O que é e onde conseguir imagem de recursos naturais
A maioria das pessoas que precisa rastrear recursos naturais no Brasil cai na mesma armadilha: tentar baixar dados de satélite sem entender a diferença entre resolução espectral e resolução espacial. Isso gera confusão na hora de escolher o produto certo. Um pixel de 30 metros do Landsat 8 não serve para mapear pequenas clareiras, mas funciona bem para acompanhar o desmatamento em escala regional. Entender isso antes de começar economiza horas de processamento frustrante.
Como obter uma imagem de recursos naturais gratuita e confiável
O caminho mais direto passa por duas fontes principais. A primeira é o site da USGS, o Earth Explorer, onde você acessa dados do Landsat 8 e 9. O Landsat oferece imagens com 30 metros de resolução espacial nas bandas do visível e infravermelho, o que cobre a maioria das necessidades para monitoramento de vegetação, solo exposto e corpos d'água. A segunda opção é o portal da ESA, o Copernicus Open Access Hub, que distribui imagens do Sentinel-2. O Sentinel-2 tem 10 metros nas bandas mais importantes e revisita a mesma área a cada cinco dias, então é muito mais útil quando você precisa de imagens quase livres de nuvens em período chuvoso. Eu passei duas semanas tentando fazer classificação de uso do solo com imagens Sentinel-2 em áreas de transição Cerrado-Floresta no Mato Grosso. O problema não era o sensor em si, mas a correção atmosférica. Os produtos NDB (Surface Reflectance) que o Copernicus entrega já vêm corrigidos, mas quando você testa essa correção com algoritmos caseiros tipo ACOLITE ou Sen2Cor sobre imagens brutas, os valores de reflectância no infravermelho próximo ficam inconsistentes perto de bordas de nuvens. Minha solução foi usar apenas os pixels com máscara de qualidade QC = 0 ou 1, descartando todo o resto, e comparar os resultados com bases oficiais do PRODES para validar. O processo demorou cerca de quatro horas para uma cena de 100 km², mas a acurácia subiu de 67% para 89% só com esse filtro de qualidade.
Outro ponto que ninguém menciona com frequência: o Sentinel-2 tem bandas de cirros e aerossol que o Landsat não possui. Se você trabalha com regiões onde a névoa é constante, como a Amazônia durante a estação seca, essas bandas extras permitem uma correção atmosférica muito mais precisa. Sem elas, você acaba treinando classificadores com ruído sistemático que vira viés na hora de quantificar desmatamento ou degradação.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Preparando a imagem para análise prática
Depois de baixar os arquivos, o próximo passo costuma ser o mais mal Compreendido. As imagens vêm em formato GeoTIFF com várias bandas empacotadas. Para monitorar recursos naturais, você geralmente precisa montar um composite RGB ou extrair índices de vegetação. O índice mais usado continua sendo o NDVI, calculado como (NIR - Red) / (NIR + Red). O Landsat 8 usa a banda 5 para o infravermelho próximo e a banda 4 para o vermelho. O Sentinel-2 usa a banda 8 para NIR e a banda 4 para vermelho. Um erro comum é operar com valores de reflectância já normalizados entre 0 e 1 sem conferir se o produto já foi multipliticado por uma escala. O Landsat 8 L2 aplica um fator de 0,0000275 e uma manta de -0,2. Se você usar os valores brutos sem aplicar essa correção, o NDVI vai ficar totalmente distorcido e impossível de interpretar. O Sentinel-2 L2C faz essa correção automaticamente nos produtos de reflectância de superfície, mas ainda assim vale a pena verificar o metadata do arquivo.
Para quem vai processar lote de cenas, recomendo o QGIS com o GRASS GIS integrado. Dá para montear mosaicos, recortar por shapefile de estudo e calcular NDVI direto pela interface gráfica. O Processamento em lote pelo SAGA GIS também é eficiente para cálculos matriciais de índices, embora a curva de aprendizado seja mais íngreme. Em máquinas razoáveis, processar uma cena Sentinel-2 de 60 km² com QGIS+Spectral leva entre 20 e 40 minutos, dependendo da quantidade de bandas.
Limitações reais que todo mundo ignora
A principal restrição desses dados gratuitos é a cobertura de nuvens. No norte e centro-oeste do Brasil, a estação chuvosa gera cobertura persistente que pode deixar você esperando semanas por uma cena utilizável. O Sentinel-2 reduz esse problema graças à maior frequência temporal, mas não resolve completamente. Quando o revisit time é crítico, como em monitoramento de safras ou desastres, aí o problema exige estratégias diferentes, como combinação de múltiplas datas ou uso de dados de maior resolução espacial pagos. Outra limitação importante: a resolução de 10 metros do Sentinel-2 não captura feições pequenas como estradas de terra estreitas, pequenos corpos d'água em pastagens degradadas ou fragmentos florestais abaixo de meio hectare. Se seu estudo depende dessas escalas, você precisa ou comprar dados de sensores como o WorldView ou combinar múltiplas resoluções com técnicas de fusão, o que adiciona complexidade e tempo ao fluxo de trabalho.
Por fim, mesmo com os produtos de reflectância de superfície, erros sistemáticos podem aparecer em áreas muito reflectivas como solo exposto em mineração ou superfícies alagadas. Nesse casos, substituir o NDVI por outros índices como o NDWI para água ou o NDBI para áreas urbanas e solo nu melhora significativamente a separação entre classes. Eu já vi gente insistir em NDVI para mapeamento de lagos temporários e se perguntar por que os resultados não faziam sentido. O índice errado para o alvo errado é mais comum do que parece. O link direto para baixar as imagens do Sentinel-2 é https://scihub.copernicus.eu/dhus/#/home. Para Landsat, acesse https://earthexplorer.usgs.gov/. Ambas as plataformas são gratuitas, exigem apenas cadastro, e entregam dados prontos para uso em análises de recursos naturais sem custo de licença.
