{"id":3055,"date":"2020-09-14T16:42:58","date_gmt":"2020-09-14T19:42:58","guid":{"rendered":"https:\/\/certi.org.br\/blog\/?p=3055"},"modified":"2025-08-06T16:56:32","modified_gmt":"2025-08-06T19:56:32","slug":"monitoramento-da-vegetacao","status":"publish","type":"post","link":"https:\/\/certi.org.br\/blog\/monitoramento-da-vegetacao\/","title":{"rendered":"Sensoriamento remoto para monitoramento da vegeta\u00e7\u00e3o"},"content":{"rendered":"\n

Recentemente publicamos um artigo apresentando os benef\u00edcios de se realizar o monitoramento ambiental por sensoriamento remoto<\/a>, trazendo exemplos de aplica\u00e7\u00e3o e tamb\u00e9m as principais tend\u00eancias tecnol\u00f3gicas relacionadas ao tema. Neste artigo vamos explorar um pouco mais as aplica\u00e7\u00f5es de sensoriamento remoto para monitoramento<\/strong> da vegeta\u00e7\u00e3o, como s\u00e3o geradas as informa\u00e7\u00f5es de interesse, quais par\u00e2metros da vegeta\u00e7\u00e3o podem ser monitorados remotamente e alguns exemplos de aplica\u00e7\u00e3o em situa\u00e7\u00f5es reais.<\/p>\n\n\n\n

Monitoramento da vegeta\u00e7\u00e3o por sensoriamento remoto<\/strong><\/h2>\n\n\n\n

O monitoramento<\/strong> da vegeta\u00e7\u00e3o \u00e9 um dos tipos de monitoramento mais comuns de ser realizado por sensoriamento remoto, podendo ser aplicado em diversas ocasi\u00f5es e necessidades. Como exemplo de aplica\u00e7\u00f5es que se beneficiam deste tipo de tecnologia podemos listar com destaque:<\/p>\n\n\n\n

  1. O monitoramento de supress\u00e3o da vegeta\u00e7\u00e3o em \u00e1reas de impacto direto e indireto de empreendimentos;<\/li>
  2.  Acompanhamento da evolu\u00e7\u00e3o de projetos de restaura\u00e7\u00e3o florestal;<\/li>
  3.  Monitoramento da vegeta\u00e7\u00e3o visando otimiza\u00e7\u00e3o do manejo (p.ex. pr\u00f3xima de redes el\u00e9tricas, ferrovias, \u00e1reas verdes);<\/li>
  4. Monitoramento de compliance ambiental<\/em> em cadeias produtivas do setor agropecu\u00e1rio;<\/li>
  5. Fiscaliza\u00e7\u00e3o de cr\u00e9dito agr\u00edcola em propriedades rurais;<\/li>
  6. Monitoramento da produ\u00e7\u00e3o de base florestal; e<\/li>
  7. Monitoramento de projetos de redu\u00e7\u00e3o de emiss\u00e3o de carbono por desmatamento e degrada\u00e7\u00e3o florestal (REDD+<\/a>). <\/li><\/ol>\n\n\n\n

    O monitoramento<\/strong> da vegeta\u00e7\u00e3o por sensoriamento remoto \u00e9 realizado com base principalmente em imagens coletadas por sensores \u00f3pticos multiespectrais \u00e0 bordo de sat\u00e9lites (p.ex., OLI\/Landsat-8<\/a>, MSI\/Sentinel-2<\/a>, MUX e WPM\/CBERS-4A<\/a>), podendo tamb\u00e9m ser realizado \u00e0 partir de imagens coletadas por VANTs (p.ex., Horus<\/a>) e nanossat\u00e9lites (p.ex., Planet<\/a>) e tamb\u00e9m com base em imagens coletadas por radares (p.ex. C-SAR\/Sentinel-1<\/a>), capazes de coletar imagens independente das condi\u00e7\u00f5es de tempo e nebulosidade.<\/p>\n\n\n\n

    A diversidade de sensores e tipos de plataformas de aquisi\u00e7\u00e3o de imagens dispon\u00edveis atualmente permitem observar a vegeta\u00e7\u00e3o nas mais variadas escalas espaciais e temporais, sendo poss\u00edvel detectar e monitorar desde \u00e1rvores individualmente at\u00e9 grandes maci\u00e7os florestais, abrangendo grandes extens\u00f5es, inclusive em regi\u00f5es frequentemente encobertas por nuvens (p.ex., na regi\u00e3o Amaz\u00f4nica):<\/p>\n\n\n\n

    \"\"
    Exemplos de imagens para monitoramento da vegeta\u00e7\u00e3o em diversas escalas espaciais<\/strong><\/figcaption><\/figure><\/div>\n\n\n\n

    Mas afinal, como a vegeta\u00e7\u00e3o \u00e9 monitorada a partir das imagens e quais informa\u00e7\u00f5es podem ser extra\u00eddas a partir das imagens?<\/p>\n\n\n\n

    Detec\u00e7\u00e3o remota da vegeta\u00e7\u00e3o<\/strong><\/h2>\n\n\n\n

    A detec\u00e7\u00e3o  remota da vegeta\u00e7\u00e3o permite verificar sua ocorr\u00eancia em uma determinada localidade espacial, acompanhar sua evolu\u00e7\u00e3o no tempo e quantificar sua \u00e1rea de abrang\u00eancia, por meio da interpreta\u00e7\u00e3o e processamento digital das imagens. De maneira simplificada, a detec\u00e7\u00e3o e o monitoramento<\/strong> da vegeta\u00e7\u00e3o a partir de imagens de sensoriamento remoto pode ser realizada de 2 maneiras: (1) manualmente; e (2) de maneira automatizada.<\/p>\n\n\n\n

    Detec\u00e7\u00e3o manual<\/h3>\n\n\n\n

    A detec\u00e7\u00e3o manual \u00e9 realizada por meio da interpreta\u00e7\u00e3o visual de composi\u00e7\u00f5es coloridas de imagens previamente processadas e vetoriza\u00e7\u00e3o das fei\u00e7\u00f5es de interesse por fotoint\u00e9rprete experiente, utilizando para isso o aux\u00edlio de um Sistema de Informa\u00e7\u00f5es Geogr\u00e1fica (SIG). Levando em conta a frequ\u00eancia temporal, escala de mapeamento e abrang\u00eancia espacial do monitoramento<\/strong>, a t\u00e9cnica manual se torna invi\u00e1vel, exigindo uma grande quantidade de recursos humanos e financeiros. <\/p>\n\n\n\n

    \"\"
    .Exemplos de composi\u00e7\u00f5es coloridas utilizadas para a identifica\u00e7\u00e3o visual da vegeta\u00e7\u00e3o em imagens multiespectrais. Cor verdadeira, falsa cor com a vegeta\u00e7\u00e3o em vermelho e falsa cor com vegeta\u00e7\u00e3o em verde vibrante (imagem MSI\/Sentinel)<\/strong><\/figcaption><\/figure><\/div>\n\n\n\n

    Detec\u00e7\u00e3o autom\u00e1tica<\/h3>\n\n\n\n

    A detec\u00e7\u00e3o autom\u00e1tica da vegeta\u00e7\u00e3o utiliza algoritmos de classifica\u00e7\u00e3o e an\u00e1lise, podendo ser citado com destaque os algoritmos de Machine Learning<\/a> (ML). Como exemplo de algoritmos de ML amplamente citados na literatura e utilizados para fins de classifica\u00e7\u00e3o e monitoramento <\/strong>da vegeta\u00e7\u00e3o podemos destacar aprendizado supervisionado, como o Support Vector Machine<\/em>, Decision Trees<\/em>, Random Forest<\/em> e Artificial Neural Networks<\/em>. <\/p>\n\n\n\n

    Atualmente estes algoritmos est\u00e3o implementados e disponibilizados em diversos softwares<\/em> livres e comerciais (p.ex., ENVI<\/a>, InterIMAGE<\/a> e WEKA<\/a>) e tamb\u00e9m em pacotes implementados em linguagem R<\/em> (p.ex., o pacote Caret<\/a>), o que tem disseminado cada vez mais seu uso entre os usu\u00e1rios de imagens de <\/strong>sensoriamento remoto. <\/p>\n\n\n\n

    \"\"
    Exemplo de aplica\u00e7\u00e3o do algoritmo Neural Net<\/em> implementado no software <\/em>ENVI para mapeamento da vegeta\u00e7\u00e3o utilizando como fonte uma imagem Planet de uma \u00e1rea densamente urbanizada. Aplica\u00e7\u00e3o desenvolvida no contexto do manejo da vegeta\u00e7\u00e3o em sistemas de distribui\u00e7\u00e3o de energia<\/strong>.<\/figcaption><\/figure><\/div>\n\n\n\n

    Indo al\u00e9m da detec\u00e7\u00e3o da vegeta\u00e7\u00e3o<\/strong><\/h2>\n\n\n\n

    As imagens de sensoriamento remoto permitem n\u00e3o s\u00f3 a simples detec\u00e7\u00e3o da vegeta\u00e7\u00e3o, mas tamb\u00e9m a estimativa de propriedades e aspectos qualitativos da vegeta\u00e7\u00e3o e que s\u00e3o relevantes em diversos monitoramentos<\/strong>, por exemplo:<\/p>\n\n\n\n