Um estudo liderado pela doutoranda em sensoriamento remoto Angela Gabrielly Pires Silva (PGSER), sob a supervisão de Lênio Soares Galvão (DIOTG/INPE) e Laerte Guimarães Ferreira Júnior (Lapig/UFG), avaliou a discriminação de cinco níveis de degradação de pastagens. Para tal finalidade, os autores utilizaram dados hiperespectrais do satélite Environmental Mapping and Analysis Program (EnMAP) adquiridos durante as estações chuvosa e seca de 2024, em combinação com métricas fenológicas derivadas do produto Harmonized Landsat and Sentinel-2 (HLS).

O artigo foi recentemente publicado no periódico Computers and Electronics in Agriculture e pode ser acessado livremente, graças ao acordo firmado entre CAPES e Elsevier, no link https://authors.elsevier.com/sd/article/S0168-1699(26)00992-0

Os atributos derivados do EnMAP incluíram reflectância das bandas espectrais, índices de vegetação de bandas estreitas, frações de mistura espectral, parâmetros de bandas de absorção e métricas de textura. As feições espectrais selecionadas foram sensíveis à clorofila, ao teor de água nas folhas, aos compostos lignina-celulose e aos minerais caulinita/gibsita. O desempenho da classificação com atributos individuais e combinados foi avaliado por meio dos algoritmos Random Forest (RF), Light Gradient-Boosting Machine (LightGBM) e eXtreme Gradient Boosting (XGBoost). Também foram analisadas as diferenças sazonais na separabilidade entre as classes e a contribuição das métricas fenológicas do HLS para aprimorar a discriminação em ambas as estações.

Figura: Área do Estudo em composição falsa-cor EnMAP.

Os resultados mostraram que todos os classificadores apresentaram desempenho semelhante na discriminação dos níveis de degradação das pastagens. As maiores acurácias foram obtidas na estação chuvosa, quando os atributos do EnMAP foram combinados, variando de 0,830 ± 0,035 para o XGBoost a 0,841 ± 0,033 para o RF. Os grupos de atributos individuais mais importantes para a classificação foram as frações de endmembers, a reflectância das bandas espectrais e os índices de vegetação de banda estreita, que, em geral, distinguiram as áreas de NDP dos demais níveis de degradação. As áreas de NDP apresentaram textura mais homogênea nas bandas do visível e feições de absorção mais pronunciadas associadas à clorofila e ao conteúdo de água foliar em comparação às áreas degradadas. A profundidade da banda de absorção em 2200 nm, associada à presença de minerais de argila e hidróxidos de alumínio em solos parcialmente expostos por processos de degradação biológica, também se mostrou importante para identificar áreas de SBD.

A acurácia da classificação diminuiu significativamente durante a estação seca em decorrência do aumento do déficit hídrico do solo, reduzindo a separabilidade entre os níveis iniciais e moderados de degradação. A inclusão das métricas fenológicas melhorou de forma expressiva a discriminação das áreas de degradação agronômica na estação seca, provavelmente por capturar sinais fenológicos de plantas invasoras associados a esse tipo de degradação.

Em conjunto, os resultados revelaram padrões sazonais distintos na manifestação espectral da degradação de pastagens e indicaram que a integração de dados hiperespectrais com métricas fenológicas apresenta elevado potencial para discriminar múltiplos níveis de degradação de pastagens no Cerrado brasileiro.

Detalhes sobre a investigação podem ser obtidos na publicação abaixo:

Pires Silva, A.G., Galvão, L.S., Ferreira Jr., L.G. (2026). Exploring the discrimination of pasture degradation in the Brazilian Cerrado using multitemporal EnMAP hyperspectral data and HLS phenometrics. Computers and Electronics in Agriculture, 256: 112394. doi: 10.1016/j.compag.2026.112394