CONTRIBUINTES

NDVI (Índice de Vegetação por Diferença Normalizada) e PRI (Índice de Refletância Fotoquímica): teoria, métodos e aplicação

A tecnologia moderna possibilita a amostragem de índices de vegetação espectral, como NDVI e PRI, em uma série de escalas no espaço e no tempo, desde satélites que fazem a amostragem de toda a superfície da Terra até pequenos sensores portáteis que medem plantas individuais ou até mesmo folhas.

O que são NDVI e PRI?

NDVI (Normalized Difference Vegetation Index) e PRI (Photochemical Reflectance Index) são índices espectrais de vegetação derivados de medições de comprimentos de onda relativamente estreitos de luz refletida (10 a 50 nanômetros) no espectro eletromagnético. Isso é útil para medir várias propriedades nas copas das plantas. NDVI significa Índice de Vegetação por Diferença Normalizada e PRI significa Índice de Refletância Fotoquímica.

Há muitos tipos de índices de vegetação espectral; no entanto, este artigo e webinar se concentram na teoria, nos métodos e na aplicação do NDVI e do PRI, pois são dois dos mais usados.

NDVI é especialmente útil para medir as propriedades estruturais da copa das plantas, como leaf area index, a interceptação da luz e até mesmo a biomassa e o crescimento, enquanto o PRI é mais útil para obter as propriedades funcionais das copas das plantas, como a eficiência do uso da luz. A literatura recente mostra que o PRI também é útil para medir os pigmentos foliares.

Compreensão das interações da radiação do dossel

Para entender de onde vêm o NDVI e o PRI, é importante conhecer as interações entre o dossel e a radiação. Há três destinos principais para a radiação eletromagnética quando ela interage com as copas das plantas.

Na Figura 2, a energia é representada como fótons na forma de setas. Os fótons provenientes do sol podem interagir com o dossel de três maneiras: Eles podem ser transmitidos, o que significa que atravessam o dossel e atingem o solo. Eles podem ser absorvidos, o que significa que o material fotossintético verde dentro do dossel absorve alguns fótons e usa essa energia para impulsionar a fotossíntese. Ou podem ser refletidos, o que significa que atingem a superfície do dossel e são refletidos de volta ao espaço.

A Figura 3 é um diagrama que mostra a radiação eletromagnética. Uma das características mais proeminentes desse diagrama é o espectro visível. Ele varia de 400 a 700 nanômetros e abrange os azuis, verdes, amarelos, laranjas e vermelhos vistos pelo olho humano. Entretanto, há também a radiação ultravioleta (UV) em comprimentos de onda muito curtos e a radiação infravermelha em comprimentos de onda mais longos. É importante entender que, no espectro da radiação eletromagnética, há fótons com diferentes energias (comprimentos de onda). A interação da radiação com o dossel de uma planta depende do comprimento de onda. Por exemplo, os fótons vermelhos interagem com as copas das árvores de forma diferente dos fótons azuis ou dos fótons do infravermelho próximo. O que os índices de vegetação medem é o componente refletido da radiação.

RADIAÇÃO REFLETIDA
Características espectrais do dossel

A Figura 4 mostra um espectro típico de refletância de dossel que você esperaria ver na maioria dos dosséis com material fotossintético verde presente. O eixo y representa a porcentagem de reflexão da radiação eletromagnética. O eixo x é o comprimento de onda em nanômetros. De 450 a 700 nanômetros é a faixa visível e, aproximadamente a 700 nanômetros, entramos no infravermelho e, especificamente, na porção do infravermelho próximo do espectro. Esse espectro foi derivado de um dossel de planta. Observe que a maior parte da radiação refletida no espectro visível atinge o pico na cor verde. É por isso que, quando olhamos para um dossel vegetativo, ele geralmente é verde. Os azuis e os vermelhos, nesse caso, são fortemente absorvidos pelas clorofilas. Observe também as altas refletâncias na faixa do infravermelho próximo. É muito comum ver altas refletâncias nessa faixa porque essa energia não pode ser usada na fotossíntese. As plantas foram projetadas para refletir essa radiação.

Os diferentes componentes das copas das plantas podem afetar os espectros em toda a faixa de comprimento de onda no visível, no infravermelho próximo e além. A Figura 5 ilustra o conteúdo de clorofila foliar em vários níveis.

Conforme o conteúdo de clorofila varia, esse espectro muda drasticamente, especialmente na região visível entre o verde e o vermelho e um pouco no infravermelho próximo.

Da mesma forma, a Figura 6 ilustra que o conteúdo de carotenoides também altera a refletância, mas seus efeitos são muito menos disseminados pelo espectro.

A estrutura celular das folhas também é uma propriedade dos dosséis que pode afetar o espectro de refletância. A Figura 7 mostra que seu efeito tende a ser uniforme na maior parte do visível e do infravermelho próximo.

O conteúdo de água foliar também pode influenciar fortemente o espectro da folha. A Figura 8 mostra mais do espectro do infravermelho próximo porque é onde está a maior parte do efeito da água. Não vemos o efeito na faixa visível, e há um pequeno efeito na faixa do infravermelho próximo. Entretanto, em torno de 800 nanômetros, há um grande efeito. Portanto, é nos comprimentos de onda mais longos que o conteúdo de água tem influência.

Os exemplos anteriores mostram efeitos no nível da folha; no entanto, o espectro de refletância observado em um dossel é uma mistura de muitas folhas. Se juntarmos todas elas, você poderá ver na Figura 9 que o leaf area index também tem um efeito dramático em todas as partes do espectro visível e do infravermelho próximo.

Observe que na região vermelha, de cerca de 600 a 700 nanômetros, e também no infravermelho próximo, onde há material de folha adicionado, há refletâncias cada vez mais altas.

Como o NDVI é calculado

Os gráficos anteriores ilustram espectros de refletância contínuos, mas o NDVI se concentra apenas em duas regiões específicas do espectro; o infravermelho próximo (NIR) a aproximadamente 800 nanômetros é combinado com a refletância na região vermelha, que normalmente está a aproximadamente 650 a 700 nanômetros (Figura 10). Um valor típico de NDVI varia entre -1 e 1. Um valor mais alto de NDVI indica um dossel mais verde ou mais área foliar.

Conforme mencionado, a porcentagem de refletância é uma relação entre a radiação ascendente ou a radiação que é refletida do dossel e a quantidade de energia que incide ou atinge o dossel. O motivo pelo qual o site NDVI é formulado com bandas de vermelho e infravermelho próximo é que o vermelho é fortemente influenciado pelo conteúdo de clorofila e o infravermelho próximo está relacionado à estrutura celular da folha e aos espaços de ar dentro da folha. À medida que as folhas se expandem e amadurecem, a estrutura celular muda, e isso pode ter uma forte influência na dispersão do infravermelho próximo. Também vemos no espectro da Figura 10 que o vermelho é fortemente absorvido. Podemos perceber isso porque não há muito reflexo. Entretanto, no infravermelho próximo, vemos uma grande quantidade de reflexão. Portanto, ao calcular a proporção entre o vermelho e o infravermelho próximo (Equação 1), podemos entender o que está acontecendo com o dossel da vegetação.

NDVI APLICAÇÕES
Estimar leaf area index usando NDVI

NDVI é frequentemente usado para estimar o leaf area index de uma variedade de dosséis diferentes. Isso é especialmente útil em uma análise de série temporal em que se rastreia NDVI ao longo do tempo. Em um dossel decíduo anual em que há grandes mudanças sazonais no leaf area index, o NDVI é útil para acompanhar essas mudanças. O NDVI também pode ser usado para inferir ou estimar a variabilidade espacial no leaf area index.

A Figura 11 mostra como os pesquisadores podem usar imagens para entender a variabilidade espacial do LAI. Eles podem calcular NDVI usando essas imagens porque elas têm bandas de infravermelho próximo e de ondas vermelhas. Em seguida, usam esses valores NDVI para mapear o LAI das culturas, de modo que possam ver a heterogeneidade espacial no LAI entre e dentro de cada uma das unidades de gerenciamento.

Observe que há limites para essa aplicação do NDVI.

A Figura 12 mostra que, quando ultrapassamos LAIs de três a quatro, o NDVI tende a saturar em sua relação com leaf area index. Isso ocorre porque, na faixa vermelha, a absorção de clorofila tende a ser muito baixa, mesmo em LAIs baixos. Portanto, à medida que mais área foliar é acrescentada, ocorrem apenas pequenas alterações na absorção após um LAI de três ou quatro. Da mesma forma, na faixa do infravermelho próximo, à medida que adicionamos mais material foliar, a mudança incremental na refletância do infravermelho próximo tende a diminuir em LAIs muito altos. Portanto, essa é uma possível área de fraqueza do uso do site NDVI para estimar o LAI. Esse método só é apropriado para copas com LAIs que variam de zero a quatro.

Outra aplicação relacionada do site NDVI seria a estimativa da interceptação de luz, pois o LAI está relacionado à quantidade de luz absorvida pelo dossel de uma planta. Quanto mais folhas, mais luz será absorvida. É importante conhecer a interceptação de luz porque ela nos dá uma ideia de quanta luz está sendo absorvida por um dossel. Por exemplo, se presumirmos que um dossel está aclimatado ao seu ambiente e pode usar toda essa energia luminosa, o conhecimento da fração de interceptação de luz nos daria uma indicação da capacidade fotossintética.

Uma vantagem de usar NDVI para prever a interceptação fracionada da luz ou a absorção fracionada da radiação fotossinteticamente ativa(F_PAR), é que a relação entre NDVI e F_PAR normalmente não satura. A absorção de luz tende a ser relativamente completa em LAIs de aproximadamente três a quatro. Quando uma área foliar adicional é acrescentada, não há aumentos lineares na absorção fracionária de luz. A Figura 13 mostra uma relação linear entre NDVI e F_PAR.

Observe que, mesmo com valores altos de interceptação fracionária, a curva permanece linear.

Usando o site NDVI em fenologia

Outro uso relativamente comum do site NDVI é a estimativa da fenologia em sistemas decíduos ou anuais ou qualquer outro tipo de sistema com grande variabilidade interanual na área foliar. O gráfico inferior da Figura 14 mostra que, se tivermos uma série temporal de dados do NDVI e depois ajustarmos uma curva a essa série temporal, ela terá um padrão bastante regular.

Durante o inverno, não só há muita área foliar, como o NDVI é baixo. Depois, na primavera, o NDVI aumenta à medida que o LAI aumenta. Ele atinge o pico no meio da estação de crescimento e, no outono, a senescência e a queda das folhas fazem com que os valores do NDVI caiam. Usando essas curvas, podemos extrair várias métricas sobre o momento de vários eventos. Por exemplo, se você estiver interessado no momento em que a vegetação começa a crescer ou no início da estação. O gráfico superior da Figura 14 mostra a métrica SOSp que foi extraída de uma curva NDVI . Essa métrica SOSp mostra quando as folhas começaram a crescer. Como podemos ver quando as folhas começaram a se expandir, podemos marcar essa data específica como o início da estação. Se juntarmos muitos anos de observações como essas, teremos muitas datas em que ocorreu o início da estação para um determinado dossel. Podemos relacionar isso às variáveis climáticas ou a qualquer outra variável, para ver se há alguma causa e efeito. Por exemplo, alguns pesquisadores estão descobrindo que, à medida que o clima se aquece, a estação de início de safra geralmente ocorre mais cedo no ano. E há muitas outras métricas que podemos extrair dessas curvas. Podemos usar os dados do NDVI diretamente como um indicador de fenologia ou podemos usar os dados do NDVI como uma alimentação direta em um modelo para prever a ocorrência de eventos fenológicos.

A Figura 15 ilustra outro exemplo de uso do site NDVI para entender a fenologia. Em um povoamento florestal com espécies mistas, poderíamos observar muitos locais diferentes dentro do dossel ou até mesmo árvores individuais e rastrear o tempo de seu desenvolvimento. A Figura 15 mostra o desenvolvimento de uma floresta de espécies mistas durante a primavera. Todas as espécies começam com valores de NDVI muito diferentes. Isso está diretamente relacionado à sua leaf area index naquele momento. À medida que a primavera avança, os valores de NDVI normalmente aumentam para as espécies decíduas e, em seguida, todas tendem a convergir após cerca do dia 150 em um valor de NDVI bastante uniforme. Assim, aproximadamente no dia 150, o dossel está começando a atingir a maturidade estrutural. Não sabemos necessariamente o que está acontecendo com a aclimatação fotossintética nesse momento, mas esses dados são um bom exemplo de como os dados do NDVI podem ser usados para avaliar a heterogeneidade espacial ou as diferenças entre espécies ou árvores no esverdeamento, mesmo dentro da mesma área.

Usando o site NDVI para estimar a produtividade

NDVI podem ser usados para estimar a produtividade diretamente em dosséis decíduos ou dosséis que são fortemente sazonais, como uma pastagem anual em que a presença da área de folhas verdes está fortemente associada à fotossíntese sazonal.

Por exemplo, a Figura 16 apresenta dados de um artigo de Ryu em que ele acompanhou o NDVI de uma pastagem anual ao longo de vários anos. Os valores de NDVI são os pontos verdes plotados no gráfico superior, e os círculos abertos nesse mesmo gráfico são medições de fotossíntese. Observe que o NDVI se sai bem no acompanhamento do tempo e da amplitude da fotossíntese nessa pastagem anual. No gráfico inferior, ele pegou todo o conjunto de dados de quatro anos e mostrou a relação correlativa entre NDVI e a fotossíntese do dossel. Assim, ele criou um modelo empírico que usa o site NDVI para estimar a fotossíntese do dossel nesse ecossistema. Como o NDVI rastreia o momento da fotossíntese nesse sistema, poderíamos estimar não apenas a fotossíntese instantânea em qualquer dia do ano, mas também responder a perguntas como: como posso estimar o período de atualização do carbono? Quando a estação começou? Quando foi o pico? Quando ela terminou? A Figura 16 é um rico conjunto de dados que pode ser extraído de diversas variáveis úteis.

NDVI limitações

Algumas limitações a serem consideradas ao usar o site NDVI são:

1. Conforme mencionado, o site NDVI tende a saturar em LAIs altos: (Consulte a Figura 12) Uma maneira de contornar esse problema é que, dependendo dos seus requisitos, o LAI pode não ser o que você precisa. Talvez seja a interceptação fracionada real. Mas se for o LAI, lembre-se de que provavelmente não terá muito proveito do NDVI se estiver trabalhando em sistemas com LAI muito alto.
2. O site NDVI não é muito dinâmico em ecossistemas sempre verdes, pelo menos não em uma abordagem de série temporal: Isso faz sentido porque os membros dos sistemas sempre verdes são sempre verdes. Não há muitas mudanças entre o inverno e o verão no leaf area index e, portanto, na interceptação fracionada da luz, pelo menos no que diz respeito ao controle pelo LAI.

A Figura 17 mostra que, em um ano inteiro, os valores de NDVI são bastante estáveis, enquanto o consumo de_CO2 do dossel ou a fotossíntese são dinâmicos ao longo do tempo. Mas não há ligação entre a dinâmica temporal do NDVI e a absorção_{de CO2} do dossel. Portanto, esse seria um uso inadequado do NDVI. Queremos saber algo mais sobre o dossel e o que está impulsionando a mudança funcional. Dito isso, o NDVI ainda pode ser útil em sistemas perenes para analisar a heterogeneidade espacial. Se estiver procurando variabilidade no LAI ou na biomassa de interceptação de luz em grandes áreas ou em uma longa série temporal. Por exemplo, se estiver avaliando a recuperação e o crescimento após um incêndio florestal, mesmo que seja um sistema perene, se analisar um período de tempo suficientemente amplo, o site NDVI será responsivo no sistema. Entretanto, em uma escala de tempo anual, provavelmente não haverá muita mudança dinâmica.

Como calcular o PRI (índice de refletância fotoquímica)

O PRI é semelhante ao NDVI em sua formulação, a única diferença são os comprimentos de onda ou as bandas usadas como entradas. O PRI é calculado com refletâncias em 531 nanômetros e 570 nanômetros, e os valores do PRI variam de -1 a 1.

O índice de refletância fotoquímica é mais comumente usado para obter a eficiência do uso da luz ou as alterações na eficiência do uso da luz que ocorrem no dossel de uma planta. Isso é feito especialmente observando a resposta de 531 nanômetros às mudanças no pigmento de xantofila.

A Figura 18 mostra alguns espectros de refletância diferentes que foram coletados em uma sucessão relativamente rápida. Ao calcular a diferença entre esses dois espectros, vemos algumas áreas de pico em que as diferenças eram maiores. Uma delas, a aproximadamente 531 nanômetros, pode ser atribuída à atividade do ciclo da xantofila.

O ciclo da xantofila é uma ação/reação rápida e reversível na qual os pigmentos de xantofila passam por um processo interno de conversão tanto para frente quanto para trás.

A Figura 19 ilustra esse processo de conversão interna. No lado direito do diagrama, começamos com a violaxantina. Ela é convertida em anteraxantina, e o produto final é a zeaxantina. A violaxantina é o estado sem estresse e, à medida que a planta se depara com o estresse, ocorre uma conversão interna de pigmentos até que haja mais pigmento no estado de zeaxantina. Se o estresse for liberado, esse processo é reversível. Por exemplo: se diminuirmos o nível de luz, essas conversões internas de pigmentos podem se reverter até que haja principalmente violaxantina no tecido da planta. Essa é uma maneira onipresente de as plantas lidarem com segurança com ambientes estressantes. Quando as plantas estão do lado de fora, elas estão continuamente absorvendo radiação. Elas não podem se levantar e ir embora. Esse processo é uma maneira de absorver o excesso de luz no ciclo da xantofila, onde essa energia está sendo usada para impulsionar as conversões internas do pigmento, em vez de prejudicar o maquinário fotossintético. Quando a luz é absorvida e usada para o ciclo da xantofila, ela reduz a eficiência do uso da luz, pois essa luz não está impulsionando a absorção de carbono. Em vez disso, ela vai para um processo de dissipação de calor por meio do ciclo da xantofila. Portanto, o ciclo da xantofila é uma forma de controle da eficiência do uso da luz pela planta.

O ciclo da xantofila também apresenta outras dinâmicas interessantes ao longo dos períodos de tempo. Por exemplo, a Figura 20 de um artigo de Demmig, Adams e Adams mostra alguns tratamentos diferentes e o que podemos esperar do tamanho total do pool de xantofilas (a soma dos conteúdos de violaxantina, anteraxantina e zeaxantina). E também mostra o tamanho relativo do pool ou as proporções de violaxantina, anteraxantina e zeaxantina.

Os gráficos de pizza superiores comparam as folhas sombreadas com as folhas iluminadas pelo sol. Nas folhas iluminadas pelo sol, o tamanho total do pool é muito maior do que nas folhas sombreadas. Observe as proporções de cada uma das xantofilas. Nas folhas sombreadas, muito mais xantofilas estão no estado de violaxantina, provavelmente porque há menos necessidade de fotoproteção no momento em que as amostras são coletadas. Por outro lado, uma fração muito maior de xantofilas está no estado de zeaxantina nas folhas iluminadas pelo sol, o que indica uma necessidade de fotoproteção.

A mesma coisa pode ser vista quando se compara os teores de xantofila no verão e no inverno. Por exemplo, em uma árvore perene que passa o inverno, há muito menos necessidade de fotoproteção durante o verão, pois grande parte da energia que as plantas estão absorvendo (supondo que não haja estresse) pode ser usada na fotossíntese. Mas no inverno, as temperaturas são baixas e as condições não são favoráveis à fotossíntese. A planta ainda está absorvendo luz, mas precisa ter algo a fazer com ela para não se destruir. Portanto, a planta investe recursos para aumentar o tamanho do pool de xantofilas. Assim, há uma fração maior de zeaxantina no inverno porque há uma alta exigência de fotoproteção.

No exemplo de baixo, há uma diferença no tratamento com nitrogênio e ele basicamente segue o padrão dos outros dois exemplos. Quando a planta tem bastante nitrogênio, ela fica menos estressada e precisa de menos fotoproteção. Quando tem pouco nitrogênio, não é capaz de usar os fótons absorvidos e tem maior necessidade de fotoproteção por meio dos pigmentos de xantofila.

O PRI ajuda a capturar a dinâmica da xantofila

Uma forma de os pesquisadores usarem o PRI é capturar essa dinâmica temporal da xantofila (ou seja, a eficiência do uso da luz por meio da atividade da xantofila). O uso do PRI começou quando o Dr. John Gamon descobriu que a atividade do ciclo da xantofila era detectável usando espectros refletidos. Ele descobriu que a refletância em 531 nanômetros era a mais sensível às mudanças na xantofila.

A parte superior direita da Figura 21 mostra a refletância em 531 nanômetros, e o estado de oxidação no eixo x indica o estado do ciclo da xantofila em termos de proporções de violaxantina, anteraxantina e zeaxantina. Durante esse curto período de tempo, podemos ver a dinâmica no ciclo da xantofila e que a refletância em 531 nanômetros é sensível a essas mudanças.

Um aspecto a ser observado é que o PRI também usa uma banda de referência em 570 nanômetros, que está lá apenas como referência. Não há nenhuma alteração que ocorra em 570 nanômetros quando as xantofilas estão mudando.

A Figura 22 mostra que a alteração no PRI é quase tão sensível às alterações no estado de oxidação das xantofilas quanto a refletância em 531 nanômetros. Observe também que a atividade da xantofila só pode ser detectada em bandas relativamente estreitas dentro do espectro de refletância. Nesse caso, uma banda larga (ou seja, a medição de todo o espectro verde) provavelmente não detectaria a atividade do ciclo da xantofila. Portanto, medições de banda de onda estreita são necessárias para detectar ou ser sensível o suficiente para detectar uma alteração relacionada à xantofila.

Compreender a dinâmica da função fotossintética

Alguns pesquisadores usam o PRI para obter a dinâmica diurna ou a dinâmica de curto prazo na função fotossintética da planta. As figuras 23 e 24 ilustram exemplos de experimentos simples que mostram como o PRI pode ser dinâmico em relação a mudanças na eficiência do uso da luz.

A Figura 23 é um experimento em que os pesquisadores iluminaram uma planta com luz escalonada (os níveis de luz foram aumentados até atingirem o pico e depois diminuíram). O gráfico superior mostra o nível de luz aumentando e depois diminuindo. E a absorção_{de CO2} (indicando a fotossíntese) também está acompanhando essa mudança no nível de luz. Portanto, à medida que há mais energia disponível, a fotossíntese aumenta e, à medida que os níveis de luz diminuem, a fotossíntese diminui.

O gráfico inferior da Figura 23 é exatamente o mesmo experimento usando medições diferentes. As duas medições são PRI e 𝚫F/F_m que é uma medida de fluorescência que mede a eficiência do fotossistema II (relacionada à eficiência do uso da luz). A Figura 24 mostra que o PRI e a medição da fluorescência acompanham bem o tempo das etapas no nível de luz. Novamente, à medida que a luz aumenta, o PRI diminui e o 𝚫F/F_m diminui, ambos indicando uma diminuição na eficiência do uso da luz. E, à medida que o nível de luz diminui, vemos o inverso.

A Figura 24 é outro experimento simples que ilustra a evolução temporal da fluorescência e do PRI ao longo do tempo. As plantas começam no escuro na hora zero. Depois de uma hora, as luzes são acesas e há uma resposta quase imediata da fluorescência e do PRI. Eles respondem fortemente para baixo em correlação com a eficiência do uso da luz. Depois que a luz ficou acesa por algum tempo, os pesquisadores a desligam. E, novamente, há uma resposta relativamente rápida e imediata da fluorescência e do PRI a essa mudança no nível de luz, pois a fisiologia das folhas está mudando.

Esses experimentos mostram que o PRI pode ser útil para medir mudanças rápidas que podem ocorrer ao longo de um dia inteiro ou quando a copa de uma planta passa do sol para a sombra. Como essas ou outras variáveis ambientais estão mudando, esperaríamos mudanças na eficiência do uso da luz que o PRI poderia detectar.

Uso do PRI para mudanças de longo prazo

A ideia de usar o PRI para medições de longo prazo sempre existiu, mas poucos pesquisadores se dedicaram a essa área porque medir o PRI por longos períodos de tempo tem sido um pouco difícil. Normalmente, é necessária uma instrumentação avançada para obter esses comprimentos de onda estreitos de luz. No entanto, recentemente tem havido mais interesse, e os resultados apresentados na Figura 25 são relativamente novos e ainda estão sendo explorados.

O que os pesquisadores descobriram até agora é que, em períodos de tempo mais longos, o PRI não é sensível apenas ao ciclo da xantofila, mas também ao conteúdo total de carotenoides e clorofila. É importante observar que a xantofila (violaxantina, anteraxantina e zeaxantina) é uma classe de carotenoides. Portanto, quando os pesquisadores medem o conteúdo total de carotenoides, muitas vezes uma grande fração desse conteúdo é, na verdade, xantofilas. Ainda não está totalmente claro se o PRI está respondendo apenas às xantofilas ou ao total de carotenoides. Mais pesquisas ajudarão a esclarecer isso. Mas os pesquisadores descobriram que há uma correlação muito forte entre o PRI e a proporção entre carotenoides e clorofila. A relação carotenoide/clorofila pode ser associada à eficiência do uso da luz porque os carotenoides são pigmentos acessórios e podem desempenhar uma função de captação de luz. Mas a grande maioria deles, como as xantofilas, também desempenha um papel de fotoproteção. Portanto, quando comparamos o conteúdo de carotenoides com o de clorofila, podemos observar a dinâmica dessa proporção ao longo do tempo e ter uma noção do grau de estresse de uma planta. Portanto, essa poderia ser uma maneira de analisar a eficiência do uso da luz ou a eficiência fotossintética usando o PRI, mas em um período de tempo mais amplo ou em áreas espaciais mais amplas.

O gráfico à esquerda da Figura 25 mostra um estudo que analisou a copa de um pinheiro silvestre durante um ano inteiro para avaliar algumas correlações de longo prazo entre a fisiologia fotossintética, os pigmentos foliares e o PRI. O que eles descobriram foi que quase todas as variáveis fisiológicas fotossintéticas importantes estão relacionadas ao PRI. Parte disso se deve ao fato de haver muita co-correlação entre essas variáveis, mas, de acordo com estudos anteriores, eles encontraram algumas das correlações mais altas com a relação entre xantofila e clorofila, a relação entre carotenoides e clorofila e o tamanho total do pool de xantofila e o tamanho total do pool de carotenoides.

Mas, embora haja muita correlação, se você observar a Figura 26, os pesquisadores ainda estão mostrando que o PRI pode ser usado em longos períodos de tempo para estimar tendências na eficiência do uso da luz.

Assim, o PRI é bom para medir a eficiência do uso da luz em escalas de tempo diurnas, e também parece que podemos usá-lo em escalas de tempo mais longas. No entanto, quando usado em escalas de tempo mais longas, deve-se ter cautela na interpretação dos dados para realmente entender os fatores determinantes que causam mudanças no PRI.

Limitações do PRI

Assim como no site NDVI, o PRI tem algumas limitações. Primeiro, a relação entre o PRI e a eficiência do uso da luz, independentemente da escala de tempo, varia entre diferentes copas. Portanto, há algumas dependências de espécies e algumas dependências estruturais.

A Figura 27 mostra que, em muitas espécies diferentes, a relação entre PRI e fluorescência (que é um indicador da eficiência do uso da luz) é diferente dependendo da espécie. Portanto, não é possível medir o PRI e extrair um valor de eficiência do uso da luz. É preciso fazer um trabalho de base primeiro para criar essas relações correlativas a fim de chegar a um valor absoluto de eficiência no uso da luz. Isso também se aplica a NDVI. Se você souber o valor de NDVI , será necessário realizar algum trabalho de correlação antes de transferir esse número de NDVI para um LAI ou F_PAR absoluto.

Em uma estação de crescimento inteira, o PRI responde a mudanças em muitas variáveis, a maioria delas ligada ao desempenho fotossintético. Mas tenha cuidado ao comparar diretamente as medições de PRI em um período com outro período posterior, bem como se estiver dimensionando algumas dessas medições no espaço.

Observe também que a eficiência do uso do PRI e da luz tende a se dissociar, especialmente em casos extremos. Por exemplo, em um ecossistema sempre verde, geralmente há uma dissociação no período de transição da primavera para o verão. O outro lugar em que os pesquisadores observaram uma dissociação é durante a seca extrema. Quando as árvores estão à beira da morte, o PRI tende a se decompor. Nessas situações, na maioria das vezes, o resultado é que o PRI está superestimando a eficiência do uso da luz. Portanto, novamente, é preciso ter cuidado.

Por fim, a eficiência do uso da luz não está relacionada apenas aos pigmentos do ciclo da xantofila ou a outros conteúdos de pigmentos foliares. A fotorrespiração também precisa ser considerada em alguns casos, e o PRI não está relacionado à fotorrespiração. Portanto, a fotorrespiração pode ser uma fonte de erro nas estimativas da eficiência do uso da luz com base no PRI.

Combinação de medições de NDVI e PRI

Há um grande interesse em poder estimar a fotossíntese de forma remota ou não destrutiva. Alguns pesquisadores voltaram ao modelo de eficiência do uso da luz de Monteith (Equação 3).

em que a GPP (Gross Primary Productivity, Produtividade Primária Bruta) ou fotossíntese é um produto da PAR (radiação fotossinteticamente ativa) que incide sobre o dossel de uma planta, vezes_FPAR (interceptação fracionada de luz) ou quanto dessa PAR está realmente sendo absorvida pelo dossel da planta, vezes ε (eficiência do uso da luz). Em outras palavras, com que eficiência esses fótons absorvidos estão sendo usados para fixar o carbono na forma de carboidratos?

No entanto, alguns pesquisadores propuseram o uso de um proxy para F_PAR e ε, mas não para PAR.

Os pesquisadores tentaram substituir o NDVI pelo F_PAR e PRI por ε, e geraram alguns resultados decentes. A Figura 28 é um estudo de escalonamento no tempo e no espaço.

Cada ponto de dados é de um local diferente ou de um período de tempo diferente amostrado no mesmo local. Nesse caso, eles simplesmente multiplicaram NDVI por sPRI (sPRI é uma forma de dimensionar o PRI de modo que seus valores fiquem entre zero e um). sPRI é essencialmente equivalente a PRI; você pode ver que a relação na Figura 28 é bastante estreita.

A Figura 29 é uma tentativa de agrupar PAR e_FPAR em APAR. Portanto, APAR é a radiação fotossinteticamente ativa absorvida. Portanto, é como combinar PAR e_FPAR e, em seguida, multiplicar isso, novamente, pelo PRI em escala. Esses pesquisadores estão tentando estimar a fotossíntese em unidades reais de fotossíntese. Novamente, trata-se de uma relação bastante linear. Há algum viés em termos de escala, mas, novamente, um trabalho bastante bom de detecção remota da fotossíntese.

Uma aplicação da combinação dos modelos NDVI e sPRI de tipo de eficiência de uso de luz seria o dimensionamento espacial.

A Figura 30 mostra um produto derivado de imagens de satélite. A partir dessas imagens de satélite, o pesquisador conseguiu calcular NDVI e PRI. Eles combinaram o NDVI e o PRI no modelo de eficiência do uso da luz e, para cada pixel ou cada local da imagem, extraíram uma estimativa da absorção_{de CO2} ou da fotossíntese. Embora isso seja derivado de uma imagem de satélite, é possível imaginar que muitos sensores poderiam ser colocados em toda a paisagem para obter algo muito semelhante ou, pelo menos, ter uma noção da heterogeneidade espacial da fotossíntese usando essa abordagem combinada NDVI/PRI.

Como medir NDVI, PRI e refletância espectral

Há várias maneiras de medir dados espectrais, em parte porque há uma variedade de comprimentos de onda de luz que poderíamos medir.

A Figura 31 mostra várias medições de diferentes instrumentos. Por exemplo, há o que chamaremos de "dados hiperespectrais" que poderíamos obter de um espectrômetro que nos fornece informações quase contínuas em todo o espectro. Esse seria o tipo mais detalhado de dados espectrais que poderíamos extrair de um instrumento. Normalmente, esses tipos de instrumentos são usados em uma aplicação do tipo pesquisa de sensoriamento remoto, onde talvez estejamos procurando novos índices de vegetação ou novas dinâmicas. Por exemplo, quando o PRI foi descoberto, foi por meio da exploração de vários espectros de uma só vez.

Outra abordagem seria usar um número limitado de bandas espectrais. Assim, por exemplo, o que poderíamos chamar de "dados multiespectrais" está disponível no satélite QuickBird e em outros satélites de alta resolução. O QuickBird nos fornece bandas no azul, no verde, no vermelho e no infravermelho próximo, apenas quatro bandas para representar a dinâmica espectral nessa região para copas de plantas. Portanto, a abordagem multiespectral é basicamente sinônimo de um radiômetro multibanda. A diferença entre hiperespectral e multiespectral é confusa, mas, basicamente, "hiper" significa muito, e "multi" significa apenas alguns. No lado extremo, temos o hiperespectral, mas no lado oposto temos um radiômetro de banda única. Um instrumento PAR é essencialmente um radiômetro de banda única com uma banda de onda de medição muito ampla. Ele mede a radiação entre 400 e 700 nanômetros e emite um único valor para toda essa região. Um piranômetro faz a mesma coisa, mas sua região é ainda mais ampla e se estende muito mais para as regiões do infravermelho próximo e de ondas curtas.

Portanto, o instrumento de que precisamos é determinado pelos objetivos da pesquisa. Se nossos objetivos forem apenas medir para as aplicações específicas deste artigo, um espectrômetro completo será um exagero. Nesses casos, podemos usar um radiômetro multibanda, seja para medir o PRI, o NDVI, ou ambos simultaneamente. Precisamos apenas de quatro bandas.

O sensorNDVI /PRI da METER é um radiômetro multibanda que mede tanto o NDVI quanto o PRI.

Um tipo tem bandas centradas em 630 nanômetros e 800 nanômetros, projetadas para medições do NDVI . E o outro tipo tem bandas centradas em 532 nanômetros e 570 nanômetros, projetadas para medir o PRI. Os sensores de refletância espectral são projetados para medir a radiação recebida (Figura 33).

Os difusores de teflon proporcionam uma visão hemisférica do céu, o que permite a medição da luz incidente. E, no canto inferior direito, são mostrados os sensores direcionais que possuem batentes de campo físico que restringem o campo de visão a 20 graus. Isso também permite que eles sejam apontáveis para que os pesquisadores que os utilizam possam realmente direcionar para onde o sensor está olhando dentro do dossel de uma planta. Ele tem uma calibração rastreável pelo NIST, portanto, fornece medições e unidades físicas reais de luz. É pequeno, impermeável e à prova de intempéries, de modo que você não precisa se preocupar em colocá-lo do lado de fora e fazer com que ele colete dados por longos períodos, o que tradicionalmente é um problema com a maioria dos espectrômetros. Normalmente, é preciso construir algum tipo de contêiner para esse instrumento para protegê-lo dos elementos.

NDVI e considerações sobre a medição do PRI

Se quisermos medir a refletância espectral para obter PRI e NDVI, normalmente estaremos interessados em uma visão de cima para baixo do dossel, pelo menos para medições de radiância (ou medições de afloramento).

Isso requer medições acima do dossel. A dificuldade dessa tarefa depende da altura do dossel. Por exemplo, na Figura 34, há uma torre de fluxo no norte de Michigan que se estende bastante acima de uma copa mista de árvores decíduas. Essa seria a plataforma perfeita para um sensor SRS. Mas se o dossel for, por exemplo, uma plantação de trigo, a torre é desnecessária. Você pode montar o sensor em um poste de cerca ou em um tripé resistente. De qualquer forma, o sensor precisa estar acima da copa das árvores.

Ao fazer medições de longo prazo da refletância espectral, é vantajoso ter instrumentos de visão dupla: um instrumento olhando para cima para quantificar a radiação incidente e outro olhando para baixo para quantificar o quanto dessa radiação está sendo refletida. Isso significa que não importa quais são as condições do céu, você pode fazer a medição em condições de luz solar e, se houver nuvens, isso não afetará a medição porque ambas as fontes de radiação estão sendo quantificadas simultaneamente. Essa também é uma vantagem em relação às medições de refletância espectral baseadas no solo, ao contrário das imagens de satélite. E o problema com as imagens de satélite é que sempre que há cloud cobertura, especialmente na região visível, ela obstrui nossa visão do ecossistema do dossel no qual estamos interessados. Mas um sensor ou espectrômetro SRS que pode medir o dossel sob todas as condições nos permite explorar NDVI e PRI com muito mais detalhes sob todas as condições. Além disso, se estivermos tentando colocar um sensor acima do dossel, é vantajoso usar um sensor pequeno e de baixa potência, pois é mais fácil colocá-lo em um local onde possa monitorar continuamente o dossel.

Um aspecto a ser lembrado em NDVI e PRI é que as alterações na geometria da superfície do sensor solar podem ter um efeito dramático sobre os dados. Isso é particularmente importante quando se consideram dados de séries temporais. Por exemplo, a Figura 35 tem cinco dias de NDVI plotados.

Cada linha representa um dia diferente. Observe que, entre todas essas linhas de dados, há um padrão típico em forma de U. Esses são efeitos angulares, o que significa que não era o LAI ou a interceptação de luz fracionada que estava mudando. O sensor estava olhando para um local fixo. Portanto, isso tinha a ver com a forma como os fótons estavam interagindo com o dossel e sendo registrados pelo instrumento.

A Figura 36 mostra um exemplo extremo de retrodispersão e dispersão direta.

Neste exemplo, a localização do observador e do dossel não está mudando, mas a posição do sol no céu está mudando. Você pode ver que isso pode ter um efeito muito forte sobre como os fótons atingem o dossel e como estão sendo registrados no local do observador ou do instrumento.

Também esteja ciente de que, como coletamos longas séries de dados em todas as condições meteorológicas, podem ocorrer coisas que causem observações espúrias. O sistema óptico frontal pode ficar molhado, um pássaro pode pousar no sensor, o sensor pode ficar sujo. Todos esses fatores podem causar ruído ou picos nos dados. Assim, por exemplo, o dia 178 na Figura 35 mostra um grande pico ascendente.

Portanto, normalmente é necessário algum tipo de filtragem de dados com séries temporais NDVI e dados PRI. Uma das soluções para o efeito da geometria da superfície do sensor solar é usar apenas uma observação por dia. Isso geralmente funciona bem com o NDVI porque o NDVI analisa variáveis estruturalmente relacionadas, como o LAI, que não mudam muito ao longo de um dia, mas mudam de um dia para outro ou ao longo de semanas e meses. Portanto, se esse for o foco, a resolução diária é realmente tudo o que é necessário. A Figura 37 é um exemplo em que os pesquisadores extraíram uma medição por volta do meio-dia de cada dia. O meio-dia, especialmente o meio-dia solar, é melhor porque o zênite e o azimute solares são consistentes de um dia para o outro quando as observações são adquiridas.

A Figura 38 é uma série temporal de várias parcelas de tratamento diferentes, em que os dados diários estão sendo plotados para mostrar os padrões ou as diferenças nos padrões de vegetação durante a transição da primavera para o verão em uma pastagem.

Alguns pesquisadores querem dados diurnos, especialmente no caso do PRI, porque o PRI pode ser muito dinâmico, pois responde à dinâmica do ciclo da xantofila. Há muito interesse em entender o que são alguns desses acoplamentos estreitos e reações rápidas à medida que as plantas e as copas das plantas respondem a mudanças rápidas no ambiente. Se for usar os dados diurnos, recomendamos que você analise a modelagem de refletância bidirecional (modelagem ou contabilidade dos efeitos angulares presentes nos dados) em um artigo de Thomas Hillker publicado na Remote Sensing of Environment em 2008.

Referências

• Colombo, Roberto, Dario Bellingeri, Dante Fasolini e Carlo M. Marino. "Retrieval of leaf area index in different vegetation types using high resolution satellite data" (Recuperação de em diferentes tipos de vegetação usando dados de satélite de alta resolução). Remote sensing of environment 86, no. 1 (2003): 120-131.(Link do artigo).
• Demmig-Adams, Barbara e William W. Adams III. "The role of xanthophyll cycle carotenoids in the protection of photosynthesis" (O papel dos carotenóides do ciclo da xantofila na proteção da fotossíntese). Trends in Plant science 1, no. 1 (1996): 21-26.(Link do artigo).
• Gamon, J. A., C. B. Field, W. Bilger, O. Björkman, A. L. Fredeen e J. Peñuelas. "Sensoriamento remoto do ciclo da xantofila e da fluorescência da clorofila em folhas e copas de girassol." Oecologia 85, no. 1 (1990): 1-7.(Link do artigo).
• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas e Riccardo Valentini. "Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types." Ecological Applications 5, no. 1 (1995): 28-41.(Link do artigo).
• Gamon, JAm, L. Serrano e J. S. Surfus. "The photochemical reflectance index: an optical indicator of photosynthetic radiation use efficiency across species, functional types, and nutrient levels." Oecologia 112, no. 4 (1997): 492-501.(Link do artigo).
• Gamon, J. A. e J. S. Surfus. "Assessing leaf pigment content and activity with a reflectometer." The New Phytologist 143, no. 1 (1999): 105-117.(Link do artigo).
• Gamon, J. A., J. Penuelas e C. B. Field. "Um índice espectral de banda de onda estreita que rastreia mudanças diurnas na eficiência fotossintética". Remote Sensing of environment 41, no. 1 (1992): 35-44.(Link do artigo).
• Garrity, Steven R., Gil Bohrer, Kyle D. Maurer, Kim L. Mueller, Christoph S. Vogel e Peter S. Curtis. "A comparison of multiple phenology data sources for estimating seasonal transitions in deciduous forest carbon exchange." Agricultural and Forest Meteorology 151, no. 12 (2011): 1741-1752.(Link do artigo).
• Garrity, Steven R., Jan UH Eitel e Lee A. Vierling. "O desemaranhamento das relações entre os pigmentos das plantas e o índice de refletância fotoquímica revela uma nova abordagem para a estimativa remota do conteúdo de carotenoides." Remote Sensing of Environment 115, no. 2 (2011): 628-635.(Link do artigo).
• Hall, Forrest G., Thomas Hilker, Nicholas C. Coops, Alexei Lyapustin, Karl F. Huemmrich, Elizabeth Middleton, Hank Margolis, Guillaume Drolet e T. Andrew Black. "Sensoriamento remoto multiangular da eficiência do uso da luz na floresta observando a variação do PRI com a fração de sombra do dossel." Remote Sensing of Environment 112, no. 7 (2008): 3201-3211.(Link do artigo).
• Peñuelas, Josep, Iolanda Filella e John A. Gamon. "Assessment of photosynthetic radiation-use efficiency with spectral reflectance" (Avaliação da eficiência do uso da radiação fotossintética com refletância espectral). New Phytologist 131, no. 3 (1995): 291-296.(Link do artigo).
• Porcar-Castell, Albert, José Ignacio Garcia-Plazaola, Caroline J. Nichol, Pasi Kolari, Beñat Olascoaga, Nea Kuusinen, Beatriz Fernández-Marín, Minna Pulkkinen, Eija Juurola e Eero Nikinmaa. "Fisiologia da relação sazonal entre o índice de refletância fotoquímica e a eficiência do uso da luz fotossintética". Oecologia 170, no. 2 (2012): 313-323.(Link do artigo).
• Rahman, Abdullah F., John A. Gamon, David A. Fuentes, Dar A. Roberts e Dylan Prentiss. "Modeling spatially distributed ecosystem flux of boreal forest using hyperspectral indices from AVIRIS imagery." Journal of Geophysical Research: Atmospheres 106, no. D24 (2001): 33579-33591.(Link do artigo).
• Rahman, A. F., Vicente D. Cordova, John A. Gamon, Hans Peter Schmid e Daniel A. Sims. "Potencial das bandas oceânicas MODIS para estimar o fluxo de CO2 da vegetação terrestre: A novel approach". Geophysical Research Letters 31, no. 10 (2004).(Link do artigo).
• Ryu, Youngryel, Dennis D. Baldocchi, Joseph Verfaillie, Siyan Ma, Matthias Falk, Ilse Ruiz-Mercado, Ted Hehn e Oliver Sonnentag. "Testando o desempenho de um novo sensor de refletância espectral, construído com diodos emissores de luz (LEDs), para monitorar o metabolismo, a estrutura e a função do ecossistema." Agricultural and Forest Meteorology 150, no. 12 (2010): 1597-1606.(Link do artigo).

Dúvidas?

Nossos cientistas têm décadas de experiência em ajudar pesquisadores e produtores a medir o contínuo solo-planta-atmosfera.

• Fale com um especialista
• Solicite uma cotação
• Veja todos os nossos instrumentos de copa

APÊNDICE

Como obter mais de seu sensor NDVI

Assista a este vídeo ou leia o artigo abaixo para saber como o NDVI está sendo usado em pesquisas atuais e demonstra como superar algumas das limitações do NDVI.

NDVI - global

A maneira mais ampla de pensar em NDVI são os dados obtidos de um satélite em órbita da Terra. Na Figura 1, você pode ver áreas altamente vegetadas que têm altos valores de NDVI representados por cores verde-escuras em todo o mundo.

Por outro lado, áreas com pouca vegetação têm valores baixos de NDVI , que parecem marrons. NDVI é sensível à quantidade de cobertura vegetal presente na superfície da Terra.

NDVI - local

Como o NDVI pode ser útil em nível de parcela? A Figura 2 abaixo mostra um gradiente de sucessão em que o tempo zero é um pedaço de solo nu, ou alguns forbs ou gramíneas anuais. Se deixarmos esse pedaço de solo por tempo suficiente, a vegetação mudará: os arbustos podem substituir as gramíneas e, por fim, poderemos ver uma floresta. Em uma grande área, também podemos passar de pastagens para florestas. Em um sistema agrícola, há uma renovação anual da vegetação - do campo nu ao surgimento, maturidade e senescência das plantas. Esse ciclo se repete a cada ano. Dentro desses ciclos de crescimento, o site NDVI ajuda a quantificar o crescimento do dossel que ocorre ao longo do tempo, bem como a dinâmica espacial que ocorre nas paisagens.

Dados de refletância espectral

Então, de onde vem o NDVI ? Na Figura 3, o eixo x representa o comprimento de onda da luz no espectro eletromagnético; 450 a 950 nm abrange a região visível e uma parte do infravermelho próximo. No eixo y está a porcentagem de refletância. Esse é um espectro de refletância típico da vegetação verde.

A linha hiperespectral verde é o que esperaríamos obter de um radiômetro espectral. Normalmente, a refletância é baixa na região azul, mais alta na região verde e mais baixa na região vermelha. Ela muda drasticamente quando passamos do visível para o infravermelho próximo. As duas barras verticais identificadas como NDVI dão uma ideia de onde um sensor NDVI típico mede dentro do espectro. Uma banda está na região vermelha e a outra está na região do infravermelho próximo.

NDVI capitaliza a grande diferença entre a região visível e a parte do espectro do infravermelho próximo. Plantas saudáveis e em crescimento refletem fortemente o infravermelho próximo. As duas imagens à direita da figura acima são da mesma área. A imagem superior é exibida em cores verdadeiras, ou três bandas - azul, verde e vermelho. A imagem abaixo é uma imagem infravermelha de cor falsa. As três bandas exibidas são azul, verde e, no lugar do vermelho, usamos o infravermelho próximo. A cor vermelha brilhante indica uma grande quantidade de refletância no infravermelho próximo, o que é típico de vegetação verde ou saudável.

O motivo pelo qual o site NDVI é formulado com vermelho e infravermelho próximo é que o vermelho se concentra na absorção da clorofila e o infravermelho próximo é sensível à estrutura do dossel e à estrutura celular interna das folhas. À medida que adicionamos folhas a um dossel, há mais clorofila e complexidades estruturais, portanto, podemos esperar quantidades decrescentes de refletância do vermelho e quantidades maiores de refletância do infravermelho próximo.

Como calculamos o NDVI?

O Índice de Vegetação por Diferença Normalizada leva em conta a quantidade de infravermelho próximo (NIR) refletida pelas plantas. Ele é calculado dividindo-se a diferença entre as refletâncias (Rho) no infravermelho próximo e no vermelho pela soma dos dois. NDVI Os valores normalmente variam entre um negativo (água de superfície) e um (dossel cheio e vibrante). Valores baixos (0,1 - 0,4) indicam dosséis esparsos, enquanto valores mais altos (0,7 - 0,9) sugerem dosséis cheios e ativos.

A maneira como calculamos a porcentagem de refletância é quantificar a radiação ascendente (a radiação que atinge o dossel e depois é refletida de volta para o nosso sensor) e a quantidade total de radiação descendente (do céu) em um dossel. A proporção desses dois valores nos dá a porcentagem de refletância em cada uma das bandas.

NDVI aplicativos

As pessoas usam o site NDVI para inferir coisas como leaf area index(LAI) ou interceptação fracionada de luz (_FPAR) de um dossel. Alguns cientistas também associam o NDVI à biomassa ou ao rendimento de uma cultura. As pessoas também usam o NDVI para ter uma noção da fenologia (padrões temporais gerais de verde), bem como onde a vegetação ocorre ou quanta vegetação existe em um determinado local.

Na Figura 4, é possível ver como o espectro de refletância em um determinado LAI do dossel muda com leaf area index, diminuindo na faixa visível e aumentando no infravermelho próximo.

Em LAIs muito baixos, o espectro de refletância é relativamente indiferenciado entre vermelho e NIR (linha preta), mas quando o LAI é alto, há uma forte absorção de luz vermelha pela clorofila com uma forte refletância no NIR. De fato, à medida que o LAI aumenta, há uma refletância cada vez maior no infravermelho próximo, em torno de 800 nm.

NDVI limitações

As limitações do Índice de Vegetação por Diferença Normalizada tendem a ocorrer nos extremos do espectro. Sempre que houver uma cobertura vegetal muito baixa (a maior parte da cena é solo), o NDVI será sensível a esse solo. Isso pode confundir as medições. No outro extremo, onde há uma grande quantidade de vegetação, o NDVI tende a se saturar. Observe a diferença insignificante entre os espectros em um leaf area index (LAI) de 3 (roxo) versus 6 (verde). De fato, em uma floresta tropical, o NDVI não será sensível a pequenas alterações no LAI porque o LAI já é muito alto. Entretanto, existem várias soluções.

Solução 1: Índice de Vegetação Ajustado ao Solo

A Figura 5 mostra os resultados de um estudo que fez medições espectrais de diferentes índices de vegetação em um transecto de solo descoberto. Passando de argila seca para argila úmida, vemos uma forte resposta do NDVI devido à umidade do solo; indesejável se estivermos medindo a vegetação. Não estamos interessados em um índice que seja sensível a mudanças no solo ou na umidade do solo. No entanto, há alguns outros índices plotados na Figura 5 com sensibilidades muito menores a variações no solo ao longo do transecto.

O primeiro desses índices é o Índice de Vegetação Ajustado ao Solo (SAVI). A equação do SAVI é semelhante à do NDVI. Ele incorpora as mesmas duas bandas do NDVI- o infravermelho próximo e o vermelho.

A única coisa que é diferente é o parâmetro L. L é um fator de ajuste do solo com valores que variam de 0 a 1. Quando a cobertura vegetal é de 100%, L é 0 porque não há necessidade de um ajuste de fundo do solo. Entretanto, quando a cobertura vegetal é muito baixa, esse parâmetro L se aproxima de um. Como é difícil medir exatamente a quantidade de cobertura vegetal sem usar o site NDVI, podemos modificar o site NDVI para que ele não seja sensível ao solo, adivinhando de antemão qual deve ser L. É prática comum definir L em um valor intermediário de 0,5. Você pode ver na Figura 5 que o Soil Adjusted Vegetation Index (Índice de Vegetação Ajustado ao Solo) ou SAVI tem uma sensibilidade muito menor ao fundo do solo.

Solução 2: SAVI modificado

O próximo índice de vegetação é o SAVI modificado (MSAVI). A equação do SAVI contém um parâmetro L que temos de estimar - não é uma maneira precisa de lidar com as coisas. Por isso, um cientista chamado Qi desenvolveu um ótimo universal para L. Não entraremos na matemática, mas ele conseguiu simplificar a equação do SAVI para que não houvesse mais necessidade do parâmetro L, e as únicas entradas necessárias são as refletâncias no infravermelho próximo e no vermelho.

Esse foi um avanço bastante significativo, pois contornou a necessidade de estimar ou medir independentemente L. Quando Qi comparou o SAVI com o MSAVI, não houve praticamente nenhuma diferença entre os dois índices em termos de sensibilidade à quantidade de vegetação e sua resposta ao fundo do solo.

NDVI limitações: alto LAI

NDVI é útil na faixa intermediária de LAIs, desde que não haja efeitos fortes do solo, mas à medida que você se aproxima de um LAI acima de 4, perde a sensibilidade. Na Figura 7, a perda de sensibilidade se deve principalmente a uma saturação na faixa vermelha. As medições foram feitas em um dossel de trigo e em um dossel de milho. A refletância no infravermelho próximo é sensível em todo o espectro dos dosséis de trigo e milho, mas o vermelho satura com relativa rapidez. O ponto em que o vermelho começa a saturar é onde o NDVI começa a saturar.

OBSERVAÇÃO: o site NDVI satura em LAIs altos; no entanto, se o seu objetivo for obter a interceptação fracionada de luz, o site NDVI tende a não ter esse problema de saturação. Na Figura 8, a_FPAR ou a interceptação fracionada da luz da radiação fotossinteticamente ativa está quase completa muito antes da saturação do NDVI . Isso ocorre porque os dosséis são eficientes na interceptação da luz e, quando chegamos a um LAI de aproximadamente 4, a maior parte da luz já foi interceptada ou absorvida pelo dossel. Portanto, aumentos incrementais no LAI não afetam significativamente a variável_FPAR.

Solução 3: WDRVI

Uma solução para o problema de saturação do NDVI é chamada de Índice de Vegetação de Amplo Alcance Dinâmico (WDRVI). Sua formulação é semelhante à do NDVI, exceto por um coeficiente de ponderação que pode ser usado para reduzir a disparidade entre a contribuição da refletância do infravermelho próximo e do vermelho.

No WDRVI, a é multiplicado pela refletância do infravermelho próximo para reduzir seu valor e aproximá-lo do valor da refletância do vermelho. Ao fazer isso, ele equilibra a contribuição do vermelho e do infravermelho próximo para o índice de vegetação.

a pode variar de 0 a 1. A Figura 9 mostra que, à medida que usamos um valor menor de a, obtemos uma resposta linear crescente do índice de vegetação dinâmica ampla ao LAI.

A única desvantagem do WDRVI é que a seleção de a é subjetiva. É algo que você deve experimentar por conta própria até encontrar um valor para a que seja ideal para a sua solução. As pessoas tendem a optar por um valor muito baixo simplesmente porque se aproximam cada vez mais de uma resposta linear ao LAI à medida que a diminui.

Solução 4: Índice de Vegetação Aprimorado

O Índice de Vegetação Aprimorado (EVI) foi projetado para aumentar a sensibilidade em ecossistemas de alta biomassa, mas também tenta reduzir as influências atmosféricas. Esse foi um índice de vegetação criado para os propósitos de uma plataforma baseada em satélite. Há muita atmosfera a ser observada de um satélite até o solo e, às vezes, os aerossóis na atmosfera afetam as refletâncias nas regiões do vermelho e do infravermelho próximo, causando observações espúrias. O EVI também tenta reduzir a sensibilidade do índice ao solo. Portanto, o EVI é uma espécie de solução para os dois extremos.

Na equação do EVI, as duas principais entradas são as refletâncias do infravermelho próximo e do vermelho. C1, C2 e L são todos parâmetros que podem ser estimados, mas a banda azul é algo que precisa ser medido. A maioria dos sensores do NDVI são sensores de duas bandas, portanto, você não tem essas informações no azul. Além disso, com os satélites, a banda azul é relativamente barulhenta e nem sempre tem dados da melhor qualidade, portanto, o EVI tem valor limitado.

Solução 5: EVI2 (Enhanced Vegetation Index 2)

Esses problemas levaram um cientista chamado Jiang a encontrar uma solução. Jiang observou um pouco de autocorrelação entre a banda vermelha e a banda azul e, por isso, decidiu tentar formular o EVI sem a banda azul no que ele chamou de EVI2 (Enhanced Vegetation Index 2). Se estiver interessado na matemática, recomendamos que leia o artigo dele, mas aqui fornecemos a equação, caso esteja interessado em usá-la.

Quando Jiang calculou seu EVI2 e o comparou com o EVI tradicional (Figura 10), a relação foi quase de um para um. Para todos os efeitos, o EVI2 era equivalente ao EVI. Como esse método evita a banda azul, ele oferece algumas possibilidades interessantes, pois se reduz ao uso de apenas duas entradas das bandas NIR e vermelha para calcular NDVI.

NDVI Resumo do sensor

NDVI As medições do índice de reflexão de luz têm um valor considerável e, embora existam extremos em que o NDVI tenha um desempenho ruim, mesmo nesses casos há várias soluções. Todas essas soluções usam as bandas do infravermelho próximo e do vermelho, portanto, você pode usar um sensorNDVI , obter os valores brutos das refletâncias do infravermelho próximo e do vermelho e reformulá-los em um desses índices (há vários outros índices disponíveis que não abordamos). Portanto, se você estiver em um sistema com LAI extremamente alto ou baixo, tente determinar como as bandas do infravermelho próximo e do vermelho podem ser usadas em algum tipo de índice de vegetação para que você possa pesquisar sua aplicação específica.

Referências

• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas e Riccardo Valentini. "Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types." Ecological Applications 5, no. 1 (1995): 28-41.(Link do artigo).
• Gitelson, Anatoly A. "Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation." Journal of plant physiology 161, no. 2 (2004): 165-173.(Link do artigo).
• Huete, Alfredo. "Huete, AR Um índice de vegetação ajustado ao solo (SAVI). Remote Sensing of Environment". Sensoriamento remoto do meio ambiente 25 (1988): 295-309.
• Jiang, Zhangyan, Alfredo R. Huete, Kamel Didan e Tomoaki Miura. "Desenvolvimento de um índice de vegetação aprimorado de duas bandas sem uma banda azul". Remote sensing of Environment 112, no. 10 (2008): 3833-3845.(Link do artigo).
• Qi, Jiaguo, Abdelghani Chehbouni, Alfredo R. Huete, Yann H. Kerr e Soroosh Sorooshian. "Um índice de vegetação ajustado ao solo modificado". Remote sensing of environment 48, no. 2 (1994): 119-126.(Link do artigo).
• Rocha, Adrian V. e Gaius R. Shaver. "Vantagens de um EVI de duas bandas calculado a partir de fluxos de radiação solar e fotossinteticamente ativa". Agricultural and Forest Meteorology 149, no. 9 (2009): 1560-1563.(Link do artigo).

Dúvidas?

Nossos cientistas têm décadas de experiência em ajudar pesquisadores e produtores a medir o contínuo solo-planta-atmosfera.

• Fale com um especialista
• Solicite uma cotação
• Veja todos os nossos instrumentos de copa