Saiba como a resolução das imagens interfere nos índices de vegetação

Imagens de satélite são uma parte importante do conjunto de ferramentas da agricultura digital. Com elas, os produtores conseguem visualizar, de forma recorrente e simples, mais detalhes de suas lavouras, transformando o conhecimento que antes era empírico em dados reais que vão balizar as tomadas de decisões, indo além da intuição. O surgimento de sensores de satélite de alta resolução permitiu a captação de imagens com maior resolução espacial, facilitando a obtenção de dados mais precisos e confiáveis.

A essa altura, você deve estar se perguntando: “mas qual o tipo de imagem vai me trazer as informações necessárias aqui na minha lavoura?”. Na agricultura de precisão, o que importa é a informação que se obtém a partir das imagens e, nesse sentido, a resolução aparece como um importante fator. É o algoritmo do software que fará o processamento das imagens de satélite e é aí que entram os pixels.

A resolução espacial refere-se ao tamanho de um pixel no chão. Um pixel é o menor “ponto” que compõe uma imagem e, basicamente, determina o quão detalhada é essa imagem. Quanto menor o tamanho do pixel, melhor será o processamento desta imagem pelo algoritmo.

Para se ter uma noção mais clara e matemática, alguns fornecedores de imagens de satélite trabalham com uma resolução de ~10m, onde cada pixel representa, no chão, uma área de 10 m x 10 m. Essas são consideradas imagens de média resolução, que podem cobrir uma área da lavoura, mas não fornecem o melhor detalhe possível. 100 m² é uma área considerável, e pode haver variação dentro deste espaço.

No caso do Granular Insights, a área analisada é bem menor e, por isso, a análise é mais criteriosa. O aplicativo trabalha com imagens de resolução de 3 m x 3 m, identificando, numa área de apenas 9 m², problemas que poderiam passar despercebidos. A imagem abaixo exemplifica diferenças na resolução da imagem.

Galeria de imagens mostrando diferentes resoluções de imagens de satélite.

Em geral, a resolução de uma imagem de satélite é subdividida em três categorias:

  • Baixa resolução: imagens com mais de 60m / pixel.
  • Média resolução: entre 10m e 30m/ pixel.
  • Alta resolução: entre 30cm e 5m / pixel.

Ficou fácil identificar em qual categoria se insere o Granular Insights, que além de imagens de melhor resolução, ainda oferece uma maior taxa de revisitação, que é a frequência com que essas imagens são geradas pelos satélites. Na agricultura, uma semana pode ser o bastante para um problema dizimar uma lavoura.

Por meio do contrato com a Planet, que possui a maior frota de satélites do mundo para rápida revisitação, conseguimos entregar imagens em uma frequência maior do que outros softwares que se utilizam de constelações gratuitas. Um ganho de tempo que se revela fundamental para a sua tomada de decisão e proteção da lucratividade.

A captação de imagens de satélites e os tipos de câmeras

Para se chegar em certos resultados, são necessárias ferramentas específicas. No caso das imagens de satélites para monitoramento de lavouras não é diferente. São dois os tipos de conjunto de espectro mais utilizados: o RGB e o RGB + NIR, e você vai conhecer agora um pouco mais sobre as diferenças entre eles.

O sistema RGB (Red, Green and Blue) tem sensores que captam apenas as chamadas cores reais – azul, verde e vermelho – reproduzindo o que se vê a olho nu. É um sistema que está presente nas câmeras fotográficas convencionais e, inclusive, na câmera do seu celular.

Já o sistema RGB + NIR conta com mais sensores e filtros, que interagem com a luminosidade refletida pelas plantas para, assim, captar, por exemplo, a banda próxima ao infravermelho (Near Infrared – NIR, em inglês). Ele é capaz de captar ondas verdes, amarelas, vermelhas e próximas a infravermelho, que são invisíveis a olho nu, e é isso que faz dele uma importante ferramenta de monitoramento na agricultura.

Com isso, você já deve ter percebido que é este tipo de câmera que permite uma leitura precisa dos índices de vegetação, como o NDVI e o WDRVI, por exemplo. Através deles é possível monitorar o desenvolvimento da planta, numa espécie de “raio-x” da lavoura.

Os índices de vegetação NDVI e WDRVI

Índices de vegetação são modelos matemáticos – ou algoritmos – baseados na reflectância das coberturas vegetais. Medindo a quantidade de luz que as plantas refletem, os índices definem a taxa fotossintética da planta, pixel a pixel, sendo um ótimo indicativo sobre o estado geral da lavoura, levando em conta seu estágio de desenvolvimento.

O NDVI

O Índice de Vegetação com Diferença Normalizada, NDVI em inglês, é bastante utilizado na agricultura para quantificar a vegetação, através da mensuração dos níveis de luz infravermelha e vermelha. O parâmetro principal de avaliação é a quantidade de luz vermelha que é absorvida pela planta, além da quantidade de energia no infravermelho próximo (ou NIR) refletida pela estrutura celular da folha.

O WDRVI

O Índice de Vegetação de Banda Larga e Dinâmica, WDRVI em inglês, também funciona de forma similar, medindo níveis de luz infravermelho próximos à luz vermelha, porém, utiliza um fator de correção. Este índice, somado à resolução das imagens utilizadas, pode ser até 3 vezes mais preciso do que o NDVI. Toda essa diferença na precisão se deve à capacidade de capturar diferenças sutis nas lavouras com densidade vegetativa moderadas e altas, o que é muito importante para culturas maduras e de alta densidade.

Granular Insights é o único software no Brasil que fornece imagens de satélite com a tecnologia WDRVI para monitorar e mensurar o progresso da sua lavoura.

Outros índices de vegetação

Existem também diversos índices de vegetação para caracterização da cobertura vegetativa. Como, por exemplo, o EVI, que é utilizado especialmente em regiões que concentram grandes quantidades de biomassa vegetal (elevados teores de clorofila), como as florestas tropicais.

Objetivos e soluções

Em síntese, a primeira coisa a fazer é definir exatamente para que você precisa de dados oriundos de imagens. Se o seu objetivo é mapear, monitorar e proteger o potencial produtivo da sua lavoura no curto e longo prazos, o melhor é contar com toda a tecnologia e a precisão que só Granular Insights oferece. Imagens com mais resolução, frequência de revisitação e índice de vegetação até 3 vezes mais preciso. Tudo isso numa única solução.

Veja mais: Índices de Vegetação: entenda a diferença entre WDRVI e NDVI

Fique por dentro!

Deixe o seu e-mail para receber novos posts do blog direto em sua caixa de entrada

Blog

Tudo sobre Gestão de Fazendas

Renata Bobrowski Rodrigues, 13/11/2020

Como interpretar imagens de satélites na cultura do milho

Renata Bobrowski Rodrigues, 03/11/2020

Como interpretar imagens de satélites na cultura da soja

Renata Bobrowski Rodrigues, 20/10/2020