O Normalized Difference Vegetation Index (NDVI), que em português significa Índice de Vegetação de Diferença Normalizada, é muito utilizado na agricultura para analisar as condições das lavouras. Ele é gerado por meio de imagens obtidas por sensores remotos (como satélites e […]
O Normalized Difference Vegetation Index (NDVI), que em português significa Índice de Vegetação de Diferença Normalizada, é muito utilizado na agricultura para analisar as condições das lavouras. Ele é gerado por meio de imagens obtidas por sensores remotos (como satélites e drones), usado frequentemente para medir a intensidade de atividade clorofiliana na vegetação, sendo de grande importância para análises inteligentes na agricultura.
Seus cálculos são utilizados em diversas aplicações como no monitoramento de lavouras, detecção de efeitos de secas, infestação de pragas, estimativas de produtividade, modelização hidrológica e mapeamento de culturas.
Mesmo sendo muito utilizado no agro, algumas dúvidas em relação ao termo ainda surgem na cabeça de quem lida no campo. Para esclarecer algumas delas, acompanhe uma didática de explicação sobre NDVI.
Captação e geração de imagens
O NDVI é computado realizando aritmética de canais espectrais dos sensores e para ajudar na explicação vamos utilizar um prisma. O prisma é um objeto que “decompõe” a luz. A luz é formada por mais de um “componente” diferente. As cores são componentes da luz também. Uma cor pode ser formada por mais de um componente. Por exemplo, vermelho com verde dá amarelo:
Além das cores, que são o que conseguimos ver, existem também componentes da luz que não conseguimos, mas estão lá. Um deles é o ultravioleta (UV), que é popularmente conhecido como “os raios solares que fazem mal para a pele”. Os conhecidos “filtros solares” são, na verdade, bloqueadores de raios UV.
Abaixo vemos uma imagem lado-a-lado da mesma cena. À esquerda, temos uma imagem pancromática (“preto-e-branco” – a soma de todas as cores). À direita, temos uma imagem de uma câmera UV.
Pode-se perceber que a pele ficou mais escura – porque está absorvendo mais raios UV. Nas regiões onde há filtro solar, a imagem fica totalmente preta, porque o filtro absorveu todos os raios UV, que não chegaram na câmera.
Esses “componentes” da luz são chamados formalmente de “regiões do espectro eletromagnético”. A localização dessas regiões se dá pelo comprimento de onda. Como o nome sugere, a região do UV é “vizinha” da cor violeta. O nome “ultra” vem do fato de ela ter comprimento de onda menor, e por isso, frequência maior.
Da mesma maneira, o infravermelho é vizinho da cor vermelha, com menor frequência. O prisma nos permite ver, fisicamente, essa separação da luz:
Para uma imagem ser capturada, é necessário que luz o bastante esteja na cena sendo refletida pelos objetos a serem imageados. Quanto menos luz, mais difícil é para o sensor da câmera capturar a imagem – tanto que fotos em ambientes muito escuros tendem a ficar com ruído.
A fonte de luz pode ser natural ou artificial. Uma fonte artificial é uma lâmpada, ou um flash, por exemplo. A fonte de luz natural é o Sol. As fontes artificiais normalmente cobrem apenas uma parte do espectro. Por exemplo, uma foto tirada sob luz incandescente tende a ficar amarelada, porque a maior parte dos componentes dessa luz fica na região do amarelo.
O sol, por outro lado, produz a maioria dos comprimentos de onda. A luz solar contém não só a luz visível (cores), mas também a luz invisível (infravermelho e ultravioleta, por exemplo).
Então, o que aquelas setas significam? São componentes separados da luz e é por isso que o diagrama tem as setas voltando. Os componentes saem juntos do sol, alguns são absorvidos pelas plantas e outros são refletidos – é justamente o resultado dessa reflexão que é interceptado e imageado pela câmera no satélite.
Análise na palma das mãos
O índice é um ótimo indicativo para que os trabalhos de sensoriamento remoto produzam bons resultados. No entanto, é preciso que seja utilizado em conjunto com outras fontes de informação para representar a condição real da planta no campo.
Ao analisar uma imagem gerada por satélite e verificar o tanto de infravermelho que ela refletiu, faz-se a conta com a quantidade de vermelho que ela absorveu para saber mais ou menos quanto de planta que existe em determinado lugar – em nível macro.
Junta-se os dois valores, de refletância vermelha e refletância infravermelha, para calcular o índice vegetativo. O valor usado é uma medida de vegetação em uma escala de 0 a 1 e é como se fosse uma imagem preta e branca (só que o preto e branco não significa que a região da imagem está preta ou branca, e sim se há muita ou pouca presença de vegetação na região da imagem).
A análise de NDVI normalmente é feita por consultores que trabalham com a tecnologia de sensoriamento remoto. Em uma fazenda grande, o número de imagens para se analisar é alto. São muitos megabytes de imagens para se analisar pixel a pixel. Por isso o SPACE faz uma análise do perfil vegetativo e mostra os pontos que estão muito abaixo do normal.
Por meio da ferramenta, é possível marcar os pontos de atenção e alerta. O SPACE pega a imagem da fonte e cruza com os dados geográficos da fazenda. Depois, refina a imagem para mostrar apenas a parte que interessa para o produtor. A ferramenta monta e coloca em um painel para que o produtor possa acompanhar. Assim, o produtor faz a análise vegetativa com NDVI e a análise de anomalia de vegetação com nosso algoritmo.
Imagem topo: PhysicsOpenLab.org
Termina no dia 1° de junho o prazo concedido pelo Conselho Nacional de trânsito (Contran) para que a cadeia produtiva de cana altere sua logística de transporte e se adeque às regras da resolução 618. A resolução proíbe o tráfego […]
Leia na íntegraPor Osania Ferreira A busca por práticas mais sustentáveis na produção de cana tem levado a pesquisas que reduzam a quantidade de insumos químicos. Assim, o uso de inoculantes microbianos representam uma alternativa sustentável que visa garantir a eficiência e […]
Leia na íntegraA Syngenta embarcou em uma jornada digital e, há cerca de cinco anos, vem se unindo a empresas que se dedicam à agricultura digital ao redor do mundo. Nesse período, uma agtech mineira jovem e arrojada chamou a atenção da […]
Leia na íntegra