Análise de séries de índices de vegetação

67

68

em que, anir e avis representam as refletâncias de superfície médias em intervalos de comprimentos de onda nas regiões do espectro do infravermelho próximo (0,7-0,9µm) e visível (0,5-0,7µm- banda do vermelho), respetivamente, sendo calculado separadamente para estas duas bandas com base em diferentes intensidades de luz solar refletida do espectro do visível. Os valores dos resultados variam entre -1 e 1, sendo os valores mais perto de 1, os que apresentam maior densidade vegetal, com folhas mais saudáveis, uma vez que absorvem principalmente a luz do espectro vermelho na fotossíntese e refletem com mais intensidade na região do infravermelho próximo (Santos, et al., 2018). Os valores mais próximos de -1, correspondem a superfícies como a água, neve e nuvens.

Não sendo um cálculo físico intrínseco, está relacionado com algumas propriedades físicas da vegetação, como é o caso do índice de área foliar (leaf area index- LAI), da fração de cobertura vegetal (fraction of vegetation cover- FVC), condições da vegetação (vitalidade) e biomassa, podendo também servir como indicador da atividade fotossintética das plantas (Carlson, et al., 1997; Schmid, J. N., 2017; Pereira, A. A., 2019).

Foram vários os autores que recorreram à utilização do NDVI e da plataforma GEE, para a realização de estudos sobre a vegetação, para uma larga escala temporal através da utilização de imagens de satélite Landsat (Khamdamov, et al., 2021; Nursaputra et al., 2021; Schmid, 2017; Pereira, 2019) comprovando os benefícios, vantagens e bons resultados da sua utilização, disponibilizando, muitas das vezes, o procedimento (script) a adotar para a elaboração destas análises (Ermida, et al., 2020). O esquema abaixo apresentado (Figura. 39), ilustra o fluxo de trabalho realizado para obtenção das séries temporais de NDVI.

Figura. 39 - Fluxo de trabalho para a Análise de séries de índices de vegetação através do GEE.

69

Os scripts utilizados para a elaboração das séries temporais de NDVI para os locais de interesse no planalto da Serra da Estrela, através de GEE (Figura. 41), consistem de uma forma simplificada e com base em Schmid (2017), em seis grandes componentes:

• Coleções de imagens de satélites relativas aos dados, tipo de sensor e período de estudo pretendidos para o cálculo do NDVI;

• Coordenadas de pontos ou Shape files relativas às áreas de interesse (ROI) que se pretende extrair os dados;

• Uma função de máscara, para limpeza de dados, que define quais os pixels que serão excluídos tendo por base a informação dada através da banda de avaliação de qualidade (BQA).

• A função necessária para o cálculo do NDVI para cada um dos sensores utilizados;

• Comandos para criar gráficos de séries temporais para cada coleção de imagens selecionadas, adicionando uma linha de tendência nos mesmos;

• Comandos para adicionar os dados NDVI e as shapes como camadas ao mapa de base do Google Maps (não tendo sido realizado por não se considerar os resultados interessantes ou necessários ao objetivo pretendido). Os dados NDVI podem ser extraídos como arquivos .csv para posterior limpeza.

A seleção das imagens de satélite a utilizar para esta análise, teve em consideração a possibilidade de utilizar períodos de tempo longos, de modo a conseguir observar uma evolução no planalto da Serra da Estrela, recuando ao período mais longínquo possível, sem perder a qualidade dos dados utilizados.

Landsat

As séries dos satélites Landsat apresentam o mais longo e contínuo registo de observações disponíveis, fornecendo o único inventário da superfície terrestre global numa temporalidade sazonal, demorando cerca de 16 dias para revisitar a sua última localização (Xie, et al., 2008; Chander et al., 2009), sendo por isso capaz de detectar alterações, quer naturais, quer induzidas pelo Homem na paisagem. Os satélites Landsat ETM+ fornecem uma resolução espacial média, com 30m para as bandas multiespectrais e 60m para a banda de infravermelho térmico. Sendo por isso aplicados a uma escala maioritariamente regional, para o mapeamento da cobertura vegetal, ao nível das comunidades, uma vez que dispõe de uma longa série de registos, capaz de demonstrar alterações espaço-temporais de longo prazo (Xie, et al., 2008).

70 Período de 1984-2012- Landsat 5 ™

Para conseguir um período de estudo mais alargado (março de 1984 até maio de 2012), foram utilizadas imagens de Landsat 5™, mais especificamente da coleção 1 Tier 1 calibrated Top-Of-Atmosphere (TOA) reflectance, que apresentam a mais alta qualidade de dados disponível (Ermida, et al., 2020). Este satélite inclui um sensor TM (Thematic Mapper), que oferece um desempenho espacial, espectral, radiométrico e geométrico mais aprimorado, com resolução espacial de 30m para as 6 bandas, 120m para a banda térmica, e um sensor MSS (Multimission Modular Spacecraft) que corresponde a um scanner multiespectral com transmissão rápida de dados e com processamento automatizado (Chander, et al. 2009). As imagens calibradas pelo TOA permitem remover o efeito das diferenças dos ângulos devido à captura dos dados espaçada no tempo, compensando também valores da irradiância solar exoatmosférica originadas pelas diferentes bandas espectrais (Chander, et al. 2009). Os coeficientes de calibração utilizados para a limpeza dos dados, são extraídos dos metadados das imagens- banda de avaliação de qualidade- BQA (Chander, et al. 2009), retirando os valores correspondentes às nuvens e às sombras das mesmas (BQA Bitmask Bit 4: Cloud 0: No 1: Yes), sendo um algoritmo do USGS (United States Geological Survey) providenciado pelo GEE (Ermida, et al., 2020; Long, et al. 2021). Além desta limpeza, foi ainda necessário limpar os dados posteriormente devido a alguns erros existentes, de valores inferiores a 0,2 (Bayma &

Sano, 2015). Segundo Pulatov, et al., 2020 (Figura. 40) estes valores correspondem a áreas de solo nu e rocha, e se inferiores a 0, a água e gelo.

Figura. 40 - Classificação do uso do solo com NDVI. Retirado de: Pulatov, et al., (2020).

Para a realização do gráfico das séries temporais, em que os valores derivados de cada banda na região da imagem são plotados, foi utilizado o Reducer.median, que agrega os dados ao longo do tempo através de uma estatística simples, a mediana. Assim, o gráfico resultante apresenta o valor mediano de NDVI para a área de estudo numa determinada data de aquisição da imagem Landsat.

71

Figura. 41 - Script utilizado para a realização da análise da série temporal Landsat 5. Adaptado de vários autores (Ermida, et al., 2020; Long, et al. 2021; Google Earth Engine, https://developers.google.com/earth-

engine/tutorials/tutorial_api_07)

Período de 2013-2022- Landsat 8

Foram utilizados também dados do Landsat 8- Operational Land Imager (OLI), satélite com dados desde 11 de abril de 2013 até ao presente. Adquire dados da banda do visível e de infravermelhos de onda curta, dispondo de um Thermal Infrared Sensor (TIRS) que fornece dados TIR. A coleção utilizada no script foi a Landsat 8 Collection 1 Tier 1 calibrated top-of-atmosphere (TOA) reflectance, tendo a mesma calibração que as imagens utilizadas para o Landsat 5. O script realizado é uma adaptação do anterior, alterando apenas a coleção dos dados para o landsat 8 ('LANDSAT/LC08/C01/T1_TOA') a data da filtragem para ('2013-04-17', '2022-01-31') e as bandas utilizadas para o cálculo do NDVI para (['B5', 'B4']).

72