Upload
vohanh
View
213
Download
1
Embed Size (px)
Citation preview
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Visível Infravermelhopróximo
Infravermelhomédio
Curva da reflectância de uma folha verde
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
BORDAVERMELHA
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Visível (pigmentos)
Clorofila b
Infravermelho próximo(estrutura interna + efeito aditivo)
Infravermelho médio (água)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Clorofila b
Clorofila a
B-caroteno
1,41,9 2,7
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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 (%
)
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Ref
lect
ânci
a (%
)
SoloVegetação
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Curva característica da reflectância de alvos
Comprimento de ondas (μm)
Ref
lect
ânci
a (%
)
Água
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
• Reflectânciaem função das etapas do desenvolviment 30
40
50
60
70
Ref
lect
ânci
a (%
)
AfilhamentoFlorescimentoFormação de grão
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Migração de um pixel de vegetação agrícola no espaço multiespectral do V e IVP
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
(Fonte: Jensen, 2009)
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Índices de vegetaçãoMedidas radiométricas da quantidade, estrutura e condição da
SoloVegetação
Visível Infravermelho
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
NDVI - Índice de vegetação por diferença normalizada(Rouse et al, 1973)
( )( )VIV
VIVNDVI ρρρρ
+−=
a – nuvemb – areiac – vegetação verded – soloe – vegetação secaf – asfaltog - água
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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.
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
REDNIRGEVIρρ −=
EVI (Enhanced Vegetation Index)(Índice de vegetação realçado)
Produto MOD13Q1
NDVI e EVI↓
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
)( 21 BLUEREDNIR
REDNIR
ccLGEVI
ρρρρρ
−++−=
Influência do FundoInfluência da atmosfera
↓“CMV”
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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;
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
� 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,...);
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
� CMV aplicado a imagens de índice de vegetação permite acompanhamento temporal → monitoramento regional da biomassa
CMV – Composição de Máximo Valor
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
monitoramento regional da biomassa� As composições tendem a expressar apenas variações significativas da vegetação � Índices mais utilizado NDVI e EVI
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CMV – Composição de Máximo ValorSatélites mais utilizados
NOAA, SPOTVegetation, MODIS
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Resolução espectral adequada (IVs)Alta resolução temporal
Baixa ou moderada resolução espacial
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CMV – Composição de Máximo Valor
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Nuvens
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CMV – Composição de Máximo Valor
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Jacóbsen (2000)
Construção de Perfis Temporais• Representação gráfica da seqüência temporal dos valores de IVs
CMV – Composição de Máximo Valor
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
• 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)
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CMV em estudos agrícolas “monitoramento”
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
“monitoramento”
Máscaras de cultivo
Objetivo:
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Máscara de cultivos
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Máscara de cultivos
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Máscara de cultivos
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
DEFINIDA A MÁSCARA DE CULTIVO:
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Evolução temporal de cultivos
29/SET
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Evolução temporal de cultivos
16/NOV
Concentração da semeadura
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Evolução temporal de cultivos
17/JAN
Máximo desenvolvimento
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Evolução temporal de cultivos
7/ABR
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Evolução temporal de cultivos
23/ABR
Colheita
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Existe variabilidade entre os anos, a qual é
conseqüência de condições diferenciadas de manejo e
de cond meteorológicas
Construção das máscaras de cultivo:
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
IMAGEM DIFERENÇA (Máximo – Mínimo)
Compde
Diferença
Menor
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Compdemínimo
Compdemáximo
Maior
Menor
NDVIMaior
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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:
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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)
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
• 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)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
-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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
800000
1000000
1200000
Áre
a (h
a)
Região Ijui
Modis IBGE
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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)
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
Máscara de soja:Área cultivada com soja em Cruz Alta - RS
TM-Landsat vs MODIS-Terra Wagner et al. (2007)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Máscara para soja
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
AvaliaçãoTM-Landsat vs MODIS-Terra
Wagner et al. (2007)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CLASSIFICAÇÃO DIGITAL SUPERVISIONADA(Klering e Fontana, 2011)
Imagem de máximo
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Imagem de mínimo
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
VE
Processo de amostragem
arroz
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
VERDE
ERMELHO
Classificação Digital Supervisionada: Paralelepípedo
arroz
não arroz
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CEREAIS DE
INVERNO:
Grandes
Produção de grãos Cobertura do solo - Pastagens
CLASSIFICAÇÃO DIGITAL NÃO SUPERVISIONADA(Junges, 2011)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
Grandes
semelhanças
morfológicas
Identificação em
imagens de satélite
Através de estudos
multitemporais
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CLASSIFICAÇÃO DIGITAL NÃO SUPERVISIONADA(Junges, 2011)
Etapas:Geração da imagem diferença (Máximo – Mínimo)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
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
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CLASSIFICAÇÃO DIGITAL NÃO SUPERVISIONADA(Junges, 2011)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CLASSIFICAÇÃO DIGITAL NÃO SUPERVISIONADA(Junges, 2011)
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CMV em estudos ambientais
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
“mudança de uso e cobertura do solo”
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
https://www.dsr.inpe.br/laf/series/
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
CMV em estudos climáticos
SERP35 – AGROMETEOROLOGIA POR SATÉLITE
“variabilidade e tendência temporal”
Condições médias
do biomaNDVI
Wagner et al. (2013)
NDVI(2000-2011)
Wagner et al. (2013)
Variabilidadeno bioma
NDVINDVI(coeficiente de
variação)
(2000-2011)
EL NINO: LA NINA:
Variabilidade associada ao ENOS
Wagner et al. (2013)
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
Wagner et al. (2013)
Wagner et al. (2013)
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):
LEAA – Laboratório de Estudos em Agricultura e Agrometeorologia
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 – AGROMETEOROLOGIA POR SATÉLITE