comparação do comportamento do ndvi e do evi2- um novo

III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 27-30 de Julho de 2010
p. 001 - 004
COMPARAÇÃO DO COMPORTAMENTO DO NDVI E DO EVI2- UM
NOVO ÍNDICE DE VEGETAÇÃO
1,2
2
CHRISTINA KELLY ALBUQUERQUE
CARLA BERNADETE MADUREIRA CRUZ
2
RAFAEL SILVA BARROS
1, 2
ICMBio – APA da Bacia do Rio São João
Universidade Federal do Rio de Janeiro- UFRJ
Departamento de Geografia, Rio de Janeiro, RJ
[email protected]
2
ABSTRACT - The aim of this paper was to compare the behavior of the new vegetation index EVI2 with the behavior
of NDVI using data from HRG sensor and thereby investigate the potential of this new vegetation index for the
discrimination of different targets. We also mean to evaluate the effect of atmospheric correction in the process.
Without atmospheric correction, the EVI2 behavior was similar to the NDVI one, but when atmospheric correction was
taken into consideration, the EVI2 distinguished better the differences among different targets. The results allowed us
to affirm that the potential of EVI2 should be investigated more thoroughly due to its apparent ability to avoid the
effects of saturation when vegetation’s biomass is high. Additionally, as EVI2 does not use the blue band, its use
increases the chances of analysis performed with data from the HRG sensor.
1 INTRODUÇÃO
Os Índices de vegetação, associados às diversas
técnicas de processamento digital de imagens, às
metodologias mais aprimoradas de classificação e à
modelagem de dados ambientais, têm proporcionado
maior detalhamento e precisão nos mapeamentos de uso e
cobertura do solo. A correção atmosférica é uma
importante etapa do processamento digital de imagens
que deve ser aplicada visando explorar com maior
eficiência as potencialidades de discriminação das classes
de cobertura do solo que as imagens digitais possuem.
A atmosfera interage com a radiação
eletromagnética de modo seletivo, atuando de forma
diferenciada dependendo do comprimento de onda. A
absorção da radiação pelos gases e o espalhamento por
aerossóis e moléculas são os principais processos que
modificam a radiância solar refletida por um alvo quando
visto do espaço. Os sistemas sensores são projetados para
evitar as regiões de absorção atmosférica, deste modo,
para os dados dos satélites de uso mais comum, como por
exemplo, Landsat e Spot, há predominância do
espalhamento atmosférico. A mudança de direção do
fluxo da radiação eletromagnética proporcionada por este
efeito possibilita a introdução no campo de visada do
sensor de um quantitativo de radiação diverso do que foi
refletida pela superfície imageada. Deste modo, diz-se
que o espalhamento possui efeito aditivo ao sinal e isto
ocorre de forma mais acentuada em comprimentos de
onda curtos, como os da região do visível (Kaufman
C.K. Albuquerque, C.B. M. Cruz, R.S. Barros
1988; Vermote et al., 1997; Song et al., 2001; Lu &
Mausel, 2002; Antunes, 2003; Gao et al., 2009).
Os efeitos atmosféricos podem tornar a
distribuição relativa de brilho em uma dada banda
diferente daquela observada em campo; causar distorções
entre o brilho relativo dos pixels de uma banda em relação
aos seus correspondentes em outra banda da mesma cena
(Richards & Jia,(2006); provocar a diminuição da faixa de
valores digitais possíveis de serem registrados pelo
sensor; diminuir o contraste entre superfícies adjacentes,
e alterar o brilho de cada ponto da imagem (Zullo et al.,
1996). Consequentemente, os efeitos atmosféricos afetam
a classificação de feições superficiais e, como a atmosfera
atua de forma diferenciada na região espectral do visível e
do infravermelho, qualquer modificação da espessura
óptica, seja pela variação da composição do meio ou na
geometria de iluminação e/ou visada, irá afetar os
resultados dos índices de vegetação. (Kaufman, 1988;
Moreira, 2000).
O NDVI (Normalized Difference Vegetation
Index) ainda é o índice de vegetação empregado com
maior freqüência em pesquisas envolvendo o
sensoriamento remoto da vegetação. Este índice é
calculado pela diferença de reflectância entre a faixa do
infravermelho próximo e a do vermelho. Essa diferença é
normalizada pela divisão da soma das faixas do
infravermelho próximo e do vermelho, conforme
apresentado na equação 1.
III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
NDVI= (NIR-RED)/ (NIR+RED)
(1)
Onde: NIR = Reflectância na faixa de infravermelho próximo
RED = Reflectância na faixa do vermelho
O valor de NDVI varia de -1 a +1. Os valores
negativos representam as nuvens e valores ao redor de
zero representam solo nu ou sem vegetação. O valor de
NDVI maior do que zero representa a vegetação, de forma
que valores altos podem ser usados para inferir presença
de vegetação mais densa ou vegetação em pleno vigor do
crescimento (Liu, 2007). Entretanto, sua eficiência
diminui quando o alvo possui elevada biomassa devido ao
fenômeno da saturação. Para melhorar a capacidade de
detecção em regiões com maiores densidades de
biomassa, e para reduzir a influência do sinal do solo e da
atmosfera sobre a resposta do dossel foi desenvolvido o
EVI (Enhanced Vegetation Index) (Ponzoni &
Shimabukuro, 2007; Jensen, 2009). O EVI é um NDVI
modificado, contendo um fator de ajuste para solos e
coeficientes que descrevem o uso da banda azul para
correção da banda vermelha quanto ao espalhamento
atmosférico por aerossóis (Jensen, 2009). Entretanto, a
utilização da banda do azul na sua formulação impede sua
aplicação quando os dados disponíveis são provenientes
de sensores que não operam nesta região espectral (Jiang
et al., 2008).
As imagens do satélite Spot 5 apresentam
resolução espacial de 10 metros, tornando-se uma boa
alternativa para mapeamentos em meso escala a um custo
mais accessível quando comparado aos dados
provenientes de satélites com maior resolução espacial.
Contudo, o sensor HRG não opera na faixa espectral do
azul, reduzindo o número de opções entre os índices de
vegetação que poderiam ser utilizados nas análises a partir
de seus dados.
Jiang et al. (2008) desenvolveram um novo índice
de vegetação baseado no EVI, denominado EVI2, e que
não utiliza a banda azul, cuja equação é apresentada pela
equação 2.
EVI2= 2,5 [(N-R) / (N + 2,4R+1)]
(2)
Onde: N, R são as Reflectâncias de superfície medidas na faixa
do infravermelho próximo e do vermelho, respectivamente.
Segundo os autores citados, a banda do azul
utilizada no EVI não fornece informações adicionais
sobre as propriedades biofísicas da vegetação, tendo a
finalidade de reduzir o ruído e as incertezas associadas à
alta variabilidade dos aerossóis atmosféricos, razão pela
qual o novo índice proposto poderá ser um substituto
aceitável para o EVI quando a imagem for de boa
qualidade e quando for feita a correção atmosférica.
2 OBJETIVOS
C.K. Albuquerque, C.B. M. Cruz, R.S. Barros
Recife - PE, 27-30 de Julho de 2010
p. 002 - 004
O objetivo deste trabalho foi comparar o comportamento
do novo índice de vegetação EVI2 com o comportamento
de NDVI utilizando dados do sensor HRG e com isso
investigar o seu potencial para a discriminação de
diferentes alvos. Iniciou-se, ainda, o estudo do efeito da
correção atmosférica no processo.
III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
3 ÁREA DE ESTUDO
A área de estudo do presente trabalho abrange parte da
região das Baixadas Litorâneas do Estado do Rio de
Janeiro, e sua delimitação consta na figura 1.
Recife - PE, 27-30 de Julho de 2010
p. 003 - 004
mais favorecido pela correção atmosférica, tendo
distinguindo melhor as diferenças entre gramínea em
ambiente de várzea e floresta. O EVI2 também
evidenciou melhor as diferenças entre solo exposto e
gramínea no morro, que possui comportamento espectral
fortemente influenciado pelo componente solo devido ao
baixo recobrimento por causa do estresse hídrico. Isto foi
evidenciado pelos acentuados ângulos de inflexão nestas
regiões do gráfico, conforme demonstrado na figura 3.
Figura 1 – Localização da área de estudo em relação ao
estado do Rio de Janeiro
4 MATERIAIS E MÉTODOS
A comparação entre o comportamento do NDVI e
do EVI2 foi feita através da interpretação de gráficos
elaborados a partir da média das leituras dos valores
destes índices referentes a amostras de diferentes tipos de
coberturas do solo presentes na área de estudo. Foram
obtidas amostras de um hectare com três repetições das
seguintes coberturas: floresta, solo exposto, gramínea em
morro, gramínea em várzea e área urbana. Foram
estudadas duas situações: índices de vegetação produzidos
a partir da imagem apenas convertida para valores de
reflectância e índices de vegetação obtidos a partir da
imagem em reflectância e corrigida atmosfericamente.
A correção atmosférica da imagem Spot 5 que
abrange a área de estudo foi efetuada, nesta fase da
pesquisa, apenas através do aplicativo Atcor 2, disponível
no software PCI Geomatics. Foram escolhidos os
modelos de atmosfera e de aerossóis que mais se
adaptavam à área de estudo dentre os existentes no
aplicativo. Da mesma forma, foram informados diversos
parâmetros requisitados e que constam dos metadados das
imagens.
O processo de conversão de número digital para
valores de reflectância foi executado através da função
álgebra de imagens do Software Idrisi utilizando as
equações disponibilizadas pela Spot Image.
5 RESULTADOS
As formas dos gráficos produzidos revelaram que na
condição sem correção atmosférica o comportamento do
EVI2 foi semelhante ao do NDVI (figura 2). A correção
atmosférica aumentou a amplitude dos valores alcançados
por ambos os índices de vegetação, favorecendo a
capacidade de discriminação. O EVI2 teve o desempenho
C.K. Albuquerque, C.B. M. Cruz, R.S. Barros
Figura 2 - Comportamento dos índices de vegetação
obtidos a partir de imagens em reflectância.
Figura 3 - Comportamento dos índices de vegetação
obtidos a partir de imagens em reflectância corrigidas
atmosfericamente.
6 CONCLUSÕES
Os resultados obtidos são apenas exploratórios
mas permitem afirmar que o potencial do EVI2 deverá
ser investigado com maior profundidade dada a sua
aparente capacidade de não sofrer os efeitos da saturação
aos quais está sujeito o NDVI. Desta forma, podemos
levantar a hipótese de que este novo índice de vegetação
seja mais eficiente do que o NDVI para fazer a distinção
de formações vegetais com elevada biomassa.
Por ser um índice que não emprega a banda azul,
seu uso aumenta as possibilidades de análise efetuadas
com dados do sensor HRG, desde que seja realizada a
correção atmosférica das imagens. Neste sentido novos
estudos encontram-se em andamento para que se chegue à
melhor metodologia para tal correção.
III Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
REFERÊNCIAS
Antunes, M. A. H., Freire, R. M. B., Botelho, A. S., &
Toniolli, L. H. (2003). Correções atmosféricas de imagens
de satélites usando o modelo 6s. XXI Congresso
Brasileiro de Cartografia anais.
Gao, B.-C., Montes, M. J., Davis C. O. & Goetz, A. F. H.
(2009). "Atmospheric correction algorithms for
hyperspectral remote sensing data of land and ocean".
Remote Sensing of Environment 113(2009): s17-s24.
Jiang, Z., Huete, A. R., Didan, K. & Miura, T (2008).
"Development of a two-band enhanced vegetation index
without a blue band". Remote Sensing of Environment
112 (2008) 3833–3845 112
Kaufman, Y. J. (1988). "Atmospheric effect on spectral
signature-measurements and corrections".
IEEE
Transactions on Geoscience and Remote Sensing,
26(4): 441-450.
Liu, W. T. H. (2007). Aplicações de Sensoriamento
Remoto. Campo Grande, Editora Uniderp, 880p.
Lu, D., Mausel, P., Brondizio, & Moran, E. (2002).
"Assessment of atmospheric correction methods for
Landsat TM data applicable to Amazon basin LBA
research". International Journal of Remote Sensing
23(13): 2651-2671.
Moreira, R. D. C. (2000). Influência do posicionamento e
da largura de bandas de sensores remotos e dos efeitos
atmosféricos na determinação de índices de vegetação.
São José dos Campos, INPE. MSc.
Ponzoni, F. J. & Y. E. Shimabukuro. Sensoriamento
Remoto no Estudo da Vegetação. São José dos Campos:
Ed Parêntese. 2007. 126 p.
Richards, J. A. & Jia, X. (2006) Remote Sensing Digital
Image Analysis - An Introduction. Berlin, Alemanha,
Springer.
Song, C., Woodcock, C. E., Seto, K. C., Lenney, M. P., &
Macomber, S.A. (2001). "Classification and Change
Detection Using Landsat TM Data: When and How to
Correct Atmospheric Effects?" Remote Sensing of
Environment 75(2): 230-244.
Vermote, E. F., Tanre, D. Deuze, J.L. Herman, M. &
Morcette, J.J. (1997). "Second Simulation of the Satellite
Signal in the Solar Spectrum, 6S: an overview." IEEE
Transactions on Geoscience and Remote Sensing,
35(3): 675-686.
Zullo-Jr, J., Bezerra, P.C., Guyot, G. & Gu, X. (1996).
Importância Prática da Correção Atmosférica. VIII
C.K. Albuquerque, C.B. M. Cruz, R.S. Barros
Simpósio Brasileiro
Salvador, Brasil, anais.
Recife - PE, 27-30 de Julho de 2010
p. 004 - 004
de
Sensoriamento
Remoto,