Protocolo eficiente para calibração radiométrica de imagens multiespectrais

Abstract

O uso de sensores acoplados a plataformas aéreas permite o monitoramento das lavouras, com identificação da variabilidade espacial e a adoção de estratégias de gestão mais assertivas. Para que os sensorespossam ser utilizados para analisar a variabilidade temporal dos atributos das plantas torna-se necessário realizar o processo de calibração radiométrica. Este artigo apresenta a metodologia empregada para a coleta de imagens multiespectrais a partir de plataforma aérea, visando o desenvolvimento de um plugin para a calibração radiométrica dessas imagens no software QGIS. A pesquisa utilizou alvos de EVA, como placas de calibração, previamente caracterizadas quanto a reflectância por meio de espectrorradiômetro. O método da linha empírica, fundamentado em regressão linear, foi aplicado para ajustar os dados coletados e melhorar a acurácia das imagens e posteriormente, ocorreu o desenvolvimento na linguagem de programação Python, de um plugin de calibração para a plataforma QGIS. Os resultados demonstram a eficácia do plugin na etapa de geração da linha empírica, fundamental para calibração dos dados radiométricos, mostrando-se uma ferramenta facilitadora para a aplicação das imagens no monitoramento de lavouras e cálculo dos Índices de Vegetação.

The use of sensors mounted on aerial platforms enables crop monitoring, allowing for the identification of spatial variability and the adoption of more precise management strategies. For sensors to analyze the temporal variability of plant attributes effectively, radiometric calibration is essential. This article outlines the methodology used for collecting multispectral images from an aerial platform to develop a plugin for the radiometric calibration of these images in QGIS software. The research employed EVA targets, such as calibration plates, previously characterized for reflectance using a spectroradiometer. The empirical line method, based on linear regression, was applied to adjust the collected data and enhance image accuracy. A calibration plugin for QGIS was subsequently developed using Python, and results demonstrated the plugin’s effectiveness in generating the empirical line—crucial for calibrating radiometric data. This tool has proven beneficial for applying imagery in crop monitoring and calculating Vegetation Indices.