Imagens Do Bioma Cerrado

Como conseguir imagens do bioma cerrado que realmente servem para algo

Eu passei os últimos anos trabalhando com dados de satélite e fotografias de campo no Cerrado brasileiro, e a verdade é que encontrar imagens úteis desse bioma é mais complicado do que a maioria das pessoas imagina. A cobertura vegetal é heterogênea demais, o solo exposto interfere nas leituras, e a nuvens durante o período de chuva destroem boa parte das cenas disponíveis no Sentinel-2 e no Landsat 9. Se você está tentando fazer monitoramento, mapeamento ou qualquer tipo de análise quantitativa, precisa saber onde procurar e, principalmente, como lidar com os problemas que aparecem.

Onde encontrar imagens do bioma cerrado

A fonte mais prática para quem precisa de cobertura ampla é o sensor OLI-2 do Landsat 9, disponível gratuitamente pelo USGS Earth Explorer ou pelo Google Earth Engine. A resolução espacial de 30 metros funciona para mapeamento de uso do solo em escala regional, mas não dá para esperar muito disso em áreas de transição com muitos fragmentos pequenos. Para algo mais próximo disso, o Sentinel-2 com 10 metros é melhor, especialmente se você usar o módulo espectral completo com as bandas do infravermelho de ondas curtas (SWIR). Já para imagens de alta resolução, o Planet Labs oferece composições diárias com 3 metros de resolução, mas isso custa dinheiro. A opção gratuita mais interessante é o PR1Image, um produto compilado pela Embrapa e pelo INPE que reúne dados do CBERS-4A, já corrigidos geometricamente e com atmosfera aproximada. Eu uso bastante o PR1Image para validação de campo porque a disponibilidade temporal é razoável e os arquivos são menores para processar.

Dica prática: o Google Earth Engine tem um filtro específico para remover nuvens que funciona melhor do que tentar depurar isso manualmente. Use a função cloudScoreV2 do Sentinel-2 e peça apenas pixels com probabilidade de nuvem abaixo de 5%. Isso economiza horas de trabalho que normalmente você gastaria mascaramento manual.

Um problema real que eu encontrei

No final de 2023, eu estava fazendo um mapeamento de savana arbórea no noroeste de Mato Grosso do Sul e as imagens do Sentinel-2 vinham com uma interferência estranha que parecia ser reflexo especular em áreas de solo laterítico exposto. O índice NDVI normal dava valores absurdamente altos, acima de 0,85, para áreas que eu sabia serem de vegetação rasteira com pouca densidade. A resposta estava na banda do vermelho profundo (band 655nm) que estava sendo contaminada pelo brilho do solo. O workaround foi simples, mas levou duas semanas para eu descobrir. Eu troquei o NDVI pelo SAVI (Soil Adjusted Vegetation Index) usando o fator de ajuste L=0,3, que é o recomendado para coberturas vegetais abaixo de 50%. Depois disto, apliquei uma correção de atmossfera com a função Sen2Cor do SNAP toolkit, que é gratuita e roda no QGIS. O resultado final corrigiu a maior parte dos pixels contaminados e as taxas de cobertura vegetal ficaram consistentes com o que eu via no campo. Tudo isso considerando imagens gratuitas e sem software pago.

O que ninguém conta sobre imagens de satélite do Cerrado

A primeira coisa que os iniciantes ignoram é a fenologia. O Cerrado tem uma estação seca extremamente marcada e a maioria das espécies arbustivas perde folhas entre julho e setembro. Se você pegar uma imagem de agosto e comparar com uma de janeiro sem levar isso em conta, vai classificar erroneamente áreas de Cerrado stricto sensu como vegetação degradada ou capoeira. Esse erro aparece com frequência em publicações que usam apenas uma cena satélite por ano. A segunda pegadinha é a mistura espectral. Um pixel de 30 metros do Landsat no Cerrado frequentemente contém árvores, solo nu, gramíneas eSometimes até terra preta de índio se você estiver na região amazônica de transição. O classificador supervised simples, como Random Forest, tende a confundir essas classes porque os espectros são muito próximos nas bandas convencionais. A solução que eu vejo funcionar melhor é adicionar bandas de textura, como o GLCM calculado no Google Earth Engine, que ajuda a separar áreas de savana aberta de campos sujos e capoeiras em formação.

Limitações reais que você precisa saber

Imagens de satélite gratuitas simplesmente não resolvem tudo. O Sentinel-2 tem revisitância de 5 dias, mas na época de chuvano Centro-Oeste isso cai para condições de nuvens quase sempre. Você pode terminar com apenas 2 ou 3 cenas limpas por mês, o que mata qualquer análise temporal de alta frequência. Se o seu projeto exige dados semanais, você precisará do WorldView ou do Pléiades, e esses são pagos. Também é importante mencionar que a correção atmosférica automática dos produtos Sentinel-2 L2A não é confiável em áreas com alta concentração de aerossóis orgânicos, comum em queimadas do Cerrado. Durante setembro e outubro, quando as queimadas estão no pico, as reflectâncias de superfície ficam comprometidas mesmo nos produtos corrigidos. A única saída honesta nessa situação é fazer correção manual com pontos de controle radio metrico no campo, algo que a maioria dos pesquisadores ignora porque é trabalhoso.

Se o seu objetivo é simplesmente ter fotos bonitas do bioma para apresentações ou material didático, o melhor caminho é o catálogo do Museu Paraense Emílio Goeldi e o acervo do Instituto Chico Mendes, que têm imagens de campo de alta qualidade tiradas por biólogos que trabalham no Cerrado regularmente. São fotos reais, não composição de satélite, e valem mais do que qualquer produto processado se você precisa mostrar a diversidade de formas e cores desse bioma.