See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/340512219

ÍNDICE DE VEGETAÇÃO AJUSTADO AO SOLO-SAVI ADAPTADO: PROPOSTA

PARA CARACTERIZAR COBERTURA VEGETAL DO SOLO

Conference Paper · December 2019

CITATIONS READS

0 207

4 authors, including:

Leonardo Pinto de Magalhães Tamara Maria Gomes

University of São Paulo University of São Paulo
17 PUBLICATIONS   16 CITATIONS    45 PUBLICATIONS   266 CITATIONS   

SEE PROFILE SEE PROFILE

Fabrício Rossi
University of São Paulo
65 PUBLICATIONS   317 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Determinação do teor de biomassa, nitrogênio e carbono em diferentes cultivos comerciais View project

Suspension system in a spray boom using a fractional PID controller View project

All content following this page was uploaded by Leonardo Pinto de Magalhães on 08 April 2020.

The user has requested enhancement of the downloaded file.

ÍNDICE DE VEGETAÇÃO AJUSTADO AO SOLO-SAVI ADAPTADO: PROPOSTA PARA
CARACTERIZAR COBERTURA VEGETAL DO SOLO

L. P. Magalhães1,*, L. R. Trevisan1, T. N. Gomes2, F. Rossi2

1
ESALQ/USP, Av. Pádua Dias, 11, 13418-900, Piracicaba, SP
2
FZEA/USP, Duque de Caxias Norte, 255, 13635-900, Pirassununga, SP
*
Autor correspondente, e-mail: leonardo.magalhaes@usp.br

Resumo: Desde 1973 com as pesquisas realizadas por Rousse et al. e a publicação do índice NDVI
(Normalized Difference Vegetation Index), diversos índices vegetativos foram sendo propostos com
diferentes configurações. Grande parte deles se utiliza, em sua composição, da banda do
infravermelho. Tal fato demanda a utilização de câmeras modificadas para seu cálculo, o que eleva
os custos e diminui o acesso à utilização desses índices. Outros autores, então, propuseram a
utilização de índices que utilizem somente bandas no visível, RGB, com alguns autores propondo a
substituição do infravermelho pelo verde, exemplo do índice MPRI (Modified Photochemical
Reflectance Index). Porém, alguns índices também sofrem influência, no cálculo, dos efeitos de
reflectância do solo no local avaliado. Um índice que se propõe a minimizar esse efeito é o SAVI
(Vegetation Index Soil-Adjusted). Portanto, neste trabalho buscou-se adaptar esse índice utilizando
somente bandas na faixa do visível e avaliar se o mesmo teria vantagens sobre outros índices
calculados nessa faixa. O SAVI adaptado demonstrou maior sensibilidade à variação do verde em
relação ao MPRI, indicando que sua utilização pode caracterizar melhor a cobertura vegetal.

Palavras-chave: MPRI, cobertura vegetal, visão computacional

SOIL ADJUSTED VEGETATION INDEX - ADAPTED SAVI: PROPOSED TO

CHARACTERIZE SOIL VEGETABLE COVERAGE

Abstract: Since 1973 with research conducted by Rousse et al. and the publication of the NDVI
index (Normalized Difference Vegetation Index), several vegetative indices were proposed with
different configurations. Most of them use, in their composition, the infrared band. This fact
requires the use of modified cameras for its calculation, which increases costs and reduces access to
the use of these indices. Other authors then proposed the use of indices that use only visible bands,
RGB, with some authors proposing the replacement of infrared with green, example of the MPRI
index (Modified Photochemical Reflectance Index). However, some indices are also influenced in
the calculation of the effects of soil reflectance at the evaluated site. An index that aims to minimize
this effect is SAVI (Vegetation Index Soil-Adjusted). Therefore, in this work tried to adapt this
index using only bands in the visible range and to evaluate if it would have advantages over other
calculated indexes in this range. The adapted SAVI showed greater sensitivity to green variation in
relation to MPRI, indicating that its use can better characterize the vegetation cover compared to
this other index.

Keywords: MPRI, vegetal cover, computer vision

1. Introdução
O primeiro índice a ser descrito na literatura, por Rousse et al. (1973), o NDVI (Normalized
Difference Vegetation Index) também tornou-se com o tempo o índice mais conhecido e utilizado
em aplicações na agricultura. Sua composição leva em conta a reflectância da planta nos
comprimentos de onda do vermelho e do infravermelho e relaciona-se com o teor de biomassa, área
foliar, estresse entre outros fatores. Ao longo do tempo outros índices foram sendo propostos com a

97
utilização de diferentes bandas de cores. Um exemplo, foi o GNDVI proposto por Gitelson et al.
(1996) que se trata de um índice adaptado do NDVI, e que utiliza a banda do verde em substituição
ao vermelho. Essa substituição, segundo os autores, deu-se devido ao fato de que durante a
evolução humana a cor verde esteve mais associada à avaliação da sanidade das plantas do que o
vermelho. Já Yang et al. (2008) propuseram um novo índice chamado MPRI (Modified
Photochemical Reflectance Index). Assim como os demais, este índice também se baseia na
diferença normalizada entre duas bandas, mas nesse caso propõe a substituição do infravermelho
pelo verde na equação do NDVI. Os autores fizeram essa proposta pois observaram que ao longo do
visível (R G B) a relação entre as bandas da região do verde e do vermelho tem o mesmo
comportamento da relação entre o infravermelho e o vermelho. Índices no RGB podem ser
relacionados com diferentes aspectos de desenvolvimento das plantas, como fenotipagem
(KEFAUVER et al., 2015), detecção de doenças (ZHOU et al., 2015) ou estresse hídrico
(CASADESÚS et al., 2007).
Em 1988, Huete propôs o Índice de Vegetação Ajustado ao Solo (SAVI), assim como os
outros citados este também é uma melhoria do NDVI. Neste caso, foi proposta a aplicação de uma
constante L, para fim de minimizar os efeitos do solo no cálculo do índice vegetativo. Esta
constante varia de 0,25 a 1, de acordo com a densidade da vegetação, sendo que para áreas com
pouca cobertura vegetal adota-se o valor de 1 para L, áreas com uma cobertura intermediária L
recebe o valor de 0,5 e áreas muito densas o valor de 0,25. Quando L é nulo, o SAVI torna-se igual
ao NDVI. Como Yang et al. (2008) avaliaram que o comportamento da banda do verde menos a do
vermelho resulta em algo semelhante ao infravermelho menos o vermelho, neste trabalho buscou-se
testar o SAVI adaptado, utilizando apenas bandas do RGB, substituindo-se o infravermelho de sua
composição pelo verde e assim comparar seus resultados com os apresentados pelo MPRI.

2. Materiais e Métodos
A área estudada localiza-se na Faculdade de Zootecnia e Engenharia de Alimentos (FZEA)
da Universidade de São Paulo (USP) em Pirassununga, sendo uma área de pastagem de coats-cross
com um total de 4096 m², com infestação da área de braquiária. Para captação da imagem foi
utilizado um VANT (Veículo Aéreo Não-Tripulado) Phanton 4 Pro, com uma câmera de 12
MegaPixel. O voo foi realizado a 100 metros de altura, o que permitiu uma visualização geral da
área com apenas uma imagem. A área foi dividida em 8 parcelas, apenas para o cálculo dos índices
vegetativos de acordo com a Figura 1.

Figura 1. Área utilizada no estudo, com oito parcelas, sendo numerada da esquerda para a direita de
um a oito.

98
A imagem obtida foi utilizada para cálculo dos índices utilizando um algoritmo desenvolvido em
linguagem python descrito a seguir:

import cv2
import numpy as np
im = cv2.imread("area3.jpg") #abre a imagem desejada
r = cv2.selectROI(im) #selecionada a região a ser calculada os índices
imCrop = im[int(r[1]):int(r[1]+r[3]), int(r[0]):int(r[0]+r[2])]
canalAzul, canalVerde, canalVermelho = cv2.split(imCrop) #obtém as bandas de cor no RGB
avg_color_per_row1 = np.average(canalVerde, axis=0) #calcula a media por linha de cada banda na area selecionada
avg_color_per_row2 = np.average(canalVermelho, axis=0)
avg_color_per_row3 = np.average(canalAzul, axis=0)
avg_color1 = np.average(avg_color_per_row1, axis=0) #calcula a media geral de cada banda na area selecionada
avg_color2 = np.average(avg_color_per_row2, axis=0)
avg_color3 = np.average(avg_color_per_row3, axis=0)
MPRI = (avg_color1 - avg_color2)/(avg_color1 + avg_color2) #calcula o indice MPRI
SAVI = (1.5)*(avg_color1 - avg_color2)/(avg_color1 + avg_color2 + 0.5) #calcula o SAVI adaptado
Gn = (avg_color1)/(avg_color1 + avg_color2 + avg_color3) #calcula o verde normalizado
Rn = (avg_color2)/(avg_color1 + avg_color2 + avg_color3) #calcula o vermelho normalizado
Bn = (avg_color3)/(avg_color1 + avg_color2 + avg_color3) #calcula o azul normalizado
print('MPRI =', MPRI)
print('SAVI =', SAVI)
print('Gn =', Gn)
print('Rn =', Rn)
print('Bn =', Bn)
cv2.waitKey(0)
cv2.destroyAllWindows()

Os índices utilizados foram o MPRI, o SAVI (substituindo o infravermelho pelo verde) e as bandas
RGB normalizadas. Utilizando o R Studio foram feitas as diferentes análises estatísticas dos dados.
MPRI = (Verde – Vermelho) / (Verde + Vermelho) (1)
SAVI adaptado = ((1 + L)* (Verde – Vermelho))/(L + Verde + Vermelho) (2)
Sendo que nesse caso, foi adotado L = 0,5.
Rn = Vermelho / (Verde + Vermelho + Azul) (3)
Gn = Verde / (Verde + Vermelho + Azul) (4)
Bn = Azul / (Verde + Vermelho + Azul) (5)

3. Resultados e Discussão
Foi feito um teste de normalidade dos dados (Shapiro-Wilk) obtendo significância (p =
0,5323). Após a análise de normalidade, os valores de máximo, mínimo e a média de cada um
foram calculados e são demonstrados na Tabela 1. Avaliando a diferença entre os valores mínimos e
máximos, observou-se uma sensibilidade maior por parte do SAVI adaptado com um valor de
0,1201 enquanto a diferença do MPRI foi calculada em 0,0803. Segundo Epiphanio e Huete (1995)
o SAVI é mais sensível ao infravermelho do que ao vermelho, ocorrendo o contrário no NDVI. Ao
substituir o infravermelho pelo verde, nota-se que se mantém essa correlação, agora com o SAVI
sendo mais sensível ao verde do que o MPRI.

Tabela 1. Valores encontrados para os diferentes índices vegetativos nas parcelas avaliadas

MPRI SAVI Rn Gn Bn
Mínimo 0,0349 0,0523 0,3199 0,3711 0,2703
Máximo 0,0854 0,1280 0,3312 0,3933 0,2753
Média 0,1152 0,1724 0,3461 0,4033 0,2823

Tal fato pode ser observado analisando a variação do verde nas imagens, sendo que este

99
teor, representado pelo Verde normalizado (Gn), variou de 0,0222 (diferença entre máximo e
mínimo) gerando uma variação maior no SAVI do que no MPRI. Ao calcular a correlação de
Pearson, também pode ser observada essa maior sensibilidade do SAVI ao verde, pois sua
correlação foi levemente maior do que a do verde com o MPRI (0,9841 para o SAVI e 0,9839 para
o MPRI). Já em relação ao vermelho normalizado (Rn) a correlação foi levemente maior com o
MPRI, 0,9824, do que com o SAVI (0,9823).

Figura 1. Diferença entre máximo e mínimo dos diferentes índices

Os índices normalizados das cores podem ser entendidos como a porcentagem de cada cor
na imagem. Assim, na média das oito amostras, o verde representa 39% da composição da imagem,
o vermelho aproximadamente 34% e o azul 27%. O verde compõe a maior parte da imagem, pois é
influenciado pela cobertura vegetal em relação ao solo. Assim, índices que possuem maior
sensibilidade à variação do verde representam e indicam mais precisamente a variação da cobertura
vegetal na localidade avaliada.

4. Conclusões
O SAVI calculado apenas com valores das bandas de cor na faixa do visível apresentou alta
correlação com o índice MPRI, também adaptado substituindo-se o infravermelho pelo verde,
indicando assim que essa adaptação também é válida para o SAVI. Este novo índice apresentou
também maior sensibilidade nos dados, diferença entre os valores mínimos e máximos calculados,
bem como melhor correlação com o verde na imagem indicando assim uma melhor caracterização
da cobertura vegetal da área analisada.

Agradecimentos
À CAPES, aos Departamentos de Engenharia de Biossistemas da ESALQ e da FZEA/USP,
bem como ao GEBio – Sistemas e Engenharia (Grupo de estudos em Engenharia de Biossistemas)

Referências
CASADESÚS, J., KAYA, Y., BORT, J., NACHIT, M. M., ARAUS, J. L., AMOR, S., …
VILLEGAS, D. Using vegetation indices derived from conventional digital cameras as selection
criteria for wheat breeding in water-limited environments. Annals of Applied Biology, 150(2),
227–236. 2007.
EPIPHANIO, J.C.N., & HUETE, A.R. Dependence of NDVI and SAVI on sun/sensor geometry
and its effect on fAPAR relationships in Alfalfa. Remote Sens Environ 51: 351-360. 1995.
GITELSON, A., KAUFMAN, Y., & MERZLYAK, M. Use of a green channel in remote sensing of
global vegetation from EOS-MODIS. Remote Sensing of Environment, 58, 289 – 298. 1996.
HUETE, A.R. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, v.25,
p.295309. 1988.

100
 KEFAUVER, S. C., EL-HADDAD, G., VERGARA-DIAZ, O., & ARAUS, J. L. RGB picture
vegetation indexes for High-Throughput Phenotyping Platforms (HTPPs) (C. M. U. Neale & A.
Maltese, eds.). 2015.
ROUSE, J.W., HAAS, R.H., SCHELL, J.A. & DEERING, D.W. Monitoring vegetation systems in
the Great Plains with ERTS. In 3rd ERTS Symposium, NASA SP-351 I, pp. 309–317. 1973.
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.
ZHOU, B., ELAZAB, A., BORT, J., VERGARA, O., SERRET, M. D., & ARAUS, J. L. Low-cost
assessment of wheat resistance to yellow rust through conventional RGB images. Computers and
Electronics in Agriculture, 116, 20–29. 2015.

101

View publication stats