Quando começamos a trabalhar com imagens de satélites, os primeiros desafios residem em compreender como o sistema sensor está observando a superfície e entender o que compõe nossa cena.

Esse é um aprendizado que passa pela compreensão da relação dos alvos com a radiação que vem do Sol, da Terra ou, ainda, da antena do Radar. Isso nós abordamos no primeiro email que te mandamos, além de ser o episódio 169 do nosso podcast O Fascinante Mundo do Sensoriamento Remoto. Se não ouviu, recomendo fortemente que o faça para começar a nivelar a conversa.

Também depende das características do sistema sensor que podem ser resumidas nas quatro resoluções: espacial, espectral, radiométrica e temporal. Também conversamos sobre, no último email que te enviamos e que é o tema do episódio 171 do podcast, que foi ao ar nesta semana.

Mas, no final das contas o que queremos quando começamos a trabalhar com as imagens é retirar o máximo de informação. Aliás, esse é o grande propósito de fazermos processamento digital de imagens, ou o famoso PDI. Transformar a energia refletida, emitida ou retroespalhada pelo alvo em informação.

E aí, o céu é o limite, ou melhor, o universo é o limite. Falo disso, pois quando a NASA divulgou as primeiras imagens do telescópio espacial James Webb, mostrou que havia água na atmosfera de um planeta do tamanho de Saturno, fora do nosso sistema solar. Com um detalhe: eles não foram até ele para medir sua composição atmosférica. E como isso é possível? Usando modelagem espectral.

Mas, só de ouvir o nome modelagem, a maioria das pessoas se assusta, pois pensa em algo extremamente complexo e não disponível aos reles mortais. Não é bem assim!

Um modelo é a representação matemática de um fenômeno físico. Pode ser, sim, bem complexo, mas pode ser bem simples e acessível. Vou te dar um exemplo: todo mundo que começa a processar imagens de satélites ouve falar no índice de vegetação por diferença normalizada, conhecido por sua sigla em inglês como NDVI. O NDVI é uma divisão de uma diferença por uma soma. O quê? Divisão, subtração e adição? Exato! Simples assim. E te permite avaliar o grau de atividade de fotossíntese que a vegetação imageada está realizado.

Aliás, quando falo de modelagem espectral, porque se baseia no comportamento espectral dos alvos, saliento que você precisa compreender como é o espectro do alvo normal, sem alterações, e como é o espectro desse mesmo alvo ao ser perturbado. Como assim? Voltemos ao NDVI.

Se eu quero medir a fotossíntese de uma vegetação, eu preciso compreender como é o espectro de uma vegetação que está realizando esse processo de forma eficiente. Depois eu avalio um espectro de uma vegetação que envelheceu e que perdeu sua capacidade de realizar fotossíntese. Aí eu vou comparar os espectros e entender como devo idealizar um modelo que representa a mudança.

Espectros de vegetação verde e seca.

Vou detalhar melhor essa questão com o NDVI. Quando eu analiso o espectro de uma vegetação vigorosa e fotossinteticamente ativa, noto uma feição de absorção bem marcada na região do vermelho (normalmente chamada de Red) e um pico de reflexão maior na região do infravermelho próximo, chamado de NIR (sigla em inglês para Near InfraRed). E qual a vantagem de ter uma absorção e uma reflexão? A gente precisa de contraste para destacar as coisas e uma absorção e uma reflexão geram esse contraste, e isso pode ser visto na figura a seguir.

Destaque para a absorção no vermelho e reflexão no NIR da vegetação verde.

Quando ela seca e se torna não ativa em termos de fotossíntese, essa absorção do vermelho quase desaparece e a reflexão do NIR também diminui. Isso é notado no detalhe da mudança do comportamento espectral dos pontos na vegetação seca.

Detalhe da mudança do comportamento espectral da absorção e reflexão na vegetação seca.

Então, se eu fizer a subtração da reflexão do NIR pela absorção do vermelho e dividir pela soma dessas duas feições, eu meço quão ativa ou não é a minha vegetação. Aliás, dividir a subtração pela soma faz com que eu relativize meu resultado e o coloque numa escala de porcentagem de atividade fotossintética e isso facilita ainda mais essa avaliação.

Se você observar o NDVI na figura a seguir, vai entender por que os valores são mais altos nas vegetações verdes e próximos a zero nas secas. Na verde, os pontos são afastados por causa da fotossíntese e, na vegetação seca, praticamente são iguais e por isso, se divido valores próximos entre si, o resultado se aproxima de zero e isso significa que o pixel apresenta alvos não fotossinteticamente ativos.

Índice de Vegetação por Diferença Normalizada ou NDVI.

Mas, tudo parte de você saber a teoria que está por trás do comportamento espectral da vegetação e, principalmente, de observar as mudanças que ocorrem no espectro para poder modelá-lo.

Aí, aquilo que parecia inacessível para você, começa a se tornar algo mais palpável e você até arrisca a propor novos índices. Foi assim comigo quando propus alguns índices espectrais para intemperismo de solos, depois criei um índice para o conteúdo de CO2 atmosférico em dados hiperespectrais e finalmente, quando propus o SFDVI que é um índice de vegetação por profundidade de feição espectral ou por absorção, para ficar mais claro. E sabe como meus índices se estruturam? Os de intemperismos são relações de diferença de absorções dos minerais envolvidos. O de CO2 atmosférico, a mesma lógica fazendo uma subtração apenas entre um pico de reflexão e uma feição de absorção. E o SFDVI é a subtração de duas médias aritméticas, dos pontos de reflexão no verde e no NIR, menos a médias das absorções no vermelho e na borda do vermelho. Simples assim! E todos validados com dados de campo e trazendo informações preciosas dos alvos investigados.

E você, já tinha parado para pensar como podem ser simples compreender e se apropriar dos diversos modelos ou índices espectrais? Já tinha se deparado com a situação de aplicá-los sem sequer entender o que estava fazendo ou o que eles estavam representando na sua imagem? Enfim, isso também é para você, desde que você siga a trilha correta para compreender PDI com profundidade. Isso é uma das características que diferencia o entusiasta do profissional que o mercado deseja.

Um grande abraço!