Satélites com imagens pagas e satélites com imagens gratuitas têm diferença?

O que era impossível até pouco tempo atrás agora é realidade: ter uma visão detalhada de toda a lavoura e de cada talhão. Ser capaz de identificar, em questão de segundos, tanto as áreas que apresentam menor índice vegetativo devido a pragas, doenças, falhas no sistema de irrigação ou mesmo outros fatores, bem como as regiões onde você pode visualizar uma área potencialmente superior em desenvolvimento. Isso já é possível para os produtores no Brasil graças às tecnologias de sensoriamento remoto.

Os avanços tecnológicos e a redução significativa dos custos tornaram viável a aplicação em larga escala destas tecnologias na agricultura, o que trouxe um ganho na busca pelo aumento da produtividade. O processamento digital de imagens de satélite permite que os produtores identifiquem anomalias na lavoura e tomem ações corretivas ao longo da safra ou mesmo melhorando seus manejos para as próximas, obtendo assim melhores resultados ao ir além da intuição com dados.

Mas avaliar a situação da cultura a partir de imagens ainda gera algumas dúvidas e incertezas ao produtor, principalmente porque atualmente é possível ter imagens de satélites de forma gratuita na internet. E se há essa possibilidade, por que investir num sistema próprio para isso?

A resposta para esta pergunta é simples: primeiramente por causa da revisitação das áreas monitoradas, que é a frequência de tempo em que essas imagens de satélite são atualizadas. Na agricultura, quanto mais atual for a informação, mais relevante para a tomada de decisão. Mas, antes disso, é essencial você diferenciar no software as imagens que vêm do Google Maps e Google Earth, das imagens produzidas por satélites gratuitos, como LandSat e Sentinel, e de imagens de serviços pagos, como da Planet, que fornece as imagens para o Granular Insights.

A rigor, tanto as imagens do Maps quanto do Earth são feitas sobre a mesma base: cenas obtidas por satélites de empresas contratadas pelo Google que tiram fotos em alta resolução de todos os lugares possíveis e imagináveis. E por que isto não é o bastante para você? Basicamente pela falta de análise e revisitação. Em geral, as imagens do Google levam muito tempo até serem atualizadas. É comum o usuário acessar o programa e se deparar com imagens de até 3 anos atrás. Esse tipo de imagem sem análise não agrega em nada. Vamos pensar: o que uma imagem de 2017 pode trazer de informação relevante neste momento? E, mais ainda, o que uma imagem por si só fala? O diferencial básico aqui é o algoritmo aliado ao WDRVI, que juntos, fornecem informações precisas sobre o desenvolvimento da sua lavoura. Imagem por imagem não traz informação.

Tem imagens do Google Maps no Granular Insights?

Sim, mas apenas as imagens mais gerais, que não têm a necessidade constante de revisitação. Ao acessar o Granular Insights, o software carrega um mapa mostrando o país em que você se encontra e aponta os lugares onde você possui propriedades cadastradas. Todas estas imagens podem vir do Google.

Contudo, os mapas da Planet permitem desenhar os contornos dos talhões de forma mais precisa. Então, quando você faz a aproximação para o que realmente importa – adicionar ou editar o seu talhão de interesse, as imagens que você visualiza são produzidas pelos satélites da Planet.

Desde Junho de 2020, você pode optar entre usar o mapa da Planet Labs ou mapa do Google Maps para desenhar o seu talhão, como mostra o GIF abaixo:

Você pode conferir mais detalhes do funcionamento desta funcionalidade acessando o site de ajuda.

Veja exemplo abaixo:

A área mais clara são imagens da Planet dentro do talhão selecionado pelo usuário, com a opção “True Color (Satélite)” ativa, para a data selecionado, enquanto todo o restante são imagens do Google Maps mais atuais – não tendo controle de data.

Um pouco mais sobre qualidade de imagens e taxa de revisitação

No momento de avaliar as imagens de satélite, a qualidade da imagem é fundamental para que se possa extrair boas análises sobre a situação da lavoura. E tudo isso é proporcional à resolução que essa imagem possui. No caso das imagens de satélite utilizadas pelo Granular Insights, cada pixel equivale a uma área de 3 metros por 3 metros, ou seja, 9 metros quadrados. Essa resolução é bem superior à de outros provedores que chegam a utilizar imagens de 10 por 10 metros, ou seja, 100 metros quadrados a cada pixel. Com o Granular Insights, você consegue ver imagens muito mais específicas. Na prática: dentro de um espaço inteiro do concorrente, com 100 metros quadrados, você teria 10 vezes mais precisão se usasse o Granular Insights. E cada uma dessas imagens é analisada de forma individual pelo algoritmo do Granular Insights, que usa o índice de Vegetação de Banda Larga e Dinâmica, WDRVI em inglês, e que funciona de forma similar medindo níveis de luz infravermelho próximos à luz vermelha, porém tem pelo menos 3 vezes mais precisão do que o NDVI.

Já no caso dos serviços de mapas do Google, como Maps e Earth, essa resolução pode variar de região para região, dependendo da época e da frequência da região, podendo oferecer imagens de até 30cm por 30cm, mas com uma revisitação anual ou maior, dependendo da região.

A revisitação mencionada é um fator determinante para que o produtor tenha em mãos informações mais recentes e de forma ágil. Com o Granular Insights, conseguimos uma maior taxa de revisitação graças à parceria com a Planet, que possui a maior frota de satélites para rápida revisão, desta forma iremos entregar imagens em uma frequência maior do que usando constelações gratuitas, como do programa espacial Landsat, da NASA (Agência Espacial Americana), e do Sentinel, da ESA (Agência Espacial Européia).

Como vimos, não se trata apenas de ter acesso a imagens de satélites. Com Granular Insights, o produtor tem informações mais precisas para tomar as melhores decisões. Tudo isso por ter imagens com mais qualidade, melhor frequência de revisitação da lavoura e algoritmos de correção.

Fique por dentro!

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