Mapeamento de corpos d'água superficiais utilizando imagens MSI Sentinel-2 via inspeção visual com limiarização ('Threshold')

Abstract

Os satélites desempenham papel fundamental em diversos setores, como o monitoramento remoto e o geoprocessamento, que englobam o estudo da vegetação, das correntes de ar, do clima, entre outros aspectos ambientais, a partir da observação orbital. Dentre as abordagens mais utilizadas no sensoriamento remoto para detecção de corpos d’água, destaca-se o índice NDWI (Normalized Difference Water Index), proposto por McFeeters em 1996. A detecção, o monitoramento e o mapeamento de recursos hídricos e viveiros de aquicultura por sensoriamento remoto ainda representam um desafio, dificultando a compreensão da sua real magnitude e valor, o que compromete a gestão sustentável dos ecossistemas aquáticos. Essa gestão está diretamente relacionada à aquicultura, que vem crescendo com a produção de peixes por meio da piscicultura, a qual, segundo a FAO (2022), tem promovido aumento significativo na oferta de alimentos com ganhos expressivos em produtividade e qualidade proteica animal. Por ser uma atividade de grande relevância no meio rural, novas pisciculturas surgem constantemente. Nesse contexto, destaca-se a comunidade de Itans (MA), onde a piscicultura emergiu como atividade complementar em 2010 e apresentou rápido crescimento nos anos seguintes. Este trabalho teve como objetivo realizar o mapeamento automático e a delimitação de corpos hídricos — áreas alagadas e possíveis tanques de aquicultura — na comunidade de Itans, no município de Matinha (MA), com base em técnicas de sensoriamento remoto e processamento digital de imagens utilizando dados multiespectrais. O processo metodológico foi estruturado em dois eixos: o primeiro analisou cinco imagens do Google Earth, e o segundo considerou sete imagens anuais (de 2018 a 2024) do satélite Sentinel-2. A pesquisa demonstrou a viabilidade do uso de ferramentas computacionais acessíveis, como Python e Google Colab, para a extração vetorial. Nas imagens do Google, essa extração foi bem-sucedida em regiões onde os corpos d'água apresentaram contraste de coloração em relação ao entorno, especialmente em áreas agrícolas com padrões geométricos regulares. A aplicação do NDWI com imagens multiespectrais do Sentinel-2 permitiu resultados expressivos na identificação e delimitação de corpos hídricos, com geração de máscaras binárias e contornos vetoriais das áreas de interesse no período de 2018 a 2024. Observou-se um crescimento das áreas hídricas destinadas à aquicultura, corroborando os dados do IBGE (2022), que apontam para a intensificação dessa atividade nas regiões Norte e Nordeste do Brasil. A comparação com os dados do MapBiomas evidenciou que o NDWI precisa ser complementado por classificação temática ou inspeção visual para garantir maior precisão, especialmente em áreas com turbidez, vegetação ou sombra. Assim, a integração entre as abordagens NDWI (com alta resolução temporal) e MapBiomas (com maior precisão temática) pode potencializar o monitoramento contínuo da aquicultura, contribuindo para políticas de ordenamento territorial sustentável. Constatou-se que o limiar entre 0,0 e 0,15 gerou resultados satisfatórios para a classificação das áreas úmidas estudadas, e que as informações derivadas das bandas do Sentinel-2 são valiosas para o monitoramento de ecossistemas naturais.