Produtos obtidos com Imagens do Satélite Landsat 9 – Estudo de caso

O sensoriamento remoto tem sido explorado de varias formas nas ultimas décadas, culminando na atualidade com possibilidades múltiplas de obtenção de produtos, que auxiliam sobremaneira aos profissionais envolvidos nas geotecnologias na tomada de decisões. As imagens gratuitas do sistema Landsat, estão ao alcance de todos os profissionais, e permitem uma série de produtos. (https://earthexplorer.usgs.gov/)

Neste tutorial, no qual supomos que os usuários tem conhecimento básico de sensoriamento remoto e de utilização de software de SIG no caso do QGIS 3.34.4, utilizado neste trabalho.

Trabalhar-se-á com as imagens do satélite Landsat 9. Foi utilizado nos exemplos o Município do Estado do Paraná, Santa Helena, lindeiro ao lago da Barragem de Itaipu.

Serão apresentados em síntese os principais produtos estudados por diversos pesquisadores na área de Sensoriamento Remoto, de agricultura de precisão e Engenharia Florestal, sem, contudo, nos estendermos nos detalhes de interpretação das imagens.

Este trabalho foi desenvolvido a partir do trabalho UseGis Raster de Horacio Useche Losada, Geologist & Google Software Developer de 2020, o qual sugiro a leitura completa pelos interessados no assunto.

Tópicos

APRESENTAÇÃO DAS BANDAS DO LANDSAT COM USO MONOESPECTRAL

APLICAÇÃO E USO DE BANDA MONOESPECTRAL

USO DOS PRODUTOS LANDSAT COM COMBINAÇÕES MULTIESPECTRAIS

USO DO LANDSAT COM ALGEBRA DE BANDAS

ALGUMAS CONSIDERAÇÕES SOBRE O LANDSAT 9

O Programa Landsat foi iniciado em 1972, a resolução espacial de 15 m na imagem Pancromática e de  30 m no multibandas. Apresenta um variado tipo espectral e uma ampla abrangência de cada cena. Pode ser utilizado para trabalhos em escala menores que 1:25.000.

A Cena básica do Landsat possui dimensões de 170km por 183Km. O satélite efetua revisita no mesmo local a cada 16 dias aproximadamente. A Resolução Radiométrica é de 16 bit por pixel, podendo ser reamostrado a 8 bits..

No quadro a seguir mostram-se as Bandas do Sistema OLI (Operational Land Imager) e do TIRS (Thermal Infrared Sensor), que compõe o Landsat 9.

Obs. A banda B5 é conhecida pela sigla NIR (Near Infrared).

LOCALIZAÇÃO DO MUNICIPIO DE SANTA HELENA, ESTADO DO PARANÁ

O Município de Santa Helena, situado a oeste do estado do Paraná, encontra-se no fuso UTM 21S, apesar de grande parte do território do Estado do Paraná se encontrar no fuso 22S. A principal razão da escolha deste Município prende-se ao fato de apresentar superfície com água em grande parte de seu território, parte do lago da Barragem de Itaipu no Rio Paraná. Este Município faz divisa com o Paraguai, a divisa encontra-se no centro do antigo leito do Rio Paraná.

APRESENTAÇÃO DAS BANDAS DO LANDSAT COM USO MONOESPECTRAL

Na sequencia são apresentadas as bandas do Programa LANDSAT 9 individualmente com seus principais usos. Foi usada as imagens obtidas em 19 de abril de 2024, (LC09_L1TP_224077_20240419_20240419_02_T1), da Collection 2 level 1.

APLICAÇÃO E USO DE BANDA MONOESPECTRAL

A seguir mostra-se um exemplo de utilização de análise monoespectral com a Banda B10 Infravermelho termal 1, obtida da Coleção 2, no dia 19/04/2024. Aplicou-se tratamento de dados conforme o Manual Landsat 8-9 Collection 2 (C2) Level 2 Science Product (L2SP) Guide, de março de 2023. Foram aplicadas na banda original as correções: multiplicative scale value e adictive off set.

Ressalta-se que o imageamento ocorreu as 10h 35min locais, num dia ensolarado.

A partir dos resultados obtidos efetuou-se o perfil de temperaturas medidas neste horário no lago de Itaipu, percorrendo-se a divisa Brasil Paraguai, no interior do mesmo.

Este resultado pode ser utilizado na analise ambiental do lago, e se possível mostrando a correlação destas mudanças de temperatura com diversos parâmetros ambientais e ecológicos.

Na carta a seguir, mostra-se parte do Município de Santa Helena, ressaltando-se que as maiores temperaturas são correspondentes a urbanização e construções, se houvessem medidas superiores a 60°C pode ser um indicativo de queimadas ou no caso urbano de incêndio em construções. Outras interpretações dos diversos aspectos da Engenharia Agronômica, da Biologia, da Geografia e da Geologia podem ser enfatizadas.

Todas as bandas podem ser individualmente utilizadas para interpretação inicial de uso geral para os mais diversos profissionais.

USO DOS PRODUTOS LANDSAT COM COMBINAÇÕES MULTIESPECTRAIS

O sensoriamento remoto tem sido explorado de várias formas nas últimas décadas, culminando na atualidade com possibilidades múltiplas de obtenção de produtos, que auxiliam sobremaneira aos profissionais envolvidos nas geotecnologias na análise, interpretação e tomada de decisões. As imagens gratuitas do sistema Landsat estão ao alcance de todos os profissionais (https://earthexplorer.usgs.gov/).

Uma imagem multiespectral agrega imagens de um mesmo objeto, tomadas com diferentes comprimentos de ondas eletromagnéticas. Pode ser luz visível, infravermelho, ultravioleta, raio-X ou qualquer outra faixa do espectro.

Os produtos do Sistema Landsat 8-9 são obtidos com os sistemas Operational Land Imager (OLI) e Thermal Infrared Sensor (TIRS), Neste trabalho serão utilizadas as coleções de produtos: Collection 2 (C2) Level 2 (L1) e Collection 2 (C2) Level 1 (L1), que podem ser estudados detalhadamente nos manuais como por exemplo, LSDS-1574_L8_Data_Users_Handbook-v5.0 disponibilizados no site referido anteriormente.

Neste estudo de caso foram utilizados os arquivos:

LC09_L1TP_224077_20240419_20240419_02_T1 (Level 1)

LC09_L2SP_224077_20240419_20240424_02_T1 (Level 2)

As correções processadas no Nível 2 (Level 2) são especificadas nos manuais USGS por exemplo no “Landsat 8-9 Operational Land Imager (OLI) – Thermal Infrared Sensor (TIRS) Collection 2 (C2) Level 2 (L2) Data Format Control Book (DFCB), 2022”, que pode ser acessado no site citado anteriormente. Note que as correções demoram aproximadamente uma semana para serem processadas e disponibilizadas. As principais correções procedidas dizem respeito a refletância superficial (SR), sendo que os produtos são então corrigidos destes efeitos atmosféricos.

Como temos disponível 11 bandas, que serão combinadas em 3 canais RGB, uma em cada canal, tem-se a possibilidade de 1331 combinações. Na prática não são utilizadas todas as combinações. É importante salientar que ao combinarmos bandas nos canais RGB passamos as três bandas utilizadas por filtros vermelho, verde e azul, o que ocasiona perdas dos níveis de cinza que serão saturados pelas respectivas cores, porém permitem em grande parte uma melhora na análise e interpretação dos resultados.

Na sequencia apresentamos as combinações de bandas, por exemplo, B4 B3 B1, ou seja, a banda B4 no canal R, B3 no canal G e B1 no canal B, explicitando no carimbo sua aplicação generalizada.

Como aplicações efetuamos a fusão de duas composições multiespectrais com a Banda 8 Pancromática com resolução espacial de 15m, melhor detalhando as imagens para interpretação.

Trabalhando-se com o modelo digital do terreno Copernicus (30m) https://spacedata.copernicus.eu/pt/collections/copernicus-digital-elevation-model, gerando um sombreamento com transparência de 30% e a Combinação multiespectral B7 B4 B1, pode-se gerar um mapa que auxilia a interpretação geológica da região.

USO DO LANDSAT COM ALGEBRA DE BANDAS

As imagens gratuitas do sistema Landsat, estão ao alcance de todos os profissionais (https://earthexplorer.usgs.gov/).

Muitos são os exemplos de utilização das imagens Landsat, onde há a necessidade de se trabalhar algebricamente com as bandas, num modelo matemático no caso do Qgis utilizando a calculadora raster.

Neste trabalho vamos mostrar varias opções de obtenção dos índices de vegetação, muito utilizados por profissionais, por exemplo, da área ambiental, produtiva agrícola e prevenção de incêndios florestais, sem contudo discutir sua abrangência e pertinência, pois isso cabe as profissionais da área.

O artigo básico de referência que utilizaremos é “Comparison the accuracies of different spectral indices for estimation of vegetation cover fraction in sparse vegetated áreas” Barati, et.alli (2011).

A diferenciação da tipologia de vegetação como por exemplo, seu ciclo vital, pelos métodos de sensoriamento remoto é possível no intervalo de 0,4 até 2,5 µm, pois neste intervalo as folhas são caracterizadas por comportamentos específicos de reflexão, absorção e transmissão.

O comportamento da reflexão é determinado pela clorofila, cuja absorção encontra-se no intervalo da luz azul (0,4 – 0,5 µm) e da luz vermelha (0,6 – 0,7 µm); enquanto reflete no intervalo da luz verde (0,5 – 0,6 µm). A radiação incidente atravessa, quase sem perda, a cutícula e a epiderme, onde as radiações correspondentes ao vermelho e ao azul são absorvidas pelos pigmentos do mesófilo, assim como pelos carotenóides, xantófilas, e antocianidas, que causam uma reflexão característica baixa nos comprimentos de onda supracitados. As clorofilas A e B regulam o comportamento espectral da vegetação e o fazem de maneira mais significativa em comparação com outros pigmentos. A clorofila absorve a luz verde só em pequena quantidade, por isso a reflectância é maior no intervalo da luz verde, o que é responsável pela cor verde das folhas para a visão humana. No infravermelho próximo NIR (0,7 – 1,3 µm), a radiação é refletida em uma proporção de 30 a 70% dos raios incidentes, ainda que as superfícies das folhas e os pigmentos apresentem transparência para esses comprimentos de onda. Os sistemas pigmentais das plantas perdem com o passar do tempo a capacidade de absorver fótons nesse espectro, que é caracterizado por uma subida acentuada da curva de reflexão. O mínimo de reflexão neste comprimento de onda é causado pela mudança do índice de refração nas áreas frontais de ar/célula do mesófilo. Nos comprimentos torno de 1,45 µm e 1,96 µm. Esta influência aumenta com o conteúdo de água. Uma folha verde caracteriza-se, nestas bandas, pela reflexão semelhante à de uma película de água. Por isso, estes comprimentos de onda, prestam-se à determinação do conteúdo hídrico das folhas. Folhas com conteúdo hídrico reduzido são caracterizadas por uma maior reflexão.

Será ainda utilizado do artigo anteriormente citado a tabela com as expressões matemáticas para obtenção de diferentes índices de vegetação. Nesta tabela  a seguir  substitua :

R_NIR = B5 \ R_RED = B4 \ R_SWIR = B5 \ R_SWIRmin = B6

R_SWIRmax = B7 \ R_Green = B3

O índice mais utilizado é o NDVI que pode ser estudado no artigo “tudo o que você precisa saber sobre o NDVI”, do qual retirou-se a classificação mostrada.

Outro índice muito utilizado é o NDWI, cujo objetivo principal é determinar a quantidade de água na vegetação, ou ainda o nível de umidade do solo.

obs.: o autor consultado utiliza a banda B6 e não a de definição B5

GNDVI – este índice é utilizado na Engenharia Agronômica, por exemplo, para estudar a saúde das culturas de arroz.

SR ou RVI Analisa relação entre bandas próximas do Ladsat

SRc – Analise de relação de bandas complementar

MSR – (MODIFY SIMPLE RATIO) é um índice de simples razão modificado que corresponde a soma de toda a vegetação que tende ao verde

DVI – Índice de estado de diferença de vegetação

NDVIc – Índice de vegetação por diferença normalizada complementado

RDVI – RENORMALIZED DIFFERENCE VEGETATION INDEX

IPVI – INFRARED PERCENTAGE VEGETATION INDEX

SAVI – SOIL-ADJUSTED VEGETATION INDEX

A constante L, que leva em consideração a cobertura do dossel vegetal, pode assumir valores entre 0 (alta densidade de cobertura) e 1 (baixa densidade de cobertura).

OSAVI – OPTIMIZED SOIL ADJUSTED VEGETATION INDEX

MSAVI – MODIFIED SOIL-ADJUSTED VEGETATION INDEX

NLI – Non-Linear Index

TVI – TRANSFORMED VEGETATION INDEX

MTVI1 – Modified Chlorophyll Absorption in Reflectance Index 1

MTVI2 – Modified Chlorophyll Absorption in Reflectance Index 2 (index 1510)

NDII – Normalized Difference

SLAVI – Specific Leaf Area Vegetation Index

CI – Coloration Index

NCI – Normalized Canopy Index

CONCLUSÕES E RECOMENDAÇÕES

Neste pequeno trabalho, mostrou-se o básico do tratamento de imagens do Sistema Landsat 9 com exemplos práticos.

Sugere-se ao leitor interessado, o aprofundamento em cada item tratado, para obter melhores resultado e análises.

No site: https://www.indexdatabase.de/db/i.php, podem ser encontrados outros índices que certamente poderão auxiliar na obtenção diferenciada de resultados tanto para a Ecologia e Meio Ambiente, Geologia, Geografia, Engenharias (Ambiental, Agronômica, Florestal, Civil, etc), como para definições associadas a Arquitetura e Paisagem e outras.

Se quiser efetuar postagens com comentários, com suas observações técnicas, correções aos erros, opiniões cientificas, serão sempre benvindos e necessários, e serão objeto de nossos agradecimentos e reflexões com certeza.

SUGESTÕES

Aos interessados em se aprofundar sobre os assuntos estudem os artigos utilizados neste trabalho e suas referências

https://www.researchgate.net/publication/241111284_Comparison_the_accuracies_of_different_spectral_indices_for_estimation_of_vegetation_cover_fraction_in_sparse_vegetated_areas

https://concejoneiva.micolombiadigital.gov.co/sites/concejoneiva/content/files/000166/8300_gee_atlas_pub.pdf

https://www.ijeedu.com/index.php/ijeedu/article/view/42

Sobre o Autor:

Carlos Aurélio Nadal – LinkedIn
Doutor em Ciências Geodésicas -UFPR.
Diretor técnico da ABECPR

Domine as Principais Ferramentas de Sensoriamento Remoto no QGIS

Transforme sua carreira e amplie suas habilidades com nosso curso de Sensoriamento Remoto no QGIS! Aprenda tudo do zero, de forma prática e aplicada, para dominar as principais ferramentas de sensoriamento remoto. Descubra como utilizar o QGIS para realizar análises detalhadas e precisas em seus trabalhos de perícias ambientais.

CLIQUE AQUI

Não perca essa oportunidade de elevar seu nível profissional e se tornar um especialista em sensoriamento remoto com o QGIS!