Extração de métricas fenológicas a partir de series temporais de NDVI visando o mapeamento da intensificação da agricultura brasileira

Autores

¹C. Kuchler, P.; ²Simões, M.; ³Bégué, A.; ⁴L. O. A. Machado, P.; ⁵Ferraz, R.; ⁶E. Madari, B.

¹UERJ Email: geocalvano@gmail.com
²EMBRAPA Email: margareth.simoes@embrapa.br
³CIRAD Email: agnes.begue@cirad.fr
⁴EMBRAPA Email: pedro.machado@embrapa.br
⁵EMBRAPA Email: rodrigo.demonte
⁶EMBRAPA Email: beata.madari@embrapa.br

Resumo

Como fruto do compromisso junto com a ONU, o Brasil assumiu voluntariamente na COP15 ocorrida em Copenhague, no ano de 2009, o compromisso de redução da emissão de GEE entre 36,1% e 38,9% até 2020. Neste momento, foram propostas algumas ações, dentre as quais, na área agrícola, teve grande foco na recuperação de pastagens degradadas e a promoção da integração lavoura-pecuária e floresta (ILPF), dando origem ao plano setorial de mitigação das mudanças climáticas para a agricultura, o chamado plano ABC. Diversos produtores rurais já estão se adequando nestas iniciativas e contam com linhas de crédito específicos. Um ponto em destaque no plano ABC se refere ao desafio de criar mecanismos efetivos para monitorar e acompanhar o desenvolvimento dessas ações propostas, mecanismos estes que sejam capazes de comprovar o cumprimento dos compromissos firmados. Técnicas de sensoriamento remoto tem um forte potencial para identificar, mensurar e mapear a adoção destas novas práticas, particularmente em relação aos sistemas integrados de pecuária e agricultura. As características sinópticas, multiespectrais e repetitivas dos satélites criam uma coleção de dados necessários no mapeamento de sistemas de produção agrícola, assim como do ciclo da cultura, principalmente em países com grandes porções de terras cultiváveis como o Brasil. A grande complexidade da utilização do sensoriamento remoto neste tipo de mapeamento é devida a grande quantidade de imagens necessárias. Uma única imagem de satélite, de uma única data não é suficiente, pois cada unidade de produção irá mudar sua assinatura espectral ao longo de um ano-safra, ou seja, um mesmo sistema, ou até uma mesma cultura irá variar ao longo do tempo. Dada esta complexidade, imagens multiteporais são necessárias para compreender o crescimento da safra ao longo da estação e rastrear as mudanças nas práticas de manejo dos sistemas de produção, afim de realizar um mapeamento agrícola que mais se aproxime da realidade do campo. Este artigo tem como objetivo analisar o comportamento espectral de uma serie temporal de NDVI dos satélites Landsat 07 e Landsat 08 afim de criar parâmetros de entrada em classificadores de imagens de satélite para mapear os sistemas integrados de agricultura-pecuária (ILP), sistemas estes de produção preconizados pelo plano ABC. O estudo foi realizado na fazenda Capivara do Centro Nacional de Pesquisa de Arroz e Feijão da Corporação Brasileira de Pesquisa - Embrapa, em Santo Antônio de Goiás, Brasil. O clima regional tem uma temporada bem definida: uma estação seca de abril a outubro e uma estação chuvosa de novembro a março. A precipitação média anual é de 1505 mm. Para este estudo, dez parcelas foram selecionadas com áreas variando de 5,3 ha a 13,1 ha. Entre abril de 2009 e outubro de 2016, a rotação das culturas consistiu em pastagem de Brachiaria (Urochloa Bryzantha) ou pousio na estação seca de forma intercalada com soja, arroz e de milho + braquiária na estação chuvosa. Foram utilizadas 84 imagens NDVI dos sensores Landsat-8 OLI e Landsat-7 ETM+ para uma série temporal entre os anos de 2009-2016. Para 12 tipos de uso da terra, isto é, floresta nativa, pastagem degradada e dez diferentes sistemas de ILP, um valor médio do NDVI foi calculado em cada polígono-parcela. O ETM + e o OLI utilizados foram de uma coleção de registros de dados do Landsat Surface Reflectance (Landsat CDR) que combinam dados corrigidos atmosfericamente de múltiplos sensores Landsat, representando um nível de tratamento 2A. A interferência atmosférica, como as nuvens, limitou a extração de valores para todos os 16 dias de intervalo (teoricamente possíveis), representando apenas 45% de observação com dados. No entanto, todas as estações foram representadas com um mínimo de 5 observações e raros foram os casos de um mês inteiro sem observações. Para reconstruir a serie temporal em um intervalo de 16 dias, foi utilizado o método de Savitsky Golay (SG) de interpolação e suavização de curvas, afim de atribuir valores estimados e filtrar valores que contenham interferência por questões atmosféricas e por ruídos. Estas técnicas são essenciais para estudar o padrão fenológico com condições de cultivo altamente dinâmicas. Após o tratamento das imagens, 04 métricas fenológicas (valor de base, duração da estação, valor de pico e amplitude) foram extraídas das séries temporais NDVI em cada uma das estações de crescimento da planta. Ao longo dos anos, a distribuição das métricas fenológicas de todos os perfis variou coerentemente de acordo com o tipo de uso do solo. Pode-se observar que o valor de base foi o maior e o valor de amplitude foi o mais baixo na classe da floresta. As classes de pastagem manejada, pastagem degradada e floresta puderam ser identificadas usando as métricas fenológicas, mostrando bons resultados, apresentando grande potencial para compor parâmetros de entrada em classificadores de imagens de satélite no mapeamento de sistemas de produção agrícola. As técnicas de suavização e de interpolação são etapas de pré-processamento necessárias para séries temporais, especialmente em áreas com alta frequência de cobertura de nuvem, pois a revisão teórica de 16 dias do Landsat geralmente não é alcançada por conta destas questões atmosféricas. Com o recente satélite da Agência Espacial Européia (ESA sigla em inglês), o Sentinel-2, que tem revisita de 5 dias prevista para o final de 2017 para o Brasil, possivelmente será desnecessária a etapa de interpolação, utilizando valores de fato observados pelos sensores, aumentando a eficácia e a possibilidade de maior discriminação das classes de uso do solo usando métricas fenológicas para o mapeamento da agricultura no Brasil.

Keywords

Métricas Fenológicas; NDVI serie temporal; Mapeamento agrícola

ARTIGO COMPLETO