Análise de Imagens de Satélite com Python e Living Atlas – Reclassificação do NDVI com função remap

Após recortar a imagem NDVI para a área de interesse, vamos realizar análises e obter os primeiros insights.

Vamos usar a função raster remap para reclassificar os pixels da imagem NDVI e agrupar em duas classes:

• Terras agricultáveis – intervalo de NDVI 0,4 a 0,5
• Cobertura florestal/árvores – intervalo de NDVI 0,5 a 1,0

O resultado será uma classificação binária, com valores 1 e 2 para as classes Terras agricultáveis e Cobertura florestal, respectivamente. Com a função colormap, atribuímos cores diferentes para cada classe.

Continue o exercício com o código a seguir:

#reclassificando o NDVI e gerando uma mapa de classes de interesse

threshold_val = 0.5
masked = colormap(remap(aoi_clip, 
                        input_ranges=[0.4,threshold_val,     # agricultural land
                                     threshold_val, 1],      # forest area/ tree cover
                        output_values=[1, 2]),
                        colormap=[[1, 124, 252, 0], [2, 0, 102, 0]], astype='u8')

Image(masked.export_image(bbox=area['extent'], size=[1200,450], f='image'))

No próximo vídeo, você irá visualizar os resultados no mapa, calcular área das classes e gerar gráficos para extrair os principais insights.