Como conseguir e usar imagens da hidrosfera corretamente
Muita gente que trabalha com hidrologia, geografia ou monitoramento ambiental precisa de imagens da superfície terrestre que mostrem água de forma clara. O problema é que o vocabulário varia entre instituições, os sites de download têm interfaces diferentes e não há um padrão único para acesso livre. O que segue aqui é o caminho que funciona na prática, não a definição de textbook. O primeiro passo é decidir qual recurso vai ser usado. As imagens mais acessíveis e gratuitas vêm do Landsat 8/9 (NASA/USGS), Sentinel-2 (ESA) e MODIS (NASA). Se precisar de resolução temporal alta para monitorar enchentes em tempo quase real, o MODIS é útil mas a resolução espacial é grossa, cerca de 250 metros para os canais que captam água. Para mapeamento detalhado de corpos d'água, o Sentinel-2 com 10 metros por pixel é mais adequado. Landsat oferece 30 metros e uma história longa, o que ajuda em séries temporais.
imagens da hidrosfera: onde baixar e como validar a qualidade
Para baixar, use o GEE (Google Earth Engine) se souber executar scripts JavaScript/Python, ou o portal USGS EarthExplorer e o Copernicus Browser para download direto. No EarthExplorer, selecione o produto Landsat 8/9 OLI/TIRS C2 L2 e baixe os arquivos BEAM-Vendor ou o formato STAC, dependendo da sua ferramenta. No Copernicus, pesquise por Sentinel-2 MSI L2A e exporte em GeoTIFF. O problema mais comum que eu encontro é a diferença entre reflectância de superfície e reflectância no topo da atmosfera. Se você usar imagens ATMs (TOA) sem correção atmosférica, os índices de água ficam distorcidos, especialmente em dias com neblina ou aerossol. A correção atmosférica adequada, feita com sensores como o Sen2Cor para Sentinel-2, reduz o ruído e melhora a precisão do mapeamento em pelo menos 15 a 20 por cento em relação à imagem bruta. Sem correção, é comum superestimar a área de água em cenas com muita neblina.
Outro detalhe técnico que quase todo mundo esquece: o sensor do Landsat 8 tem um problema conhecido no band 9, que é sensível a cirros e não deve ser usado para classificação de água. Se você incluir essa banda na análise, vai gerar falsos positivos nas bordas de nuvens finas. Use apenas as bandas 2, 3, 4, 5, 6 e 7 para cálculo de índices.
Índices espectrais para extração de água
O índice mais usado é o NDSI (Normalized Difference Snow Index), calculado como (B3 B11) / (B3 + B11) no Sentinel-2, ou (Green SWIR1) / (Green + SWIR1) no Landsat. Valores acima de 0,4 costumam indicar água aberta ou neve. Para evitar confusão com neve, combine o NDSI com o NDBI ou com a banda SWIR, já que neve e água têm assinaturas diferentes no infravermelho de onda curta. Uma alternativa prática quando se quer apenas mapear água superficial é usar o MNDWI (Modified Normalized Difference Water Index), que no Sentinel-2 usa (Green SWIR) / (Green + SWIR). Esse índice é menos sensível a sombra de nuvens do que o NDWI clássico. A principal limitação do MNDWI é que ele falha em águas rasas com sedimentos suspensos, porque o brilho do fundo interfere no cálculo. Nesse caso, prefira combinar múltiplos critérios: MNDWI maior que zero, reflectância no SWIR abaixo de 0,15 e, se disponível, dados de altura do terreno para evitar áreas montanhosas que geram sombras.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Workflow prático e armadilhas comuns
Na minha experiência, o fluxo que funciona melhor é:
- Pré-processamento: baixar imagens com pouca cobertura de nuvens, aplicar correção atmosférica e empilhamento (cloud masking).
- Classificação: aplicar MNDWI ou NDSI com limiar ajustado para a região.
- Pós-processamento: remover ruído espectral com filtragem por tamanho mínimo de pixel, conectar regiões fragmentadas e validar com dados de campo ou mapas oficiais.
O erro mais frequente é não ajustar o limiar do índice para a região específica. Um corte universal de 0,0 para MNDWI funciona bem em lagos temperados, mas em rios tropicais com muita matéria orgânica dissolvida a água pode aparecer com valores negativos. Nesse cenário, você precisa calibrar o limiar com amostras de validação no solo ou com imagens de referência conhecidas. Uma solução simples para essa calibração é construir uma curva de frequência dos valores do índice e escolher o limiar no ponto de inflexão. Isso costuma reduzir o tempo de ajuste manual de horas para alguns minutos, dependendo da qualidade dos dados de entrada.
Fontes alternativas quando os dados gratuitos falham
Se você precisa de resolução submétrica ou de frequência diária, os dados gratuitos não atendem. Nesse caso, considere o Maxar/WorldView, Planet ou SarVision para dados ópticos de alta resolução, e o Sentinel-1 SAR para monitoramento em condições de nuvens persistentes. O radar é particularmente útil em regiões equatoriais, onde a cobertura de nuvens impede o uso de imagens ópticas por meses. A limitação do Sentinel-1 é que a interpretação de backscatter exige experiência. Água calma reflete pouco sinal e aparece escura, mas a presença de vento, correnteza ou poluição superficial altera fortemente a assinatura. Sem validação local, é fácil classificar erroneamente áreas úmidas e solos saturados como água.
Validação e documentação
Independentemente do método, valide sempre com amostras de referência. Coletar dez a vinte pontos de verificação no campo ou usar bancos de dados oficiais como o SIGRH no Brasil ou o HydroSHEDS internacionalmente aumenta a confiabilidade do mapeamento significativamente. Anote a data de aquisição, o sensor, o processamento aplicado e o limiar do índice. Sem essa documentação, reproduzibilidade fica comprometida e comparações temporais perdem sentido. Se o objetivo é apenas produzir imagens ilustrativas para apresentações, use coleções curadas como o NASA Earth Observatory e o ESA Climate Change Initiative. Elas oferecem imagens processadas e legendas técnicas prontas, o que economiza tempo de pós-processamento e garante que a imagem esteja correta cientificamente antes de ser usada.
