SERP35 aula 2 - CMV perfis e mascaras

LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia

Roteiro de aula� Índices de Vegetação� Composição de máximo valor (CMV)

SERP35 – AGROMETEOROLOGIA POR SATÉLITE

� Composição de máximo valor (CMV)� Perfis temporais

- Estudos agrícolas- Estudos ambientais- Estudos climáticos

� Exercício prático


Visível Infravermelhopróximo

Infravermelhomédio

Curva da reflectância de uma folha verde


BORDAVERMELHA


Visível (pigmentos)

Clorofila b

Infravermelho próximo(estrutura interna + efeito aditivo)

Infravermelho médio (água)


Clorofila b

Clorofila a

B-caroteno

1,41,9 2,7


5

6

7

8

9

Re

flect

ânc

ia V

isív

el (

%)

40

50

60

70

Re

flect

ânc

ia I

nfra

verm

elh

o (%

)

Visível Infravermelho


Reflectância, na porção do visível e do infravermelho, para o dossel de soja em função do índicede área foliar (IAF), EEA-UFRGS, Eldorado do Sul (Almeida et al., 2005).

0

1

2

3

4

5

0 2 4 6 8IAF

Re

flect

ânc

ia V

isív

el (

%)

0

10

20

30

40

0 2 4 6 8IAF

Re

flect

ânc

ia I

nfra

verm

elh

o (%

)


Ref

lect

ânci

a (%

)

SoloVegetação


Curva característica da reflectância de alvos

Comprimento de ondas (μm)

Ref

lect

ânci

a (%

)

Água


• Reflectânciaem função das etapas do desenvolviment 30

40

50

60

70

Ref

lect

ânci

a (%

)

AfilhamentoFlorescimentoFormação de grão


desenvolvimento da cultura do trigo

0

10

20

30

300

338

376

414

452

490

528

566

604

642

680

718

756

794

832

870

908

946

984

1022

1060

1098

Ref

lect

ânci

a (%

)

Comprimento de ondas (nm)

Mistura → vegetação + solo


Migração de um pixel de vegetação agrícola no espaço multiespectral do V e IVP


(Fonte: Jensen, 2009)


Índices de vegetaçãoMedidas radiométricas da quantidade, estrutura e condição da

SoloVegetação

Visível Infravermelho


e condição da vegetação;

Combinações lineares de bandas espectrais (visível e infravermelho)

Curva característica da reflectância de alvosComprimento de ondas (μm)

Ref

lect

ânci

a (%

)

Água

SoloVegetação


1. Razão entre bandasíndices de vegetação por inclinação (retas com diferentes inclinações)

2. Combinação linear entre bandasÍndices de vegetação por distância, em

relação ao padrão espectral do solo descoberto



NDVI - Índice de vegetação por diferença normalizada(Rouse et al, 1973)

( )( )VIV

VIVNDVI ρρρρ

+−=

a – nuvemb – areiac – vegetação verded – soloe – vegetação secaf – asfaltog - água


Valores típicos:Nuvens, água e neve apresentam valores de reflectância maiores no visível do que noinfravermelho - NDVI negativos.

Rochas e solo descolberto têm valores similares de reflectância nestes doiscomprimentos de onda - NDVI próximos a zero.

Vegetação - NDVI entre 0,3 e 1Altos valores são associados com altas densidades de vegetação saudável.

Efeitos atmosféricos (espalhamento por poeiras, aerosóis, gases atmosféricos e nuvensdentro do pixel) - aumenta a reflectância na banda do visível em relação a banda doinfravermelho - reduz NDVI.


REDNIRGEVIρρ −=

EVI (Enhanced Vegetation Index)(Índice de vegetação realçado)

Produto MOD13Q1

NDVI e EVI↓


)( 21 BLUEREDNIR

REDNIR

ccLGEVI

ρρρρρ

−++−=

Influência do FundoInfluência da atmosfera

↓“CMV”


CMV – Composição de Máximo Valor� O valor de cada pixel representa o máximo valor observado ao longo de um período definido;� Período de composição – 7, 10, 16, 30... dias;


� Desenvolvido por Holben (1986);� É uma solução proposta para a presença de nuvens e outras influências atmosféricas, minimizando efeitos de atenuação;� Minimiza também problemas de geometria de aquisição da imagem (ângulo solar,...);


� CMV aplicado a imagens de índice de vegetação permite acompanhamento temporal → monitoramento regional da biomassa

CMV – Composição de Máximo Valor


monitoramento regional da biomassa� As composições tendem a expressar apenas variações significativas da vegetação � Índices mais utilizado NDVI e EVI


CMV – Composição de Máximo ValorSatélites mais utilizados

NOAA, SPOTVegetation, MODIS


Resolução espectral adequada (IVs)Alta resolução temporal

Baixa ou moderada resolução espacial




Nuvens


Jacóbsen (2000)

Construção de Perfis Temporais• Representação gráfica da seqüência temporal dos valores de IVs



• Representação gráfica da seqüência temporal dos valores de IVs

• São indicadores das condições de desenvolvimento da vegetação, as quais são grandemente afetadas pelas condições meteorológicas

• São utilizados para:estudos agrícolas (monitoramento e previsão de safras)estudos ambientais (mudança de uso e cobertura do solo)estudos climáticos (mudanças climáticas globais)


CMV em estudos agrícolas “monitoramento”


“monitoramento”

Máscaras de cultivo

Objetivo:


Objetivo:Identificação de áreas ocupadas pelo alvo de

interesse, no caso culturas anuais.

Construção baseada na evolução temporal das lavouras, diferenciada de outros tipos de alvos



Evolução temporal de cultivos

60

70

80

90

100

% d

e la

vour

as

Des. Veg. Floração Enc. Grão

Maduro Colhido

0,6

0,7

0,8

0,9

1

0

10

20

30

40

50

60

Out

2

Nov

1

Nov

2

Dez

1

Dez

2

Jan

1

Jan

2

Fev

1

Fev

2

Mar

1

Mar

2

Abr

1

Abr

2

% d

e la

vour

as

0

0,1

0,2

0,3

0,4

0,5

0,6

31

ou

t

16

no

v

02

dez

18

dez

01

jan

17

jan

02

fev

18

fev

06

mar

22

mar

07

ab

r

23

ab

r

ND

VI

Calendário agrícola da região de Ijui – EMATER/RS



Máscara de cultivos

0,7

0,8

0,9

1

0

0,1

0,2

0,3

0,4

0,5

0,6

0,73

1 o

ut

16

no

v

02

dez

18

dez

01

jan

17

jan

02

fev

18

fev

06

mar

22

mar

07

ab

r

23

ab

r

ND

VI

Baixo valor inicial

Baixo valor final

Alta variação

Culturas anuais




0,7

0,8

0,9

1

Culturas anuais

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0,5

0,6

29

set

15

ou

t

31

ou

t

16

no

v

02

dez

18

dez

01

jan

17

jan

02

fev

18

fev

06

mar

22

mar

07

ab

r

23

ab

r

ND

VI

Corpos d´água




0,7

0,8

0,9

1

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0,5

0,6

29

set

15

ou

t

31

ou

t

16

no

v

02

dez

18

dez

01

jan

17

jan

02

fev

18

fev

06

mar

22

mar

07

ab

r

23

ab

r

ND

VI Culturas anuais

Corpos d´água

Campos naturais




0,7

0,8

0,9

1

Matas nativas

Culturas anuais apresentam ALTA VARIABILIDADEao longo do ciclo de

desenvolvimento

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0,5

0,6

29

set

15

ou

t

31

ou

t

16

no

v

02

dez

18

dez

01

jan

17

jan

02

fev

18

fev

06

mar

22

mar

07

ab

r

23

ab

r

ND

VI Culturas anuais

Corpos d´água

Campos naturais


DEFINIDA A MÁSCARA DE CULTIVO:


Previsão de safras

Quantificar a área de cultivoQuantificar a área de cultivoLocalizar as lavourasRealizar estudos de dinâmica de cultivos

Acompanhar a evolução dos cultivos → MonitoramentoEsJmar rendimento → Modelagem




29/SET




16/NOV

Concentração da semeadura




17/JAN

Máximo desenvolvimento




7/ABR




23/ABR

Colheita



Monitoramento de safras

Perfis temporais de NDVI/MODIS em anos de rendimento de grãos de TRIGOsuperiores a 1800 kg ha-1inferiores a 1800 kg ha-1

superiores a 1800 kg ha-1

Junges (2006)


Existe variabilidade entre os anos, a qual é

conseqüência de condições diferenciadas de manejo e

de cond meteorológicas

Construção das máscaras de cultivo:


Imagens MODIS

Imagem diferença (IMGMAX – IMGMIN)Chave de classificação

Realce de distribuição (μ e σ → Landsat)Classificação digital

Componentes principais

.....

ATRIBUTO ESPECTRO-TEMPORALSERP35 – AGROMETEOROLOGIA POR SATÉLITE

CUIDADO:Para cálculo de

áreas usarPROJEÇÃO

PLANA


IMAGEM DIFERENÇA (Máximo – Mínimo)

Compde

Diferença

Menor


Compdemínimo

Compdemáximo

Maior

Menor

NDVIMaior


Determinação dos limiares aplicados à IMAGEM DIFERENÇACultura do trigo na Austrália

60000

3200

3400

60000

Are

a -

ha (

limia

r)

2400

2600

2800

Fontana et al (2005)

EXEMPLO DE LIMIARES NO RS:


CRITÉRIO: 25% superior aos dados ABS e ABARE (erro declarado)

0

20000

40000

0 20000 40000 60000

Area - ha (ABS / ABARE)

Are

a -

ha (

limia

r)

3400

3600

3800

4200

4400

0

20000

40000

0 20000 40000 60000

Area - ha (ABS / ABARE)

Are

a -

ha (

limia

r) 2800

3000

3200

3400

Limiar NDVI = 3200 Limiar EVI = 2400

EXEMPLO DE LIMIARES NO RS:Soja = 0,39 (Wagner et al., 2007)

Arroz = 0,50 (Klering, 2011)Cereais de inverno = 0,23 (Junges et al., 2011)


• Critérios de construção da máscara:

-Semeadura: NDVI ≤ 0,5

-Crescimento: Dif(max-mini) NDVI ≥ 0,35

-Máximo desenvolvimento: NDVI ≥ 0,75 0.70

0.80

0.90

CHAVE DE CLASSIFICAÇÃO (Guterres e Fontana, 2009)


-Máximo desenvolvimento: NDVI ≥ 0,75

-Declínio: Dif(max-minf) ≤ 0,5

-Colheita: NDVI ≤ 0,5

• Obtenção da área de soja:

-Multiplicação das áreas destacadas nas máscaras parciais ao longo de todas as fases (SxCxMxDxC)

0.20

0.30

0.40

0.50

0.60

0.70

out nov dez jan fev mar abr

Tempo (meses)

ND

VI


800000

1000000

1200000

Áre

a (h

a)

Região Ijui

Modis IBGE


0

200000

400000

600000

00-01 01-02 02-03 03-04 04-05 05-06 06-07 07-08

Áre

a (h

a)

SafrasGuterres e Fontana (2009)


0

1000

2000

3000

4000

5000

6000

7000

Fre

qüê

nci

a

Imagem de Fevereiro (booleana)

REALCE DE DISTRIBUIÇÃO Wagner et al (2007)

FEVEREIRO Critério:(μ ± 1,125σ)


0

0.0

1

0.0

5

0.0

9

0.1

4

0.1

8

0.2

2

0.2

7

0.3

1

0.3

5

0.3

9

0.4

4

0.4

8

0.5

2

0.5

6

0.6

1

0.6

5

0.6

9

0.7

4

0.7

8

0.8

2

0.8

6

0.9

1

0.9

5

0.9

9

NDVI - MODIS

0

500

1000

1500

2000

2500

-0.2

-0.1

-0.1

-0.1 -0

0.0

4

0.0

9

0.1

3

0.1

8

0.2

3

0.2

7

0.3

2

0.3

6

0.4

1

0.4

6

0.5

0.5

5

0.5

9

0.6

4

0.6

9

0.7

3

0.7

8

0.8

2

0.8

7

NDVI - MODIS

Fre

qüê

nci

a

Histograma das áreas de soja nas imagens MODIS usando máscara gerada com imagem Landsat com

grande controle de campo

Imagem resultante :

Mapeamento e

quantificação de

áreas de soja

Imagem de Novembro (booleana)

NOVEMBRO


REALCE DE DISTRIBUIÇÃO Wagner et al (2007)Definição do ponto de corte (μ ± xσ)

Área Cultivada Soja Cruz Alta - RS (safra 2003/2004)Método SIG

72.645,03

82.000,00

62.662,50

74.925,00

m+s

IBGE (2004)

Landsat (Weber, 2005)

Área Cultivada Soja Jóia - RS (safra 2003/2004)Método SIG

54.662,50

46.775,00

62.000,00

47.056,59

m+s

IBGE (2004)

Landsat (Weber, 2005)

µ±1,125σ µ±1,125σ


74.925,00

85.975,00

101.800,00

113.700,00

124.431,25

0,00 20.000,00 40.000,00 60.000,00 80.000,00 100.000,00 120.000,00

m+3.0s

m+2.0s

m+1.5s

m+1.25s

m+1.125s

Área cultivada (ha)

111.775,00

88.912,50

73.793,75

61.562,50

54.662,50

0,00 20.000,00 40.000,00 60.000,00 80.000,00 100.000,00 120.000,00

m+3.0s

m+2.0s

m+1.5s

m+1.25s

m+1.125s

Área cultivada (ha)

Média(µµµµ)

Desvio-padrão(σσσσ)

NDVI/MODISInicial

NDVI/MODISFinal

Novembro 01 0,481 0,118 0,347 0,614

Fevereiro 01 0,848 0,064 0,776 0,919

µ±1,125σ µ±1,125σ


Máscara de soja:Área cultivada com soja em Cruz Alta - RS

TM-Landsat vs MODIS-Terra Wagner et al. (2007)


Máscara para soja


AvaliaçãoTM-Landsat vs MODIS-Terra

Wagner et al. (2007)



CLASSIFICAÇÃO DIGITAL SUPERVISIONADA(Klering e Fontana, 2011)

Imagem de máximo


Imagem de mínimo


VE

Processo de amostragem

arroz


VERDE

ERMELHO

Classificação Digital Supervisionada: Paralelepípedo

arroz

não arroz


d = 0,95

200

300

400

Áre

a R

GB

(m

il ha

)

Fronteira Oeste

O índice de concordância de Willmott (d), que mede a dispersão dos dados em relação à reta 1:1 (medida da exatidão dos

valores de área estimados em relação aos observados) = 0,95

CLASSIFICAÇÃO DIGITAL SUPERVISIONADA(Klering e Fontana, 2011)


0,3

0,4

0,5

0,6

0,7

0,8

0,9

ND

VI

imagem

arroz

não arroz

0,3

0,4

0,5

0,6

0,7

0,8

0,9

ND

VI

imagem

Fronteira Oeste

Campanha

Depressão Central

Planície Interna

Planície Externa

Zona Sul

(a) (b)

0

100

0 100 200 300 400

Áre

a R

GB

(m

il ha

)

Área IBGE (mil ha)

Fronteira OesteCampanhaDepressão CentralPlanície ExternaPlanície InternaZona Sul


CEREAIS DE

INVERNO:

Grandes

Produção de grãos Cobertura do solo - Pastagens

CLASSIFICAÇÃO DIGITAL NÃO SUPERVISIONADA(Junges, 2011)


Grandes

semelhanças

morfológicas

Identificação em

imagens de satélite

Através de estudos

multitemporais



Etapas:Geração da imagem diferença (Máximo – Mínimo)


Geração da imagem diferença (Máximo – Mínimo)

Objetivo – gerar imagem de variação

Aplicação do limiar (área das culturas de primavera-verão)

Objetivo – diminuir a variabilidade

Classificação não supervisionada (ISODATA)

Objetivo - gerar grupos espectro-temporais

Extração dos perfis temporais das 5 classes geradasObjetivo – gerar classes


CMV em estudos ambientais


“mudança de uso e cobertura do solo”



https://www.dsr.inpe.br/laf/series/


CMV em estudos climáticos


“variabilidade e tendência temporal”

Condições médias

do biomaNDVI


NDVI(2000-2011)


Variabilidadeno bioma

NDVINDVI(coeficiente de

variação)

(2000-2011)

EL NINO: LA NINA:

Variabilidade associada ao ENOS


NDVI médio de verão em anos com eventos ENOS

0.6

0.7

0.8

0.9N

DV

I méd

io

0.6

0.7

0.8

0.9N

DV

I méd

io

Análise de tendência temporal

0.3

0.4

0.5

2000 2001 2002 2003 2004 2005 2006 2007 2008

Imagens 16 dias (2000 a 2009)

ND

VI m

édio

0.3

0.4

0.5

2000 2001 2002 2003 2004 2005 2006 2007 2008

Imagens 16 dias (2000 a 2009)

ND

VI m

édio


EXERCÍCIO: Apresentação e relatório em 7 de outubroUtilizando a imagem MODIS da safra 2010/111. Escolher município no RS grande produtor de grãos2. Definir a cultura de interesse e o período de estudo (meses e anos);3. Coletar dados de área cultivada junto ao IBGE4. Construir máscaras de cultivo utilizando duas metodologias propostas em

aula (escolha duas entre as abaixo citadas):


aula (escolha duas entre as abaixo citadas):Imagem diferença; Chave de classificação;Realce de distribuição; Classificação digital supervisionada;Classificação digital não supervisionada;

4. Extrair os valores de NDVI e/ou EVI ao longo da safra utilizando duas áreas: a) municípios escolhido e b) melhor máscara de cultivo testada

5. Traçar os perfis temporais para as duas áreas; 6. Elaborar relatório comparando e discutindo os resultados obtidos.


SERP35 aula 2 - CMV perfis e mascaras

Documents

Transcript of SERP35 aula 2 - CMV perfis e mascaras