NDVI com Drones: A saúde da vegetação através de imagens

Tempo de leitura: 9 minutos

Já  abordamos em outros posts do blog como realizar de maneira correta a agricultura de precisão com Drones. Esta tecnologia tem se consagrado como o maior aliado do Engenheiro Agrônomo no campo, pois além de automatizar boa parte dos processos, diminuir o custo de mão de obra e traz agilidade nas tomadas de decisões.

Os Drones fornecem dados únicos impossível de se obter a olho nu. Você sabia que é possível realizar NDVI com Drones e indicar quais áreas da sua plantação não estão saudáveis? Você já imaginou robôs voadores sobrevoando o seu plantio e no final do voo você ter em mãos um mapa indicando quais áreas da sua plantação está sadia e quais não?

Parece filme de ficção científica, mas a realização de NDVI com Drones está revolucionando o mercado da agricultura, mantendo-se competitivo em relação ao mercado internacional e sua utilização tem sido essencial para o mercado brasileiro.

Vamos esclarecer alguns conceitos para ficar mais claro o seu entendimento. De maneira simples os Drones são “robôs” que sobrevoam automaticamente guiados por GPS ou controlados através de um rádio controle e um piloto em solo. Para realizar a Fotogrametria é necessário que este “robô” transporte sensores (câmeras) que irão fotografar a área de interesse. São através das imagens capturadas que extraímos informações que servirão como indicadores de qualidade para determinado plantio.

Existem diversos tipos de sensores cada qual com sua finalidade específica. As mais comuns são as câmeras RGB, que utilizamos em nosso dia-a-dia e capturam imagens coloridas que representam uma materialização do que estamos vendo, porém, para conseguir extrair dados da saúde da vegetação são necessárias câmeras específicas capazes de capturar imagens na banda infravermelho próximo. Estas câmeras são conhecidas como câmeras NIR.

Câmeras NIR | Infravermelho Próximo

Para apresentar a diferença entre estas duas câmeras é necessário um breve entendimento sobre física óptica, mas não se preocupe pois vamos abordar este conceito de maneira bem simples. As cores que os olhos de uma pessoa normal enxergam é chamada de espectro visível. São elas: violeta, azul, verde, amarelo, laranja e vermelho. Estas são as mesmas cores que estão presentes no arco-íris e cada cor dentro deste espectro possui um intervalo numérico conhecido como frequência e comprimento de onda, como estão apresentados na imagem a seguir:

Sabemos que existem as cores primárias e as derivadas da mistura dessas cores primárias, por este motivo definimos as câmeras convencionais de RGB. Esta sigla é derivada das cores Red (Vermelho), Green (Verde) e Blue (Azul), através da mistura entre estas cores são formadas as outras como violeta, amarelo e laranja.

O espectro visual não apenas é dependente da espécie como também varia muito de uma espécie animal para a outra. Os cachorros e os gatos, por exemplo, não veem todas as cores que os humanos veem, percebendo do nosso espectro visível apenas as subfaixas do azul à amarela. Enxergam, contudo geralmente bem em preto e branco, numa escala de cinzas. Já as cobras veem no infravermelho e as abelhas no ultravioleta, faixas para as quais somos cegos.

Conforme dito, nós humanos vemos numa faixa que vai do vermelho ao violeta, passando pelo verde, o amarelo e o azul, contudo, mesmo entre os humanos pode haver grandes variações quanto aos detalhes da faixa percebida. Em particular os limites do espectro ótico variam muito de espécie para espécie. Pessoas daltônicas costumam ter dificuldades em visualizar cores contidas em certas faixas do espectro.

O termo NIR também é derivado do inglês Near Infrared, que significa Infravermelho próximo. Esta cor é invisível para nós humanos, isso quer dizer que não conseguimos enxergar nesta banda como as cobras, porém, algumas câmeras são capazes de capturar imagens nesta banda e através destas imagens é possível identificar o estado da saúde de uma vegetação. Para entender a diferença entre a uma imagem RGB e uma imagem NIR repare na imagem a seguir:

Nota-se que a imagem foi capturada através de uma câmera RGB. Repare na imagem dentro da lente: a cor verde da vegetação está representada por uma coloração cinza e o céu azul está representado por uma coloração marrom. Esta é uma imagem típica de uma câmera NIR…notou a diferença entre as duas imagens?

Sensoriamento Remoto

Agora que já sabemos a diferença entre os tipos de sensores e os produtos que eles geram, vamos entrar em detalhe sobre como através destas imagens conseguimos obter dados sobre a saúde da vegetação.

Por trás desta técnica há uma ciência chamada Sensoriamento Remoto, disciplina encontrada em alguns cursos como Engenharia Cartográfica, Engenharia Florestal, Engenharia Ambiental, Agronomia, Geografia. De maneira simples esta ciência estuda a interação dos objetos em solo, com a energia eletromagnética radiada pelo sol.

A energia eletromagnética é emitida por qualquer corpo que possua temperatura acima de zero absoluto (0 Kelvin). Assim, todo corpo com temperatura absoluta acima de zero pode ser considerado como uma fonte de energia eletromagnética. O Sol e a Terra são as duas principais fontes naturais de energia eletromagnética utilizadas no sensoriamento remoto da superfície terrestre, mas como isso funciona?

A imagem acima mostra de maneira didática a energia incidente pelo sol e a interação com o objeto em solo, parte desta energia é absorvida e outra parte é refletida. O satélite (sensor) realiza a mesma função que a câmera (sensor) capturando a energia refletida.

Mapa de saúde da vegetação

Já sabemos que o sensor captura a energia refletida pelo objeto em solo, consideramos que este objeto em solo é uma vegetação, sabemos que toda vegetação faz um processo vital conhecido como fotossíntese.

De acordo com a Wikipédia, a Fotossíntese é um processo físico-químico, a nível celular, realizado pelos seres vivos clorofilados, que utilizam dióxido de carbono e água, para obter glicose através da energia da luz solar. Este é um processo do anabolismo, em que a planta acumula energia a partir da luz para uso no seu metabolismo, formando adenosina tri-fosfato, o ATP, a moeda energética dos organismos vivos.

A fotossíntese inicia a maior parte das cadeias alimentares na Terra. Sem ela, os animais e muitos outros seres heterotróficos seriam incapazes de sobreviver porque a base da sua alimentação estará sempre nas substâncias orgânicas proporcionadas pelas plantas verdes.

Bom, deixando os termos técnicos de lado, toda vegetação realiza o processo de fotossíntese, este processo que garante a sobrevivência da vegetação porque através da luz solar que é obtida a glicose (alimento da planta), este processo que garante a coloração verde da vegetação.

Você se lembra das imagens NIR? Por que utilizá-las?

Estudos realizados em Sensoriamento Remoto indicam em qual banda certo objeto possui melhor comportamento. Nestes estudos constatou-se que a vegetação possui uma resposta maior na banda infravermelha e uma resposta menor na banda vermelha do espectro eletromagnético. A partir destes estudos foi desenvolvida uma equação capaz de mensurar a resposta da vegetação e esta equação é conhecida como NDVI.

O que é NDVI?

NDVI é uma sigla derivada do inglês Normalized Difference Vegetation Index, que em português significa Índice de Vegetação por Diferença Normalizada, este índice mede a densidade e as condições de áreas com vegetação. O cálculo desse índice é feito da seguinte forma:

 Sabemos que uma imagem “comum” é a composição das bandas vermelho, verde e azul (RGB), portanto, temos a banda vermelho que denominaremos de (V). Também já sabemos que uma câmera é capaz de capturar imagens na banda infravermelho próximo que denominaremos de (IVP), portanto, a equação NDVI é composta por:NDVI

Se fizermos a simples divisão (IVP/V) temos o realce da vegetação onde o brilho é proporcional à saúde da vegetação. Segundo o Instituto de Computação da UNICAMP, a fotossíntese absorve entre 80-90% da luz visível e uma vegetação sadia reflete ente 40-50% do infravermelho, portanto, ao aplicar a equação NDVI, você estará mensurando o brilho referente à coloração verde e a umidade do solo. Estes dados, se bem interpretados, podem gerar indicadores sobre o estado da saúde de determinado plantio.

NDVI | Exemplo prático de aplicação

Uma plantação de soja perto de Hillsboro, cidade localizada no estado de Oregon, norte dos Estados Unidos, sofreu um evento de granizo em toda a metade norte do campo no dia 21 de junho de 2014. No dia 16 de julho foi realizado um voo para averiguar a situação do plantio. O lado norte deste campo não é facilmente acessível e os danos não foram capazes de ser visto a partir da estrada mais próxima ou a partir do lado sul do campo, onde a vegetação parecia normal. O voo foi realizado as 09h e 12h e os operadores já tinham o mosaico processado da área em mãos.

Foi realizado o mapeamento através de uma câmera NIR, e através da equação NDVI foi possível identificar as áreas mais afetadas pelo temporal. O cálculo foi feito em uma razão de valores de NDVI das áreas danificadas em relação ao NDVI das áreas não danificadas do campo. Veja o resultado na imagem a seguir:

Após a classificação do mosaico o produtor foi até a área com um receptor GPS/RTK e com base no mapa classificado conferiu com a área em solo. Segundo o produtor todo o campo foi atingido por granizos do tamanho de uma polegada, mas a parte norte realmente foi a mais atingida.

Vale ressaltar que este não é um produto de prateleira, ou seja, cada caso específico tem uma solução diferente. É de extrema importância o know-how do profissional no processamento e análise dos dados. Se feito de maneira correta os resultados realmente são incríveis, destacando-se principalmente pelo tempo de aquisição e processamento dos dados que foram realizados em algumas horas.

Quer saber mais sobre o uso dos drones na agricultura? Confira nosso Guia Definitivo:

http://conteudo.droneng.com.br/guia-definitivo-para-utilizacao-dos-drones-na-agricultura

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *