Comparison of the Normalized Difference Vegetation Index (NDVI) Between the Sensors OLI-Landsat Satellite-8 and MSI-Sentinel-2 Satellite in Semi-Arid Region

Abstract

ResumoO uso de técnicas de sensoriamento remoto em apoio aos estudos ambientais se tornou comum nos últimos anos, e a disponibilidade de imagens de satélites de forma gratuita também tem impulsionado esse crescimento. A utilização de imagens orbitais para realização destes estudos permite uma redução dos custos envolvidos, maior agilidade e constância no acesso aos dados e, consente, uma avaliação holística, analisando com maior precisão e detalhamento diversas componentes ambientais presentes na região de interesse. Este artigo buscou analisar as respostas espectrais, nas bandas do visível e infravermelho e comparar valores do Índice de Vegetação de Diferença Normalizada (NDVI) obtidos pelos sensores OLI -Landsat 8 e MSI -Sentinel 2, na região semiárida que compreende parte do território da bacia hidrográfica do rio Moxotó. Ao se analisar a resposta espectral de cada um dos sensores fica evidenciado que existem diferenças entre as bandas que proporcionam o cômputo do NDVI, que são as bandas do vermelho e infravermelho próximo que poderiam gerar valores diferentes de um mesmo índice, numa mesma área. Apesar das diferenças espectrais e espaciais existentes entre os sensores ópticos Landsat-8/OLI e Sentinel-2/MSI, apresentaram momentos estatísticos próximos entre as bandas comparadas. O NDVI no período estudado apresentou valores médios para o Landsat-8 e Sentinel-2 iguais a 0,383 e 0,387, respectivamente, e uma correlação forte igual a 0,871 entre os sensores. O sensor MSI -Sentinel-2 permitiu um maior delineamento dos alvos devido à sua maior resolução espacial, possibilitando maior confiança para monitoramento e gestão do meio ambiente.

Mapeamento do índice de vegetação e temperatura de superfície da cidade de Pau dos Ferros-RN

“…Valores moderados entre 0,2 a 0,3, é indicativo de vegetação de pequeno porte, raquíticas, característica de regiões de caatinga, a cobertura vegetal da Caatinga mais densa no período da estiagem apresenta estes valores, devido a perda da parte aérea do dorsal foliar. Enquanto valores altos indicam florestas ou vegetação mais densa 0,6 a 0,8 (BEZERRA et al, 2018;BEZERRA et al, 2014).…”

November 2023

“…For remote sensing evapotranspiration estimation, images can be obtained by free orbital imaging sensors (satellites), including: Landsat 8, Sentinel 2 and MODIS (Petropoulos, 2013;Thenkabail, 2016); and algorithms are more common: SEBAL (Surface Energy Balance Algorithm for Land) (Bastiaanssen et al, 1998), METRIC (Mapping EvapoTranspiration at High Resolution using Internalized Calibration) (Allen et al, 2007) and SAFER (Simple Algorithm for Evapotranspiration Retrieving) (Teixeira, 2010). There are significant differences in estimates between imaging sensors based on the development characteristics of the satellites, being these different in spatial, spectral and radiometric resolution, and these differences affect the observation of the Earth's surface (Bezerra et al, 2018;Pardo-Pascual et al, 2018). For the characterization of the surface, there are standardization techniques so that independently of the sensors present different characteristics, they can represent the object.…”

Comparação De Imagens Oli/Landsat-8 E Msi/Sentinel-2 No Mapeamento De Uso E Cobertura Da Terra Na Ilha Do Maranhão

“…Os procedimentos de classificação são executados no ambiente do Sistema de Informação Geográfica (SIG) e consistem na identificação automática realizada pelo software, o resultado da classificação digital é apresentado por meio de classes espectrais (áreas que possuem características espectrais semelhantes), uma vez que um alvo dificilmente é caracterizado por uma única assinatura espectral (NOVO, 2010;ABREU e COUTINHO, 2014). A interpretação visual de imagens de satélites é um método muito eficaz para o mapeamento do uso e cobertura da terra (BEZERRA et al, 2019;OLIVEIRA e AQUINO, 2019;FREIRES et al, 2020). Sensores de satélites ópticos com boa resolução espacial, como Landsat Operational Land Imager (OLI) e MSI/Sentinel-2, são importantes fontes de informações para investigações científicas das atividades de agricultura e silvicultura e desenvolvimento urbano (RICHTER, 1996).…”