Avaliação do índice de vegetação produto do Sensoriamento Remoto EEFLUX em regiões semiáridas brasileiras
Resumo
A região semiárida brasileira é assolada com diversas adversidades climáticas nas quais a fazem uma região potencial para o monitoramento perene de suas dinâmicas. Observando tais características, o sensoriamento remoto junto ao processamento serve como um grande apoio no acompanhamento destas áreas e no suporte a decisões na gestão. Nos dias atuais, visando a velocidade e melhoria no sensoriamento remoto, um grupo de universidades junto a empresas lançam na plataforma virtual o projeto EEFlux - Earth Engine Evapotranspiration Flux, onde diversos produtos como a reflectância, albedo e NDVI são disponíveis para download gratuitamente. Avaliar a qualidade destas imagens para a região semiárida brasileira é de grande importância, uma vez que comprovada a veracidade desta, novos produtos poderão ser executados. Isto posto, este trabalho tem como objetivo avaliar o Índice de vegetação produto do sensoriamento remoto EEFlux em regiões semiáridas brasileiras. Utilizou-se imagens de Itaparica e de Petrolina, Pernambuco oriundas da USGS e do EEFlux, onde estas foram processadas e classificadas para análise. Observa-se grande semelhança nos histogramas dos produtos de processamento convencional e do automático EEFlux, no qual são verificados maiores valores no intervalo (0,1-0,3) para o processamento convencional enquanto os valores EEFlux se sobressaem no intervalo (0,3-0,5) apresentando visualização espacial concomitante. Constatou-se o elevado grau de qualidade no que se refere ao Índice de vegetação por diferença normalizada – NDVI oriundo do processamento automático EEFlux para os ambientes semiáridos estudados. Seus valores se assemelham com os resultados dos produtos processados convencionalmente, permitindo assim, análise acurada do pesquisador.
Palavras-chave
Texto completo:
PDF (Português)Referências
ASA – Articulação Semiárido Brasileiro. 2017. Semiárido - É no semiárido que pulsa a vida! Disponível em: < http://www.asabrasil.org.br/semiarido >. Acesso em: 20/07/2017.
Ferreira, P.S., Gomes, V.P., Santos, A.M., Morais, Y.C.B., Miranda, R.Q., Ferreira, J.M.S., Galvíncio, J.D., 2016. Mudanças climáticas e a geopotencialidade à fruticultura em municípios de Pernambuco: subsídios à agricultura familiar. Caderno de Geografia 26, 522–544.
Gomes, V.P., Galvíncio, J.D., Ferreira, P.S., Silva, J.F., Ferreira, H.S., 2016a. Hyperspectral analysis in areas of Caatinga degraded in the municipality of Sertânia - PE. Journal of Hyperspectral Remote Sensing 6, 262-269.
Gomes, V.P., Galvíncio, J.D., Moura, M.S.B., Ferreira, P.S., Miranda, R.Q., Paz, Y.M., 2016b. Sensoriamento remoto hyperspectral aplicado para análise dos indicadores de resiliência e suscetibilidade do bioma Caatinga frente às mudanças climáticas. Revista Brasileira de Geografia Física 9, 1122-1136.
Silva, J.F., Ferreira, P.S., Gomes, V.P., Silva, E.R.C., Galvíncio, J.D., 2015. Mapeamento do potencial geoclimático da fruticultura do abacaxi na microrregião de Araripina – PE. Revista Brasileira de Geografia Física, Recife 8, 196-210.
Ferreira, P.S., Gomes, V.P., Santos, A.M., Morais, Y.C.B., Miranda, R.Q., Ferreira, J.M.S., Galvíncio, J.D. 2014. Análise do cenário de suscetibilidade à desertificação na bacia hidrográfica do rio Pajeú - Estado de Pernambuco. Scientia Plena 10, 1-11.
Silva, J.F., Silva, E.R.A.C., Ferreira, P.S., Gomes, V.P., Barboza, K.M.N., Candeias, A. L.B. 2016a. Spatial-temporal evolution analysis of the vegetation in the Chapadinha microregion (Maranhão, Brazil) through remote sensing. Journal of Hyperspectral Remote Sensing 6, 329-337.
Santos, A.M., Galvíncio, J.D., 2013. Mudanças climáticas e cenários de susceptibilidade ambiental à desertificação em municípios do estado de Pernambuco. Observatorium: Revista Eletrônica de Geografia, 5. 66–83.
EEFLUX - Google Earth Engine Evapotranspiration Flux, 2015. What is EEFlux? International Workshop on Evapotranspiration Mapping, 1-25.
EEFLUX – Metric. 2017. Instructions. Disponível em: < http://eeflux-level1.appspot.com/ >. Acess: 20/07/2017.
Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W., 1973. Monitoring vegetation systems in the great plains with ERTS. III Earth Resources Technology Satellite-1 Symposium.
Silva, B.B., Braga, A.C., Braga, C.C., Oliveira, L.M.M., Montenegro, S.M.G.L., Barbosa Junior, B.B., 2016b. Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental 20, 3-8.
Chander, G., Markhan, B., 2003. Revised Landsat 5 - TM radiometric calibration procedures and post calibration dynamic ranges. IEEE Transactions on Geosciences and Remote Sensing 41, 2674-2677.
Allen, R.G., Tasumi, M., Trezza, R., 2007. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Model. J. Irrig. Drain. Eng. 133 (4), 380–394.
Tasumi, M., Allen, R.G., Trezza, R. 2008. At-surface reflectance and albedo from satellite for operational calculation of land surface energy balance, J. Hydrol. Eng 13 (2), 51–63.
Santana, A.V., Heinemann, A., Stone, L.F., Nascente, A.S. 2016. Índice de reflectância na estimativa da área foliar e biomassa das folhas em feijão-comum. Colloquium Agrariae 12, 07-19.
Teixeira, D.C.F., Amorim, M.C.C.T, 2017. Ilhas de calor: representações espaciais de cidades de pequeno porte por meio de modelagem. GEOUSP: Espaço e Tempo (Online) 21, 239-256.
Crósta, A.P. 1992. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: Instituto de Geociências/UNICAMP.
Peternelli, L.A. s/d. Regressão linear e correlação. INF 162, 1-11.
Conti, F. 2009. Regressão e correlação. 01-10. Disponível em: < http://www.cultura.ufpa.br/dicas/ >. Acesso em: 20/07/2017.
CHANDER, G.; MARKHAM, B. L.; HELDER, D. L. 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+,and EO-1 ALI sensors. Remote Sensing of Environment., v. 113, p. 893-903.
SILVA, B. B.; BRAGA, A. C.; BRAGA, C. B.; OLIVEIRA, L. M. M.; MONTENEGRO, S. M. G. L.; BARBOSA JÚNIOR, B. 2016. Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 20, n. 1, p. 3-8.
IQBAL, M. 1983. An introduction to solar radiation. Library of Congress Cataloging in Publication Data. Canada: Academic Press, 408p.
ALLEN, R.; TASUMI, M.; TREZZA, R. 2007. Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Calibration METRI. Model. J. Irrig. Drain Eng., v. 133, p. 380-394.
ALLEN, R.; TASUMI, M.; TREZZA, R.; BASTIAANSSEN, W.; WATERS, R. 2002. SEBAL (Surface Energy Balance Algorithms for Land). Advanced Training and User’s Manual – Idaho Implementation, version 1.0.
BORATTO, M; GOMIDE. Aplicação dos índices de vegetação NDVI, SAVI e IAF na caracterização da cobertura vegetativa da região Norte de Minas Gerais. Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE.
HUANG, S; et al. A commentary review on the use of normalized diference vegetation index (NDVI) in the era of popular remote sensing. 2021. J. For. Res, v. 32, p 1–6.
Apontamentos
- Não há apontamentos.
Revista Brasileira de Sensoriamento Remoto | ISSN: 2675-5491
Revista sob Licença Creative Commons