geoscience and Remote Sensing, v. 36, pp. 1228‑1249.

Krizek, J. P. O.; Santos, L. C. M. (2019). Caracterização espacial de manguezais na região de Cananéia, litoral Sul de São Paulo, utilizando geotecnologias. Anais do XIV Congresso de Ecologia do Brasil, São Lourenço, 2019.

Lassau, S. A.; Hochuli, D. F. (2008). Testing predictions of beetle community patterns derived empirically using remote sensing. Diversity and Distributions, v. 14, pp. 138-147.

Liu, W. T. H. (2007). Aplicações de Sensoriamento Remoto. Campo Grande: Editora UNIDERP.

Marcussi, A. B.; Bueno, C. R. P.; Miqueloni, D. P.; Arraes, C. L. (2010). Utilização de índices de vegetação para os sistemas de informação geográfica. Caminhos de Geografia, v. 11, n. 35, pp. 41-53.

Markham, B. L.; Barker, J. L. (1987). Radiometric Properties of U.S. processes Landsat MSS data. Remote Sensing of Environment, v. 17, pp. 39-71.

Moreira, M. A. (2011). Fundamentos do sensoriamento remoto e metodologias de aplicação. 4. ed. atual. e ampl. Viçosa: Ed. UFV.

Neto, R. T. B.; Filho, M. B. B. B.; Lopes, H. L.; Pacheco, A. P. (2008). Determinação de valores físicos de imagens TM/Landsat-5 utilizando a linguagem LEGAL para obter índices de vegetação. Anais do II Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação, Recife, 2008.

Pearson, R. L.; Miller, R. D. (1972). Remote mapping of starting crop biomass for estimation of the productivity of the short grass prairie. Proceedings of the International Symposium on Remote Sensing of Environment 8, Ann Arbor, 1972, v. 2, pp. 1355-1373.

Pereira, J. L. G.; Batista G. T.; Roberts D. (1996). Reflectância de Coberturas Vegetais na Amazônia. Anais do VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador, 1996, pp. 551-556.

Perry, C. R.; Lautenschlager, L. F. (1984). Functional equivalence of spectral vegetation indices. Remote Sensing of Environment, v. 14, pp. 169‑182.

Qi, J.; Chehbouni, A.; Huete A.R.; Kerr, Y.H.; Sorooshian, S. (1994).A modified soil adjusted vegetation index. Remote Sensing of Environment, v. 48, 119‑126.

Richardson, A. J.; Wiegand, C. L. (1977). Distinguishing vegetation from soil background information. Photogrammetric Engineering and Remote Sensing, v.1, pp. 1541-1552.

Rouse, J. W.; Haas, R. H.; Schell, J. A.; Deering, D. W. (1973). Monitoring vegetation systems in the great plains with ERTS. Proceedings of the Earth Resources Technology Satellite-1 Symposium 3, Washington, 1973. v. 1, pp. 309-317.

Rouse, J. W.; Haas, R. H.; Schell, J. A.; Deering, D. W.; Harlan, J. C. (1974). Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation. Greenbelt: NASA.

Rudorff, B. F. T.; Batista, G. T. (1991). Wheat yield estimation at the farm level using TM Landsat and agrometeorological data. Remote Sensing of Environment, v. 33, pp. 183-192.

Sanches, I. D. A. et al. (2011). Análise comparativa de três métodos de correção atmosférica de imagens Landsat 5 – TM para obtenção de reflectância de superfície e NDVI. Anais do XV Simpósio Brasileiro de Sensoriamento Remoto, Curitiba, 2011, pp. 7564-7571.

Santos, L. C. M.; Bitencourt, M. D. (2016). Remote sensing in the study of Brazilian mangroves: review, gaps in the knowledge, new perspectives and contributions for management. Journal of Integrated Coastal Zone Management, v. 16, pp. 1-17.

Sausen, T. M.; Lacruz, M. S. P. (2015). Sensoriamento remoto para desastres. São Paulo: Oficina de Textos.

Saveraid, E. H.; Debinski, D. M.; Kindscher, K.; Jakubauskas, M. E. (2001). A comparison of satellite data and landscape variables in predicting bird species occurrences in the Greater Yellowstone Ecosystem, USA. Landscape Ecology, v. 16, pp. 71-83.

Silleos, N. G.; Alexandridis, T. K.; Gitas, I. Z.; Perakis, K. (2006). Vegetation indices: advances made in biomass estimation and vegetation monitoring in the last 30 years. Geocarto International, v. 21, pp. 21‑28.

Silva, B. B.; Braga, A. C.; Braga, C. C.; Oliveira, L. M. M.; Montenegro, S. M. G. L.; Junior, B. B. (2016). Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 20, n. 1, 2016, pp. 3-8.

Silva, E. T. J. B. (2004). Utilização dos índices de Vegetação do Sensor MODIS para Detecção de Desmatamentos no Cerrado: Investigação de Parâmetros e Estratégias. Brasília: Universidade de Brasília. 146 p. Dissertação de Mestrado.

Taiz, L. et al. (2017). Fisiologia e desenvolvimento vegetal. 6. ed. Porto Alegre: Artmed.

Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, v. 8, pp. 127-150.

Verona, J. D. (2003). Classificação e Monitoramento Fenológico Foliar da Cobertura Vegetal na Região da Floresta Nacional do Tapajós – Pará, Utilizando Dados Multitemporais do Sensor ThematicMapper (TM) do Landsat. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2003. 161 p. Dissertação de Mestrado.

Wiegand, C. L.; Richardson, A. J. (1984). Leaf area, light interception, and yield estimates from spectra1 components analysis. Agron. J., v. 76, pp. 543-548.

Zhang, X. Y.; Friedl, M. A.; Schaaf, C. B.; Strahler, A. H.; Hodges, J. C. F.; Gao, F.; Reed, B. C.; Huete, A. (2003). Monitoring vegetation phenology using MODIS. Remote Sensing of Environment, v. 84, pp. 471‑475.

Zullo Junior, J. (1994). Correção atmosférica de imagens de satélite e aplicações. Campinas: Universidade Estadual de Campinas. 189 p. Tese de Doutorado.




DOI: https://doi.org/10.26848/rbgf.v14.2.p%25p

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License