Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Análise do índice MPRI como indicador vegetativo através da correlação do mesmo com
o índice NDVI

Mayklyns Marcos de Almeida Linhares¹

Nara Cristina Candido Rocha¹
Breno Augusto da Silva Amaral¹

¹Primegeo Tecnologia Ltda.

Av. Oitenta e Cinco, 1425 – salas 301 a 306, Setor Marista.
CEP 74.160-010, Goiânia, GO, Brasil.
{mayklyns.linhares, nara, breno.silva}@primegeo.com.br

Abstract. This paper presents an evaluation the MPRI index (Modified Photochemical Reflectance Index) as an
indicator of vegetation by correlating the same with the NDVI index. The NDVI is based on the normalized
difference of the bands of the regions of red and infrared, as most the vegetations index. For MPRI are
considered only information in the region of visible, being replaced the band of the infrared region by the band
of the green region. This study used three satellite images of Landsat-5 TM sensor to calculate the NDVI and
MPRI index and the correlation among the same. The results show that the MPRI can be used to enhance the
response of vegetation relative to the soil soon may be used for applications involving the change between soil
and vegetation. An important factor for the use of vegetation index using only the information from the visible
region is the imaging that does not acquire information in the infrared region. Example of these imaging are
UAVs which are beginning appear in the Brazilian market and its payload are conventional compact cameras
that not captures information in the infrared region. Some UAVs provide solutions for capturing images in the
infrared region but it is necessary to emphasize that choose these solutions can mean an increase in the
investment to be made.

8254
 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

1. Introdução
O uso de índices de vegetação baseados em imagens provindas de satélites é muito
comum. São várias as aplicações dadas aos índices de vegetação, como: Agricultura (Almeida
et al., 2005; Camargo et al., 2007), Caracterização da Vegetação (Affonso et al., 2005),
Precipitação (Almeida, 2012), Estudos Florestais (Araujo, 1999) e outros.
Diversos índices de vegetação têm sido propostos na literatura com o objetivo de explorar
as propriedades espectrais da vegetação, especialmente nas regiões do visível e do
infravermelho próximo, Ponzoni e Shimabukuro (2010). Ainda segundo os autores, a
fundamentação desses índices se dá devido ao comportamento antagônico da reflectância da
vegetação nas regiões citadas.
O NDVI (Normalized Difference Vegetation Index) é o mais conhecido dentre os índices
de vegetação com base em imagens de satélite. Na prática o índice é calculado através da
operação matemática entre bandas, ou seja, definido pela diferença normalizada entre valores
radiométricos locais de duas bandas diferentes de uma imagem multi-espectral, como
proposto por Cordeiro et al. (2005).
Yang et al. (2008) propõe entre outros, o índice MPRI (Modified Photochemical
Reflectance Index). O MPRI também é baseado na diferença normalizada entre duas bandas,
porém, o mesmo utiliza as bandas da região do verde e do vermelho, sendo independente de
uma banda do infravermelho. Se observado o comportamento da vegetação ao longo do
visível (R G B) é possível observar que a relação existente entre as bandas da região do verde
e do vermelho é similar à relação existente entre as bandas do infravermelho e do vermelho.
Pretende-se aqui avaliar a correlação existente entre os índices NDVI e MPRI, a fim de
através da mesma validar o uso do MPRI como indicador vegetativo. O trabalho se justifica
diante do fato de que nem todo imageamento é/ou foi realizado com o uso de sensores na
região do infravermelho. Exemplo desse fato são os VANT’S (Veículos Aéreos Não
Tripulados), que começam a aparecer no mercado brasileiro e estão embarcados com câmeras
convencionais compactas que obtém imagens apenas na região do visível. Vale ressaltar que
alguns VANT’S já apresentam soluções para imageamento com infravermelho, porém, deve
se considerar que aderir a estas soluções pode provocar um acréscimo relevante no
investimento a ser realizado. Logo, gerar índices vegetativos a partir de informações na região
do visível, no caso dos VANT’S pode representar redução de custos.

2. Metodologia de Trabalho
Foram escolhidas três imagens provindas do satélite Landsat-5, Sensor TM., tendo como
único critério de escolha a presença e ausência de vegetação. Parâmetros como órbita, ponto e
data foram escolhidos aleatoriamente. Ambas as cenas estão localizadas dentro do território
brasileiro. A Figura 1 apresenta as cenas escolhidas e a Tabela 1 os parâmetros das mesmas.

8255
 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Figura 1 – Imagens Landsat-5 utilizadas no estudo. Composição colorida “falsa-cor”: Banda 5

(R), Banda 4 (G), Banda 3 (B).

Tabela 1 – Informações das imagens utilizadas no estudo.

Imagem Órbita Ponto Data
01 219 66 03/05/2004
02 224 68 15/05/2007
03 221 80 10/09/2011

Através do módulo GEOFORMULA do programa TNT MIPS, foram desenvolvidos

Scripts baseados na Equação 1 e na Equação 2, para calcular os índices NDVI e MPRI
respectivamente, para ambas as imagens.

NDVI = (IR – R) / (IR + R) (1)

MPRI = (G – R) / (G + R) (2)

Sendo: R as informações obtidas para a região do Vermelho; G às informações obtidas

para região do Verde; e IR às informações obtidas para a região do Infravermelho.
Calculados os índices NDVI e MPRI, foi utilizada a ferramenta IMAGE BAND
CORRELATION do programa TNT MIPS 2012 para medir a correlação existente entre os
índices extraídos de uma mesma imagem. Foi também realizada uma análise visual do
comportamento dos alvos Vegetação, Solo Exposto e Corpos D’água.

8256
 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

3. Resultados e Discussão
Os índices NDVI e MPRI apresentaram um alto nível de correlação, estando acima de
80% nas três imagens. A Tabela 2, a Figura 2 e a Figura 3 mostram a correlação existente
entre os índices para cada uma das imagens.

Tabela 2 – Percentual de correlação entre os índices NDVI e MPRI para as imagens utilizadas
no estudo.
Imagem Percentual de Correlação
01 81 %
02 84 %
03 80 %

Figura 2 – Imagem na composição “falsa-cor” e os índices NDVI e MPRI, respectivamente.

8257
 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

NDVI NDVI

MPRI MPRI

NDVI

MPRI

Figura 3 – Gráficos referentes aos cálculos de correlação entre os índices MPRI e NDVI.

Analisando os alvos Solo, Vegetação e Corpos D’água, que são comuns nas cenas
utilizadas neste trabalho, nota-se que o comportamento do MPRI é similar ao comportamento
do NDVI para os alvos Solo e Vegetação e inverso para o alvo Corpos D’água. Este fato
mostra que o MPRI tem potencial para ser aplicado em análises que envolvam a alteração
entre os alvos Solo e Vegetação, como: Desmatamento, Reflorestamento, Manejo de Áreas
Agrícolas, entre outros. Já para análises que envolva áreas com Corpos D’água, por exemplo,
a avaliação de Áreas de Preservação Permanente no entorno de Rios e Córregos, o uso do
MPRI não é recomendado, pois os resultados podem ser prejudicados pela forma com que a
água se comporta no índice. A Figura 4 exemplifica o comportamento dos alvos Solo,
Vegetação e Corpos D’água.

8258
 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Figura 4 – Representação do comportamento dos alvos Vegetação, Solo Exposto e Corpos

D’água para os índices NDVI e MPRI.

4. Conclusões PT2
A alta correlação existente entre os índices NDVI e MPRI, principalmente no que diz
respeito à resposta da vegetação e solo, valida o uso do MPRI como indicador vegetativo. No
entanto, existe a necessidade de observar se o comportamento de alvos diferentes de
vegetação e solo presentes na cena não terão uma influência negativa no índice.

Referências Bibliográficas

Affonso, A. G.; Valeriano, D. M.; Batista, G. T. Caracterização da vegetação no Município de Marabá, no

Estado do Pará, através de dados e transformações espectrais (Índice de Vegetação por Diferença Normalizada)
do sensor ETM+ / Landsat 7. In: Simpósio Brasileiro de Sensoriamento Remoto, 12. (SBSR), 2005,
Goiânia. Anais... São José dos Campos: INPE, 2005. p. 1407-1414. CD-ROM, On-line. ISBN 85-17-00018-8.
(INPE-12638-PRE/7930). Disponível em: <http://urlib.net/ltid.inpe.br/sbsr/2004/11.20.21.01>. Acesso em: 06
nov. 2012.

Almeida, E. S. Relação entre índice de vegetação derivado do NOAA-AVHRR e precipitação na região

Amazônica. 2012. 110 p. (sid.inpe.br/iris@1912/2005/07.20.08.51-TDI). Dissertação (Mestrado em
Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais (INPE), São Jose dos Campos, 1997.
Disponível em: <http://urlib.net/sid.inpe.br/iris@1912/2005/07.20.08.51>. Acesso em: 06 nov. 2012.

8259
 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Almeida, T. S.; Fontana, D. C.; Martorano, L. G.; Bergamaschi, H. Índices de vegetação para a cultura da soja
em diferentes condições hídricas e de sistema de manejo do solo. In: Simpósio Brasileiro de Sensoriamento
Remoto, 12. (SBSR), 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 17-24. CD-ROM, On-line.
ISBN 85-17-00018-8. Disponível em:<http://urlib.net/ltid.inpe.br/sbsr/2004/11.18.17.02>. Acesso em: 06 nov.
2012.

Araujo, L. S. Analise da cobertura vegetal e de biomassa em área de contato floresta/savana a partir de dados
TM/Landsat JERS-1. 1999. 129 p. (INPE-7253-TDI/696). Dissertação (Mestrado em Sensoriamento Remoto) -
Instituto Nacional de Pesquisas Espaciais, São Jose dos Campos, 1999. Disponível
em: <http://urlib.net/sid.inpe.br/deise/2000/07.19.09.09>. Acesso em: 06 nov. 2012.

Camargo, F. F.; Adami, M.; Breunig, F. M.; Mantelli, L. R.; Costa, M. C.; Ponzoni, F. J.; Freitas, J. G. Avaliação
de Índices de Vegetação e de Índice de Área Foliar na caracterização espectral de dosséis de trigo (Triticum
aestivum, L. - IAC-370). In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13. (SBSR), 2007,
Florianópolis. Anais... São José dos Campos: INPE, 2007. p. 103-110. CD-ROM; On-line. ISBN 978-85-17-
00031-7. (INPE-16282-PRE/10862). Disponível em: <http://urlib.net/dpi.inpe.br/sbsr@80/2006/11.09.19.38>.
Acesso em: 06 nov. 2012.

Cordeiro, J. P.; Câmara, G.; Moura, U. F.; Barbosa, C. C.; Almeida, F. Algebraic Formalism over Maps. In:
Simpósio Brasileiro de Geoinformática, 7. (GEOINFO), 2005, Campos do Jordão. Proceedings... São José dos
Campos: INPE, 2005. p. 49-65. CD-ROM, On-line. ISBN 85-17-00022-6. (INPE-13211-PRE/8467). Disponível
em: <http://mtc-m18.sid.inpe.br/col/dpi.inpe.br/geoinfo@80/2006/07.11.12.56/doc/P48.pdf >. Acesso em: 11
nov. 2012.

Ponzoni, F. J.; Shimabukuro, Y. E. Sensoriamento Remoto no Estudo da Vegetação São José dos Campos:
Ed. Parêntese, 2009. 130 p.

Yang, Z.; Willis, P.; Mueller, R. Impact of Band-Ratio Enhanced AWIFS Image to Crop Classification
Accuracy. In: Pecora – The Future of Land Imaging… Going Operational, 17. 2008, Denver, Colorado,
USA. Proceedings... Maryland: (ASPRS), 2008. Disponível em:
<http://www.asprs.org/a/publications/proceedings/pecora17/0041.pdf> . Acesso em: 15 nov. 2012.

8260