Monitoramento de desmatamento no Cerrado goiano com Sentinel-2 e GEE (2025–2026)

Análise temporal real, scripts prontos e interpretação direta para produtores rurais e analistas ambientais.

Contexto: o que os dados mais recentes dizem sobre Goiás

O PRODES registrou 231 km² de vegetação suprimida em Goiás entre agosto de 2024 e julho de 2025 — o menor índice da série histórica iniciada em 2001.Para efeito de comparação,antes disso, os menores índices haviam sido em 2024 (411,9 km²), 2019 (668,2 km²) e 2016 (671,7 km²).No bioma como um todo,a taxa estimada de desmatamento no Cerrado foi de 7.235 km², indicando redução de 11,49% em relação ao ano anterior.

Mesmo com essa tendência positiva, o Cerrado permanece sob pressão.Os estados que mais contribuíram com supressão de vegetação nativa foram Maranhão (2.006 km²), Tocantins (1.489 km²), Piauí (1.350 km²) e Bahia (790 km²).Goiás aparece como exceção, mas isso não elimina a necessidade de monitoramento contínuo — especialmente para produtores que precisam demonstrar conformidade com o Código Florestal e rastrear passivos ambientais em suas propriedades.

É nesse cenário que o uso do Sentinel-2 combinado ao Google Earth Engine (GEE) se torna uma ferramenta operacional real, não apenas acadêmica.

Por que Sentinel-2 + GEE para o Cerrado

O Sentinel-2 é uma missão de imageamento multiespectral de ampla faixa e alta resolução, com frequência de revisita global de 5 dias. O instrumento MSI amostra 13 bandas espectrais: bandas visíveis e NIR a 10 metros, red edge e SWIR a 20 metros.Essa combinação — 10 m de resolução espacial com revisita quinzenal efetiva por satélite individual (5 dias com os dois satélites da constelação) — é adequada para detectar supressão de vegetação nativa no Cerrado, onde os polígonos de desmatamento costumam ser menores que na Amazônia.

O Google Earth Engine é uma plataforma baseada em nuvem para análise geoespacial em escala planetária, que utiliza a capacidade de processamento e armazenamento do Google. Abriga centenas de conjuntos de dados públicos de sensoriamento remoto, totalizando mais de trinta petabytes, e é continuamente atualizado à medida que novas imagens são capturadas.Na prática, isso significa que o analista não precisa baixar imagens: o processamento roda nos servidores do Google diretamente no navegador.

Para o Cerrado goiano, a cobertura de nuvens é o principal obstáculo entre outubro e março. A solução é trabalhar com composites medianos de curto período (15 a 30 dias) filtrados por cobertura de nuvem, o que o GEE executa de forma eficiente com poucas linhas de código.

Índices e o que eles revelam no campo

O índice principal para detecção de desmatamento é o NDVI. O NDVI é calculado usando a fórmula (NIR — Red) / (NIR + Red), e no GEE o cálculo envolve extração das bandas NIR e Red do Sentinel-2 e aplicação da fórmula pixel a pixel.No Sentinel-2, o NDVI é obtido a partir da banda B8 (NIR) e B4 (Red), usando a função normalizedDifference(['B8','B4']).

Para interpretação no Cerrado goiano, use esta escala prática:

• NDVI > 0,55: Cerrado nativo denso (cerradão, mata ciliar). Área protegível.
• NDVI 0,35 a 0,55: Campo cerrado, cerrado típico ou pastagem com boa cobertura.
• NDVI 0,15 a 0,35: Campo sujo, pastagem degradada ou cultura em estágio inicial.
• NDVI < 0,15: Solo exposto, área recém-suprimida ou lavoura após colheita.

Para detecção de desmatamento recente, o mais efetivo não é analisar um único NDVI, mas a diferença entre dois períodos.Comparado às técnicas baseadas em duas ou múltiplas datas, os métodos de séries temporais são mais complexos, mas são adequados para identificar tanto mudanças lentas quanto rápidas, como as causadas por desmatamento.Na prática, para o produtor rural, a comparação bianual (agosto de um ano versus agosto do ano seguinte, fora da seca) já entrega sinais claros.

Complementar ao NDVI, o índice NBR (Normalized Burn Ratio), usando as bandas B8 e B12 do Sentinel-2, discrimina áreas queimadas de áreas suprimidas por corte — diferença importante no Cerrado, onde queimadas naturais e antrópicas podem confundir a análise.

Scripts prontos no GEE: análise temporal passo a passo

Os dois scripts abaixo funcionam diretamente no code.earthengine.google.com. Crie uma conta gratuita (Google for Nonprofits ou conta pessoal com acesso de pesquisa) e cole o código no editor JavaScript.

Script 1 — Composite NDVI com filtro de nuvem (período seco)

Use este script para gerar uma imagem de NDVI livre de nuvens para uma propriedade ou município goiano. Substitua as coordenadas pelo seu polígono de interesse.

// Defina sua área de interesse (substitua pelas coordenadas do imóvel)
var aoi = ee.Geometry.Rectangle([-49.5, -16.5, -49.0, -16.0]);
// Coleção Sentinel-2 Surface Reflectance com filtro de nuvem
var colecao = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
.filterBounds(aoi)
.filterDate('2024-06-01', '2024-09-30') // período seco — ajuste o ano
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10));
// Composite mediano
var imagem = colecao.median().clip(aoi);
// Cálculo do NDVI (B8 = NIR, B4 = Red)
var ndvi = imagem.normalizedDifference(['B8', 'B4']).rename('NDVI');
// Paleta de visualização
var paleta = {min: 0.0, max: 0.8, palette: ['#d73027','#fee08b','#1a9850']};
Map.centerObject(aoi, 12);
Map.addLayer(ndvi, paleta, 'NDVI Período Seco 2024');
// Exportar para Google Drive como GeoTIFF
Export.image.toDrive({
image: ndvi,
description: 'NDVI_Cerrado_Goias_2024',
scale: 10,
region: aoi,
fileFormat: 'GeoTIFF',
maxPixels: 1e10
});

Script 2 — Detecção de mudança NDVI (2023 vs 2025)

Este script compara dois períodos secos e gera um mapa de diferença. Pixels com queda de NDVI superior a 0,20 indicam supressão de vegetação.

var aoi = ee.Geometry.Rectangle([-49.5, -16.5, -49.0, -16.0]);
function ndviComposite(startDate, endDate) {
return ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
.filterBounds(aoi)
.filterDate(startDate, endDate)
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10))
.median()
.clip(aoi)
.normalizedDifference(['B8', 'B4'])
.rename('NDVI');
}
var ndvi2023 = ndviComposite('2023-06-01', '2023-09-30');
var ndvi2025 = ndviComposite('2025-06-01', '2025-09-30');
// Diferença: valores negativos = perda de vegetação
var delta = ndvi2025.subtract(ndvi2023).rename('Delta_NDVI');
// Máscara de alerta: queda superior a 0.20
var alerta = delta.lt(-0.20);
Map.centerObject(aoi, 12);
Map.addLayer(delta, {min: -0.5, max: 0.5, palette: ['red','white','green']}, 'Delta NDVI 2023-2025');
Map.addLayer(alerta.selfMask(), {palette: ['#ff0000']}, 'Alertas de Supressão');
Export.image.toDrive({
image: delta,
description: 'Delta_NDVI_2023_2025_Cerrado',
scale: 10,
region: aoi,
fileFormat: 'GeoTIFF',
maxPixels: 1e10
});

O arquivo exportado pode ser aberto no QGIS ou ArcGIS Pro para sobreposição com os limites do CAR, Áreas de Preservação Permanente e Reserva Legal da propriedade.

Interpretação para o produtor rural

O GEE permite agregar valores de NDVI ao longo do tempo, criando um gráfico de série temporal que exibe a variação temporal dos valores de NDVI, representando mudanças na saúde e densidade da vegetação durante o período selecionado.Mas traduzir isso para linguagem de campo exige alguns cuidados.

Queda de NDVI entre agosto de um ano e agosto do seguinte, dentro dos limites da Reserva Legal, é sinal de alerta independente da causa — seja supressão ilegal, incêndio ou degradação gradual por pastejo excessivo. O produtor que monitora sua própria propriedade tem vantagem: pode acionar o engenheiro ambiental antes de um auto de infração.

Áreas de lavoura anual (soja, milho) sempre mostram NDVI baixo em determinados meses — isso é normal e esperado. O erro está em comparar períodos incompatíveis fenologicamente. Sempre compare o mesmo mês ou estação entre anos diferentes. Junho a setembro (período seco) é o intervalo mais confiável para Goiás, pois a vegetação nativa mantém NDVI mais estável e as culturas anuais já foram colhidas.

Para quem precisa de relatório técnico (licenciamento, resposta a embargo, due diligence para certificação), o GeoTIFF exportado do GEE precisa de metadados mínimos: data de aquisição, percentual de cobertura de nuvem da coleção usada, sistema de referência (WGS84 / EPSG:4326 ou SIRGAS2000 / EPSG:4674) e descrição do método de composição. Sem esses dados, a análise não tem validade técnica perante o IBAMA ou SEMAD-GO.

Limitações que comprometem o resultado

Os dados do PRODES são inicialmente construídos a partir de imagens de satélites e posteriormente validados por analistas, de modo a evitar os "falsos positivos" — manchas causadas por nuvens, por exemplo.O mesmo cuidado precisa ser aplicado em análises independentes no GEE.

Os principais erros práticos são:

• Cobertura de nuvem residual: Pixels classificados como "limpos" pelo metadado SCL do Sentinel-2 ainda podem conter sombra de nuvem. Em períodos chuvosos (novembro–março), use composites de 45 ou 60 dias, não de 30.
• Confusão fenológica: Cerrado nativo em estresse hídrico severo pode ter NDVI próximo ao de áreas degradadas. Queimadas naturais recentes também reduzem o NDVI temporariamente sem representar desmatamento.
• Escala inadequada: Polígonos menores que 0,5 ha (50 × 100 m) estão abaixo da confiabilidade operacional do Sentinel-2 a 10 m. Para áreas menores, é necessário imagem de satélite de alta resolução comercial ou levantamento com drone.
• Threshold fixo: O limiar de –0,20 para detecção de supressão funciona bem no Cerrado denso, mas pode gerar falsos positivos em campo sujo ou campo rupestre. Calibre o threshold para a fitofisionomia local antes de usar em relatório.
• Falta de validação em campo: Nenhuma análise por sensoriamento remoto substitui a verificação em campo ou cruzamento com dados vetoriais do CAR e do SIGEF. Use o GEE para triagem — não como documento final.

Conclusão

O monitoramento do Cerrado goiano com Sentinel-2 e GEE está ao alcance de técnicos de campo, engenheiros agrônomos e ambientais sem infraestrutura de processamento dedicada. A plataforma GEE automatiza o cálculo de índices de vegetação a partir de imagens compostas medianas para um período selecionado, criando uma única imagem robusta e livre de nuvens, minimizando ruído atmosférico e outros artefatos.Com os scripts apresentados, é possível gerar análises de mudança de cobertura vegetal em escala de propriedade rural em menos de uma hora — desde que os dados de entrada sejam bem filtrados e a interpretação respeite as limitações fenológicas e de resolução do sensor.

Anualmente, o INPE realiza o mapeamento da supressão de vegetação nos biomas brasileiros, e as taxas do PRODES são utilizadas como indicadores para proposição de políticas públicas ambientais e avaliação da efetividade de sua implementação.O monitoramento independente pelo produtor ou pelo técnico de campo complementa — e não substitui — esse sistema oficial. A combinação dos dois niveles de análise é o que permite agir preventivamente antes que um alerta de desmatamento se converta em autuação.

FAQ

O GEE é gratuito para uso em propriedades rurais?

Sim. O acesso não comercial ao Google Earth Engine é gratuito mediante cadastro e aprovação de conta. Para uso comercial intensivo (empresas de consultoria, SaaS ambiental), existem planos pagos. Para análise de propriedades individuais ou fins de pesquisa e conformidade ambiental, a conta gratuita é suficiente.

Qual a diferença entre usar o GEE e o MapBiomas para monitoramento no Cerrado?

O MapBiomas entrega mapas anuais de uso e cobertura do solo já processados e validados — útil para análises históricas e relatórios. O GEE permite análise sob demanda, em qualquer data e escala, com controle total sobre filtros e índices. Para detecção de eventos recentes (últimos 60 a 90 dias), o GEE direto é mais ágil; para séries históricas de 10 anos, o MapBiomas economiza tempo.

Posso usar essa análise como prova técnica em resposta a um auto de infração do IBAMA?

A análise NDVI por GEE pode compor um laudo técnico desde que acompanhada de metodologia documentada, metadados das imagens, validação em campo e assinatura de profissional habilitado (engenheiro ambiental ou agrônomo com ART). Imagens de satélite isoladas, sem esses elementos, não têm valor probatório pleno em processos administrativos.