Sensoriamento remoto · Satélite
Nuvens e NDVI: por que a cobertura de nuvem distorce o vigor vegetal
O ndvi.app combina passagens Sentinel-2 e Landsat no catálogo do talhão. Tratar nuvens dentro do seu polígono — não na cena inteira — foi a parte mais difícil de construir neste produto. Nenhum metadado ou modelo acerta sozinho; neblina, solo claro e sombra enganam até sistemas profissionais. É um exemplo concreto de sensoriamento remoto na lavoura: a imagem só vira decisão se a nuvem for medida no talhão, não na cena inteira. Este artigo explica o problema, por que metadados genéricos enganam e o que fazemos para você não decidir no escuro.
O problema: NDVI com nuvem não reflete a lavoura
O NDVI mede o contraste entre infravermelho e vermelho refletidos pela vegetação. Quando uma nuvem cobre parte do talhão, os pixels afetados deixam de representar a cultura — passam a refletir água nas gotas, sombra ou brilho difuso. Se esses pixels entram na média, o mapa mostra vigor falso: manchas vermelhas ou verdes onde na verdade havia nuvem.
Na prática agrícola, isso significa tomar decisão com dado errado — achar estresse onde havia sombra, ou vigor alto onde havia reflexo de nuvem. Por isso qualquer ferramenta séria de monitoramento por satélite precisa tratar nuvens antes de calcular NDVI, e não depois.
Por que a cobertura de nuvem da cena inteira não serve
Catálogos de satélite como o STAC trazem um campo chamado eo:cloud_cover — a porcentagem de nuvem sobre a cena completa do Sentinel-2, que cobre uma faixa enorme de território. Seu talhão ocupa uma fração minúscula dessa cena.
Isso gera dois erros comuns:
Cena “limpa”, talhão nublado
A cena pode ter 10% de nuvem no total, mas uma nuvem grande pode cobrir exatamente o seu talhão. O metadado diz que está bom; o mapa NDVI sai distorcido.
Cena “nublada”, talhão limpo
Nuvens em outra região inflacionam a cobertura da cena. Você descarta uma data útil porque o número geral é alto, embora sua lavoura estivesse visível.
No ndvi.app, a cobertura de nuvem é calculada somente dentro do perímetro do talhão — nunca usamos o valor genérico da cena como substituto.
Mais difícil do que parece
Filtrar nuvem parece simples até você tentar fazer direito. Seu talhão ocupa uma fração minúscula da cena; uma neblina rosada pode cobrir só a sua área; o solo exposto claro pode ser classificado como nuvem; o modelo de machine learning pode dizer 4% enquanto o mapa RGB mostra o talhão encoberto. Cada abordagem erra de um jeito diferente.
Metadado da cena
Rápido, mas mede a passagem inteira — não o seu talhão.
Classificação oficial (SCL / QA Landsat)
Boa base pixel a pixel, mas falha em neblina fina e confunde solo claro com nuvem.
OmniCloudMask (rede neural)
Estima nuvem nas bandas espectrais dentro do polígono — melhor que o metadado, mas ainda subestima neblina em alguns casos.
Checagem visual no mapa renderizado
Conta pixels cinza/neblina no PNG RGB que você vê — captura o que o modelo ignorou.
Por isso não apostamos em uma única fonte. Combinamos camadas, cruzamos modelos com heurísticas RGB/SWIR na máscara dos mapas e, no percentual da lista, guardamos o pior caso entre modelo e visual. Ainda assim, sensoriamento remoto tem incerteza — nosso trabalho é deixar isso visível, não esconder atrás de um número redondo.
Dois pipelines, um objetivo
Separar “quantas nuvens teve esta passagem?” de “quais pixels entram no NDVI?” evita mentir para você. São pipelines diferentes que se reforçam.
1 · Percentual na lista e filtros (45% / dossiê 30%)
Para cada passagem, calculamos a cobertura só dentro do talhão:
- OmniCloudMask — worker com rede neural nas bandas Red, Green e NIR (Sentinel-2 e Landsat).
- Visual — após renderizar o RGB, contamos pixels de máscara cinza e neblina no overlay.
- Gravamos max(modelo, visual) — se um diz 4% e o mapa mostra 23%, você vê 23%.
2 · Máscara pixel a pixel nos mapas NDVI e RGB
O número da lista não pinta o mapa. Na hora de gerar os PNGs, cada pixel passa por regras espectrais dentro do contorno:
- a
SCL (Sentinel) ou QA (Landsat)
Classificação oficial por pixel — nuvem densa, cirro, sombra, neve, sem dado.
- b
Heurísticas RGB + SWIR
Brilho, contraste entre bandas e razão azul/SWIR para neblina e solo claro que a classificação hesita.
- c
Exclusão do NDVI
Pixels mascarados ficam transparentes no mapa de vigor; no app, tracejados. NDVI médio usa só área limpa.
Por que dois percentuais no dossiê?
No card de cada cena do dossiê você pode ver área descartada (OCM/visual) — qualidade da passagem — e, separado, % removidos do mapa NDVI, alinhado ao tracejado no mapa. Podem divergir: o modelo pode ser conservador no talhão inteiro enquanto a máscara NDVI remove mais pixels visíveis na imagem.
Limites na interface: 45% na lista, 30% no dossiê
Por padrão, a lista de datas prioriza passagens com menos de 45% de área descartada no talhão. O catálogo continua buscando páginas de cenas até achar passagens limpas — comum no verão, quando o céu fecha por semanas. Você pode ativar “Mostrar nubladas” quando precisar de uma data específica.
O dossiê de safra usa limite mais rigoroso (30%) e escolhe 2 a 8 passagens espaçadas no tempo. Relatório agronômico exige consistência; consulta no mapa pode ser mais flexível.
- Lista: filtro em 45%, busca automática por cenas limpas, opção de mostrar nubladas.
- Mapa NDVI: pixels removidos aparecem tracejados; legenda “Removido do mapa”.
- Mapa RGB: máscara em tom neutro cinza — dá para conferir com “Verificar nuvens”.
- Cena ativa acima do limite: banner avisa a cobertura no talhão.
- Comparação e dossiê: avisos quando a leitura estatística fica limitada.
NDVI só sobre pixels confiáveis
Depois de marcar nuvens, sombras, neve e pixels sem dado, esses pixels saem do cálculo — média, mediana, percentual de área com baixo vigor e cores do mapa. O que resta reflete a lavoura visível naquela passagem, não artefatos atmosféricos.
No mapa de vigor, a área removida fica tracejada para você enxergar exatamente o que entrou ou saiu do NDVI. Essa camada de honestidade visual costuma ser o que produtores mais valorizam depois de ver uma cena “4% nuvens” com metade do talhão em neblina.
Toda essa complexidade fica do nosso lado. Do seu lado, a pergunta continua simples: esta data serve para ler meu talhão? — com número, mapa e tracejado apontando na mesma direção sempre que possível.
Perguntas frequentes sobre nuvens e NDVI
Respostas diretas para quem monitora lavoura por satélite.
Por que nuvens distorcem o NDVI?
O NDVI usa a diferença entre infravermelho e vermelho. Nuvens e sombras alteram essas bandas de forma artificial — pixels nublados parecem ter vigor diferente do que a lavoura realmente tem. Se esses pixels entram no cálculo, a média de NDVI do talhão fica errada.
A cobertura de nuvem da cena inteira serve para o meu talhão?
Não de forma confiável. Metadados como eo:cloud_cover medem a cena satelital completa — muitas vezes centenas de quilômetros. Seu talhão pode estar limpo enquanto a cena está marcada como nublada, ou o contrário. Por isso o ndvi.app calcula cobertura e máscaras só dentro do perímetro cadastrado.
O que entra no percentual de nuvens da lista de datas?
Dois cálculos independentes dentro do talhão: OmniCloudMask (modelo de aprendizado de máquina nas bandas espectrais) e uma checagem visual no PNG RGB que você vê no mapa. Gravamos o maior dos dois — se o modelo subestimar neblina que aparece no overlay, o número sobe para refletir o pior caso.
O que é a camada SCL (e Landsat)?
No Sentinel-2 L2A, a SCL (Scene Classification Layer) classifica cada pixel — vegetação, solo, nuvem, sombra, cirro e neve. No Landsat, mapeamos a camada QA para o mesmo tipo de lógica. Essas classes alimentam a máscara pixel a pixel dos mapas NDVI e RGB — separado do percentual da lista.
Por que o limite é 45% na lista e 30% no dossiê?
Na lista de datas usamos 45% como teto para priorizar passagens legíveis, com opção de mostrar nubladas. No dossiê de safra o limite é 30% — mais rigoroso, porque a narrativa agronômica precisa de cenas consistentes. São regras diferentes para consulta rápida vs relatório de período.
O que acontece com pixels de nuvem nos mapas?
No RGB, pixels mascarados viram tom neutro. No NDVI, saem do cálculo e ficam transparentes — no app marcamos com tracejado (“removido do mapa”). O percentual tracejado pode ser menor que o da lista: um mede pixels removidos do mapa NDVI; o outro, qualidade geral da passagem (OCM/visual).
Posso comparar datas nubladas no ndvi.app?
Sim. Por padrão mostramos cenas com menos de 45% de nuvens no talhão, mas há a opção de exibir passagens nubladas. Quando a cobertura é alta, exibimos aviso e as estatísticas de comparação indicam leitura limitada.
Veja NDVI com filtro de nuvens no seu talhão
Cadastre o contorno, escolha datas limpas e compare o vigor vegetal — sem planilha, sem GIS e sem adivinhar se a passagem serviu.