Protocolo Metodológico para Obtenção dos Valores de Reflectância e de NDVI de Imagens Landsat 8/OLI Utilizando LEGAL
DOI:
https://doi.org/10.26848/rbgf.v14.2.p869-880Palavras-chave:
Protocolo, NDVI, Reflectância, Landsat 8, SPRINGResumo
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.
Methodological protocol for obtaining reflectance and NDVI values from Landsat 8/OLI images using LEGAL
A B S T R A C T
Obtaining reflectance values is essential for calculating vegetation indices, such as the NDVI (Normalized Difference Vegetation Index). This index is used to classify the global distribution of vegetation and to infer the ecological and environmental parameters such as phytomass production. Nevertheless, it is common to find works that use digital numbers (DN) to directly obtain vegetation indices; however, such digital numbers do not represent actual physical values and therefore cannot be used directly for NDVI calculation. Thus, this paper aims to demonstrate a methodological protocol for DN conversion of Landsat 8/OLI images into reflectance values and then for obtaining NDVI through the LEGAL (Spatial Language for Algebraic Geoprocessing). Therefore, this protocol enables the replication and execution of other studies aimed to obtain this vegetation index using SPRING. In addition, the objective was also to demonstrate the importance of converting DN to reflectance by comparing an NDVI image generated from reflectance with the same NDVI image generated through the raw data. The results showed that obtaining the NDVI through the raw values of remote sensing images, without the conversion of digital numbers to real reflectance values, leads to incorrect results in the estimation of ecological vegetation data, underestimating phytomass, thus emphasizing the importance of following a methodological protocol for the correct estimation of biomass, productivity and other phytological parameters.
Keywords: protocol, NDVI, reflectance, 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 <http://www.dpi.inpe.br/spring/ english/tutorial/legal.html>, 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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
