IV Simpósio de Geoestatística Aplicada em Ciências Agrárias

14 e 15 de Maio de 2015
Botucatu, São Paulo

ANÁLISE ATRAVÉS DA GEOESTATÍSTICA APLICADA EM DADOS OBTIDOS POR

NDVI DE UM FRAGMENTO DA FLORESTA OMBRÓFILA MISTA.

Melos1,N. D., Aimon2,J. G. S., Facco3,D. S., Amaral4,L. P., Sebem5, E.

1,2,3
Acadêmicos do Curso Superior de Tecnologia em Geoprocessamento, UFSM/Colégio Politécnico,
melosnatalia@gmail.com, jg.aimon@hotmail.com, douglas.s.facco@hotmail.com.
4,5
Prof.º Dr.º de Nível técnico e superior em Geoprocessamento, UFSM/Colégio Politécnico,
lpamaralengflorestal@gmail.com, elodiosebem@politecnico.ufsm.br.

Resumo – As geotecnologias são importantes no monitoramento de recursos naturais, principalmente em

planejamento e gestão de áreas florestais. O objetivo deste trabalho foi o estudo do NDVI para as épocas estudadas, e
analisar dados obtidos com o índice de vegetação aplicando estatística descritiva e geoestatística. Na metodologia
utilizou-se imagens do landsat 5, sensor TM e imagens do landsat 8, sensor OLI, com 45 unidades amostrais de 500 m².
Os softwares utilizados para manipulação dos dados foram ERDAS IMAGINE 2013®, ArcGIS Desktop 10.1®,
Microsoft Excel, GS+® e Assistat®. Nos resultados os NDVI apresentaram resultados bons na análise variográfica,
apresentando forte dependência espacial para as amostras. Em 1984, 1994 e 2009 as amostras apresentaram um
coeficiente de determinação elevado, que possibilitou ajuste semivariográfico. A krigagem Ordinária apresentou mapas
de isovalores para área de estudo com análise variográfica satisfatória, com resolução de 30 metros, que corresponde a
resolução espacial das imagens utilizadas para cálculo de NDVI. Os objetivos foram alcançados, e a metodologia
adequada para o estudo. As imagens utilizadas apresentaram boa aplicação para observar os dados de NDVI, foi
possível através dos mapas de isovalores, detectar zonas e áreas de maior dependência espacial, onde se constatou maior
fidelidade com os mapas de valores de NDVI.

Palavras-chave: Geotecnologias; Índice de Vegetação; Krigagem Ordinária.

ANALYSIS USING GEOSTATISTICS APPLIED ON DATA OBTAINED BY NDVI OF

AN ARAUCARIA FOREST FRAGMENT.

Abstract – The Geotechnologies are important in monitoring the natural resources especially, with planning and
management of forest areas. The objective of this work was to study a temporal series of NDVI, through descriptive
statistics and geostatistics. The methodology used images of TM sensor of landsat5 and images of OLI sensor of
Landsat 8, also used up 45 sampling units of 500 m². The software used for handling data were ERDAS IMAGINE
2013®, ArcGIS Desktop 10.1®, Microsoft Excel and GS + ®. In the results, NDVIs showed good results in the
variogram analysis, with strong spatial dependence for samples. In 1984, 1994 and 2009 samples showed a high
coefficient of determination, which allowed adjustment on semivariogram. The Ordinary kriging presented contour
maps for the study area with good variogram analysis, with a resolution of 30 meters, which corresponds to spatial
resolution of the images used to calculate NDVI. The objectives were achieved, and the appropriate methodology for
the study. The images used showed good application to observe the NDVI data, it was possible through the contour
maps, detect region and areas of higher spatial dependence, which finds greater fidelity to the maps of NDVI values.

Key words: Geotechnologies; Vegetation Index; Ordinary kriging.

Introdução
O uso de geotecnologias vem crescendo largamente no monitoramento de recursos naturais, ainda mais em relação
ao planejamento e gestão de áreas florestais (SANTOS et al., 2012). A gestão e planejamento dos recursos naturais,
além da análise da degradação ambiental e outras finalidades têm como importante mecanismo de estudo a analise da
densidade da cobertura vegetal e sua espacialidade (MELO, 2008). Neste contexto, o NDVI (Normalized Difference
Vegetation Index), torna-se meio indispensável para a compreensão dos processos de degradação, pois retrata a
realidade da cobertura vegetal da superfície terrestre, além de contribuir para trabalhos de planejamento ambiental.
Um dos principais problemas nos fragmentos florestais, após sua exploração e abandono, é a ocupação das clareiras
por espécies indesejáveis como, por exemplo, as taquaras e/ou bambus (Merostachys multiramea Hackel; Chusquea sp),
que inibem a regeneração de espécies arbóreas na Floresta Ombrófila Mista - FOM (SANQUETTA, 2007). Na região

IV Simpósio de Geoestatística em Ciências Agrárias – SGeA | ISSN: 2236-2118 1

 IV Simpósio de Geoestatística Aplicada em Ciências Agrárias
14 e 15 de Maio de 2015
Botucatu, São Paulo

Sul do Brasil, quanto à ocorrência de taquaras, há predomínio nas formações de espécies do gênero Merostachys, bem
representado pela espécie M. multiramea, que ocupa vastas áreas no Planalto Sul-Brasileiro. Conforme Sanquetta
(2007) o seu controle é necessário para promover a regeneração da floresta. Porém, isso exige que meios para mensurar
o seu grau de ocupação na floresta sejam desenvolvidos.
A geoestatística trata de problemas referentes às variáveis regionalizadas, ou seja, aquelas que têm comportamento
espacial, e tem por objetivo demostrar as características intermediárias entre as variáveis verdadeiramente aleatórias e
as totalmente determinísticas (LANDIM, 1998). Em estudos ecológicos, a geoestatística é utilizada na detecção e
descrição da estrutura de dependência espacial, na otimização amostral (escala de estudo, tamanho e forma da unidade
amostral), interpolação e construção de mapas, e na estimação e inferência de variáveis relacionadas ao meio (AUBRY;
DEBOUZIE, 2000).
O objetivo deste trabalho foi realizar um estudo do NDVI para as épocas estudadas, analisar o conjunto dos dados
obtidos com o NDVI aplicando estatística descritiva e geoestatística.

Material e Métodos
A área de estudo foi um fragmento de FOM (IBGE, 2012), em General Carneiro, Sudoeste do Paraná. O fragmento
possui 1.153 ha (92% da área total), constituindo a Reserva Particular do Patrimônio Natural (RPPN) Reserva Paisagem
Araucária: papagaio-do-peito-roxo, propriedade pertencente à ONG Preservação, com área total de 1.254,92 ha.
Foi utilizado para o desenvolvimento deste trabalho, oito imagens dos satélites Landsat disponibilizadas pela
National Aeronautics and Space Administration – NASA, georreferenciadas no Datum WGS84 (Word Geodetic System
From 1984), com sistema de coordenadas UTM (Universal Transversa de Mercator). Cinco imagens do satélite
Landsat 5 TM adquiridas em 22/09/1984, 16/07/1994, 11/07/2004, 13/10/2009, 01/11/2010 e três imagens do satélite 8
adquiridas em 05/08/2013, 28/01/2014, 01/03/2014. Utilizou-se também 45 unidades amostrais (ua) de 500 m² (10 x 50
m), do inventário florestal realizado em 2007 descritas em Amaral et al. (2010; 2013 a, b). Os softwares utilizados
foram o ERDAS IMAGINE 2013®, ArcGIS Desktop 10.1®, Microsoft Excel 2010®, GS+® e Assistat®. As unidades
amostrais foram distribuídas regularmente de forma sistemática, com espaçamento entre 400 e 600 metros, localizadas
com GPS de navegação com precisão posicional na ordem de 15 metros.
O Índice de Vegetação por Diferença Normalizada (NDVI) é um índice utilizado principalmente em estudos de
cunho ambiental, permitindo realizar análises em diversas escalas sobre a cobertura vegetal de uma determinada região.
É resultado da diferença entre a reflectância no infravermelho próximo e a reflectância do vermelho, dividida pela soma
das duas reflectâncias. Essa equação gera um índice que poderá variar de -1 a 1. Dessa forma, Jensen (1996) descreve
para o cálculo do NDVI a seguinte equação (Equação 1):

NDVI = (NIR – R) / (NIR +R) (1)

onde: NDVI é o índice de vegetação por diferença normalizada; NIR é a reflectância no comprimento de onda que
corresponde ao infravermelho próximo; R é a reflectância no comprimento de onda que corresponde ao vermelho.
O cálculo do índice foi realizado no ERDAS IMAGINE 2013®, e o estudo geoestatístico foi realizado no software
GS+®, através dos valores de NDVI gerados pelas imagens de cada época. Após, foi realizado o processo de estatística
zonal, para as interpolações que apresentarão melhor resultado, pelo comando Estatística Zonal como Tabela do
ArcToolBox no ArcGIS Desktop 10.1®, tendo como controle um buffer de 50 metros a partir dos pontos inseridos nos
intervalos do grid amostral. Foram geradas tabelas com os resultados de cada cena, sendo estas exportadas para arquivo
de texto (.txt) e inseridas ao Microsoft Excel 2010®, onde se realizou análise de estatística paramétrica por ANOVA
(Análise de Variâncias), compreendendo teste de homogeneidade de variâncias de Cochran, teste de normalidade de
Kolmogorov-Smirnov, e comparação de médias de Tukey entre os tratamentos nas respectivas épocas, realizados no
software Assistat®.

Resultados e Discussão
Foi possível observar diferenças significativas nos valores de NDVI obtidos para as épocas estudadas,
principalmente quando se compara os anos de 1984, 2013 e as duas datas de 2014. O que se esta de acordo com o
histório de exploração madereira descrito em Amaral (2010). A Figura 2, demostra os dados de NDVI obtidos para as
épocas avaliadas.

IV Simpósio de Geoestatística em Ciências Agrárias – SGeA | ISSN: 2236-2118 2

 IV Simpósio de Geoestatística Aplicada em Ciências Agrárias
14 e 15 de Maio de 2015
Botucatu, São Paulo

Figura 2. Índices de vegetação para as épocas estudadas, onde: (A) – 1984, (B) – 1994, (C) – 2004, (D) – 2009, (E)
– 2010, (F) – 2013, (G) – Janeiro 2014 e (H) – Março 2014.

É de suma impôrtancia se conhecer as caracteristicas do conjunto de dados, possível pelo uso da estatistica clássica,
que descreve suas variáveis através da estatística descritiva. As medidas de posição (média, mediana e moda), as
medidas de dispersão (valor máximo e mínimo, desvio padrão e variância) e as medidas de forma (assimetria, curtose e
coeficiênte de variação - CV) se encontram na Tabela 1.

Tabela 1. Características do conjunto de dados.

Medidas/ ano 1984 1994 2004 2009 2010 2013 Jan 2014 Mar 2014
Média 0,5420 0,4669 0,5523 0,5754 0,6397 0,2871 0,4584 0,4369
Mediana 0,5503 0,4839 0,5629 0,5870 0,6384 0,2951 0,4582 0,4406
Moda Amodal Amodal Amodal Amodal Amodal Amodal Amodal Amodal
Máximo 0,6155 0,5911 0,6835 0,6544 0,7024 0,3927 0,5087 0,4956
Mínimo 0,4226 0,0557 0,2221 0,3647 0,5727 0,2064 0,3870 0,2796
Desvio Padrão 0,0471 0,1117 0,0924 0,0564 0,0272 0,0461 0,0291 0,0392
Variância 0,0022 0,0125 0,0085 0,0032 0,0007 0,0021 0,0008 0,0015
Assimetria -0,5571 -1,8990 -1,9887 -1,7793 0,0006 0,1427 -0,3512 -1,6514
Curtose 0,0463 4,3145 4,6575 4,1179 0,1080 -0,4471 0,1062 5,3787
CV (%) 8,6833 23,9161 16,7394 9,7966 4,2514 16,0645 6,3426 8,9666
Erro padrão 0,0070 0,0166 0,0138 0,0084 0,0040 0,0069 0,0043 0,0058
Intervalo 0,1929 0,5355 0,4614 0,2897 0,1297 0,1863 0,1217 0,2160
Contagem 45 45 45 45 45 45 45 45

IV Simpósio de Geoestatística em Ciências Agrárias – SGeA | ISSN: 2236-2118 3

 IV Simpósio de Geoestatística Aplicada em Ciências Agrárias
14 e 15 de Maio de 2015
Botucatu, São Paulo

Os valores de média e mediana, em geral apresentam valores muito próximo entre si, exceto na época de 2013,
demostrando que o ponto central do conjunto de valores analisados é similar a média aritmética das variáveis. Não
existe moda para o conjunto de dados, o que indica a inexistência de um ponto de concentração do conjunto. A
variancia e o desvio padrão demostram que todas as variáveis apresentam pequena amplitude de variação.
Quanto ao coeficiente de variação, todas as variáveis apresentaram altos índices (>2), o que significa, segundo Pires
(2011) que pode gerar grande dificuldade quanto a estimativa.
Numa distribuição normal, a média, mediana e moda devem praticamente coincidir (LANDIM, 1998), fato muito
pouco comum em dados ambientais, o que é também verificado para os dados da área de estudo.
Segundo Moraes (2011) o coeficiente de assimetria pode ser classificado em menor -0,2 como sendo Assimétrica
fraca negativa equivalente para a maioria das variáveis. Elevação, entre -0,2 e 0,2 com simetria equivalente para as
variáveis da época de 2010 e 2013, para valores acima de 0,2 são considerados dados com Assimetria fraca positiva, o
que não existe nos dados amostrados no estudo.
Os índices e coeficientes obtidos na estatística descritiva serviram para nortear a etapa de modelagem dos
semivariogramas, principalmente a variância, pois, o valor do patamar tende a ser próximo. A escolha do modelo de
melhor ajuste deu-se principalmente através da análise da dependência espacial, validação cruzada (Figura 4) e a
estrutura apresentada pelo semivariograma (Figura 3). Os parâmetros obtidos pela análise variográfica encontram-se na
Tabela 2.
Também foi utilizado o ajuste através do método das discrepâncias (GUERRA, 1988), como ajuste “a sentimento“,
alterando-se as distâncias e o número de passos para o cálculo das semivariâncias, buscando uma boa estruturação na
zona de crescimento do semivariograma.
Como forma de otimizar os resultados, optou-se por eliminar alguns valores observados. Nas épocas de 1994 e
2004, foram eliminados 4 valores de cada conjunto, e nas épocas de 2013 e janeiro de 2014 foram eliminados um valor
de cada conjunto de dados.

Tabela 2. Parâmetros da análise variográfica.

Parâmetros 1984 1994 2004 2009 2010 2013 Jan 2014 Mar 2014
Modelo de ajuste Esférico Exponencial Esférico Exponencial Gaussiano Esférico Esférico Gaussiano
Alcance 672,0000 771,0000 607,0000 18393,0000 100,4589 319,0000 669,0000 517,8832
Patamar 0,002452 0,003900 0,002134 0,009300 0,000699 0,001710 0,000735 0,001112
Efeito Pepita 0,000231 0,000520 0,000077 0,001770 0,000064 0,000005 0,000001 0,000001
SQR 1,276E-09 9,791E-10 1,696E-07 8,959E-08 1,085E-08 1,725E-07 4,602E-08 1,295E-07
Coef. Determ. 0,993 0,997 0,581 0,966 0,000 0,000 0,338 0,613
(C/[C+Co]) 0,906 0,867 0,964 0,810 0,908 0,997 0,999 0,999
Distância Leg 1950,00 2200,00 2560,00 3000,00 2255,00 2535,00 2450,00 2000,00
Número Leg 4 4 6 5 5 7 5 6
Número Dados 45 41 41 45 45 44 44 45
Dep. Espacial Forte Forte Forte Forte Forte Forte Forte Forte

Os NDVI por época estudada apresentaram resultados bons na análise variográfica, apresentando forte dependência
espacial para todas as amostras. Em 1984, 1994 e 2009 as amostras apresentaram um coeficiente de determinação
elevado, o que possibilitou um ajuste semivariográfico bom, Figura 3.

a b c

IV Simpósio de Geoestatística em Ciências Agrárias – SGeA | ISSN: 2236-2118 4

 IV Simpósio de Geoestatística Aplicada em Ciências Agrárias
14 e 15 de Maio de 2015
Botucatu, São Paulo

Figura 3. Semivariogramas a) NDVI em1984, b) NDVI em 1994, c) NDVI em 2009.

No comportamento da validação cruzada, apresentado na Figura 4, demostra pequena diferença entre os valores
reais para os valores estimados (retas quase se sobrepõem), havendo uniformidade na distribuição dos pontos ao longo
das retas, sendo esta situação muito próxima à desejada na validação cruzada, mostrando que houve uma boa estimação.

a b c
Figura 4. Validação Cruzada a) NDVI 1984, b) NDVI 1994, c) NDVI 2009.

Os resultados da análise variográfica das demais épocas não foram satisfatórios, o que validou erros nos mapas de
isovalores, sendo esses não apresentados no estudo.
A krigagem Ordinária utiliza diversos parâmetros para a sua execução. A Figura 5 apresenta os mapas de isovalores
produzidos para a área de estudo com análise variográfica satisfatória, com resolução de 30 metros, o que corresponde a
resolução espacial das imagens de satélites utilizadas para cálculo de NDVI.

a b c
Figura 5. Mapas de Isovalores a) 1984, b) 1994, c) 2009.

A escala utilizada na amostragem para a determinação da dependência espacial foi adequada, não necessitando um
maior adensamento de amostras. As variáveis apresentaram boa distribuição de valores sendo as transições das classes
de valores graduais (SOARES, 2006) e não abrupta.
Obteve-se para a época de 1984 no teste de Cochran (Q), homogeneidade de variância (Q = 0,0016 < Q crítico, p1 =
0,9680), e o teste de Kolmogorov-Smirnov (D) identificou normalidade nos mesmos (D = 0,05938 < D crítico, p>0,15 =
0,08120). A ANOVA demostrou que os tratamentos para o ano de 1984 não foram diferentes (F = 0,709525 > F critico,
p<0,050 = 0,001). Para a época de 1994, obteve-se no teste de Cochran (Q) homogeneidade de variância (Q = 0,1094 <
Q critico, p1 = 0,7409), e o teste de Kolmogorov-Smirnov (D) mostrou que os mesmos não apresentaram normalidade
(D = 0,21882 > D critico, p>0,10 = 0,08120). A ANOVA apontou que os tratamentos para o ano de 1984 foram
diferentes (F = 7,2549 > F critico, p 0,0081 = 6,8547). E por fim, para o ano de 2009 obteve-se no teste de Cochran (Q)
homogeneidade de variância (Q = 0,0094 < Q critico, p1=0,9226), e o teste de Kolmogorov-Smirnov (D) apontou que
os mesmos não apresentaram normalidade (D = 0,15630 > D crítico, p<0,01 = 0,08120). A ANOVA demostrou que os
tratamentos para a época de 2009 não foram diferentes (F = 1,648 < F crítico, p 0,2016 = 3,9215). As médias para as
épocas estão apresentadas na Tabela 3.

Tabela 3. Médias para as épocas em estudo.

1984 Média 1994 Média 2009 Média
1 0,54734a 1 0,45123b 1 0,56630a
2 0,54219a 2 0,49352a 2 0,57866a
DMS 0,0121 0,03109 0,01907

Comparando os dados para as épocas de 1984, 1994 e 2009, observou-se que os dados de 1984 e 2009 apresentaram

IV Simpósio de Geoestatística em Ciências Agrárias – SGeA | ISSN: 2236-2118 5

 IV Simpósio de Geoestatística Aplicada em Ciências Agrárias
14 e 15 de Maio de 2015
Botucatu, São Paulo

homogeneidade de variâncias, ao contrário de 1994 que não possui homogeneidade de variâncias. No teste de
normalidade, as épocas de 1994 e 2009 não apresentam normalidade, o que não ocorre em 1984. A última época
apresentou o maior valor médio para os 60 pontos avaliados (0,57a), sendo superior estatisticamente em relação à
segunda (0,47b) e a primeira (0,54c) conforme o teste de Tukey (p 0,05) – diferença mínima significativa de 0,02; CV%
9,21.

Conclusão
Os objetivos propostos no trabalho foram alcançados, uma vez que a a metodologia aplicada demostrou-se adequada
para o estudo. As imagens utilizadas apresentaram boa aplicação para observar os dados de NDVI obtidos. Foi possível
através dos mapas de isovalores, detectar zonas e áreas de maior dependencia espacial, onde constata maior fidelidade
com os mapas de valores de NDVI.

Referências
AMARAL, L. P. Geoestatística na caracterização do solo e da vegetação em Floresta Ombrófila Mista.
Dissertação (mestrado) – Universidade Estadual do Centro-Oeste – UNICENTRO. Programa de Pós-Graduação em
Agronomia, Guarapuava, 2010.

AMARAL, L. P. et al. Análise da distribuição especial de biomassa e carbono arbóreo acima do solo em Floresta
Ombrófila Mista. Revista Ambiência, v. 6, edição especial, p. 103-114, 2010.

AMARAL, L. P. et al. Influência da floresta alterada na distribuição espacial de três espécies da Floresta Ombrófila
Mista avaliada pela geoestatística. Revista Árvore, Viçosa, v. 37, n. 3, p. 491-501, 2013a.

AMARAL, L. P. et al. Variabilidade espacial do Índice de Diversidade de Shannon-Wiener em Floresta Ombrófila

Mista. Scientia Florestalis, v. 41, n. 97, p. 83-93, 2013b.

AUBRY, P.; DEBOUZIE, D. Geostatistical estimation variance for the spatial mean in two-dimensional systematic
sampling. Ecology, v. 81, n. 2, p. 543-553, 2000.

GUERRA, P. A. G. Geoestatística operacional. Brasília: MME/ DNPM, 1988. 145 p.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE. Manual técnico da vegetação brasileira. 2ª

ed. Rio de Janeiro, 2012. 275 p.

JENSEN, J. R. Introductory digital image processing: a remote sensing perspective. 2. ed. Upper Saddle River:
Prentice-Hall, 1996.

LANDIM, P. M. B. Análise estatística de dados geológicos. São Paulo: Ed. UNESP, 1998. 226 p.

MELO, E. T. Diagnóstico Físico Conservacionista da Microbacia Hidrográfica do Riacho dos Cavalos –

Crateús/CE. Dissertação (mestrado) - Universidade Federal do Ceará, Fortaleza, 2008.

MORAES, A. B. Estatística. Departamento de Estatística. CCNE Série Naturais & Exatas UFSM. Santa Maria. 2011.
152 p.

PIRES, C. A. F. Geoestatística: caderno técnico. Departamento de Geociências. CCNE Série Naturais & Exatas
UFSM. Santa Maria. 2011. 184 p.

SANQUETTA, C. R. et al. Dinâmica de um remanescente de Floresta Ombrófila Mista no sul do Paraná sob influência
de taquaras. Revista Ambiência, v. 3, n. 1, p.65-78, 2007.

SANTOS, A. R. Geotecnologias aplicadas aos recursos florestais. Alegre: CAUFES, 2012, 249 p.

SOARES, A. Geoestatística para Ciências da Terra e do Ambiente. Portugal: Editora IST Press, 2006.

IV Simpósio de Geoestatística em Ciências Agrárias – SGeA | ISSN: 2236-2118 6