In Brazil, the use of spectral indices derived from orbital sensors is essential for monitoring strategic ecosystems, especially in the Amazon and the Cerrado. In the Amazon, for example, NDWI (Normalized Difference Water Index) and MNDWI (Modified NDWI) can be applied to identify flooded areas, map watercourses, and monitor seasonal changes in the hydrological regime, supporting resource management and flood control. NDMI, in turn, can be used to assess vegetation moisture, allowing the detection of drought events and forest degradation. Another example is NDVI (Normalized Difference Vegetation Index), which is applied to monitor vegetation cover health and density, being crucial for identifying deforestation and vegetation regeneration. In the Cerrado biome, these indices help map agricultural expansion, the degradation of native vegetation areas, and the effects of fires. The combination of Landsat, Sentinel-2, and MODIS sensors enables multitemporal and multiscale analyses, integrating high spatial resolution with high temporal frequency. These data guide public policies, enforcement, and conservation projects, supporting environmental agencies, researchers, and non-governmental organizations in the development of sustainable land-use strategies and the preservation of Brazil’s water resources and biodiversity [1].
An index is a value calculated directly from satellite sensor data, usually combining two or more spectral bands to highlight a specific feature. In this context, NDVI highlights vegetation health and density, and NDWI emphasizes water bodies. The index, therefore, is a raw numerical value that represents a physical or biophysical condition observed. An indicator, on the other hand, is an interpretation or metric derived from indices (or other data), adjusted to answer a specific monitoring question or support decision-making. For example, from NDVI, one can create an indicator of degraded vegetation areas by defining a threshold (e.g., NDVI < 0.3), or from NDWI, generate an indicator of surface water variation over a given period. In summary, an index is a mathematical value derived from an equation combining different spectral bands, whereas an indicator is an interpreted metric that transforms the index into useful information for analysis or decision-making [2].
The main spectral indices used in monitoring water resources, vegetation, and soil moisture include NDWI, MNDWI, NDMI (Normalized Difference Moisture Index), AWEI (Automated Water Extraction Index), WI (Water Index), and WRI (Water Ratio Index). These indices are generated from combinations of spectral bands captured by sensors aboard Earth observation satellites. Among the most widely used sensors are OLI (Operational Land Imager) and TIRS (Thermal Infrared Sensor) from Landsat 8/9, which operate with a spatial resolution of 30 meters in optical and SWIR bands. The MSI (Multispectral Instrument) onboard Sentinel-2 provides 13 spectral bands with resolutions ranging from 10 to 60 meters, widely used for vegetation and water index calculations. MODIS (Moderate Resolution Imaging Spectroradiometer), aboard the Terra and Aqua satellites, provides daily observations, though with lower spatial resolution (250 m to 1 km), making it useful for large-scale analyses. These sensors enable the extraction of consistent and comparable environmental information over time, which is essential for natural resource planning and management, climate studies, and conservation actions, especially in sensitive ecosystems such as forests, wetlands, and agricultural areas [3].
The resolution of a multispectral index in remote sensing is determined by the pixel size of the bands used in its calculation, being equal to the band with the lowest spatial detail. This index is obtained by combining values from different spectral bands, all of which must be aligned to the same scale, usually reducing the final resolution to that of the least precise band. In addition to spatial resolution, temporal resolution—related to the frequency of image acquisition—and spectral resolution—related to the light ranges used—are also considered.
Table I. Main Spectral Indices for Environmental Monitoring
| Index | Basic Equation | Main Application | Sensitivity Limitations | Compatible Satellites Sensors | Data Download Links |
|---|---|---|---|---|---|
| NDWI (Normalized Difference Water Index) | (Green − NIR) / (Green + NIR) | Detects surface water bodies and distinguishes them from vegetation/dry soil | May overestimate water in urban areas; sensitive to noise in shaded regions or moist soils | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), MODIS, PlanetScope | USGS EarthExplorer / Copernicus Open Access / NASA LAADS MODIS |
| MNDWI (Modified NDWI) | (Green − SWIR1) / (Green + SWIR1) | Improves water detection in urban areas and reduces the influence of built-up surfaces | May fail to identify turbid water or water under dense vegetation | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), CBERS-4 (MUX, WFI) | USGS EarthExplorer / Copernicus Open Access / INPE CBERS |
| NDMI (Normalized Difference Moisture Index) | (NIR − SWIR1) / (NIR + SWIR1) | Assesses soil and vegetation moisture; useful for drought monitoring | Less accurate for open water areas; affected by seasonal vegetation variations | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), MODIS, WorldView-3 | USGS EarthExplorer / Copernicus Open Access / NASA LAADS MODIS |
| AWEI (Automated Water Extraction Index) | 4 × (Green − SWIR1) − (0.25 × NIR + 2.75 × SWIR2) | High efficiency in detecting water in urban and shaded areas | More complex formula; requires multiple bands, not available on all sensors | Landsat 5–9 (TM, ETM+, OLI), Sentinel-2 (MSI) | USGS EarthExplorer / Copernicus Open Access |
| WI (Water Index) | Blue / (Green + NIR) | Detects turbid water and water under vegetation | Sensitive to turbidity and suspended organic matter | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), WorldView-2/3 | USGS EarthExplorer / Copernicus Open Access |
| WRI (Water Ratio Index) | (Green + Red) / (NIR + SWIR1) | Separates water from other land cover types | Less efficient in areas with mixed water and dense aquatic vegetation | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), CBERS-4 (MUX) | USGS EarthExplorer / Copernicus Open Access / INPE CBERS |
The periodicity and resolution of sensors determine the ability to monitor environmental changes accurately and in a timely manner. Sentinel-2A/B, operated by ESA, revisits the same area every 5 days with spatial resolutions ranging from 10 to 60 meters, covering visible, NIR, and SWIR bands. Landsat 8/9, operated by NASA/USGS, has a 16-day revisit cycle and spatial resolution of 30 meters for optical and SWIR bands, and 100 meters for thermal bands. MODIS, aboard the Terra and Aqua satellites, provides daily imagery with spatial resolutions between 250 m and 1 km, enabling near real-time monitoring of large areas. This combination of high- and medium-resolution sensors, with different acquisition frequencies, makes it possible to track both detailed changes in specific areas and broader regional or continental trends, optimizing the detection of environmental changes [4].
Dr. Cristiano Torres do Amaral
DOI: https://doi.org/10.5281/zenodo.17193678
References
[1] ESA. Sentinel Online: Sentinel-2. European Space Agency, 2025. Disponível em: https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-2. Acesso em: 24 set. 2025.
[2] NASA. MODIS: Moderate Resolution Imaging Spectroradiometer. National Aeronautics and Space Administration, 2025. Disponível em: https://modis.gsfc.nasa.gov/. Acesso em: 24 set. 2025.
[3] NOAA. National Environmental Satellite, Data, and Information Service (NESDIS). National Oceanic and Atmospheric Administration, 2025. Disponível em: https://www.nesdis.noaa.gov/. Acesso em: 24 set. 2025.
[4] USGS. Landsat Missions. United States Geological Survey, 2025. Disponível em: https://landsat.gsfc.nasa.gov/. Acesso em: 24 set. 2025.
Integração de Índices Multiespectrais e Sensores de Satélite para a Gestão Sustentável no Brasil
No Brasil, o uso de índices espectrais derivados de sensores orbitais é essencial para o monitoramento de ecossistemas estratégicos, especialmente na Amazônia e no Cerrado. Na Amazônia, por exemplo, o NDWI (Normalized Difference Water Index) e o MNDWI (Modified NDWI) podem ser aplicados para identificar áreas alagadas, mapear cursos d’água e monitorar mudanças sazonais no regime hídrico, auxiliando na gestão de recursos e no controle de enchentes. O NDMI, por sua vez, pode ser utilizado para avaliar a umidade da vegetação, permitindo detectar eventos de seca e degradação florestal. Outro exemplo é o NDVI (Normalized Difference Vegetation Index), com aplicação para monitorar a saúde e a densidade da cobertura vegetal, sendo crucial para identificar desmatamento e regeneração da vegetação. No bioma Cerrado, esses índices ajudam a mapear a expansão agrícola, a degradação de áreas de vegetação nativa e os efeitos de queimadas. A combinação de imagens Landsat, Sentinel-2 e sensores MODIS possibilita análises multitemporais e multiescalares, integrando alta resolução espacial com alta frequência temporal. Esses dados orientam políticas públicas, fiscalização e projetos de conservação, apoiando órgãos ambientais, pesquisadores e organizações não governamentais no desenvolvimento de estratégias sustentáveis de uso da terra e preservação dos recursos hídricos e da biodiversidade brasileira [1].
O índice é um valor calculado diretamente a partir dos dados do sensor do satélite, geralmente combinando duas ou mais bandas espectrais para realçar uma característica específica. Neste contexto, o NDVI evidencia a saúde e a densidade da vegetação e o NDWI, que realça corpos d’água. O índice, portanto, é um valor numérico “cru” que representa uma condição física ou biofísica observada. Já um indicador é uma interpretação ou métrica derivada dos índices (ou de outros dados), ajustada para responder a uma pergunta específica de monitoramento ou apoio à tomada de decisão. Por exemplo, a partir do NDVI, pode-se criar um indicador de áreas de vegetação degradada definindo um limite (ex.: NDVI < 0,3), ou, a partir do NDWI, gerar um indicador de variação de superfície hídrica em determinado período. Em síntese, o índice é um valor matemático derivado de uma equação que combina diferentes bandas espectrais, enquanto o indicador é uma métrica interpretada que transforma o índice em informação útil para análise ou decisão.
Os principais índices espectrais utilizados no monitoramento de recursos hídricos, vegetação e umidade do solo incluem NDWI, MNDWI , NDMI (Normalized Difference Moisture Index), AWEI (Automated Water Extraction Index), WI (Water Index) e WRI (Water Ratio Index). Esses índices são gerados a partir de combinações de bandas espectrais captadas por sensores a bordo de satélites de observação da Terra. Entre os sensores mais utilizados estão o OLI (Operational Land Imager) e o TIRS (Thermal Infrared Sensor) do Landsat 8/9, que operam com resolução espacial de 30 metros nas bandas ópticas e SWIR. O MSI (Multispectral Instrument) do Sentinel-2 fornece 13 bandas espectrais com resolução variando entre 10, 20 e 60 metros, sendo amplamente usado para cálculos de índices de vegetação e água. Já o MODIS (Moderate Resolution Imaging Spectroradiometer), presente nos satélites Terra e Aqua, oferece observações diárias, embora com resolução espacial mais baixa (250 m a 1 km), sendo útil para análises em larga escala. Esses sensores permitem a extração de informações ambientais consistentes e comparáveis no tempo, fundamentais para o planejamento e gestão de recursos naturais, estudos climáticos e ações de conservação, especialmente em ecossistemas sensíveis como florestas, zonas úmidas e áreas agrícolas [2].
A resolução de um índice multiespectral em sensoriamento remoto é determinada pelo tamanho dos pixels das bandas utilizadas no seu cálculo, sendo igual à da banda com menor detalhe espacial. Esse índice é obtido combinando valores de diferentes bandas espectrais, e todas precisam ser alinhadas para a mesma escala, o que geralmente reduz a resolução final para a da banda menos precisa. Além da resolução espacial, também se consideram a resolução temporal, relacionada à frequência de aquisição das imagens, e a resolução espectral, ligada às faixas de luz utilizadas [3].
Tabela I. Principais Índices Espectrais para Monitoramento Ambiental
| Índice | Equação Básica | Aplicação Principal | Sensibilidade Limitações | Satélites Sensores Compatíveis | Download Data Link |
|---|---|---|---|---|---|
| NDWI (Índice de Diferença Normalizada da Água) | (Green − NIR) / (Green + NIR) | Detecta corpos d’água superficiais e distingue-os de vegetação/solo seco | Pode superestimar água em áreas urbanas; sensível a ruído em regiões sombreadas ou solos úmidos | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), MODIS, PlanetScope | USGS EarthExplorer / Copernicus Open Access / NASA LAADS MODIS |
| MNDWI (NDWI Modificado) | (Green − SWIR1) / (Green + SWIR1) | Melhora a detecção de água em áreas urbanas e reduz a influência de edificações | Pode falhar na identificação de água turva ou sob vegetação densa | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), CBERS-4 (MUX, WFI) | USGS EarthExplorer / Copernicus Open Access / INPE CBERS |
| NDMI (Índice de Diferença Normalizada da Umidade) | (NIR − SWIR1) / (NIR + SWIR1) | Avalia a umidade do solo e da vegetação; útil para monitoramento de secas | Menos preciso para áreas de água aberta; afetado por variações sazonais da vegetação | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), MODIS, WorldView-3 | USGS EarthExplorer / Copernicus Open Access / NASA LAADS MODIS |
| AWEI (Índice Automatizado de Extração de Água) | 4 × (Green − SWIR1) − (0.25 × NIR + 2.75 × SWIR2) | Alta eficiência na detecção de água em áreas urbanas e sombreadas | Fórmula mais complexa; requer múltiplas bandas, que podem não estar disponíveis em todos os sensores | Landsat 5–9 (TM, ETM+, OLI), Sentinel-2 (MSI) | USGS EarthExplorer / Copernicus Open Access |
| WI (Índice de Água) | Blue / (Green + NIR) | Detecta água turva e água coberta por vegetação | Sensível à turbidez e à presença de matéria orgânica suspensa | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), WorldView-2/3 | USGS EarthExplorer / Copernicus Open Access |
| WRI (Índice de Razão da Água) | (Green + Red) / (NIR + SWIR1) | Separa água de outros tipos de cobertura do solo | Menos eficiente em áreas com mistura de água e vegetação aquática densa | Landsat 4–9 (TM, ETM+, OLI), Sentinel-2 (MSI), CBERS-4 (MUX) | USGS EarthExplorer / Copernicus Open Access / INPE CBERS |
A periodicidade e a resolução dos sensores determinam a capacidade de monitorar mudanças ambientais de forma precisa e oportuna. O Sentinel-2A/B, operado pela ESA, oferece revisitas a cada 5 dias na mesma área com resolução espacial de 10 a 60 metros, cobrindo bandas visíveis, NIR e SWIR. O Landsat 8/9, operado pela NASA/USGS, possui ciclo de revisita de 16 dias e resolução espacial de 30 metros para as bandas ópticas e SWIR, e 100 metros para as bandas termais. Já o MODIS, a bordo dos satélites Terra e Aqua, fornece imagens diárias com resolução espacial entre 250 m e 1 km, permitindo monitoramento quase em tempo real de grandes extensões. Essa combinação de sensores de alta e média resolução, com diferentes frequências de aquisição, possibilita tanto o acompanhamento detalhado de áreas específicas quanto a observação de tendências em escala regional ou continental, otimizando a detecção de mudanças ambientais [4].
Dr. Cristiano Torres do Amaral
Referências
[1] ESA. Sentinel Online: Sentinel-2. European Space Agency, 2025. Disponível em: https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-2. Acesso em: 24 set. 2025.
[2] NASA. MODIS: Moderate Resolution Imaging Spectroradiometer. National Aeronautics and Space Administration, 2025. Disponível em: https://modis.gsfc.nasa.gov/. Acesso em: 24 set. 2025.
[3] NOAA. National Environmental Satellite, Data, and Information Service (NESDIS). National Oceanic and Atmospheric Administration, 2025. Disponível em: https://www.nesdis.noaa.gov/. Acesso em: 24 set. 2025.
[4] USGS. Landsat Missions. United States Geological Survey, 2025. Disponível em: https://landsat.gsfc.nasa.gov/. Acesso em: 24 set. 2025.
Citation
Torres do Amaral, C. (2025). Integrating Multispectral Indices and Satellite Sensors for Sustainable Management in Brazil. Amazontech: Revista De Esutdos Interdisciplinares, 7(2). https://doi.org/10.5281/zenodo.17193678
Amazontech: Journal of Interdisciplinary Studies - ISSN 2675-701X 