Índices de Vegetação

Monitoramento de uso do solo

Os índices de vegetação são utilizados para determinar as características espaciais e condições da vegetação, calculados por meio de modelos matemáticos desenvolvidos com base na reflectância das coberturas vegetais, baseados em sensoriamento remoto, via satélite, veículos aéreos ou terrestres.

Em nosso exemplo, utilizamos imagens de satélite geradas pelo Sentinel-2, capturadas através do Google Earth Engine.

Importamos as bibliotecas

import ee
import geemap

Inicializamos a API

# Processo de autenticação
ee.Authenticate()

# Inicializamos a biblioteca
ee.Initialize()

Índices de vegetação

NDVI (Normalized Difference Vegetation Index)

Utilizado para medir a densidade da vegetação, acompanhar o desenvolvimento e a saúde das plantas.

Fórmula: NDVI = (NIR -- RED) / (NIR + RED)

• NIR = valor dos pixels da banda NIR (B8)
• Red = valor dos pixels da banda RED (B4)

def obtemNDVI(image):
    NDVI = image.expression ('((NIR - RED) / (NIR + RED))',{
        'NIR': image.select ('B8'),
        'RED': image.select ('B4')
    }).rename("NDVI")
    
    image = image.addBands(NDVI)

    return(image)

GNDVI (Green Normalized Difference Vegetation Index)

Utilizado para identificar culturas murchas ou envelhecidas, e para medir o conteúdo de nitrogênio nas folhas.

Fórmula: GNDVI = (NIR -- GREEN) / (NIR + GREEN)

• NIR = valor dos pixels da banda NIR (B8)
• Green = valor dos pixels da banda GREEN (B3)

def obtemGNDVI(image):
    GNDVI = image.expression ('((NIR - GREEN) / (NIR + GREEN))',{
        'NIR': image.select ('B8'),
        'GREEN': image.select ('B3')
    }).rename("GNDVI")
    
    image = image.addBands(GNDVI)

    return(image)

SAVI (Soil Adjusted Vegetation Index

Utilizado para atenuar os efeitos do solo no ajuste do NDVI.

Formula: SAVI = ((NIR -- RED) / (NIR + RED + L)) * (1 + L)

• NIR = valor dos pixels da banda NIR (B8)
• Red = valor dos pixels da banda RED (B4)
• L = quantidade de cobertura de vegetação verde

def obtemSAVI(image):
    SAVI = image.expression ('(((NIR - RED) / (NIR + RED + L))* (1+L))',{
        'L': 0.5, # Cobertura de vegetação [0-1]
        'NIR': image.select ('B8').multiply(0.0001),
        'RED': image.select ('B4').multiply(0.0001)
    }).rename("SAVI")
    
    image = image.addBands(SAVI)

    return(image)

Escolha da coleção de imagens

data_inicial = '2024-04-01'
data_final = '2024-07-31'

polygon_coords = [
    [-43.41287287680422, -21.756108688468274],
    [-43.396307553928246, -21.756108688468274],
    [-43.396307553928246, -21.750887131860495],
    [-43.41287287680422, -21.750887131860495],
    [-43.41287287680422, -21.756108688468274]
]

aoi = ee.Geometry.Polygon(polygon_coords, None, False)

sel_bandas = ('B2', 'B3', 'B4', 'B5', 'B8')

db = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') \
                .filterBounds(aoi) \
                .filterDate(ee.Date(data_inicial), ee.Date(data_final)) \
                .select(sel_bandas) \
                .map(obtemNDVI) \
                .map(obtemGNDVI) \
                .map(obtemSAVI) \
                .sort('CLOUDY_PIXEL_PERCENTAGE') \
                .first()

Definição da paleta de cores

color = ['FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718',
               '74A901', '66A000', '529400', '3E8601', '207401', '056201',
               '004C00', '023B01', '012E01', '011D01', '011301']
pallete = {"min":0, "max":1, 'palette':color}

Mapa interativo para visualização de diferentes camadas

map1 = geemap.Map()
map1.centerObject(aoi, 15)
map1.addLayer(db.clip(aoi).select('NDVI'), pallete, "NDVI")
map1.addLayer(db.clip(aoi).select('GNDVI'), pallete, "GNDVI")
map1.addLayer(db.clip(aoi).select('SAVI'), pallete, "SAVI")

map1.addLayerControl()
map1