Como obter e analisar imagens de extrativismo mineral para estudo de caso
A maioria dos pesquisadores que começam a mapear áreas de mineração esbarra num problema prático: encontrar fotografias ou imagens de satélite atualizadas sem pagar licença cara ou depender de agências governamentais com filas de atendimento intermináveis. Eu passei por isso em 2019 quando precisei documentar o estado de uma mina de ferro desativada em Minas Gerais para um laudo técnico. O relatório precisava de evidência visual clara, mas as imagens oficiais do CPRM tinham pelo menos cinco anos de defasagem.
imagens de extrativismo mineral: onde encontrar e como validar
O caminho mais direto hoje passa por combinar duas fontes. De um lado, o Planet Labs oferece imagens diárias com resolução de 3 metros, acesso aberto via API gradativa e preços que variam conforme a frequência de revisita. Do outro, o Google Earth Engine disponibiliza coleções Sentinel-2 e Landsat com resolução entre 10 e 30 metros, gratuitas para uso acadêmico. A combinação dos dois permite cruzar detalhe espacial com temporalidade. No meu caso, usei o Sentinel-2 para gerar um índice NDVI mensal durante 18 meses na área-alvo. A mina já estava clausurada, mas o monitoramento pós-fechamento exigia comprovação de assentamento de rejeitos e recuperação da vegetação ripária. As imagens brutotas do Google Earth Engine vieram em formato TIFF com bandas red-edge, o que permitiu calcular também o NDRE, mais sensível a estresses vegetais incipientes. O processo de download e pré-processamento levou cerca de 40 minutos para uma área de 12 quilômetros quadrados, usando o código Python da biblioteca rasterio com processamento paralelo em 8 threads.
O problema que mais atrapalha iniciantes é confundir resolução espacial com resolução temporal. Uma imagem de satélite com 30 centímetros pode ser de 2015. Isso parece óbvia, mas eu vi relatório técnico usar foto aérea histórica como se fosse condição atual da lavra. A validação requer verificar metadata completa: data de aquisição, ângulo de sol, cobertura de nuvens, e se a imagem passou por correção atmosférica ou geométrica. Sem isso, índices de vegetação e reflectância superficial perdem significado prático.
fluxo de trabalho que costuma dar certo
Primeiro, delimita-se a ROI (region of interest) no QGIS ou TerraLiB com coordenadas UTM zona 23S. Depois, consulta-se o motor de busca do Google Earth Engine usando filtros de data e percentual de nuvens abaixo de 15%. O resultado sai em formato COG (cloud optimized GeoTIFF), que pode ser aberto diretamente no QGIS sem precisar baixar terabytes de arquivo. O segundo passo é correção atmosférica. O Sen2Cor ou o LaSRC (Land Surface Reflectance Code) corrigem o efeito da atmosfera sobre a reflectância superficial. Sem correção, comparações temporais ficam comprometidas, especialmente em regiões com alta umidade relativa como o Cerrado brasileiro. A correção leva entre 8 e 12 minutos por cena de 100 quilômetros quadrados em máquina com processador Ryzen 7 e 32 gigabytes de RAM.
O terceiro passo é cálculo de índices espectrais. NDVI, NDRE, EVI, SIPI. Cada um responde a um tipo diferente de informação. NDVI é saturado em biomassa alta, então para áreas de regeneração vegetal após fechamento de mina, o NDRE ou o EVI costumam ser mais sensíveis. O cálculo em lote de 50 cenas levou cerca de 25 minutos no meu setup, com saída em formato GeoTIFF multi banda.
👉 Clique no botão abaixo para saber mais sobre o assunto!
pegadinhas que aprendi na prática
A primeira é achar que imagem de satélite captura atividade minerária em tempo real. Na verdade, o revisit cycle do Sentinel-2 é de 5 dias, e com cobertura de nuvens média de 60% na estação chuvosa, o tempo efetivo de obtenção de imagem limpa sobe para 15 a 20 dias. Se você precisa de monitoramento semanal, precisa acessar o PlanetScope ou o WorldView, que têm custo de licença de US$ 15 a US$ 40 por quilômetro quadrado. A segunda pegadinha é não considerar o ângulo de visão do sensor. O Sentinel-2 tem ângulo de incidência variável entre 0 e 20 graus, o que gera efeitos de sombra e brilho especular em terrenos irregulares como cavas e pilhas de estéril. Eu descobri isso quando comparei imagem de 2020 com imagem de 2021 da mesma cava e a variação de brilho parecia indicar atividade, quando na verdade era só diferença angular. A correção BRDF (Bidirectional Reflectance Distribution Function) resolve, mas exige conhecimento de óptica de superfície e uso de modelo de Minnaert ou Ross-Thick.
A terceira limitação é a profundidade de bit. Imagens Sentinel-2 têm 12 bits, o que dá 4096 níveis de cinza. Para diferenciação de minerais argilosos ou óxidos de ferro, 12 bits às vezes não são suficientes. O Hyperion, sensor hiperespectral da NASA, tem 14 bits e 220 bandas espectrais, mas foi descontinuado em 2017. O PRISMA, da Agência Espacial Italiana, opera desde 2019 com 238 bandas e 14 bits, mas a cobertura global ainda é irregular e o custo de acesso via API é elevado para usuários individuais.
quando o método falha completamente
Imagens de satélite não conseguem capturar atividade minerária subterrânea ou lavra em caverna sem afloramento. Se a mina é poço único com descarga de rejeitos por tubulação enterrada, só sensor térmico ou radar de abertura sintética (SAR) pode detectar anomalia. O SAR do Sentinel-1 tem resolução de 5 metros e revisit cycle de 6 dias, e é independente de condições climáticas, mas a interpretação exige treinamento em interferometria e fase de coerência. Eu perdi três dias tentando mapear uma mina de ouro aluvional no Amazonas usando apenas óptico, quando o rio estava turvo o ano todo por suspensão de sedimentos finos. A solução foi combinar Sentinel-1 com dados de sucata de embarcações garimpeiras reportadas ao IBAMA, o que reduziu a área de busca em 80%. Outro cenário de falha é área protegida com restrição de sobrevoos ou acesso a imagens de alta resolução. O ICMBio e o MMA bloqueiam licenciamento de sensores comerciais acima de 50 centímetros de resolução em TERRAS INDÍGENAS e UNIDADES DE CONSERVAÇÃO. Se você precisa de detalhe nesse nível, o caminho é usar drone com câmera multiespectral, mas isso exige autorização da ANAC e do DECEA, além de certidão de capacidade técnica do piloto. O custo de operação de campo sobe para R$ 8 mil a R$ 15 mil por dia, dependendo da complexidade do terreno e da altitude de voo.
alternativas quando satélite não basta
Para monitoramento de talude de barragem de rejeitos, o InSAR (interferometria radar) do Sentinel-1 consegue detectar movimento na escala de milímetro por ano. O processo de tratamento com o software ISCE ou o Snaphu leva entre 2 e 4 horas por par de imagens, e a precisão vertical depende da geometria de linha de visada e da coerência temporal da superfície. Em áreas com vegetação densa, a coerência cai para abaixo de 0,3 e o método perde validade. Nesse caso, a alternativa é nivelamento topográfico de precisão com GNSS RTK, que custa cerca de R$ 2 mil por dia de equipe e garante precisão vertical de 2 centímetros. Para identificação mineralógica em afloramento, a espectroscopia de reflectância no campo com dispositivo como o WD-XRF portátil ou o ASD FieldSpec 4 dá resultado imediato, mas só funciona em afloramento exposto. Se a mina está coberta por laterita ou regolito argiloso, o sensor não penetra. A solução é usar amostragem de solo com análise laboratorial de difração de raios X (XRD), que identifica mineraisARGílicos e sulfetos com precisão de 95%, mas o prazo de entrega sobe para 15 a 20 dias úteis e o custo por amostra fica entre R$ 80 e R$ 150.
O que costumo recomendar para quem está começando é montar um fluxo híbrido: Sentinel-2 para temporalidade, PlanetScope para detalhe esporádico, SAR para deformação, e drone para validação de campo em pontos críticos. O investimento inicial em software e treinamento gira em torno de R$ 5 mil, mas o retorno em tempo de análise e confiabilidade do laudo técnico justifica, principalmente quando o responsável técnico precisa defender metodologia perante CRM ou IBAMA.
