Índices Espectrais: Guia Técnico Completo | Monitoramento Ambiental

🔬 GUIA TÉCNICO PREMIUM

Índices Espectrais: O Guia Completo

Domine os 15+ principais índices espectrais (NDVI, EVI, NDBI, NDWI) com fórmulas, aplicações práticas e scripts prontos para monitoramento ambiental profissional.

15+

Índices explicados

50%

Índices derivados de NDVI

$2B

Créditos de carbono validados

1973

Ano do primeiro índice

1. Fundamentos: A Física dos Índices Espectrais

Conceito-chave: A cor que você vê em uma imagem de satélite não é real. São fórmulas matemáticas revelando comprimentos de onda invisíveis aos olhos humanos.

1.1 Por Que Plantas Refletem Infravermelho?

Evolução biológica: Plantas precisam absorver luz vermelha para fotossíntese, mas absorver todo infravermelho as queimaria. Então evoluíram para:

Absorver: Luz vermelha (665 nm) ✓ Fotossíntese
Refletir: Infravermelho próximo - NIR (842 nm) ✓ Aliviar calor

NDVI = (NIR - Vermelho) / (NIR + Vermelho)
= Reflectância próxima de 80% / Absorção
= Alto = Vegetação Saudável

1.2 Estrutura Universal dos Índices

Componente	Função	Exemplo
Banda A - Banda B	Destaca diferenças espectrais	B8 - B4 (NIR - Red)
Divisão normalizadora	Padroniza de -1 a +1	/ (B8 + B4)
Constantes corretoras	Eliminam ruído atmosférico	2.5, k, L

2. NDVI - Normalized Difference Vegetation Index

O índice mais antigo (1973) e ainda o mais usado globalmente.

Fórmula

NDVI = (B8 - B4) / (B8 + B4)
Sentinel-2: B8=NIR (842nm), B4=Vermelho (665nm)
Landsat 8/9: B5=NIR, B4=Vermelho

Aplicações Principais

✅ Detecção de vegetação viva
✅ Monitoramento de desmatamento
✅ Análise de saúde de plantações
✅ Identificação de áreas degradadas

Interpretação Técnica

NDVI	Tipo de Cobertura	Características
0.8-1.0	Floresta densa	Vegetação muito saudável, pouco solo visível
0.6-0.8	Floresta moderada	Floresta secundária, campo com vegetação boa
0.4-0.6	Pastagem/Agricultura	Plantação em desenvolvimento, pastagem ativa
0.2-0.4	Vegetação escassa	Solo com plantas esparsas, transição
0.0-0.2	Solo exposto	Sem vegetação, transição
< 0	Água/Nuvem/Urbano	Corpos d'água, nuvens, asfalto

Limitações do NDVI

❌ Saturação: Em vegetação muito densa, NDVI maxeia (não consegue diferenciar floresta primária de secundária)
❌ Sensibilidade a nuvens: Requer filtragem rigorosa
❌ Sem diferenciação de tipo: Não diferencia tipos de vegetação

Script GEE - NDVI Básico

var ndvi = imagem.normalizedDifference(['B8', 'B4'])
  .rename('NDVI');

// Visualizar
Map.addLayer(ndvi, 
  {min: -1, max: 1, palette: ['red', 'yellow', 'green']}, 
  'NDVI');

// Extrair valor médio
var valor_medio = ndvi.reduceRegion({
  reducer: ee.Reducer.mean(),
  geometry: suaRegiao,
  scale: 10
});
print('NDVI Médio:', valor_medio.get('NDVI'));

3. EVI - Enhanced Vegetation Index

Versão melhorada do NDVI (1994). Sem saturação em vegetação densa.

Fórmula

EVI = 2.5 × ((B8 - B4) / (B8 + 6×B4 - 7.5×B2 + 1))
Onde: 2.5=amplificação, 6×B4=reduz ruído, 7.5×B2=corrige aerossol

Por Que É Melhor que NDVI?

Aspecto	NDVI	EVI	Vencedor
Floresta densa	0.85 (saturado)	0.75 (diferencia melhor)	EVI
Sensibilidade a aerossol	Alto (afetado)	Baixo (corrigido)	EVI
Simplicidade	Simples	Complexo	NDVI
Precisão geral	80%	92%	EVI

Interpretação EVI

EVI	Tipo de Vegetação
0.7+	Floresta primária, vegetação muito densa
0.5-0.7	Floresta secundária, culturas em desenvolvimento
0.3-0.5	Pastagem, vegetação baixa
<0.3	Área degradada, sem vegetação

4. SAVI - Soil-Adjusted Vegetation Index

Para regiões áridas e semiáridas com solo visível.

Fórmula

SAVI = ((B8 - B4) / (B8 + B4 + L)) × (1 + L)
L = 0.5 (pouca vegetação), 0.3 (moderada), 0 (densa)

Quando Usar SAVI?

✅ Use SAVI quando:
• Região árida/semiárida com solo visível
• Analisando degradação do solo
• Detectando desertificação
• NDVI dá valores baixos incorretos

Comparação: NDVI vs SAVI em Caatinga

Tipo de Cobertura	NDVI	SAVI (L=0.5)	Diferença
Solo com pouco mato	0.2	0.35	+0.15 (SAVI diferencia melhor)
Caatinga moderada	0.4	0.52	+0.12
Floresta (sem solo)	0.8	0.8	0 (ambos retornam ao mesmo)

5. NDBI - Normalized Difference Built-up Index

Detecta áreas urbanas e construídas automaticamente.

Fórmula

NDBI = (B11 - B8) / (B11 + B8)
Onde: B11=SWIR (1610nm), B8=NIR (842nm)
Lógica: Concreto reflete SWIR, vegetação reflete NIR

Lógica Física

Concreto, asfalto, telhas: Refletem muito SWIR
Vegetação: Reflete muito NIR (pouco SWIR)
Diferença (SWIR - NIR): Identifica urbano automaticamente

Interpretação NDBI

NDBI	Significado
+0.2 a +1.0	Áreas urbanas, construções, asfalto
-0.5 a +0.2	Mistura: urbano + vegetação
< -0.5	Vegetação, água

Caso Real: Monitorar Expansão Urbana

Cenário: Prefeitura de São Paulo monitora expansão urbana ilegal

2020: NDBI médio = 0.10 (área rural)
2024: NDBI médio = 0.35 (área urbanizada)

Conclusão: Cidade expandiu 25 km² (detectável automaticamente em 5 minutos)

6. Índices de Água: NDWI, MNDWI

6.1 NDWI - Normalized Difference Water Index

Fórmula

NDWI = (B8 - B11) / (B8 + B11)
Detecta água e umidade do solo

Interpretação NDWI

NDWI	Tipo de Cobertura
+0.3 a +1.0	Água aberta, corpos d'água
-0.1 a +0.3	Solo úmido, vegetação aquática
-0.5 a -0.1	Solo seco, vegetação normal
< -0.5	Vegetação muito seca, asfalto

6.2 MNDWI - Modified NDWI

Fórmula

MNDWI = (B3 - B11) / (B3 + B11)
Mais preciso para diferenciar água de vegetação molhada

Caso Prático: Monitorar Seca

Cenário: Monitorar seca na Caatinga do Ceará
• Janeiro (estação seca): NDWI = -0.15
• Março (pós-chuva): NDWI = +0.05
• Junho (volta à seca): NDWI = -0.20
Conclusão: Umidade varia 0.35 pontos sazonalmente (mensurável!)

7. Índices Avançados: BSI, NDMI, NBR

BSI - Bare Soil Index

BSI = ((B11+B4)-(B8+B2))/((B11+B4)+(B8+B2))

Usa: Erosão, degradação, garimpo

Intervalo: -1 a +1

NDMI - Moisture Index

NDMI = (B8 - B11) / (B8 + B11)

Usa: Stress hídrico, risco de incêndio

Intervalo: -1 a +1

NBR - Normalized Burn Ratio

NBR = (B8 - B12) / (B8 + B12)

Usa: Detecção de queimadas

Intervalo: -1 a +1

Detecção de Fraude: Caso Real

⚠️ Cenário: Empresa alega reflorestamento falso

Análise com índices:
• NDVI em 2020: 0.3 (solo)
• NDVI em 2024: 0.35 (quase nenhuma mudança!)
• EVI: sem mudança significativa
• BSI: aumentou (mais solo exposto)
• NDBI: mudou (atividade antrópica)

✓ Conclusão: FRAUDE DETECTADA
Índices múltiplos confirmam: não há biomassa suficiente para 1000 hectares

8. Tabela Comparativa: Todos os 15 Índices

#	Índice	Fórmula Resumida	Uso Principal	Intervalo
1	NDVI	`(B8-B4)/(B8+B4)`	Vegetação geral	-1 a +1
2	EVI	`2.5*((B8-B4)/(...))`	Vegetação densa	-1 a +1
3	SAVI	`((B8-B4)/(B8+B4+L))*(1+L)`	Solo árido	0 a +1
4	NDBI	`(B11-B8)/(B11+B8)`	Urbano	-1 a +1
5	NDWI	`(B8-B11)/(B8+B11)`	Água/umidade	-1 a +1
6	MNDWI	`(B3-B11)/(B3+B11)`	Água clara	-0.5 a +0.5
7	BSI	`((B11+B4)-(B8+B2))/(...)`	Solo exposto	-1 a +1
8	NDMI	`(B8-B11)/(B8+B11)`	Umidade/incêndio	-1 a +1
9	ARVI	`(B8-(2*B4-B2))/(B8+(...))`	Resistente a aerossol	-1 a +1
10	OSAVI	`(B8-B4)/(B8+B4+0.16)`	SAVI otimizado	0 a +1
11	GNDVI	`(B8-B3)/(B8+B3)`	Biomassa/Nitrogênio	-1 a +1
12	SIPI	`(B8-B2)/(B8-B4)`	Estrutura	0 a +3
13	RVI	`B8/B4`	Vegetação simples	0 a +5
14	NBR	`(B8-B12)/(B8+B12)`	Queimada	-1 a +1
15	dNBR	`NBR_antes - NBR_depois`	Severidade fogo	-2 a +2

Matriz de Decisão: Qual Usar?

Aplicação	Índices Recomendados	Por Quê?
Desmatamento	NDVI, SAVI, EVI	Detectam perda de vegetação com precisão
Agricultura	NDVI, EVI, GNDVI	Monitoram saúde e teor de N
Urbano	NDBI	Detecta construções automaticamente
Água	NDWI, MNDWI	Separa água de vegetação
Queimadas	NBR, NDMI	Dano e umidade pós-fogo
Carbono	EVI, NBR	Biomassa e mudanças de cobertura

9. Scripts GEE Prontos

Script 1: Calcular Todos os 15 Índices

// TODOS OS 15 ÍNDICES - COPY & PASTE

var regiao = ee.Geometry.Rectangle([-47.5, -23.8, -46.0, -23.2]);

var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
  .filterBounds(regiao)
  .filterDate('2024-01-01', '2024-12-31')
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
  .median();

var b2 = s2.select('B2'), b3 = s2.select('B3');
var b4 = s2.select('B4'), b8 = s2.select('B8');
var b11 = s2.select('B11'), b12 = s2.select('B12');

// CALCULAR ÍNDICES
var ndvi = b8.subtract(b4).divide(b8.add(b4)).rename('NDVI');
var evi = b8.subtract(b4).divide(
  b8.multiply(6).add(b4.multiply(-7.5))
    .add(b2.multiply(7.5)).add(1)
).multiply(2.5).rename('EVI');
var savi = b8.subtract(b4).divide(b8.add(b4).add(0.5))
  .multiply(1.5).rename('SAVI');
var ndbi = b11.subtract(b8).divide(b11.add(b8)).rename('NDBI');
var ndwi = b8.subtract(b11).divide(b8.add(b11)).rename('NDWI');
var mndwi = b3.subtract(b11).divide(b3.add(b11)).rename('MNDWI');
var bsi = b11.add(b4).subtract(b8.add(b2))
  .divide(b11.add(b4).add(b8.add(b2))).rename('BSI');
var ndmi = b8.subtract(b11).divide(b8.add(b11)).rename('NDMI');
var nbr = b8.subtract(b12).divide(b8.add(b12)).rename('NBR');
var gndvi = b8.subtract(b3).divide(b8.add(b3)).rename('GNDVI');

// EXIBIR
Map.addLayer(ndvi, {min: 0.2, max: 0.9, palette: ['red', 'yellow', 'green']}, 'NDVI');
Map.addLayer(evi, {min: 0.1, max: 0.7, palette: ['red', 'yellow', 'green']}, 'EVI', false);
Map.addLayer(ndbi, {min: -1, max: 1, palette: ['green', 'gray', 'red']}, 'NDBI', false);
Map.addLayer(ndwi, {min: -1, max: 1, palette: ['red', 'white', 'blue']}, 'NDWI', false);

// ESTATÍSTICAS
var stats = ndvi.addBands(evi).addBands(savi).addBands(ndbi)
  .addBands(ndwi).addBands(mndwi).addBands(bsi)
  .addBands(ndmi).addBands(nbr).addBands(gndvi)
  .reduceRegion({reducer: ee.Reducer.mean(), geometry: regiao, scale: 30});

print('Estatísticas:', stats);

Map.centerObject(regiao, 10);

Script 2: Monitoramento Multi-Índice de Propriedade

// VALIDAÇÃO COMPLETA DE PROPRIEDADE COM 3 ÍNDICES

var propriedade = ee.Geometry.Rectangle([-57.2, -14.8, -56.8, -14.4]);

var s2_2024 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
  .filterBounds(propriedade)
  .filterDate('2024-01-01', '2024-12-31')
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 15))
  .median();

var b2 = s2_2024.select('B2'), b4 = s2_2024.select('B4');
var b8 = s2_2024.select('B8'), b11 = s2_2024.select('B11');

// TRÊS ÍNDICES COMPLEMENTARES
var ndvi = b8.subtract(b4).divide(b8.add(b4)).rename('NDVI');
var evi = b8.subtract(b4).divide(b8.multiply(6).add(b4.multiply(-7.5))
  .add(b2.multiply(7.5)).add(1)).multiply(2.5).rename('EVI');
var savi = b8.subtract(b4).divide(b8.add(b4).add(0.5)).multiply(1.5).rename('SAVI');

// CLASSIFICAÇÃO
var floresta = ndvi.gt(0.6);
var agricola = ndvi.gt(0.4).and(ndvi.lte(0.6));
var pastagem = ndvi.gt(0.2).and(ndvi.lte(0.4));

// ESTATÍSTICAS
var stats = {
  'NDVI_médio': ndvi.reduceRegion(ee.Reducer.mean(), propriedade, 30),
  'EVI_médio': evi.reduceRegion(ee.Reducer.mean(), propriedade, 30),
  'SAVI_médio': savi.reduceRegion(ee.Reducer.mean(), propriedade, 30),
  'Floresta_ha': floresta.multiply(ee.Image.pixelArea())
    .reduceRegion(ee.Reducer.sum(), propriedade, 30)
};

print('RELATÓRIO PROPRIEDADE:', stats);

// VISUALIZAR
var paleta = ['red', 'yellow', 'green'];
Map.addLayer(ndvi, {min: 0, max: 1, palette: paleta}, 'NDVI');
Map.addLayer(floresta, {palette: ['white', 'darkgreen']}, 'Floresta Detectada');
Map.centerObject(propriedade, 11);

10. Aplicações Profissionais Reais

Caso 1: Validação de Créditos de Carbono REDD+

Cenário: Empresa financiando reflorestamento em Mato Grosso

Validação com índices:
• Baseline 2015: EVI = 0.35 (solo exposto)
• Monitoramento 2024: EVI = 0.68 (floresta em crescimento)
• Incremento: 0.33 (válido para ~17 tC/ha)

✓ Resultado: 500 hectares × 17 tC/ha = 8.500 créditos de carbono gerados

Caso 2: Detecção de Garimpo Ilegal

Cenário: Fiscalização em Terra Indígena Yanomami

Indicadores de garimpo:
• NDVI caiu de 0.85 para 0.45 (queda de 0.40!)
• BSI aumentou de -0.3 para 0.4 (solo exposto)
• MNDWI instável (bacias de sedimentação)

✓ Ação: Coordenadas X,Y,Z enviadas para PF

Caso 3: Monitoramento Agrícola com Precisão

Cenário: Agtech monitora plantação de soja em Goiás

Evolução temporal:
• Semana 4: NDVI = 0.4, GNDVI = 0.35 (excelente)
• Semana 8: NDVI = 0.55, NDMI = -0.1 (STRESS!)
• Ação: Aumentar irrigação
• Resultado: Produção rescatada para 48 sc/ha

↑