LandViewer – EOS data Analytics / Novas Funções!

NOVAS FUNÇÕES DO LANDVIEWER QUE VOCÊ NÃO VAI QUERER PERDER

O LandViewer, um serviço em nuvem desenvolvido pela empresa com base nos EUA, EOS Data Analytics, é conhecido por fornecer acesso fácil a dados de satélites e dados analíticos em ritmo acelerado. Nos meses recentes, ele passou por diversas atualizações que expandiram o catálogo existente de imagens de satélites, introduziram mais ferramentas para análises e acrescentaram alguns outros bônus incríveis.

Uma plataforma única para exploradores de imagens

Ao final de 2018, dados aéreos e espaciais disponíveis para navegação, análise e download por meio do LandViewer incluíam imagens do Sentinel-2 and Sentinel-1 da ESA, Landsat 8 da NASA-USGS e missões anteriores, MODIS, CBERS-4 e NAIP. Esta ampla seleção de dados de observação da Terra cresceu ainda mais com a adição de imagens comerciais de alta resolução do Airbus, SpaceWill e SI Imaging Services.

O LandViewer evoluiu para uma única plataforma, onde, além de dados de fontes abertas, você pode explorar livremente o potencial de dados comerciais com cobertura global, períodos curtos de revisitação e resolução espacial de até 40 cm. O catálogo atual inclui imagens do Pléiades 1a/1b, SPOT 5, SPOT 6 e SPOT 7, juntamente com KOMPSAT-2, 3, 3A e SuperView, Gaofen 1, 2 e Ziyuan-3. Comparado a outros navegadores de imagens em alta resolução, o LandViewer vangloria-se de vantagens como prévia grátis, cálculo de preço automático por área selecionada e entrega rápida de imagem dentro de 3 dias úteis por meio da nuvem do EOS Storage.


Prévia de imagem coletada pelo KOMPSAT-3A acima do Aeroporto Internacional de Shanghai Hongqiao em 29 de outubro de 2018.

Observações de longo prazo com a Análise de Séries de Tempo

A abundância de dados disponíveis, como as imagens atualizadas semanalmente do Sentinel-2 e os dados históricos do Landsat, facilitou o monitoramento de mudanças em longos períodos de tempo. Mas quanto tempo levaria para selecionar e processar diversos anos de dados de satélites para obter uma perspectiva multitemporal? Você nunca saberá, porque a nova Análise de Séries de Tempo pegará todos os dados de detecção remota para você e entregará os resultados em um gráfico facilmente interpretável.


Gráfico de séries temporais do Sentinel-2 gerado para campos agrícolas do estado de Kansas.  

Tudo o que você precisa fazer é selecionar uma área de interesse (AOI), um conjunto de dados de satélite e um período de tempo entre 1 mês e 10 anos. O algoritmo pode pegar todas as imagens com nebulosidade mínima e calcular o NDVI, NDWI ou NDSI em apenas alguns momentos. Por padrão, o gráfico de Séries Temporais gerado contém linhas (representando os valores mín, máx, média e um desvio padrão) que podem ficar escondidos ou exibidos para a sua conveniência, e sempre que você observar um pico ou uma queda incomum nos valores, uma cena do satélite que representa parte da curva pode ser visualizada para estabelecer a causa. Os resultados podem ser baixados como uma imagem (.png) ou um arquivo .csv para Excel.

Análise de vegetação avançada com novos índices espectrais

Todo mundo que busca um olhar mais profundo em relação à cobertura de vegetação ficará satisfeito em descobrir os novos índices espectrais do LandViewer: SAVI, EVI, ARVI, GCI, SIPI e NBR. Esses índices podem complementar a análise NDVI ao fazer correções em relação a efeitos atmosféricos, topográficos ou influências de luminosidade de solo, dependendo da densidade da vegetação, clima e elevação da área de interesse. O índice NBR, por sua vez, é designado para destacar áreas queimadas em relação à vegetação saudável; enquanto a diferença entre os valores NBR antes do incêndio e os valores NBR pós incêndio podem ser aplicados para estimar a severidade da queimada.

O uso de diversos índices simultaneamente permite um melhor insight sobre a saúde da vegetação e ajuda a identificar vegetação estressada ou infectada em estágio precoce.


Análise SAVI derivada do Sentinel-2 de uma região agrícola árida na Arábia Saudita.

Cálculo de área e legenda intuitiva

Outra função do LandViewer, a legenda do índice é designada para resolver o problema da interpretação dos resultados do índice, um problema comum para os novos usuários. Agora, quando um índice espectral é aplicado sobre um território selecionado, o usuário pode visualizar uma legenda detalhada, onde cada classe marcada por cor contém uma curta descrição. Por exemplo, o cálculo de NDVI identificará e destacará as áreas como “vegetação densa”, “vegetação moderada”, “vegetação escassa”, “solo aberto” ou “sem vegetação”.

NDVI com legenda descritiva

Outra funcionalidade para a economia de tempo adicionada recentemente é que a área de cada classe dentro da legenda do índice espectral agora é calculada automaticamente, tanto em metros quadrados como em porcentagem.

E não se esqueça de usar a ferramenta de Área de Interesse (AOI) expandida, que permite o carregamento em massa de muitas AOIs e acelera o trabalho ao permitir a visualização simultânea e a mudança rápida de todas as AOIs no mapa para buscas de imagem e inscrição de nova cena.

Dados analíticos de zona avançados

Ao introduzir a função de Clusterização, os especialistas em detecção remota e desenvolvedores de software do EOS levaram a análise espaço-temporal a um novo nível. Com essa função, os usuários podem executar classificação de dados baseados em satélite sem supervisão de uma área de até 200 sq.km em até 19 agrupamentos (ou clusters). Esse processo envolve a definição de parâmetros customizados (tamanho/número de zonas) e aguardar alguns momentos para que o LandViewer construa uma imagem raster da área com agrupamentos marcados por cor, e uma camada de vetor contornando as fronteiras. Os dois resultados podem ser baixados.

Essa análise em escala pode providenciar vários insights em relação à agricultura, silvicultura, monitoramento costal e outras indústrias. Por exemplo, um fazendeiro pode fazer uso do conveniente mapeamento de zonas por cor dentro do campo com base nos valores NDVI para a navegação precisa no campo e a administração da safra.

De imagens estáticas a animações atraentes


Lapso de tempo do satélite Sentinel-2 da construção do Aeroporto de Istambul, de 2015 a 2018.

Não vamos esquecer que, além dos dados espectrais informativos contidos nos pixels das imagens de satélite, é divertido olhar para esses pixels. Com isso em mente, o LandViewer apresentou a função de Animação de Lapso de Tempo que permite que jornalistas e usuários ativos das redes sociais criem histórias animadas envolventes para compartilhar na Internet. Cada GIF pode conter até 300 cenas, com índices e combinações de banda aplicados.

Desde o desprendimento de icebergs à construção de novos estádios – as imagens de satélite são cheias de informações que valem à pena observar e compartilhar com o mundo, com a ajuda do LandViewer em eos.com/landviewer.

Utilização de imagens LANDSAT – 8 para caracterização da cobertura vegetal

Publicado em MundoGEO

Por Izabela Prates | 13h44, 10 de Junho de 2014

Por André S. Alvarenga e Marcelo F. Moraes

Processamento digital de imagens LANDSAT – 8 para obtenção dos índices de vegetação NDVI e SAVI visando a caracterização da cobertura vegetal no município de Nova Lima – MG

A redução dos recursos naturais devido à ação antrópica, estimula uma constante aquisição de informações ambientais espaço-temporais com o objetivo de compreender padrões de uso e ocupação e organização do homem no espaço. Para tanto, a utilização de imagens de satélite para fins de mapeamento, planejamento e monitoramento ambiental tem sido realizada há várias décadas. Atualmente, novas tecnologias aliadas a softwares cada vez mais modernos têm possibilitado o uso de imagens de satélite para variados fins.

(…)

A pesquisa ora apresentada justifica-se na demonstração da utilização de índices de vegetação por meio de técnicas de sensoriamento remoto, destacando a importância de se ter seletividade na escolha do índice de vegetação mais apropriado para a área e para a finalidade da pesquisa proposta. Para tanto, a pesquisa busca analisar o desempenho de dois índices de vegetação; o Índice de Vegetação da Diferença Normalizada (NDVI) e o Índice de Vegetação Ajustado ao Solo (SAVI), visando identificar qual melhor representa e discrimina a cobertura vegetal do município de Nova Lima – MG.

Sendo assim, esta pesquisa tem como objetivo geral realizar análises em imagens de satélite Landsat-8 processadas por meio de técnicas de sensoriamento remoto, bem como comparar a configuração da cobertura vegetal obtida por meio dos índices de vegetação NDVI e SAVI. Para tanto, o município de Nova Lima – MG será considerado a área de pesquisa devido às características inerentes ao município. Características que são abobadadas no item 3.2.7 e que estão enraizadas no desenvolvimento do setor de extração mineral que, por sua vez, contribuí de forma significativa no uso e ocupação do solo e desenvolvimento econômico do município de Nova Lima.

Os objetivos específicos deste trabalho são:

  • Determinar a cobertura vegetal por meio de técnicas de sensoriamento remoto relativas aos índices de vegetação;
  • Determinar o índice de vegetação (NDVI ou SAVI) mais eficaz na detecção da cobertura vegetal da área pesquisada;
  • Demonstrar que índices relativos à vegetação são técnicas que propiciam a caracterização da cobertura vegetal e outros alvos sem necessidade de levantamento em campo;
  • Avaliar o desempenho dos índices de vegetação para fins de planejamento urbano.

Fluxograma metodológico simplificado (Autor: André S. Alvarenga)
Fluxograma metodológico simplificado (Autor: André S. Alvarenga)

Resultados e Discussão

A álgebra de mapas para os índices de vegetação NDVI e SAVI das imagens Landsat-8 de 25/06/2014 que englobam o município de Nova Lima – MG apresentaram resultados muito aproximados, representando de forma satisfatória a vegetação e outros alvos (água, solo exposto e área edificada). Os valores mínimos e máximos obtidos por meio da álgebra de mapas para os índices NDVI e SAVI apresentaram diferenças, contudo, para maior clareza da interpretação, foram adotados nos dois mapas os mesmos intervalos temáticos para as classes definidas. Portanto os dois índices foram segmentados em 6 classes a saber:

Índice de Vegetação da Diferença Normalizada (NDVI): -1,0 a -0,9 (água), -0,9 a -0,16 (solo exposto), -0,16 a 0,1 (área edificada), 0,1 a 0,5 (vegetação arbustiva), 0,5 a 0,6 (transição de vegetação arbustiva – arbórea) 0,6 a 1,0 (vegetação arbórea).

Índice de Vegetação Ajustado ao Solo (SAVI): -1,49 a -1,4 (água), -1,4 a -0,25 (solo exposto), -0,25 a 0,15 (área edificada), 0,15 a 0,75 (vegetação arbustiva), 0,75 a 0,9 (transição de vegetação arbustiva – arbórea) 0,9 a 1,49 (vegetação arbórea).

Apesar dos índices apresentarem diferenças entre os valores mínimos e máximos devido os algoritmos serem diferentes, observa-se que após a divisão das classes (6 em ambos) os mesmos apresentaram diferença visual imperceptível como podemos observar na Figura 3. Contudo, apesar da utilização das mesmas bandas nos algoritmos, a real diferença entre ambos está no fato da adição da constante “L” no índice SAVI modificar a escala de valores que acompanha o resultado para o índice, proporcionando um range mais amplo que pode ser explorado a favor do número de classes determinadas pelo pesquisador.

Mapas dos Índices de Vegetação NDVI e SAVI com máscara do limite municipal (IBGE) referente a imagem Landsat-8 datada em 25/06/2014.
Mapas dos Índices de Vegetação NDVI e SAVI com máscara do limite municipal (IBGE) referente a imagem Landsat-8 datada em 25/06/2014.

Artigo completo em : http://mundogeo.com/blog/2014/06/10/processamento-digital-de-imagens-landsat-8-para-obtencao-dos-indices-de-vegetacao-ndvi-e-savi-visando-a-caracterizacao-da-cobertura-vegetal-no-municipio-de-nova-lima-mg/

%d blogueiros gostam disto: