Segundo Florenzano (2011), Sensoriamento Remoto (SR) é a tecnologia que permite obter imagens e outros tipos de dados da superfície terrestre, por meio da captação e do registro da energia refletida ou emitida pela superfície. O termo sensoriamento refere-se à obtenção por meio de sensores instalados em plataformas terrestres, aéreas (aeronaves) e orbitais (satélites artificiais); enquanto que o termo remoto significa a distância, sem o contato físico entre o sensor e o objeto na superfície terrestre.
Os sistemas de sensoriamento remoto disponíveis atualmente fornecem dados consistentes da superfície da Terra, os quais são de grande utilidade para diversas aplicações nas mais variadas áreas, como por exemplo, arquitetura no auxílio com planejamento urbano; agronomia, com avaliação dos solos e condição
das culturas; cartografia, no mapeamento topográfico e temático; hidrológico, com a avaliação de áreas afetadas por eventos hidrológicos extremos, como enchentes, secas, inundações e enxurradas, e identificação de setores de consumo de água por tipo de uso para estudos de demanda, dentre muitas outras, conforme descreve Novo (2010).
Além das aplicações supracitadas, o sensoriamento remoto também pode servir para avaliação da seca e aridez e/ou análise de evolução de processos ambientais influenciados pela ação antrópica, como a desertificação, que vem sendo comumente estudada mediante o emprego de índices de vegetação.
Os cientistas desenvolveram os índices de vegetação para monitorar e quantificar as condições e distribuições espaciais das vegetações usando os dados digitais de reflectâncias espectrais da radiação eletromagnética (Liu, 2015).
Essa interação entre a radiação eletromagnética e a vegetação só é possível, pois as plantas possuem pigmentos fotossintetizantes (clorofila, xantofila e caroteno) que absorvem significativamente a radiação na faixa do visível - VIS (0,4 a 0,7 m) e refletem na faixa de infravermelho próximo – NIR (0,7 a 1,1 m), segundo Ponzoni et
al. (2012).
Bannari et al. (1995), descreveram que foram desenvolvidos mais de quarenta tipos de índices de vegetação para explorar as aplicações das reflectâncias espectrais no monitoramento da vegetação ao longo dos últimos 20 anos, e que os primeiros índices foram baseados nas imagens oriundas dos satélites Landsat.
Dentre os diversos índices de vegetação existentes, os mais utilizados na comunidade científica são o Índice de Vegetação pela Razão (RVI), o Índice de Vegetação da Diferença Normalizada (NDVI), o Índice de Vegetação Melhorado (EVI), o Índice de Vegetação Ajustado ao Solo (SAVI), e o Índice da Condição de Vegetação (VCI) devido a poucas informações necessárias para a sua análise.
Atualmente, com o avanço da tecnologia, a disponibilização de imagens de satélite de modo gratuito e a elevação da acurácia dos softwares utilizados na análise de sensoriamento remoto, tornaram os índices de vegetação não somente uma ferramenta essencial de monitoramento, mas também um indicador das condições ambientais para tomada de decisões.
Ferreira et al. (2017) descreveram que o uso de imagens de satélite é, na escala de tempo e espaço, uma excelente técnica para definir áreas de desertificação no Nordeste brasileiro e compreensão do nível de degradação
ambiental das terras secas através da utilização de índices de vegetação, como por exemplo, o Índice da Condição de Vegetação (VCI).
Lourenço et al. (2017), tentando identificar modificações temporais na Caatinga preservada aplicaram o NDVI, na bacia experimental de Aiuaba no Estado do Ceará e concluíram que a área de estudo, mesmo sob condições de preservação, apresentou modificações sazonais nos valores de NDVI. Além disso, verificaram que há uma inter-relação entre a variação do NDVI e o período do ano, sendo que as alterações são reflexos da área foliar da Caatinga e não da densidade da vegetação.
Cordeiro et al. (2017), avaliaram a dinâmica espaço-temporal dos grandes grupos vegetais do Rio Grande do Sul mediante aplicação do Índice de Vegetação por Diferença Normalizada (NDVI) visando agrupar regiões homogêneas com base na variabilidade temporal do NDVI e no padrão de variabilidade anual do NDVI dos diferentes grupos a partir de imagens do satélite NOAA no período de 1982 a 2008. Os resultados da pesquisa mostraram que os grupos são caracterizados por um padrão sazonal típico, porém, com variações de amplitude de NDVI entre eles, o que possibilita monitorar as variações fenológicas da vegetação em decorrência da sua dinâmica temporal.
Gomes et al. (2017), realizaram análise dinâmica nos campos de fluxo de calor no solo, albedo e temperatura da superfície com intervalo de 10 anos, para a região de Ilha Solteira, no Estado de São Paulo, mediante o emprego de imagens de satélite Landsat-5 sensor TM (Thematic Mapper) e dos índices de vegetação NDVI e SAVI. Os autores concluíram que houve elevação da temperatura da superfície, do albedo e do fluxo de calor do solo para a área de estudo, e que esse aumento pressupõe o aparecimento de ilhas de calor, fenômeno ligado à urbanização do ambiente, e consequentemente, indicativos de mudança na cobertura vegetal da região quer seja pela supressão da mata nativa ou pela substituição das culturas agrícolas praticadas.
Miranda et al. (2017), mensuraram de forma indireta a complexidade e a heterogeneidade do mosaico de habitats das sub-regiões do Pantanal, por meio do sensoriamento remoto através de imagens do satélite MODIS (Moderate-Resolution
Imaging Spectroradiometer) nos anos de 2000, 2008 e 2015. Os autores verificaram
maior heterogeneidade (NDVI desvio padrão) na sub-região pantaneira do Tuiuiú, sendo o valor igual a 0,19 (anos 2000 e 2015) e 0,21 (ano 2008), o que implica dizer
que a região tem a maior heterogeneidade horizontal quando comparada com as demais sub-regiões. Aliado a isso, os autores concluíram que o uso de NDVI na estimativa de parâmetros da paisagem é uma ferramenta eficiente em habitats do Pantanal, e que pode ser replicável em outras regiões.
Salimon e Anderson (2017), analisaram a variabilidade climática em 40 locais com a cobertura vegetal natural no Estado da Paraíba mediante análise de dados de chuva do projeto TRMM e de imagem de satélite onde se estimou o índice de Vegetação Melhorado (EVI). Os mesmos autores observaram que houve uma redução da cobertura vegetal de 25% no período de 2001 a 2012, e se essa diminuição persistir em longo prazo associada a redução das chuvas, pode levar a cobertura vegetal local a uma condição xerófila.
Liaqat et al. (2017), utilizaram imagens dos satélites MODIS e Landsat-8 para estimar o Índice de vegetação ajustada ao solo (SAVI), Índice de Vegetação Modificada (MSAVI), Índice de Vegetação da Diferença Normalizada (NDVI) e Índice de Vegetação Melhorado (EVI) para avaliar a melhor forma de identificar o rendimento das culturas de trigo na bacia do Paquistão. Os resultados revelaram que dentre os índices usados, o SAVI mostrou uma associação bastante aceitável com o rendimento relatado pela Village Master Sampling (VMS) em campo quando comparado com os outros índices, se tornando uma medida rápida e confiável para estimativas das áreas de trigo no Paquistão.
Masselink et al. (2017), aplicaram metodologia baseada em sensoriamento remoto para detectar mudanças ambientais nas condições de pastagem ecológica na bacia hidrográfica de Unkur, no Quirguistão mediante emprego dos índices de vegetação melhorado (EVI), de vegetação ajustada ao solo (SAVI) nas imagens de satélite Landsat. Os autores concluíram que os resultados dos índices apresentaram padrões de tendência muito semelhantes e que apesar da necessidade de uma validação mais robusta, o estudo conseguiu confirmar o elevado potencial que o sensoriamento remoto possui para detectar mudanças nas condições de pastagem ecológica na região.
Liang et al. (2017), realizaram análise espaço-temporal de condições de seca vegetativa mediante o emprego de índice da condição de vegetação (VCI) estimados a partir de imagens de satélite NOAA no período de 1981 a 2015 e verificaram que na China ocorrem apenas pequenos períodos de seca leve ou moderada, o que se deve ao efeito das monções na região.
Gouveia et al. (2017), analisaram os impactos da seca sobre a vegetação da bacia mediterrânea mediante o emprego dos Índices de Vegetação de Diferença Normalizada (NDVI) e do Índice Normalizado da Precipitação-Evapotranspiração (SPEI) em diferentes escalas de tempo (1 a 24 meses) no período de 1982 a 2006. Os autores verificaram que os resultados mais severos de vegetação estão localizados em áreas cujo balanço hídrico enfatiza a necessidade de um sistema de seca de alerta precoce que cubra toda a Bacia do Mediterrâneo.
Diante de todos os trabalhos acima apresentados empregando tecnologias de sensoriamento remoto no Brasil e em vários locais do mundo tem-se uma pequena dimensão acerca da importância do emprego de índices de vegetação em estudos para avaliação de condição climática, fenômenos meteorológicos, degradação das terras, diminuição da cobertura vegetal, dentre outras possibilidades.