Como escolher entre multirrotores e VTOL, produzir ortomosaicos confiáveis e interpretar índices de vegetação para apoiar decisões na Agronomia e na fiscalização ambiental.

De onde surgiu este artigo? O conteúdo nasceu de perguntas encaminhadas por um amigo profissional da Secretaria de Estado de Meio Ambiente de Mato Grosso (SEMA-MT) à GeoOne sobre o uso de drones na fiscalização de áreas com suspeita de danos à vegetação por agentes químicos. As questões — necessidade de RTK/PPK, escolha de sensor multiespectral e processamento de imagens — são igualmente relevantes para agrônomos, pesquisadores, profissionais de geoprocessamento e responsáveis por monitoramento florestal.

Essa experiência nos leva a uma questão importante: como melhorar a qualidade dos mapeamentos realizados com drones equipados com câmeras RGB e imagens de satélite, como as do Sentinel-2? E como aproveitar os sensores multiespectrais para acompanhar as mudanças na vegetação ao longo do tempo, com maior precisão e confiabilidade?

É importante destacar que os drones multiespectrais ajudam a identificar alterações na vegetação, mas essas informações, por si só, não permitem afirmar que os danos foram causados por herbicidas ou outros agentes químicos. Para chegar a conclusões mais seguras, é necessário combinar imagens de qualidade, índices de vegetação, comparações entre diferentes datas e observações de campo.

1. O que uma câmera multiespectral enxerga além do RGB?

Câmeras RGB registram porções largas do vermelho, verde e azul, produzindo imagens semelhantes às percebidas pelo olho humano. Sensores multiespectrais acrescentam bandas selecionadas, especialmente red edge (borda do vermelho) e infravermelho próximo (NIR). Elas respondem a propriedades da vegetação associadas à absorção de luz pelos pigmentos e à estrutura do dossel. Sensores hiperespectrais, por sua vez, adquirem um número muito maior de bandas estreitas e contíguas, com vantagens analíticas e maior complexidade operacional.

Tabela 1. Comparação esquemática entre sensores RGB e multiespectrais.

Um exemplo é o DJI Mavic 3 Multispectral (Mavic 3M): além de uma câmera RGB de 20 MP, possui quatro canais de 5 MP centrados aproximadamente em 560 nm (verde), 650 nm (vermelho), 730 nm (red edge) e 860 nm (NIR). Esses dados permitem a criação de produtos espectrais que não podem ser derivados adequadamente de fotografias RGB comuns.

2. É obrigatório utilizar RTK ou PPK?

Não. É possível produzir ortomosaicos georreferenciados com coordenadas GNSS convencionais e, quando a precisão demandada exigir, pontos de controle de solo (GCPs). No entanto, RTK e PPK são altamente recomendáveis quando se pretende obter posicionamento de melhor qualidade, reduzir trabalhos de apoio de campo e comparar limites e feições em diferentes campanhas.

RTK aplica correções à navegação ou ao posicionamento das imagens durante o levantamento, geralmente mediante enlace com base ou serviço de correções. PPK processa observações GNSS posteriormente, combinando registros da aeronave e de uma estação de referência. Ambos dependem da configuração e da qualidade das observações; nenhum substitui automaticamente o controle de qualidade cartográfica.

Os GCPs são pontos usados para apoiar georreferenciamento e ajuste do bloco fotogramétrico. Já os checkpoints são pontos independentes, reservados para verificar a acurácia. Não devem ser confundidos nem utilizados simultaneamente nas duas funções. A quantidade e a distribuição dos GCPs precisam ser definidas conforme terreno, cobertura, geometria do bloco, exigências do projeto e desempenho do sistema GNSS — não existe um número universal.

Na fiscalização: georreferenciamento confiável e controle de qualidade independente tornam mais defensável a comparação temporal e a delimitação da área afetada. A necessidade de acurácia deve ser especificada antes do voo, e os resultados, documentados em relatório técnico.

No caso de aeronaves sem RTK/PPK integrado, é possível consultar fornecedores de soluções de adaptação, mas a viabilidade deve ser confirmada para o modelo exato, inclusive quanto ao registro de eventos de câmera, sincronismo e garantia. Não se deve assumir compatibilidade do Mavic 4 Pro com kits PPK sem confirmação técnica do fabricante da solução.

3. Multirrotor ou VTOL? Como escolher o equipamento?

A compra deve começar pelo cenário de uso, e não pela autonomia anunciada. Para operações localizadas — como talhões e ocorrências de aproximadamente 40 hectares — um multirrotor integrado pode ser mais simples de transportar e operar. Em levantamentos contínuos de grandes propriedades, florestas ou extensas áreas de proteção, aeronaves VTOL de asa fixa, com decolagem e pouso vertical, podem reduzir o número de voos e deslocamentos.

O WingtraRAY, por exemplo, declara em suas especificações técnicas cobertura multiespectral máxima de aproximadamente 180 hectares a 120 m, com GSD de cerca de 4 cm/pixel, em condições estipuladas pelo fabricante (incluindo sobreposições determinadas). Isso não é garantia de cobertura para qualquer missão: relevo, vento, altitude autorizada, sobreposições, obstáculos e logística alteram o resultado. O Mavic 3M também anuncia coberturas elevadas sob condições de ensaio; números promocionais não devem ser comparados isoladamente.

Outra observação: DJI Matrice 4E/4T não equivale a uma versão Matrice 4 multiespectral de fábrica. Para aquisição, é indispensável conferir sensor, bandas, integração mecânica e eletrônica, calibração, processamento, assistência e suprimentos.

4. Índices de vegetação: quais calcular e como interpretar?

Índices de vegetação combinam refletâncias das bandas para destacar determinados padrões. Nas fórmulas abaixo, ρ representa refletância (idealmente calibrada) e não simplesmente o número digital original do pixel.

Outros índices podem ser calculados conforme sensor, problema e validação de campo. Índices baseados em SWIR e medidas de água no dossel, por exemplo, dependem de bandas que não estão presentes no Mavic 3M; não se deve confundir NDWI definido com NIR/SWIR com índices que usam verde/NIR. Em muitos casos, imagens Sentinel-2 complementam a análise por disponibilizar bandas SWIR.

Fluxo metodológico recomendado para levantamentos multiespectrais (elaboração GeoOne):

Planejamento e pontos de campo → voo e calibração radiométrica → processamento fotogramétrico → cálculo de índices e análise temporal → validação independente → relatório técnico.

5. Onde essas técnicas ajudam no monitoramento ambiental?

Em florestas, APPs, áreas de recuperação e zonas úmidas, os drones permitem localizar mudanças no padrão de vegetação e registrar feições de pequena escala que podem não aparecer em imagens orbitais de menor resolução. Em Mato Grosso, as diferenças entre Amazônia, Cerrado e Pantanal exigem cautela: estrutura do dossel, heterogeneidade da vegetação, alagamentos, sazonalidade e queimadas interferem na resposta espectral.

Em ocorrências de suspeita de desmatamento por produtos químicos, a análise pode seguir esta lógica: identificar a alteração temporal nas imagens Sentinel-2; selecionar áreas prioritárias para vistoria; levantar imagens RGB e multiespectrais por drone; comparar com locais de referência; registrar sinais e sintomas em campo; e, quando couber, associar exames laboratoriais ou outras evidências documentais.

Um índice baixo isolado não diferencia fitotoxicidade de seca, doenças, inundação, fogo, sombreamento ou mudança fenológica. Uma fiscalização tecnicamente consistente precisa demonstrar não apenas onde houve alteração, mas quais evidências sustentam a hipótese sobre sua causa.

6. E na Agronomia e na agricultura de precisão?

Os mesmos sensores podem apoiar o acompanhamento de cultivos, a delimitação de zonas de manejo, a avaliação de falhas e a investigação de danos por deriva de herbicidas. A relação entre índices e indicadores agronômicos, contudo, depende da espécie cultivada, estádio fenológico, manejo, iluminação e condições ambientais.

Um exemplo científico é o artigo de Kerr et al. (2025), que estudou a resposta de dosséis de soja à exposição simulada ao dicamba, encontrando relações entre alterações espectrais e sintomas de injúria. Outra pesquisa publicada em Precision Agriculture em 2026 utilizou imagens multiespectrais e aprendizado de máquina para caracterizar fitotoxicidade e respostas de dessecação em culturas agrícolas. Esses resultados mostram potencial de aplicação, mas não autorizam transferir automaticamente classificadores treinados em lavouras para florestas tropicais.

Para manejo agrícola, mapas de NDVI ou NDRE podem ajudar a direcionar a amostragem, mas recomendações de insumos e taxas de aplicação requerem calibração com observações agronômicas e critérios técnicos específicos.

7. Como processar imagens multiespectrais no WebODM, Metashape e QGIS?

Etapa A — Planejamento e aquisição

1. Definir objetivo, classes de vegetação, escala de análise e acurácia requerida.
2. Selecionar o sensor e avaliar se as bandas atendem às perguntas do projeto.
3. Planejar altura, sobreposições, iluminação e, se necessário, GCPs e checkpoints.
4. Adquirir imagens de painel de refletância quando aplicável; registrar condições atmosféricas e dados do sensor de irradiância.
5. Coletar evidências de campo com identificação das amostras e datas.

Etapa B — Fotogrametria e calibração

No OpenDroneMap/WebODM, a documentação descreve suporte multiespectral, incluindo o DJI Mavic 3M nas versões recentes do ODM, e o uso da opção de calibração radiométrica quando apropriada. O processamento deve preservar as imagens de todas as bandas e a correspondência entre elas.

No Agisoft Metashape Professional, o fluxo inclui importação como sistema multicâmera, alinhamento, calibração de refletância baseada em painel e/ou sensor solar quando compatível, geração do ortomosaico e índices. As funções exatas dependem da versão e do sensor, por isso deve ser realizado um teste de compatibilidade com os dados reais antes da aquisição.

Etapa C — Cálculo e classificação no QGIS

Depois de confirmar a ordem dos canais do GeoTIFF, o QGIS permite aplicar as fórmulas pela Calculadora Raster. Um exemplo genérico, somente para um arquivo cuja banda 4 seja NIR e banda 2 seja vermelho, é:

(“mosaico@4” − “mosaico@2”) / (“mosaico@4” + “mosaico@2”)

Os números de bandas acima são ilustrativos: não correspondem necessariamente à saída padrão de WebODM, Metashape ou de qualquer sensor. Conferir metadados e evitar divisões por zero e pixels NoData é obrigatório. Também é importante usar mosaicos radiometricamente coerentes, e não apenas canais representados em falsas cores. A ferramenta Aritmética de bandas do plugin LFTools também pode ser utilizada para essa finalidade.

Em seguida, podem-se produzir classes exploratórias, delimitar anomalias, cruzar polígonos de APP ou áreas agrícolas e gerar relatórios cartográficos. É importante não adotar limiares fixos de NDVI como diagnóstico universal; classes e limiares devem ser testados para cada contexto.

8. Como integrar imagens dos drones ao Sentinel-2 L2A?

O Sentinel-2 possui 13 bandas espectrais com resoluções espaciais de 10, 20 e 60 metros, de acordo com a banda. Os produtos L2A fornecem refletância de superfície, úteis para séries temporais e identificação prévia de áreas suspeitas. Já os drones podem fornecer detalhes centimétricos, em áreas menores e datas escolhidas pela equipe.

Esses dois conjuntos de dados são complementares: o satélite ajuda a saber onde e quando investigar; o drone ajuda a observar com detalhe; o campo ajuda a determinar o significado da alteração. Para comparação quantitativa, considerar diferenças de banda espectral, resolução, geometria, iluminação, sombra, fenologia e data de aquisição. Não basta comparar cores em mapas diferentes.

9. Como validar resultados e produzir evidência técnica?

Uma boa prática é separar os seguintes componentes:

• Qualidade posicional: definir sistema de referência, método GNSS, checkpoints independentes e estatísticas de erro horizontal/vertical, quando pertinentes.
• Qualidade radiométrica: documentar painel, irradiância, exposição, correções aplicadas e consistência entre campanhas.
• Qualidade temática: coletar amostras independentes, usar matriz de confusão e métricas adequadas quando houver classificação supervisionada.
• Rastreabilidade: preservar imagens originais, dados de voo, parâmetros do processamento, versões de software, arquivos GNSS e histórico de alterações.
• Interpretação causal: distinguir dano observado de causa atribuída; reunir inspeções, registros, histórico de aplicação, amostras e laudos laboratoriais quando necessários.

O monitoramento deve ser realizado conforme as regras de operação pertinentes, inclusive autorização de uso do espaço aéreo. Em junho de 2026, a ANAC publicou o RBAC 100, que substituiu o antigo RBAC-E 94. A classificação da operação, os requisitos de segurança e as exigências do DECEA devem ser conferidos na versão vigente da regulamentação e para a missão específica.

10. Perguntas frequentes

Preciso comprar drone RTK para fazer mapas com valor técnico?

Não necessariamente. O importante é comprovar que o método utilizado atingiu a qualidade exigida. RTK/PPK facilita determinadas operações, mas não elimina planejamento e validação.

O NDVI identifica qual herbicida foi aplicado?

Não. Ele evidencia aspectos da resposta espectral da vegetação. A identificação de uma substância ou do nexo causal pode exigir outras evidências e análises laboratoriais.

Para menos de 40 hectares, vale a pena um Wingtra VTOL?

Depende da frequência das missões, dispersão geográfica das áreas e custo total de operação. Para casos isolados e menores, um multirrotor como o Mavic 3M pode ser mais prático; o VTOL tende a ganhar atratividade em grandes extensões e campanhas recorrentes.

É possível trabalhar apenas com software livre?

Há um fluxo viável com OpenDroneMap/WebODM e QGIS, desde que se confirme a compatibilidade do sensor e o atendimento aos requisitos radiométricos, fotogramétricos e de qualidade. Metashape Professional é outra opção consolidada para processamento multiespectral.

Uma imagem RGB comum pode fornecer NDVI?

Não o NDVI clássico, pois ele depende da banda NIR. Existem índices calculáveis com RGB, mas são indicadores diferentes e não devem receber o mesmo nome.

11. Conclusões

O uso combinado de sensores multiespectrais, GNSS de precisão, fotogrametria e SIG pode aumentar a eficiência de projetos ambientais e agronômicos. Para equipes com missões localizadas, soluções integradas e portáteis tendem a atender bem. Para áreas extensas, os VTOL merecem análise criteriosa pela produtividade potencial. Em ambos os casos, a escolha técnica deve ser orientada pela pergunta que se deseja responder — e não apenas pelo número de bandas ou pela autonomia anunciada.

Mais importante, mapas de índices são instrumentos de investigação, não diagnósticos automáticos. Quando as informações espectrais são associadas ao histórico orbital, observações de campo e controles de qualidade, o resultado pode subsidiar melhor tanto a fiscalização quanto o manejo agrícola.

A GeoOne acompanha e compartilha aplicações de QGIS, WebODM e tecnologias abertas para geoprocessamento. Esse conjunto de temas também abre possibilidades para capacitações técnicas e para pesquisa aplicada em processamento e análise multiespectral.

Referências

1. KERR, D. R. et al. Soybean (Glycine max L.) canopy response to simulated dicamba vapor drift using unmanned aerial sensing. Pest Management Science, v. 81, p. 6139–6149, 2025. https://doi.org/10.1002/ps.8954.
2. UAV-based multispectral imaging and machine learning for characterizing herbicide injury and desiccant responses in field crops. Precision Agriculture, 2026. https://doi.org/10.1007/s11119-026-10463-1.
3. GUEBSI, R.; MAMI, S.; CHOKMANI, K. Drones in Precision Agriculture: A Comprehensive Review of Applications, Technologies, and Challenges. Drones, v. 8, art. 686, 2024. https://doi.org/10.3390/drones8110686.
4. Vegetation Indices from UAV Imagery: Emerging Tools for Precision Agriculture and Forest Management. AgriEngineering, v. 7, art. 431, 2025. Artigo integral.
5. HUETE, A. R. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, v. 25, n. 3, p. 295–309, 1988. https://doi.org/10.1016/0034-4257(88)90106-X.
6. DJI. Mavic 3M: especificações técnicas. Página oficial.
7. WINGTRA. WingtraRAY: Technical Specifications. Documento técnico.
8. OPENDRONEMAP. Multispectral and Thermal. Documentação oficial.
9. AGISOFT. Metashape Professional User Manual, version 2.3. Manual oficial.
10. COPERNICUS DATA SPACE ECOSYSTEM. Sentinel-2 Documentation. Documentação oficial.
11. BRASIL. ANAC. RBAC nº 100, Emenda 00. 2026. Texto oficial.