Tempo de leitura: 10 minutos
Conforme prometido na primeira parte dessa matéria, aprofundaremos um pouco mais na abordagem do sensoriamento remoto com VANT utilizando-se câmeras multiespectrais.
Desde o início do advento dos VANT como ferramenta de mapeamento e monitoramento na agricultura, os sensores multiespectrais vinham sendo utilizados principalmente em projetos de pesquisa. Devido ao alto custo desse tipo de sensor, ao desenvolvimento ainda incipiente para a aplicação em VANT e principalmente a falta de uma legislação específica para a operação comercial desse tipo de aeronave, os principais trabalhos limitavam-se a iniciativas de pesquisadores de fazendas experimentais de algumas universidades ao redor do mundo.
Como demonstramos na primeira parte dessa matéria, isso tem mudado nos últimos anos. Com a miniaturização constante dos componentes eletrônicos e dos sensores, assim como a redução dos custos devido a massificação da produção, fizeram com que alguns fabricantes pioneiros no desenvolvimento de câmeras multiespectrais criassem sensores de alto desempenho, acessíveis e específicos para o uso em VANT.
Câmeras Convertidas x Câmeras Multiespectrais
Existe uma grande oferta de câmeras convencionais (sensores RGB) para uso em VANT que são convertidas “manualmente” recebendo um filtro Infravermelho diretamente no sensor para poder captar a banda espectral NIR (Near Infrared).
Tais câmeras, originalmente possuem um filtro para a captação das bandas “red”, “green”, e “blue” que é subistituído, porém esses filtros possuem maiores larguras de banda e captam os dados em diferentes comprimentos de onda de luz, causando a contaminação das informações de reflectância de uma banda para outra, podendo saturar certos Índices de Vegetação e não representar a real diferença de vigor da lavoura.
Erroneamente convencionou-se utilizar o termo Câmera NDVI para esse tipo de sensor. É importante desvincular o NDVI (Normalized Difference Vegetation Index), o índice de vegetação mais conhecido entre os diversos já desenvolvidos pela ciência do Sensoriamento Remoto, de um hardware modificado “artesanalmente” muitas vezes pelos próprios usuários.
A utilização de câmeras convertidas capturam imagens no espectro NIR que inicialmente foram utilizadas para verificar a saúde de plantas em estufas e não necessariamente comprovar uma tese científica. A popularização do uso de câmeras convertidas também se deu pelo fato de se obter fotos com efeitos de certa forma artísticos devido à alta reflectância do infravermelho próximo pelas plantas.
Agora as câmeras Multiespectrais são compostas por múltiplos sensores, cada um com um filtro de alta qualidade específico para captação de diferentes bandas com largura de banda estreita. Com isso, fazem medições de forma muito mais precisas com maior relação sinal/ruído do que as câmeras convertidas.
Já existem uma gama de Sensores Multiespectrais específicos para utilização embarcados em VANT como podemos verificar na primeira parte dessa matéria. Dentre eles podemos destacar os sensores da Tetracam, da Airinov e da Micasense. Os da Tetracam podem ser montados em diferentes arranjos, dependendo de quais bandas deseja-se captar e quais larguras de banda. O agroSensor da Airinov possui 4 bandas e tem sido utilizado pelo famoso eBee AG, a versão do VANT de asa fixa para aplicações na agricultura da Suíça Sensefly.
A americana Micasense fabrica o sensor RedEdge, uma câmera multiespectral que capta simultaneamente 5 distintas bandas com largura estreita. Além das bandas RGB do espectro visível, a câmera capta ainda a NIR no espectro não-visível e a Red Edge, banda espectral que se posiciona exatamente no limiar entre o visível e não visível. Além de aumentar a sensibilidade de certos índices, é com essa banda espectral que podem ser identificadas certas doenças e pragas das lavouras.
A câmera RedEdge da Micasense compartilha de características muito similares às dos principais satélites utilizados para o Sensoriamento Remoto enquanto que as câmeras convertidas oferecem largura de banda que se sobrepõem, contaminando os resultados dos índices de vegetação calculados com as informações provenientes desse tipo de sensor:
Comparando-se com as imagens provenientes de satélites, a alta resolução das imagens obtidas pela RedEdge embarcada em VANT trazem muito mais informações úteis para o monitoramento agrícola.
A escala de cores e o dia de obtenção das imagens são os mesmos, porém, verifica-se que a alta resolução das imagens de VANT trazem informações que realmente fazem diferença para o produtor na tomada de decisão sobre qual estratégia de manejo utilizar para uma maior produtividade da lavoura.
A alta variabilidade verificada através do NDVI gerado com as imagens de um sensor multiespectral (Figura 3) proporciona o gerenciamento da evolução da lavoura bem “mais de perto”, sendo possível fazer as correções necessárias num tempo hábil e garantir a produtividade esperada.
Índices de Vegetação
Na primeira parte dessa matéria foram explicadas de forma sucinta as definições de sensoriamento remoto e como os índices de vegetação são obtidos através dessa ciência.
Para relembrarmos: Na agricultura [Bernardi et al, 2014], as propriedades da refletância em cada faixa do espectro eletromagnético podem ser melhor avaliadas através de combinações matemáticas de diferentes bandas espectrais. Essas transformações são medidas da atividade da vegetação utilizam em especial as faixas do visível e infravermelho próximo (NIR) e são denominados de Índices de Vegetação (IVs).
As cores que enxergamos são basicamente definidas pelo comprimento de onda de luz. As plantas absorvem e refletem a luz diferentemente de acordo com o comprimento de onda. Elas tipicamente absorvem a luz azul e vermelha, enquanto refletem uma grande quantidade da luz NIR, que não é visível ao olho humano, mas que pode ser captada por sensores devidamente construídos para registrar a reflectância nessa faixa espectral.
A aritmética de bandas [Bernardi et al, 2014] é uma das mais simples formulações algorítmicas de processamento de imagens e que pode ter resultados expressivos. A facilidade para executar as operações aritméticas de soma, subtração, multiplicação e divisão é uma notável demonstração das vantagens do uso de processamento de imagens multiespectrais. É um processo bastante rápido para ajustar e suavizar imagens muito ruidosas ou para se obter realces de toda a área de uma imagem ou de alvos específicos de interesse do analista.
NDVI ou NDRE: entenda as diferenças e possibilidades de aplicações!
As operações aritméticas realizam um processamento de transformação dos dados a partir da combinação de imagens, gerando como resultado uma nova imagem completamente distinta das imagens de entrada. Uma nova matriz de dados é gerada. O processo de transformação é executado pixel a pixel por meio de uma regra matemática pré-definida envolvendo, normalmente, no mínimo duas bandas do mesmo sensor ou bandas de datas de aquisição diferentes. Nesse último caso, as imagens devem ser co-registradas.
As operações de uso mais comuns são a divisão e a subtração, com reduzida aplicação para as operações de soma e multiplicação. Como o resultado é uma única imagem, as operações aritméticas são uma forma de recurso para reduzir o número de imagens, o que é uma vantagem em termos de armazenamento em disco. Conforme seja a operação pode ocorrer perda de informação quando os novos valores ultrapassarem o intervalo de números digitais ou resultar em números fracionários.
Por exemplo, para uma imagem de 8 bits os valores que ficarem abaixo de 0 serão saturados em 0 e os valores acima de 255 serão saturados em 255, para manter a imagem em 8 bits. E nos casos de os novos valores digitais ficarem reduzidos a valores muito pequenos, como numa divisão de uma banda por outra, é requerido um fator de ganho (multiplicativo) e um off-set (aditivo), para que seja ampliado o contraste visual da imagem transformada.
Para se ter a relação pixel-pixel nos índices de vegetação é muito importante que se utilize um sensor multiespectral onde as diferentes bandas sejam captadas simultaneamente. Com isso, além de compartilhar das mesmas informações de posição geográfica obtidas no momento de captura das imagens, o mesmo coeficiente de reflexão ou Albedo. O Albedo é a relação entre a reflexão dos objetos na superfície com a quantidade de radiação que está sendo emitida, podendo variar dependendo das condições do tempo e horário do dia.
Para o levantamento de imagens multiespectrais com VANT é de extrema importância fazer a medição de Albedo. Para isso utiliza-se como referência um alvo que possui referências fixas para cada banda a ser obtida pelo sensor multiespectral. Dessa forma, a calibração radiométrica garante a comparação temporal entre levantamentos realizados em dias com diferente insolação e condições de tempo. O ideal é que no momento do levantamento o tempo esteja completamente nublado ou sem nuvens, para que não ocorra sombras que possam contaminar o cálculo dos índices de vegetação posteriormente.
Assim como no levantamento, a calibração não pode ter sombras durante a captura das imagens.
Diversos são os índices de vegetação já estudados e com ampla utilização para o monitoramento agrícola e ambiental. O intuito dessa matéria é apresenta-los e não focar em esgotar o tema. O importante é que o operador de VANT sinta-se provocado a estudar e aprofundar-se ainda mais e poder oferecer serviços que realmente façam diferença para a tomada de decisão dos produtores.
Considerações Finais
Assim como em qualquer prestação de serviço, a utilização de equipamentos avançados e de técnicas modernas é o que traz o diferencial.
É preciso ter um profissional de Sensoriamento Remoto capaz de auxiliar o operador de VANT tanto para a validação quanto para controle de qualidade dos serviços antes de chegar no Agrônomos e Produtores agrícolas.
Não se justifica investir mais de 50mil reais num VANT e utilizar uma câmera modificada de menos de 1mil reais. Lembrem-se, o VANT é um equipamento fantástico, ajuda muito a vender o serviço as vezes até pelo design, mas ele é só a ferramenta que leva o sensor.
Para aplicações de maior valor agregado como o monitoramento agrícola é imprescindível que o sensor seja realmente apropriado.
Essa é a opinião reflete a experiência do autor, fiquem à vontade em comentar e me contatar para qualquer dúvida.
Autor: Eng. Bruno Holtz Gemignani | Graduado em Engenharia de Controle e Automação pela Universidade Metodista de Piracicaba e Universidade Técnica de Darmstadt na Alemanha, tem mais de 10 anos de experiência.
Referências
Introdução ao Processamento de Imagens de Sensoriamento Remoto. Paulo Roberto Menezes, Tati de Almeida, organizadores. Brasília, DF: UnB/CnPQ, 2012. Ebook disponível em: http://www.cnpq.br/documents/10157/56b578c4-0fd5-4b9f-b82a-e9693e4f69d8
www.tetracam.com | www.airinov.fr | www.micasense.com
Agora que você já sabe tudo sobre sensoriamento remoto com VANTs e câmeras multiespectrais, converse com um de nossos especialistas!
