FABIANO BARBOSA DOS SANTOS (2012).pdf
FABIANO BARBOSA DOS SANTOS (2012).pdf
Documento PDF (8.4MB)
Documento PDF (8.4MB)
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PÓS-GRADUAÇÃO EM METEOROLOGIA
N.º de ordem: MET-UFAL-MS-096.
FABIANO BARBOSA DOS SANTOS
ESTIMATIVA DO BALANÇO DE ENERGIA UTILIZANDO IMAGENS DO SENSOR
TM-LANDSAT 5 NO BAIXO SÃO FRANCISCO
MACEIÓ-AL
2012
FABIANO BARBOSA DOS SANTOS
ESTIMATIVA DO BALANÇO DE ENERGIA UTILIZANDO IMAGENS DO SENSOR
TM-LANDSAT 5 NO BAIXO SÃO FRANCISCO
Dissertação submetida ao Instituto de Ciências
Atmosféricas da Universidade Federal de
Alagoas, como requisito necessário para
obtenção do título de Mestre em Meteorologia.
Orientador: Prof. Dr. Frederico Tejo Di Pace
Co-Orientador: Prof. Dr. Heliofábio Barros
Gomes
MACEIÓ-AL
2012
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária Responsável: Helena Cristina Pimentel do Vale
S237e
Santos, Fabiano Barbosa dos.
Estimativa do balanço de energia utilizando imagens do sensor TM-LANDSAT 5
no baixo São Francisco / Fabiano Barbosa dos Santos. – 2012.
113 f. : il., grafs. tab.
Orientador: Frederico Tejo Di Pace.
Co-Orientador: Héliofábio Barros Gomes.
Dissertação (mestrado em Meteorologia : Processos de Superfície Terrestre) –
Universidade Federal de Alagoas. Instituto de Ciências Atmosféricas. Maceió, 2012.
Bibliografia: f. 104-113.
1. Sensoriamento remoto. 2. LANDSAT. 3. Balanço de radiação. 4. Balanço de
energia. I. Título.
CDU: 551.521.32
DEDICATÓRIA
À minha mãe,
Amara Barbosa, um exemplo de vida.
AGRADECIMENTOS
Inicialmente a Deus, pelos momentos felizes e também pelos difíceis, pois sem esses
momentos não há aprendizagem nem superação.
À minha família, em especial a minha mãe Amara e madrinha Betânia, pelo infinito
carinho, incentivo e apoio em todas as etapas da minha carreira acadêmica.
À minha querida noiva, Norma Candida, pela paciência e ajuda nos momentos difíceis
que ocorreram no decorrer deste trabalho.
Aos amigos que fiz no decorrer do curso, em especial ao Diogo Nunes pela ajuda na
minha adaptação no Mestrado.
Ao meu orientador, prof. Dr. Frederico Tejo Di Pace, pela confiança depositada e
pelos conhecimentos transmitidos durante a realização deste trabalho.
Ao prof. Dr. Heliofábio Barros Gomes pelo apoio e amizade.
Aos professores do Instituto de Ciências Atmosféricas pelos conhecimentos, em
especial ao prof. Dr. Manoel Toledo (in memorian) por acreditar na multidisciplinariedade.
Aos parceiros de Sensoriamento Remoto, Vinícius Sperling, Fabio Juvino,
Wanderson, Denyson Azevedo e Nyron.
À Fundação de Amparo a Pesquisa de Alagoas (FAPEAL) e a Fundação Coordenação
de Aperfeiçoamento de Pessoal de Nível Superfior (CAPES), pela bolsa de estudos, sem a
qual não teria sido possível realizar o Mestrado.
RESUMO
O sensoriamento remoto é um meio bastante eficaz para obtenção de informações da
superfície terrestre devido a sua grande área de cobertura e baixo custo. O presente trabalho
visa mapear e estimar as componentes do Balanço de Radiação (albedo, Índice de Vegetação
da Diferença Normalizada e Temperatura de Superfície) e do Balanço de Energia (Saldo de
Radiação, Fluxo de Calor no Solo, Fluxo de Calor Sensível e Fluxo de Calor Latente) por
meio de imagens do sensor Thematic Mapper a bordo do satélite Landsat 5, combinadas com
um modelo de elevação digital com informações altimétricas. A obtenção dos componentes
dos balanços de radiação e energia foi realizada por meio do algoritmo
SEBAL/METRIC,complementadas com informações obtidas em duas plataformas de coleta
de dados (Xingó-AL e Poço Redondo-SE). A região abordada tem uma área de
aproximadamente 1342 Km² e contempla os municípios de Monteirópolis, Palestina, Pão de
Açúcar, Piranhas e São José da Tapera no estado de Alagoas, e os municípios de Canindé de
São Francisco, Poço Redondo e Porto da Folha no estado de Sergipe. As imagens coletadas
correspondem à passagem do Landsat 5 sobre a referida área às 9 h 30 min. (tempo local) dos
dias 17 de outubro de 1999, 06 de outubro de 2001 e 07 de dezembro de 2006 na órbita 214 e
ponto 67. A primeira variável obtida, o albedo, sofreu um aumento de aproximadamente 3%
na superfície terrestre ao longo dos sete anos analisados, ocasionado devido a perda na
cobertura de vegetação, analisado por meio do IVDN. Essa perda acarretou um aumento na
Temperatura de Superfície em cerca de 4ºC. Devido a grande extensão e profundidade do
Baixo São Francisco, o qual tem capacidade de reter bastante energia, os valores do Saldo de
Radiação foram superiores a 675W.m-2, e as áreas com solo exposto ficassem abaixo dos 475
W.m-2. O Fluxo de Calor no Solo sofreu um aumento gradativo, variando cerca de 10 W.m-2
nos cinco anos, com predominância de 96 W.m-2 em 07/12/2006. O Fluxo de Calor Sensível,
por ser um parâmetro bastante sensível a precipitação pluviométrica, teve um aumento de 100
W.m-2 nos dois primeiros anos e um decaimento de 50 W.m-2 nos cinco anos posteriores. Em
regiões sem cobertura de vegetação os valores do fluxo de calor sensível excederam os 630
W.m-2. O Fluxo de Calor Latente apresentou valores opostos ao fluxo de calor sensível, e nas
regiões sem cobertura de vegetação foram obtidos valores abaixo de 70 W.m-2 e no leito do
rio São Francisco os valores são acima de 630 W.m-2. Os valores obtidos sofreram
interferência do registro de chuva, para os dias anteriores a 17/10/1999 e 06/12/2006.
Palavras Chave: Landsat 5. Balanço de radiação. Balanço de energia.
ABSTRACT
Remote sensing is a very effective way for obtaining earth surface information due to its wide
area coverage and low cost. This paper aims to map and estimate the components of the
Radiation Balance (Albedo, Normalized Difference Vegetation Index, Surface Temperature)
and Energy Balance (Net Radiation, Soil Heat Flux, Sensible Heat Flux and Latent Heat Flux)
through the sensor Thematic Mapper coupled to the Landsat-5, collected through the Instituto
Nacional de Pesquisas Espaciais, combined with a digital elevation model with altitude
information. The components were obtained from the Radiation and Energy Balance
performed by the SEBAL/METRIC algorithm, with information obtained from two data
collection platforms (Xingó-AL and Poço Redondo-SE). The covered region has an area of
approximately 1342 square kilometers and includes the municipalities of Monteirópolis,
Palestina, Pão de Açúcar, Piranhas and São José da Tapera, Alagoas, and the cities of Canindé
do São Francisco, Poço Redondo and Porto da Folha in the state of Sergipe. The images
collected corresponded to the passage of TM/Landsat-5 on said area at 9 h 30 min (Solar
time) of October 17, 1999 (day 290 in the Julian calendar), October 06, 2001 (day 279 in
Julian calendar) and December 7, 2006 (day 341 in the Julian calendar) in orbit 214 and point
67. The first parameter obtained, the albedo, has increased by approximately 3% in the
surface over the seven years analyzed, caused due to loss in vegetation cover, analyzed by the
NDVI, this loss led to an increase in surface temperature by about 4°C. Due to the large
extent and depth of the Lower São Francisco which has ability to retain a lot of energy, the
values of the radiation balance were more than to 675 W.m-2, and the areas with exposed soil
were below the 475 W.m-2. The ground heat flux was increased gradually, ranging from about
10 W.m-2 in five years, with predominance of 96 W.m-2 on 07/12/2006. Sensible Heat Flux, a
parameter to be very sensitive to rainfall, had an increase of 100 W.m-2 in the first two years
and a decay of 50 W.m-2 in five years later. In regions without vegetation cover flow values
sensible heat exceeded 630 W.m-2. The latent heat flux has values opposed to sensible heat
flux in regions without vegetation cover, where the values obtained were under 70 W.m-2 and
the São Francisco river values are above 630 W.m-2. The values suffered interference in the
recorded rainfall values for the days prior to 17/10/1999 and 06/12/2006.
Key Words: Landsat 5. Radiation balance. Energy balance.
LISTA DE ILUSTRAÇÕES
Figura 1 - Ilustração das componentes do balanço de radiação à superfície ............................ 27
Figura 2 - Esquema do Balanço de Energia ............................................................................. 33
Figura 3 - Esquema do Balanço de Energia na Superfície para determinação dos pixels frio e
quente. ...................................................................................................................... 34
Figura 4 - Localização da região selecionada para o estudo entre os estados de Alagoas e
Sergipe e seus municípios. ....................................................................................... 39
Figura 5 - Recorte da região de estudo em alta resolução. ....................................................... 40
Figura 6 - Modelo de estação meteorológica automática, com seus sensores, central de coleta
de dados e captação de energia solar. ...................................................................... 41
Figura 7 - Representação de uma Estação Agrometeorológica automática. ............................ 42
Figura 8 - Recorte da área de estudo na composição RGB 543 para o dia 17/10/1999. .......... 44
Figura 9 - Recorte da área de estudo na composição RGB 543 para o dia 06/10/2001. .......... 44
Figura 10 - Recorte da área de estudo na composição RGB 543 para o dia 07/12/2006. ........ 45
Figura 11 - Variação dos níveis de altitude do Modelo de Elevação Digital. .......................... 46
Figura 12 - O Cânion do rio São Francisco localizado na cidade de Canindé de São FranciscoSE........................................................................................................................... 46
Figura 13 - Representação da variação angular do mapa de inclinação da superfície. ............ 47
Figura 14 - Mapa da inclinação da superfície (graus) gerado a partir do Modelo de Elevação
Digital. ................................................................................................................... 47
Figura 15 - Representação da definição da variação angular do mapa do ângulo azimutal da
normal de cada pixel. ............................................................................................. 48
Figura 16 - Mapa do ângulo azimutal da normal de cada pixel (grau) gerado a partir do
Modelo de Elevação Digital. ................................................................................. 48
Figura 17 - Diagrama das etapas utilizadas para o processamento do Balanço de Radiação a
superfície................................................................................................................ 49
Figura 18 - Diagrama das etapas para a obtenção do fluxo de calor sensível (H).................... 63
Figura 19 - Histograma comparativo das frequências de albedo da superfície para as três
imagens utilizadas .................................................................................................. 65
Figura 20 - Albedo da superfície (%) para o dia 17/10/1999. .................................................. 67
Figura 21 - Albedo da superfície (%) para o dia 06/10/2001. .................................................. 67
Figura 22 - Albedo da superfície (%) para o dia 07/12/2006. .................................................. 68
Figura 23 - Imagem da diferença do albedo de superfície estimado entre 06/10/2001 e
17/10/1999. ............................................................................................................ 69
Figura 24 - Imagem da diferença do albedo de superfície estimado entre 07/12/2006 e
06/10/2001. ............................................................................................................ 69
Figura 25 - Histograma comparativo das frequências do IVDN para as três imagens utilizadas.
............................................................................................................................... 70
Figura 26 - Mapa do IVDN para 17/10/1999. .......................................................................... 72
Figura 27 - Mapa do IVDN para 06/10/2001. .......................................................................... 72
Figura 28 - Mapa do IVDN para 07/12/2006. .......................................................................... 73
Figura 29 - Imagem da diferença do Índice de Vegetação da Diferença Normalizada estimada
entre 06/10/2001 e 17/10/1999. ............................................................................. 74
Figura 30 - Imagem da diferença do Índice de Vegetação da Diferença Normalizada estimada
entre 07/12/2006 e 06/10/2001. ............................................................................. 74
Figura 31 - Histograma comparativo das frequências de Temperatura da Superfície Terrestre
para as três imagens utilizadas. .............................................................................. 75
Figura 32 - Temperatura da Superfície Terrestre (ºC) para o dia 17/10/1999. ......................... 77
Figura 33 - Temperatura da Superfície Terrestre (ºC) para o dia 06/10/2001. ......................... 77
Figura 34 - Temperatura da Superfície Terrestre (ºC) para o dia 07/12/2006. ......................... 78
Figura 35 - Imagem da diferença de Temperatura de Superfície estimada entre 06/10/2001 e
17/10/1999. ............................................................................................................ 79
Figura 36 - Imagem da diferença de Temperatura de Superfície estimada entre 07/12/2006 e
06/10/2001. ............................................................................................................ 79
Figura 37 - Histograma comparativo das frequências do Balanço de Radiação a superfície
terrestre para as três imagens utilizadas................................................................. 81
Figura 38 - Balanço de Radiação à Superfície (W.m-2) para o dia 17/10/1999. ....................... 82
Figura 39 - Balanço de Radiação à Superfície (W.m-2) para o dia 06/10/2001. ....................... 83
Figura 40 - Balanço de Radiação à Superfície (W.m-2) para o dia 07/12/2006. ....................... 83
Figura 41 - Imagem da diferença do Balanço de Radiação à superfície estimada entre
06/10/2001 e 17/10/1999. ...................................................................................... 84
Figura 42 - Imagem da diferença do Balanço de Radiação à superfície estimada entre
07/12/2006 e 06/10/2001. ...................................................................................... 85
Figura 43 - Histograma comparativo das frequências do Fluxo de Calor no Solo para as três
imagens utilizadas. ................................................................................................. 86
Figura 44 - Fluxo de Calor no Solo (W.m-2) para o dia 17/10/1999. ....................................... 87
Figura 45 - Fluxo de Calor no Solo (W.m-2) para o dia 06/10/2001. ....................................... 88
Figura 46 - Fluxo de Calor no Solo (W.m-2) para o dia 07/12/2006. ....................................... 88
Figura 47 - Imagem da diferença do Fluxo de Calor no Solo estimado entre 06/10/2001 e
17/10/1999. ............................................................................................................ 89
Figura 48 - Imagem da diferença do Fluxo de Calor no Solo estimado entre 07/12/2006 e
06/10/2001. ............................................................................................................ 90
Figura 49 - Histograma comparativo das frequências do Fluxo de Calor Sensível (W.m-2) para
as três imagens utilizadas....................................................................................... 91
Figura 50 - Mapa do Fluxo de Calor Sensível (W.m-2) para o dia 17/10/1999. ....................... 92
Figura 51 - Mapa do Fluxo de Calor Sensível (W.m-2) para o dia 06/10/2001. ....................... 93
Figura 52 - Mapa do Fluxo de Calor Sensível (W.m-2) para o dia 07/12/2006. ....................... 93
Figura 53 - Imagem da diferença do Fluxo de Calor Sensível estimada entre 06/10/2001 e
17/10/1999. ............................................................................................................ 94
Figura 54 - Imagem da diferença do Fluxo de Calor Sensível estimada entre 07/12/2006 e
06/10/2001. ............................................................................................................ 95
Figura 55 - Histograma comparativo das frequências do Fluxo de Calor Latente para as três
imagens utilizadas. ................................................................................................. 96
Figura 56 - Mapa do Fluxo de Calor Latente (W.m-2) para o dia 17/10/1999. ........................ 97
Figura 57 - Mapa do Fluxo de Calor Latente (W.m-2) para o dia 06/10/2001. ........................ 97
Figura 58 - Mapa do Fluxo de Calor Latente (W.m-2) para o dia 07/12/2006. ........................ 98
Figura 59 - Imagem da diferença do Fluxo de Calor Latente estimado entre 06/10/2001 e
17/10/1999. ............................................................................................................ 99
Figura 60 - Imagem da diferença do Fluxo de Calor Latente estimado entre 07/12/2006 e
06/10/2001. ............................................................................................................ 99
Figura 61 - Áreas selecionadas para os mini-recortes na composição RGB 432. ................. 100
LISTA DE TABELAS
Tabela 1 - Valores de albedo em diferentes superfícies. .......................................................... 22
Tabela 2 - Parâmetros astronômicos e informações das plataformas de coletas de dados
correspondentes aos dias e horários da passagem do satélite .................................. 39
Tabela 3 - Características das bandas espectrais do sensor TM a bordo do Landsat 5. ........... 43
Tabela 4 - Constantes de Calibração Radiométrica, máxima e mínima correspondentes às
bandas do sensor Thematic Mapper do Landsat 5. .................................................. 50
Tabela 5 - Valores da Irradiância espectral no topo da atmosfera para cada banda do sensor
TM-Landsat 5. – Kλ,b (W.m-2 μm-1) ..................................................................... 52
Tabela 6 - Coeficientes utilizados para a determinação das transmitâncias referentes ao TMLandsat 5. ................................................................................................................. 53
Tabela 7 - Valores médios dos parâmetros analisados para os três dias estudados................ 101
LISTA DE ABREVIAÇÕES E SIGLAS
ASTER
Advanced Spaceborn Thermal Emission and Reflection Radiometer
AVHRR
Advanced Very High Resolution Radiometer
CBERS
Chinese Brazilian Earth Resources Satellite
DGI
Divisão de Geração de Imagens
EMBRAPA Empresa Brasileira de Pesquisa Agropecuária
EROS
Earth Resources Observation Satellite
FAO
Food and Agriculture Organization
IAF
Índice de Área Foliar
ICAT
Instituto de Ciências Atmosféricas
INPE
Instituto Nacional de Pesquisas Espaciais
IVAS
Índice de Vegetação de Ajuste do Solo
IVDN
Índice de Vegetação da Diferença Normalizada
LANDSAT
Land Satellite
MDT
Modelo Digital do Terreno
MED
Modelo de Elevação Digital
METRIC
Mapping Evapotranspiration at High Resolution using Internalized Calibration
MSS
Multiespectral Scanner Subsystem
NASA
National Aeronautics and Space Administration
NOAA
National Oceanic Atmospheric Administration
PCD
Plataforma de Coleta de Dados
PDM
Pattern Decomposition Method
SEBAL
Surface Energy Balance Algorithm for Land
SEBS
Surface Energy Balance System
SRTM
Shuttle Radar Topography Mission
S-SEBI
Simplified System Energy Balance Index
TM
Thematic Mapper
TST
Temperatura de Superfície Terrestre
UA
Unidade Astronômica
UFAL
Universidade Federal de Alagoas
LISTA DE SIMBÓLOS
cp
Calor específico do ar à pressão constante
dr
Inverso do quadrado da distância relativa terra-sol em unidades
J.kg-1K-1
astronômicas
UA
dT
Variação de temperatura
ºC
ea
Pressão parcial do vapor d’água atmosférico
kPa
ET
Evapotranspiração
-
g
Aceleração gravitacional
m.s-1
G
Fluxo de calor no solo
W.m-2
h
Altura média da vegetação ao redor da estação
m
H
Fluxo de calor sensível
W.m-2
k
Constante de Von Karman
-
Kt
Coeficiente de turbidez
-
Kλ
Irradiância espectral no topo da atmosfera
W.m-2 μm-1
L
Comprimento de Monin-Obukhov
m
L
Fator de ajuste do solo
-
LE
Fluxo de calor latente
W.m-2
Lmáx,b
Constante de calibração radiométrica máxima
W.m-2 ster-1 μm-1
Lmín,b
Constante de calibração radiométrica mínima
W.m-2 ster-1 μm-1
Lλ,b
Radiância espectral monocromática
W.m-2 ster-1 μm-1
ND
Número digital
-
P
Pressão atmosférica
hPa
rah
Resistência aerodinâmica ao transporte de calor
s.m-1
RL↑
Radiação de onda longa emitida
W.m-2
RL↓
Radiação de onda longa incidente
W.m-2
Rn
Balanço de radiação à superfície
W.m-2
RS↓
Radiação de onda curta incidente
W.m-2
s
Declividade
graus
Ssc
Constante solar
W.m-2
Ta
Temperatura do ar
ºC
Ts
Temperatura de superfície terrestre
ºC
u*
Velocidade de fricção
m.s-1
W
Água precipitável na atmosfera
mm
z
Altitude local
m
Z
Ângulo zenital solar
graus
Zhor
Ângulo zenital para pixels com pequena ou nenhuma inclinação
graus
zom
Rugosidade da superfície
m
α
Albedo da superfície
%
αtoa
Albedo no topo da atmosfera
%
γ
Ângulo azimutal da normal de cada pixel
graus
δ
Declinação solar
graus
εa
Emissividade atmosférica
-
εNB
Emissividade no domínio espectral da banda termal
-
ε0
Emissividade de banda larga
-
η
Ângulo de visada do sensor referente a superfície horizontal
graus
ρ
Densidade do ar úmido
Kg.m-3
ρatm,b
Reflectância da atmosfera
-
ρIV
Reflectância da banda 4
-
ρV
Reflectância da banda 3
-
ρλ,b
Reflectância monocromática
-
σ
Constante de Stefan-Boltzmann
W.m-2 K-4
τentr,b
Transmitância atmosférica correspondente à radiação solar
incidente
τs,b
-
Transmitância atmosférica correspondente à radiação solar
refletida
-
τsw
Transmissividade atmosférica
-
ψh
Correção de estabilidade ao transporte de calor
-
ψm
Correção de estabilidade ao transporte de momentum
-
ϕ
Latitude do pixel
graus
ϖ
Ângulo horário
graus
SUMÁRIO
1
INTRODUÇÃO ........................................................................................................ 18
2
CONCEITUAÇÃO TEÓRICA E REVISÃO BILIOGRÁFICA ........................................ 20
2.1
Albedo ........................................................................................................................ 20
2.2
Índice de Vegetação da Diferença Normalizada .................................................... 23
2.3
Temperatura de Superfície Terrestre..................................................................... 24
2.4
Balanço de Radiação ................................................................................................ 25
2.5
Saldo de Onda Curta................................................................................................ 27
2.6
Saldo de Onda Longa ............................................................................................... 28
2.7
Fluxo de Calor no Solo ............................................................................................. 29
2.8
Fluxo de Calor Sensível ............................................................................................ 30
2.9
Fluxo de Calor Latente ............................................................................................ 31
2.10
Balanço de Energia................................................................................................... 32
2.11
SEBAL ....................................................................................................................... 34
2.12
METRIC.................................................................................................................... 37
3
MATERIAIS E MÉTODOS ................................................................................................... 38
3.1
Seleção e Caracterização da Área de Estudo ......................................................... 38
3.2
Plataforma de Coleta de Dados (PCD) ................................................................... 40
3.2.1
Estação Meteorológica ....................................................................................... 40
3.2.2
Estação Agrometeorológica................................................................................ 41
3.3
Imagens de Satélite ................................................................................................... 42
3.4
Modelo de Elevação Digital ..................................................................................... 45
3.5
Algoritmo SEBAL/METRIC ................................................................................... 49
3.5.1
Calibração Radiométrica .................................................................................... 50
3.5.2
Reflectância Monocromática .............................................................................. 50
3.5.3
Albedo Planetário ............................................................................................... 51
3.5.4
Albedo de Superfície .......................................................................................... 52
3.5.5
Índices de Vegetação .......................................................................................... 54
3.5.6
Emissividades ..................................................................................................... 55
3.5.7
Temperatura de Superfície.................................................................................. 55
3.5.8
Radiação de Onda Longa Emitida ...................................................................... 56
3.5.9
Radiação de Onda Longa Incidente .................................................................... 56
3.5.10
Radiação de Onda Curta Incidente ..................................................................... 56
3.5.11
Balanço de Radiação .......................................................................................... 57
3.5.12
Fluxo de Calor no Solo ....................................................................................... 57
3.5.13
Fluxo de Calor Sensível...................................................................................... 58
3.5.14
Fluxo de Calor Latente ....................................................................................... 63
4
RESULTADOS E DISCUSSÃO ............................................................................................ 64
4.1
Componentes do Balanço de Radiação ................................................................... 64
4.1.1
Mapas Temáticos de Albedo .............................................................................. 64
4.1.2
Mapas Temáticos de IVDN ................................................................................ 70
4.1.3
Mapas Temáticos de Temperatura da Superfície Terrestre ................................ 75
4.1.4
Mapas Temáticos do Balanço de Radiação à Superfície .................................... 80
4.2
Componentes do Balanço de Energia ..................................................................... 85
4.2.1
Mapas Temáticos do Fluxo de Calor no Solo .................................................... 85
4.2.2
Mapas Temáticos do Fluxo de Calor Sensível ................................................... 90
4.2.3
Mapas Temáticos do Fluxo de Calor Latente ..................................................... 95
4.3
Análise dos Parâmetros Estimados ....................................................................... 100
5
CONCLUSÕES ..................................................................................................................... 102
6
SUGESTÕES PARA TRABALHOS FUTUROS ............................................................... 103
REFERÊNCIAS ................................................................................................................................ 104
18
1
INTRODUÇÃO
A região do Baixo São Francisco, compreendida entre os estados de Alagoas e
Sergipe, está sofrendo um processo acelerado de degradação devido à exploração e uso não
sustentável dos recursos naturais oferecidos pela bacia. Ao longo dos anos essas ações
antrópicas tem se intensificado, mais especificamente em atividades de mineração, carvoarias
e siderurgia, além da produção de energia e da agricultura irrigada, que fazem os principais
usos econômicos do rio (CEAS, 2007). Atualmente, a grande expansão da agricultura
irrigada, junto a crescente integração entre as atividades agrícolas e agroindustriais na região
do Baixo São Francisco, apresentam uma intensa atividade, podendo acarretar mudanças
climáticas locais.
O custo relacionado aos experimentos de campo, combinado com a vasta extensão do
território brasileiro, caracteriza a necessidade de um grande número de estações
meteorológicas, deixando assim uma pendência de informações sobre a superfície terrestre.
No Brasil, o número de estações meteorológicas para uma boa cobertura do território nacional
ainda é limitado. Dessa forma, o sensoriamento remoto por meio de satélites constitui uma
ferramenta poderosa para monitoramento do sistema superfície-atmosfera como meio
economicamente mais viável comparado aos métodos convencionais, e mais objetivo nas
escalas de espaço e tempo, devido à rapidez, precisão e acuidade, periodicidade e visão
sinótica que as caracterizam (DI PACE, 2004). O uso do sensoriamento remoto baseado na
análise das imagens de satélite atualmente é um meio que reduz os custos e acelera o processo
de obtenção dos mapeamentos e percepção de mudanças geológicas e ambientas (GRIGIO,
2003).
A vegetação terrestre sofre grande influência do tempo e do clima, assim como o
clima local também é afetado devido a alterações na vegetação, ou seja, mudanças no uso do
solo. Processos radiativos na superfície são fundamentais para a redistribuição de umidade e
de calor no solo e na atmosfera, afetando o comportamento da biosfera, tempo e clima na
Terra (BASTIAANSSEN et al. 1998a; ROERINK et al. 2000). As trocas de energia que
ocorrem entre a vegetação-atmosfera, através das componentes do balanço de radiação e
energia, são fundamentais para determinação da evapotranspiração, com a finalidade de
aplicações para a melhor utilização dos recursos hídricos.
19
Um dos elementos mais importantes do balanço de energia é o balanço de radiação,
pois essa componente é fundamental para estudos micrometeorológicos envolvendo fluxos
verticais de calor latente e calor sensível entre a atmosfera e as superfície, seja ela vegetada ou
não, assim como a taxa de armazenamento ou fluxo de calor no solo, e fluxos advectivos ou
horizontais de calor sensível e latente (DI PACE, 2004). Parâmetros como albedo, índice de
vegetação da diferença normalizada e temperatura da superfície são importantes para
conhecimento e monitoramento dos recursos naturais.
Diversas transformações na superfície, tais como, desmatamento, desertificação,
urbanização, afetam o microclima de diversos modos. Devido a essas condições, é necessário
conhecer e distinguir os processos básicos das superfícies antes e após as alterações,
principalmente os relacionados à quantificação da radiação, que a principal fonte de
aquecimento da superfície (IDEIÃO, 2009).
A crescente utilização do sensoriamento remoto via satélite para estimar os fluxos de
energia entre a superfície terrestre e a atmosfera, vem proporcionando o desenvolvimento de
diversos algoritmos para estimativa desses fluxos. Um dos algoritmos com maior destaque
para estudos dos fluxos de calor e massa na superfície é o SEBAL (Surface Energy Balance
for Land), desenvolvido por Bastiaanssen em 1995, e exige apenas poucos dados de
superfície. Seu aprimoramento, levando em contas os efeitos topográficos, é chamado
METRIC (Mapping Evapotranspiration at high Resolution and with Internalized Calibration).
Esse algoritmo utiliza o método residual da equação do balanço de energia para estimar a
evapotranspiração, tornando-o ideal para essa estimativa em regiões montanhosas.
Sendo assim, por meio dessas considerações, o presente estudo tem como objetivo,
estimar as componentes do Balanço de Energia (Balanço de Radiação, Fluxo de Calor no
Solo, Fluxo de Calor Sensível e o Fluxo de Calor Latente) por meio do sensor Thematic
Mapper a bordo do satélite Landsat 5, na região do Baixo São Francisco, para detectar as
alterações ocorridas na região devido a ações antropogênicas no decorrer de sete anos, em
intervalos de dois e cinco anos, por meio de dados multiespectrais de sensoriamento remoto
com a aplicação do algoritmo SEBAL/METRIC.
20
2
CONCEITUAÇÃO TEÓRICA E REVISÃO BILIOGRÁFICA
2.1
Albedo
O albedo é uma medida adimensional obtida por meio da razão entre a radiação solar
global e a radiação solar global incidente, que é dependente do ângulo zenital solar e das
características da superfície. Considerado como uma medida indireta de energia solar
absorvida pela superfície (CORREIA, 2002), esse parâmetro influencia diretamente no clima
local e global, alterando o balanço energético da superfície, e de forma indireta controla os
processos no ecossistema e participa de trocas gasosas no efeito estufa (WANG, 2004). O
albedo da superfície terrestre pode variar de 5% a 55% de acordo com o grau de verde,
minerais e das propriedades físicas e químicas do solo. Ao estimar seus valores por sensores
de satélite, ocorrem variações devido a atenuações atmosféricas e as propriedades da
superfície que está sendo analisada (LIU, 2006). O albedo mesmo sendo considerado
constante em alguns estudos, varia ao longo do ano para uma determinada superfície. A
variação em superfícies vegetadas depende do ângulo de elevação do Sol, com seus valores
máximos obtidos no início da manhã e no final da tarde e valor mínimo ao meio-dia (ARYA,
1998).
O albedo é um dos componentes mais importantes na estimativa do Balanço de
Radiação e Balanço de Energia por meio de satélites. Sua importância em estudos sobre
sensoriamento remoto é relatada por diversos autores: Liang (2000), Correia et al. (2002),
Silva et al. (2002), Wang (2005), Cardozo et al. (2009), Dantas et al. (2010), Shuai et al.
(2011), dentre outros. É um parâmetro de grande influência em outras variáveis, como o
índice de vegetação da diferença normalizada, temperatura de superfície terrestre e fluxo de
calor no solo, sensível e latente. Diversos fatores naturais e antropogênicos podem alterar o
albedo de superfície terrestre. Áreas sem vegetação contêm os maiores valores de albedo,
áreas com superfície rugosa, úmidas ou com vegetação possuem os mais baixos valores de
albedo, no caso das superfícies vegetadas, índice da área foliar, altura da vegetação e ângulo
das folhas, contribuem para a redução desse parâmetro. Condições de céu claro, ângulo
zenital e ângulo de superfície também são fatores que influenciam diretamente (CORREIA et
al., 2002). A
Tabela 1 apresenta uma lista com diversos valores médios de albedo
para algumas condições de superfícies, solo (seco, úmido, exposto ou com vegetação rala,
textura arenosa e argilosa) e áreas vegetadas. Se o albedo de determinada superfície aumenta,
21
a energia solar voltada ao aquecimento e a evaporação diminuem, caso contrário ao de uma
superfície úmida da qual maior parte da energia é absorvida e utilizada para secar a superfície,
diminuindo o fluxo de calor sensível para a atmosfera e com menor temperatura do que em
condições de superfície seca (DICKINSON, 1992; BETTS e BALL, 1995). O albedo de um
solo seco é significantemente maior que de um solo úmido, enquanto uma superfície lisa tem
albedo maior que uma superfície rugosa (HARTMANN, 1994).
Muramatsu et al. (2000) utilizaram dados dos sensores Thematic Mapper (TM) e
Multiespectral Scanner Subsystem (MSS) do Landsat na estimativa do albedo de diferentes
superfícies. O método padrão de decomposição (Pattern Decomposition Method – PDM),
baseado na análise espectral de mistura, é uma poderosa ferramenta para extração de
assinaturas espectrais para obtenção de informações sobre a terra. Esse método é bastante útil
para classificação e monitoramento de mudanças na cobertura da terra.
Imagens de satélite possibilitam a determinação do albedo, exigindo apenas poucos
dados de superfície, utilizando o algoritmo SEBAL (BASTIAANSSEN et al. 1998b;
BASTIAANSSEN, 2000; GRANGER, 2000; AHMAD e BASTIAANSSEN, 2003; PAIVA,
2005; TASUMI et al. 2005; MENDONÇA, 2007, FOLHES, 2007; BEZERRA et al. 2008;
GOMES, 2009).
Silva et al. (2002) estimaram o albedo de superfície corrigido e o albedo obtido
através da análise multiespectral de imagens do sensor TM a bordo do Landsat 5, segundo o
método proposto por Bastiaanssen (1995). Obtendo valores de albedo, para os alvos
selecionados, semelhantes aos valores do albedo calculados com dados de superfície.
Entretanto, os valores de albedo, mesmo de acordo com dados de outras pesquisas, sua
determinação depende da obtenção de valores de superfície em pontos georreferenciados e
possível identificação na imagem.
Cardozo et al. (2009) realizaram estimativas do albedo para a área inundada da bacia
hidrográfica do Rio Taquari (MS) nas estações seca e chuvosa, utilizando dados do sensor TM
a bordo do satélite Landsat 5. Os menores valores de albedo na estação seca foram em áreas
que permaneceram alagadas, com variações interanuais entre 5% e 10% e na estação chuvosa
as variações chegaram a ser superiores a 10% devido a submersão de grandes áreas de savana.
22
Silva et al. (2005) determinaram o albedo de superfície terrestre em áreas irrigadas do
Projeto Senador Nilo Coelho, parte do reservatório de Sobradinho, áreas de vegetação nativa e
parte da área urbana dos municípios de Petrolina-PE e Juazeiro-BA. Analisaram por meio de
duas imagens (04/12/2000 e 04/10/2001) e constataram não haver mudanças significativas no
intervalo de um ano na imagem como um todo. Entretanto, as maiores mudanças analisadas
nas áreas irrigadas foram devido a praticas agrícolas correntes.
Tabela 1 - Valores de albedo em diferentes superfícies.
Natureza da Superfície
Valor do Albedo
Fonte
Floresta Amazônica
0,134
Culf et al., 1994
Pastagem Amazônia
0,180
Culf et al., 1994
Neve
0,540
Knap et al., 1999
Gelo
0,19
Knap et al., 1999
Neve Fresca
0,95
Oke, 1987
Neve Velha
0,40
Oke, 1987
Gelo do Mar
0,30 – 0,45
Oke, 1987
Gelo Glacial
0,20 – 0,40
Oke, 1987
Água (Ângulo Zenital Pequeno)
0,03 – 0,10
Oke, 1987
Água (Ângulo Zenital Maior)
0,10 – 1,00
Oke, 1987
Floresta Decídua sem Folhas
0,15 – 0,20
Oke, 1987
Floresta Decídua com Folhas
0,05 – 0,15
Oke, 1987
Floresta Conífera
0,05 – 0,15
Oke, 1987
Pomares
0,15 – 0,20
Oke, 1987
Tundras
0,18 – 0,25
Oke, 1987
Culturas Agrícolas Verdes Saudáveis
0,06 – 0,15
Oke, 1987
Pastagens com Folhas Longas (1m)
0,16
Oke, 1987
Pastagens com Folhas Curtas (0,02m)
0,26
Oke, 1987
Desertos
0,20 – 0,45
Oke, 1987
Solos Nus Úmidos e Escuros
0,05
Oke, 1987
Solos Nus Secos e Claros
0,40
Oke, 1987
Asfaltos
0,05 – 0,20
Oke, 1987
Concretos
0,10 – 0,35
Oke, 1987
Tijolos
0,20 – 0,40
Oke, 1987
Pedras
0,20 – 0,35
Oke, 1987
Telhados com Tinta e Cascalhos
0,08 – 0,18
Oke, 1987
Calhas
0,10 – 0,35
Oke, 1987
Ferros Enferrujados
0,10 – 0,16
Oke, 1987
Vidro Limpo com Ângulo Zenital < 40º
0,08
Oke, 1987
Vidro Limpo com Ângulo Zenital 40º - 80º
0,09 – 0,52
Oke, 1987
Pinturas Brancas de Gelo ou Neve
0,50 – 0,90
Oke, 1987
Pinturas em Vermelho, Marrom ou Verde.
0,20 – 0,35
Oke, 1987
Pinturas Pretas
0,02 – 0,15
Oke, 1987
Áreas Urbanas
0,10 – 0,27
Oke, 1987
Fonte: Autor, 2012. Adaptado de Liu, 2006.
23
2.2
Índice de Vegetação da Diferença Normalizada
O Índice de Vegetação da Diferença Normalizada (IVDN) é um índice adimensional
que indica a densidade, a saúde e o estado da vegetação (ROCHA et al., 2011), podendo ser
obtido por meio das faixas do espectro na região do vermelho e na região do infravermelho
próximo. Esse índice foi proposto por Rouse et al. (1974) para monitorar sistemas de
vegetação como indicadores fenológicos e avaliar o valor dessa nova fonte de informação em
relação a gestão de pastagens. Para a análise do IVDN os ciclos fenológicos anuais são
levados em consideração com a finalidade de distinguir as oscilações naturais do estado da
vegetação, mudanças na distribuição espacial devido ao desmatamento ou outras
interferências sobre a vegetação. Seus valores variam entre -1 e 1. Os valores negativos
correspondem a áreas cobertas com água, e em áreas continentais o seu valor se situa entre 0 e
1, e quanto maior o vigor e presença de vegetação na superfície, maior o valor do IVDN.
O IVDN é uma ferramenta fundamental para análise do albedo devido à relação de
suas propriedades. Regiões com baixos valores de albedo possuem IVDN alto, ou seja, terá
grande cobertura de vegetação, e regiões com altos valores de albedo indicam que o IVDN é
baixo, ou seja, terá baixa ou nenhuma cobertura de vegetação (CABRAL e DI PACE, 2008).
Índices de vegetação são provenientes de combinações lineares de dados espectrais. O IVDN é
determinado através dos canais 3 (correspondente a faixa do espectro visível, referente a cor
vermelho) e 4 (correspondente a faixa do espectro infravermelho próximo) do sensor TMLandsat 5. Com o advento do sensoriamento remoto, diversos estudos vêm sendo
desenvolvidos ao longo dos anos por vários autores (ALLEN et al., 1998; COSTA et al.,
2002; BRANDÃO et al., 2007; SÁ et al., 2008; SILVA et al., 2005; CABRAL e DI PACE,
2008; ROCHA et al., 2011;), com a finalidade de estimar variáveis biofísicas por meio de
imagens de satélite, utilizando o índice de vegetação da diferença normalizada.
Seto et al. (2004) por meio de dados de IVDN gerados pelo sensor TM-Landsat 5,
monitoraram a variação espacial da riqueza das espécies de borboletas e pássaros. Ramos et
al. (2010) utilizaram o IVDN para avaliar áreas degradas e locais que possuem potencial para
se tornar áreas de conservação, através de imagens do satélite, Landsat 5, cobrindo municípios
de Sento Sé, Sobradinho, Juazeiro, partes de Campo Formoso e Umburanas no estado da
Bahia, onde está situada a área do Parque Nacional do Boqueirão da Onça. Observaram neste
estudo que praticas de exploração contribuem para o desaparecimento de espécies da biota
24
dependentes do micro-habitats, e o aumento na erosão do solo combinado com a escassez de
recursos naturais modificam gradativamente a condição da Caatinga e áreas conservadas.
Brandão et al. (2007) estimaram o IVDN e o IAF por meio do algoritmo SEBAL,
utilizando uma imagem de satélite da região de Primavera do Leste-MT em abril de 2004,
com a finalidade de realizar análises da região onde tem predomínio do plantio de algodão.
Foi analisado que os parâmetros utilizados foram adequados ao propósito de monitoração de
colheita e cálculo da produtividade.
Oliveira (2006) estimou o IVDN e a temperatura de superfície terrestre na mesorregião
leste do estado de Alagoas, utilizando dados multiespectrais do TM-Landsat 5, obtendo
valores médios de 0,66. Por meio desta análise verificou que a região estudada tem uma
cobertura vegetal em quase toda extensão.
Volcani et al. (2005) detectaram e avaliaram mudanças sazonais e interanuais nas
árvores da floresta Yatir, um pinhal situado na periferia do deserto de Israel, em relação aos
efeitos da seca, que é um fenômeno comum neste país. Através de imagens dos sensores TM e
ETM+ a bordo dos satélites Landsat 5 e 7 respectivamente, foi determinado o índice de
vegetação da diferença normalizada para detectar condições de estresse em quatro anos de
seca não consecutivos (1994/1995 e 2001/2002). Os resultados indicaram semelhança entre a
atividade fotossintética e a dinâmica do IVDN ao longo da estação de crescimento, com um
declínio considerável do IVDN entre 1995 e 2001, acarretado devido aos eventos de seca ao
longo destes anos.
2.3
Temperatura de Superfície Terrestre
A determinação da Temperatura da Superfície Terrestre (TST) por meio de
Sensoriamento Remoto é uma tarefa complexa e é preciso levar em conta problemas
resultantes dos efeitos de absorção atmosférica e emissividade da superfície para cada pixel da
imagem. Com a finalidade de correção desses fatores foram propostos diversos algoritmos
para determinação de valores de temperatura de superfície mais confiáveis. Para estimar a
TST por meio dos sensores termais dos satélites, Markham e Barker (1987) apresentaram
dados de calibração de sensores necessários para que a imagem coletada em forma de Número
Digital (ND) seja convertida em radiância espectral. Entretanto, ao converter o ND em
25
radiância não necessariamente será obtida a temperatura de superfície verdadeira, mas uma
mistura de diferentes frações de energia (YANG e WANG, 2011).
A TST é está relacionada à estimativa da radiação de onda longa emitida, diretamente
ligada à estimativa do Balanço de Radiação e Energia. Determinada por meio do canal termal
do sensor TM-Landsat 5 devido a sua boa resolução espacial, que é de 120 m. Várias
pesquisas realizadas neste canal usam somente a temperatura de brilho, que é a temperatura
medida pela lei de Wien. Utilizando técnicas de sensoriamento remoto em imagens do sensor
TM-Landsat 5, Oliveira et al. (2010) determinaram variações na temperatura na bacia
hidrográfica do rio Moxotó-PE e compararam com dados obtidos em estações meteorológicas,
obtendo uma concordância de 94% em seus resultados. A TST é um fator importante no
monitoramento de condições de vegetação, variabilidades bioclimáticas e aplicações de
modelos de previsão de mudanças climáticas globais e regionais. Além de ter grande
participação sobre o crescimento e o desenvolvimento da vegetação, influenciando muitos
processos químicos, físicos e biológicos, com grande relevância científica em diversas
atividades de pesquisa e gerenciamento de recursos naturais. (GUSSO, 2003)
Sobrino et al. (2004) analisaram por meio de três métodos como obter a Temperatura
de Superfície, utilizando entre eles a banda termal do sensor TM-Landsat 5 aplicada a uma
região agrícola na Espanha. Utilizando dados de radiossondagens comparados com os
resultados obtidos nos algoritmos, os valores apresentaram um desvio médio quadrado de
0,009 para a emissividade e 1 K para a Temperatura da Superfície.
Araújo e Di Pace (2010) determinaram a temperatura de superfície terrestre da cidade
de Maceió-AL, utilizando três imagens obtidas pelo satélite TM-Landsat 5 (11/06/1990,
21/09/1998 e 03/09/2003), obtendo regiões com temperatura mais elevada concentradas em
quase toda a parte do centro comercial de Maceió, associada ao maior adensamento da malha
urbana.
2.4
Balanço de Radiação
O Sol emite energia na forma de radiação eletromagnética. Essa energia, ao interagir
com o sistema Terra-Atmosfera, varia devido a processos químicos e físicos, fazendo com que
parte dessa energia seja refletida e outra porção seja retida. Um percentual dessa energia
chega à superfície em certa quantidade de Radiação Eletromagnética (REM), sem nenhuma
26
interferência atmosférica, a qual será denominada radiação direta. Parte da REM é refletida,
parte é absorvida e, a depender da natureza da superfície, parte pode ser transmitida a
camadas mais profundas, como no caso da água. Outro percentual, até incidir à superfície
terrestre, sofre vários processos de interferência tais como nuvens, poluentes e vegetação, e o
restante de energia retida é devolvida ao espaço. Chamar-se-á de radiação difusa a união
dessas duas parcelas de energia. A radiação solar global é a combinação da radiação direta
mais a radiação difusa.
A energia recebida não é distribuída uniformemente sobre a Terra. A quantidade de
radiação incidente em uma superfície depende do ângulo azimutal solar, do ângulo de
elevação do Sol e das condições atmosféricas. Essa energia é fundamental para o estudo das
parcelas que compõem o balanço de radiação à superfície devido aos processos realizados
para aquecimento e resfriamento, tanto do ar como do solo, provenientes da radiação solar.
Contabilizando as parcelas de radiação absorvida e emitida, resulta no balanço de radiação à
superfície terrestre, que comanda a repartição da energia entre o solo, a atmosfera e a
superfície terrestre para realização de processos químicos, físicos e biológicos, associados às
variações espaciais e temporais de vários parâmetros meteorológicos. De acordo com Iqbal
(1983), a radiação solar que chega à superfície da Terra tem em média 9% correspondente à
radiação ultravioleta, 47% correspondente à radiação infravermelha e 44% corresponde à
radiação visível utilizada na fotossíntese. A radiação incidente em um solo coberto vegetado
possui uma absorção de grande quantidade de radiação por parte dessas folhas, de forma a
impedir a incidência direta na superfície e consequentemente alterando consideravelmente o
balanço de energia. O saldo de radiação a superfície tem grande importância para agricultura
por ser uma variável básica na estimativa da evapotranspiração (ET) e no cálculo do Balanço
Hídrico, essenciais para utilização racional dos recursos hídricos (LEIVAS et al., 2007). Para
determinar o saldo de radiação no perímetro irrigado Senador Nilo Coelho, Silva et al. (2002)
utilizaram imagens do sensor TM-Landsat 5, aplicando o algoritmo proposto por Bastiaanssen
(1995). Concluíram com o estudo que o Saldo de Radiação em grandes áreas pode ser obtido
por meio da aplicação de leis da radiação eletromagnética combinadas com imagens de
satélite. Silva et al. (2005) afirmam que a determinação do Balanço de radiação por meio de
imagens de satélite produz valores dos componentes do balanço de radiação consistentes com
as observações realizadas à superfície. Entre as áreas analisadas estão as de solo descoberto,
superfície livre de água e áreas irrigadas na região do Submédio do Rio São Francisco.
27
A obtenção de dados de radiação solar no Brasil é limitada, com a maior parte destes
dados são referentes às médias climatológicas fornecendo o número de horas de brilho solar
ou insolação, e não a energia solar incidente.
Dessa forma, o sensoriamento remoto se torna uma peça fundamental para estimar a
radiação solar global, albedo de superfície, índices de vegetação entre outros parâmetros
(LEIVAS et al., 2007). O balanço de radiação à superfície é estimado por meio das somas
entre os saldos de radiação de onda longa e onda curta, representados na imagem abaixo. O
saldo de radiação de ondas curtas é predominante no período diurno, tornando o saldo
positivo. Durante o período noturno, o saldo de radiação de ondas longas é predominante,
tornando o saldo negativo.
Figura 1 - Ilustração das componentes do balanço de radiação à superfície
Fonte: LEIVAS, 2008.
Nesses últimos anos, o sensoriamento remoto tem elevado seu grau de importância no
monitoramento de Recursos Naturais terrestres e em diversos fenômenos meteorológicos,
auxiliando previsões do tempo e melhor gerenciando Recursos Hídricos. Ao contrário de
diversos equipamentos que fornecem apenas a leitura pontual do saldo de radiação e são
dispendiosos, o sensoriamento remoto determina o saldo de radiação de áreas amplas e
melhor calibra modelos hidrológicos ajudando no melhor gerenciamento de recursos hídricos
(OLIVEIRA et al., 2009).
2.5
Saldo de Onda Curta
A Terra e a Atmosfera são aquecidas ao absorverem radiação de onda curta,
compreendida na faixa do espectro visível, ultravioleta e infravermelho próximo, em um
28
intervalo entre 0,15 μm e 3,0 μm. A radiação solar é usualmente chamada de radiação de
ondas curtas devido à energia solar estarem concentrada em comprimentos de ondas mais
curtos, tendo seu pico aproximadamente em 0,5 μm. O saldo de radiação de onda curta é
definido como a diferença entre fluxos de radiação de onda curta incidente e refletida pela
superfície terrestre determinada por uma expressão dependente da radiação solar global e do
albedo de superfície (α).
O albedo de superfície é um fator determinante no balanço de radiação a superfície.
Devido à cobertura do solo, o albedo pode ser elevado, o que induzirá o balanço de onda curta
a ser reduzido. Entretanto pode ser baixo, o que resultaria em um balanço de onda curta
elevado. Para estimar a radiação global são utilizados instrumentos de medição denominados
piranômetros. Utilizando uma faixa sombreada sobre o aparelho evita que a radiação direta
atinja o radiômetro, podendo deste modo, ser determinada a radiação difusa. Em seguida,
obtém-se a radiação direta pela diferença entre a global e a difusa obtidas. Diversos modelos
foram criticados em relação à precisão na obtenção da radiação global em função razão de
insolação. A imprecisão destes modelos é avaliada pela falta de padronização das fitas
heliográficas e a demora em ocorrer à queima devido à absorção de umidade, resultando em
erros consideráveis em observações com heliógrafos (DI PACE, 2004).
Segundo Liu (2006), o erro estimado na obtenção do Balanço de Radiação de onda
curta pode ser maior devido a erros acumulados na estimativa do albedo e da radiação global.
Estimar a radiação de onda curta na superfície diretamente no topo da atmosfera por meio de
satélite faz com que absorções atmosféricas permaneçam constantes se comparadas com a
variação de radiação absorvida na superfície ou no topo da atmosfera.
2.6
Saldo de Onda Longa
A Terra possui uma temperatura média de 300 K, o processo de troca de energia entre
o Sol, Terra e espaço está em constante equilíbrio em função da termodinâmica. A energia
proveniente do Sol possui 98% de sua concentração no comprimento de onda compreendido
entre 0,3 μm e 3,0 μm. Essa radiação solar incidente é parcialmente absorvida pela Terra,
refletindo o restante, mantendo seu equilibro com a radiação absorvida através da emissão de
radiação de onda longa retornando ao espaço em comprimento de onda na faixa de
aproximadamente 9,7 μm. Denominada também devido ao seu intervalo compreendido na
faixa de 4 μm a 100 μm, como radiação termal (BRUTSAERT, 1982). Essa etapa é
29
considerada bastante difícil de ser medida, pois os aparelhos disponíveis não conseguem obter
com devida precisão. Entretanto é possível sua determinação de forma indireta utilizando a
equação do balanço de radiação, onde os outros termos são estimados por meio de vários
modelos.
O saldo de onda longa, assim como o saldo de onda curta, são componentes
fundamentais para determinação do Balanço de Radiação, devido à sua obtenção ser resultado
do balanço entre os fluxos radiativos de onda curta e onda longa.
O balanço de radiação de onda longa a superfície é dividido em três componentes: a
parcela de radiação atmosférica incidente (em função da temperatura do ar, da cobertura de
nuvens e da umidade), a radiação atmosférica refletida e a emitida pela superfície
(dependentes da temperatura e emissividade da superfície). Segundo Leitão (1994), métodos
que funcionam com melhor precisão para determinar o saldo de radiação de onda longa da
atmosfera em dias de céu claro são fundamentados em dados do perfil de temperatura e
umidade do ar, próximos a superfície. Entretanto, como nem sempre é possível obter estes
dados, modelos mais simples estão sendo desenvolvidos com base na lei de StefanBoltzmann.
Em regiões tropicais, Dutton et al. (2000) apresentam baixos valores de radiação de
onda longa registrados pelo satélite no topo da atmosfera terrestre, utilizados para
caracterização de regiões de convecção profunda. Campos de radiação de onda longa
emergente colaboram com a análise das regiões com convecção intensa (CEBALLOS et al.,
2002).O conhecimento da radiância espectral termal, especialmente da radiação refletida pela
atmosfera, é necessário para obtenção com uma melhor precisão da temperatura de superfície.
Labed e Stoll (1991) realizaram medidas de emissividade para dois tipos de rochas em
diversos comprimentos de onda conseguindo medir a temperatura dessas superfícies com
precisão menor que 1 K.
2.7
Fluxo de Calor no Solo
A energia recebida pela superfície é de fundamental importância para redistribuição de
umidade e calor no solo e na atmosfera. Uma parcela da energia recebida pela Terra é usada
para aquecer o solo por meio de condução, através de um gradiente de temperatura existente
entre a superfície mais quente e a superfície mais fria ocasiona condução de calor. Se o
30
subsolo tem a temperatura menor que a superfície, o calor é transferido para baixo de forma a
gerar um fluxo de calor considerado positivo, caso contrário, o calor é transferido para cima
gerando um fluxo de calor considerado negativo.
O fluxo de calor no solo é um parâmetro de grande relevância a ser analisado devido a
processos de transferência de calor, ligados a convecção e condução. Devido a essas
interferências, sua determinação precisa é algo importante em muitas aplicações de medição e
modelagens (HEITMAN et al., 2010). No algoritmo SEBAL/METRIC, a determinação do
fluxo de calor no solo é em função do índice de vegetação da diferença normalizada (IVDN),
do albedo de superfície, da temperatura de superfície e da radiação solar líquida. Dessa
relação resultam algumas condições, das quais se a radiação pode diminuir com o albedo, em
solo exposto o IVDN é baixo e a temperatura de superfície é maior, em solo com vegetação o
IVDN é maior com uma temperatura bem menor.
Trocas de energia na forma de calor e umidade interferem consideravelmente no
comportamento da biosfera e do clima na Terra (BASTIANNSSEN et al., 1998a; ROERINK
e MENENTI, 2000). Variações em algumas propriedades do solo, como a estrutura,
compactação, textura, composições minerais, umidade e materiais orgânicos, são consideradas
mais altas quanto mais próximas estiverem da superfície (LIU, 2006).
2.8
Fluxo de Calor Sensível
O fluxo de calor sensível (H) é uma quantidade de energia recebida ou cedida que
provoca variações de temperatura. Analisando esse conceito de energia aplicada ao
sensoriamento remoto, vê-se que ela é uma parcela de energia recebida pela superfície
terrestre transferida na atmosfera voltada apenas ao aquecimento superficial da região por
processos de convecção e condução. Dentre os parâmetros estimados para determinação do
balanço de energia, essa etapa é considerada a mais difícil através do algoritmo
SEBAL/METRIC, pois requer grande atenção na determinação dos pixels âncora. Em
diversos algoritmos aplicados são perceptíveis a complexidade da estimativa do fluxo de calor
sensível, pois estes algoritmos levam em consideração condições de estabilidade atmosférica
e propriedades da camada limite planetária, como é o caso do SEBAL, S-SEBI (Simplified
System Energy Balance Index) e do SEBS (Surface Energy Balance System) (SANTOS et al.
2008).
31
Bastiaanssen (2000) determinou por meio do algoritmo SEBAL e imagens TMLandsat 5, o fluxo de calor sensível na bacia irrigada Gediz na Turquia no verão de 1998.
Mostrando que no mês de junho, com maior radiação solar incidente, a região possui mais
energia disponível, obtendo elevado fluxo de calor sensível mesmo no período de irrigação.
Castellvi et al. (2006) realizaram estimativas do fluxo de calor sensível em uma cultura de
arroz irrigada por aspersão, onde comparou dados estimados em Sensoriamento Remoto com
dados estimados pelo método da razão de Bowen obtendo boas estimativas, embora os
resultados obtidos tenham sido principalmente em condições de atmosfera instável.
Santos et al. (2010) analisaram por meio do algoritmo SEBAL dados obtidos do
sensor ASTER, fluxos de energia na superfície e evapotranspiração em uma cultura de arroz
irrigado no município de Paraíso do Sul-RS. Dados estimados com medições obtidas em
campo, feitas por uma estação micrometeorológica. Obtendo valores bastante precisos do
fluxo de calor sensível e de evapotranspiração diária. Ruhoff et al. (2009) analisaram a
variabilidade dos fluxos de calor sensível e latente por meio do algoritmo SEBAL em áreas de
cerrado sensu stricto e cultivos de cana-de-açúcar, utilizando produtos diários e 16 dias do
sensor Terra/MODIS em uma área da Bacia do Rio Grande-SP. Os resultados obtidos não
apresentaram uma sazonalidade bem definida para o fluxo de calor sensível. A diminuição do
índice de vegetação acarretou em um aumento de H em agosto e setembro, com menores
valores encontrados entre março e abril associado a influencia da alternância de estações, o
que acarretou modificações consideráveis na vegetação.
2.9
Fluxo de Calor Latente
O fluxo de calor latente (LE) é uma parcela de energia cedida pela superfície terrestre
por meio de evapotranspiração, devido à transferência vertical de vapor d’água da superfície
para a atmosfera gerando evaporação e evapotranspiração. No balanço de energia por meio de
sensoriamento remoto, esse fluxo de energia tem um papel fundamental na análise da
evapotranspiração, pois é um processo do qual a água da superfície é cedida para a atmosfera
em forma de vapor. O fluxo de calor latente está relacionado com vários processos do ciclo
hidrológico. A demanda evaporativa da atmosfera por sua vez, está relacionada com a
capacidade de remover água da superfície. Quanto maior essa demanda evaporativa da
atmosfera menor será a umidade relativa, e quanto maior a umidade do ar, menor será a
demanda evaporativa, consequentemente acarreta em uma menor evapotranspiração (Pereira
et al., 2002)
32
Através de imagens de satélite é possível determinar a temperatura e a reflectância da
superfície através do espectro visível e infravermelho próximo, combinados com dados
obtidos em estações meteorológicas. Essas informações são pré-requisitos para realizar a
estimativa dos três componentes do balanço de energia à superfície, que são o saldo de
radiação, fluxo de calor no solo e o fluxo de calor sensível. A partir da realização destas
estimativas, é possível determinar o fluxo de calor latente por meio da equação residual do
balanço de energia e posteriormente estimar a evapotranspiração.
Algoritmos elaborados por Bastiaanssen et al. (1998a) e Kustas e Norman (1996),
ajudaram a realizar a estimativa dos fluxos de calor sensível e calor latente utilizando imagens
obtidas por meio dos sensores dos satélites NOAA e Landsat 5. Através do algoritmo SEBAL,
por meio do fluxo de calor latente, é possível determinar a evapotranspiração, calculando a
razão do fluxo de calor latente pelo calor latente de vaporização da água, como resíduo da
equação do balanço de energia. Em superfícies vegetadas, o fluxo de calor latente é o
processo que exige mais energia desta superfície. Diversos estudos foram realizados para
estimar a evapotranspiração por meio do fluxo de calor latente utilizando o algoritmo
SEBAL/METRIC aplicado em imagens de satélite (GRANGER, 2000; HAFEEZ, et al., 2002;
ALLEN et al., 2005; BEZERRA, 2006; TREZZA, 2006; BEZERRA et al., 2008; GOMES,
2009; LIMA et al., 2009;).
Santos (2010) estimou os fluxos de calor na superfície através do algoritmo SEBAL
em imagens do sensor ASTER em regiões de cultivo de arroz no município de Paraíso do Sul
– RS, com a finalidade de obter a evapotranspiração diária através do fluxo de calor latente.
Os resultados obtidos através do algoritmo utilizado foram considerados coerentes,
possibilitando a espacialização dos fluxos energéticos em regiões que não há disponibilidade
de informações de campo.
2.10
Balanço de Energia
O Balanço de Energia à superfície terrestre contabiliza diferentes fluxos de energia
que interagem com a superfície e analisa a quantidade de energia que é liberada para
evaporação da água e para variação da temperatura na superfície (GOMES, 2009). Os
processos de energia na superfície são fundamentais para distribuição de umidade e de calor,
tanto na atmosfera quanto no solo. Essas permutações de umidade e calor interferem no
comportamento do clima, da biosfera e do tempo (BASTIAANSSEN et al., 1998a). O grande
33
interesse de modelos hidrológicos, climáticos e meteorológicos nas diferentes componentes
do balanço de energia de superfície tem incentivado o desenvolvimento de métodos
operacionais para estimar fluxos de energia em uma escala regional.
Métodos desenvolvidos para estimar o balanço de energia apresentam bom
desempenho, tais como correlações de turbilhões e razão de Bowen. Porém mesmo com uma
boa eficiência desses métodos, Jackson et al. (1985) apresentam formas para determinar o
balanço de energia por meio de Sensoriamento Remoto combinados com instrumentos
meteorológicos. Posteriormente, diversos trabalhos foram aprimorados e desenvolvidos
utilizando dados de satélite (KUSTAS et al., 1989; MENENTI et al., 1989;
BASTIAANSSEN, 1995). Vários autores realizaram trabalhos com a finalidade de determinar
o Balanço de Energia à superfície (CUNHA, 1996; BASTIAANSSEN, 2000; MOURA, 2001;
SILVA et al., 2001; GOMES, 2009) através de métodos convencionais e sensoriamento
remoto. Esses métodos viabilizam analisar diversos tipos de regiões e vegetações, bem como,
métodos de irrigação aplicados em locais com estiagem ou escassez hídrica.
O Balanço de Energia fundamenta-se no principio da conservação de energia aplicado
a diferentes fluxos que acontecem na interação superfície-atmosfera. Determinado pela
equação abaixo, em unidades W/m², contabilizando os fluxos de energia em diferentes
formas.
Figura 2 - Esquema do Balanço de Energia
Fonte: Autor desta dissertação, 2012.
34
Rn = G + H + LE
Rn
Balanço de Radiação a Superfície
G
Fluxo de Calor no Solo
H
Fluxo de Calor Sensível
LE
Fluxo de Calor Latente
Para determinar o Balanço de Energia e a evapotranspiração da superfície, Menezes et
al. (2007) utilizaram o algoritmo SEBAL com imagens obtidas pelo sensor TM-Landsat 5 na
região de Santa Bárbara-MG, considerando a topografia da região e condições planas.
Encontraram o saldo de radiação variante em quatro formas de ocupação do solo levando em
conta o relevo da região, atribuindo que a energia incidente não é uniforme se a área do
estudo não for plana.
Quando a superfície é úmida, o fluxo de calor latente (LE) é predominante, consumido
aproximadamente 70% a 80% do Balanço de Radiação (Rn), e em condições de superfície
seca, o aquecimento do ar, ou seja, o fluxo de calor sensível (H) é que predomina (
Figura 3). Essas informações serão analisadas nas aplicações dos algoritmos SEBAL e
METRIC para determinação dos pixels âncoras, úmido e seco.
Figura 3 - Esquema do Balanço de Energia na Superfície para determinação dos
pixels frio e quente.
Fonte: Autor, 2012. Adaptado de JURY et al. 1991.
2.11
SEBAL
Esse modelo surgiu da necessidade do desenvolvimento de algoritmos capazes de
determinar a evapotranspiração em escala regional, os modelos existentes até o presente
momento foram baseados em medidas de temperatura da superfície combinados com
35
parâmetros hidrometeorológicos espacialmente constantes (BASTIAANSSEN, 1995), porém,
o problema é que eles se adequavam para modelos em micro escala, entretanto não eram
aplicáveis aos modelos em macro escala.
Desenvolvido na Holanda em 1995 por Bastiaanssen, o SEBAL (Surface Energy
Balance Algorithm for Land) é um algoritmo de grande destaque no cenário de estimativa de
fluxos de energia na superfície terrestre necessitando de poucas informações medidas em
campo (BASTIAANSSEN et al., 1998a), tais como, temperatura do ar, velocidade do vento e
altura de coleta dessa velocidade. Por meio de funções semi-empíricas envolve a variabilidade
espacial de muitas variáveis micrometeorológicas, tornando-se uma ferramenta fundamental
para aplicações em agrossistemas, onde tem sido utilizada em várias regiões do mundo,
devido ao reduzido número de informações necessárias para estimar o Balanço de Energia
(TASUMI, 2003; PAIVA, 2005; SILVA et al., 2005; SILVA e BEZERRA, 2005). A teoria
utilizada no algoritmo é independente do tipo de satélite. É apenas necessário que o sensor
acoplado ao mesmo colete faixas do espectro na região do infravermelho refletivo e termal
desde que os parâmetros utilizados sejam aplicados de forma adequada (MENEZES et al.,
2007).
O SEBAL estima os fluxos de calor na superfície através de informações espectrais de
satélite (AVHRR, CBERS, Landsat e Terra). Em regiões com áreas irrigadas além de estimar
as componentes do balanço de energia, é possível também determinar a evapotranspiração
(MOHAMED et al., 2004).
Segundo Gomes (2009), ao serem utilizadas imagens de satélite com alta resolução
espacial, pode-se determinar a variabilidade espacial da evapotranspiração internamente e
entre campos irrigados. Essa informação é importantíssima, pois em regiões áridas e
semiáridas, nas quais os recursos hídricos têm limitações, é possível, através deste
monitoramento, obter uma melhor eficiência na atividade de irrigação. Dentre os fluxos
obtidos pelo algoritmo, o calor sensível é o que requer mais atenção, pois para sua
determinação há necessidade da resistência aerodinâmica ao transporte de calor e
posteriormente do gradiente de temperatura. Portanto, para determinação desse gradiente é
necessário o conhecimento de pixels de referência em pontos seco e úmido, os quais irão
representar condições extremas de umidade e temperatura. Por isso a escolha dos pixels pode
se tornar complicada quanto menor for à resolução espacial da imagem selecionada.
36
Bastiaanssen et al. (1998a) mencionam ainda a necessidade de algoritmos mais
evoluídos para empregar em terrenos com diversos padrões e com maiores escalas. O SEBAL
mesmo sendo utilizado em diversos estudos não leva em conta os efeitos topográficos,
considerando uma altitude constante da região analisada. Entretanto, requer algumas
condições especiais na imagem, a qual não deve apresentar nebulosidade para não haver
interferência na radiância espectral, e os dados que são fornecidos pelas imagens são
referentes ao momento da passagem do satélite. O processo de auto-calibração, segundo
Bastiaanssen et al. (2005), minimiza os erros na divisão do balanço de energia e não há
necessidade de correção atmosférica para a estimativa da temperatura de superfície, a qual
seria necessárias informações de radiossondagens.
Giongo (2008) utilizou a metodologia proposta pelo SEBAL para estimar o balanço de
radiação e comparar com dados obtidos de uma estação de superfície em área irrigada no
município de Santa Rita do Passa Quatro-SP. Verificou com o estudo que o algoritmo
apresentou valores consistentes e satisfatórios, obtendo correlações acima de 98% entre os
dados medidos e estimados.
As etapas no algoritmo para determinação do balanço de energia são dividas em
quatro partes, a obtenção do balanço de radiação possui onze etapas, o fluxo de calor no solo
apenas uma, o fluxo de calor sensível possui quatorze etapas e o fluxo de calor latente
também é apenas uma etapa.
De acordo com Di Pace et al. (2010), esse algoritmo tem a capacidade de realizar
estimativas precisas da ET em áreas agrícolas relativamente planas. No caso da topografia não
ser plana e horizontal há um considerável comprometimento na estimativa dos componentes
do balanço de radiação, e posteriormente afetando a ET de culturas agrícolas ou de vegetação
natural. Esta razão se deve ao ângulo zenital do Sol correspondente a cada pixel, diferir do
que está relacionado a uma superfície horizontal, causando erros consideráveis no cálculo da
refletividade monocromática e nos parâmetros dependentes. As análises realizadas em
pequenas áreas podem ter ótimos resultados ao contrário de análises em grandes áreas, onde é
necessário levar em consideração a orografia da região, inserindo assim informações de
altitude pixel a pixel.
37
2.12
METRIC
O algoritmo METRIC (Mapping Evapotranspiration at High Resolution using
Internalized Calibration), segundo Allen et al. (2005), é um modelo para processamento de
imagens composto por submodelos para calcular a evapotranspiração (ET), numa forma
residual do balanço de energia da superfície terrestre.
É um modelo variante do SEBAL, levando em consideração os efeitos topográficos da
região pixel a pixel, sendo aplicado com bastante sucesso em superfícies heterogêneas e áreas
montanhosas, combinando os procedimentos do processamento de imagens espectrais no
SEBAL com a inserção do Modelo de Elevação Digital (MED). Pode ser aplicado em
sistemas agrícolas ou naturais, não necessitando de dados complementares em relação ao uso
ou a cobertura do solo, devido ao modelo ser aplicado pixel a pixel, a resolução espacial dos
mapas dos fluxos de energia é obtida através das resoluções espaciais de imagens de entrada
no algoritmo.
O METRIC foi utilizado em imagens Landsat de alta resolução no sul da Califórnia e
no Novo México com a finalidade de quantificar a ET mensal e sazonal, análise de águas
subterrâneas, determinação de coeficiente de cultura e de curvas médias para as culturas
comuns (ALLEN et al., 2007b). Esse algoritmo traz vantagens significativas sobre
determinados métodos convencionais para estimar a ET a partir de curvas do coeficiente de
cultura, onde as fases de desenvolvimento nem o tipo de cultura precisam ser conhecidos,
além de analisar a ET reduzida através do balanço energético, causada pela falta de água
(ALLEN et al., 2007a).
Em ambos os modelos, a troca de energia para as camadas atmosféricas é realizada
utilizando dados de temperatura radiométrica da superfície e velocidade do vento. Porém, o
que torna esses dois algoritmos em um padrão distinto é o cálculo do fluxo de calor sensível,
especificamente na determinação da variação de temperatura (dT) no pixel frio. No modelo
SEBAL o valor de dT para o “pixel frio” é nulo. Entretanto, no algoritmo METRIC o valor de
dT não é necessariamente zero, mas calculado em função de ETo (ALLEN et al., 2007b).
38
3
MATERIAIS E MÉTODOS
3.1
Seleção e Caracterização da Área de Estudo
A área de estudo está localizada dentro do Nordeste brasileiro, abrangendo uma
pequena porção do Baixo São Francisco, incorporando os municípios de Monteirópolis,
Palestina, Pão de Açúcar, Piranhas e São José da Tapera no Estado de Alagoas, Canindé de
São Francisco Poço Redondo e Porto da Folha no Estado de Sergipe (Figura 4). Cerca de 85%
do território desses dois estados estão a menos de 300 m de altitude, com predominância de
terra plana ou levemente ondulada. Apenas um percentual muito pequeno de Alagoas fica
acima de 600 m. O clima da região, segundo a classificação de Koeppen é do tipo BSWh’,
semiárido, com sua média de temperatura variando entre 20 ºC a 28 ºC. O regime
pluviométrico é irregular, com estiagem prolongada e sua média anual varia de 300 mm a
2000 mm, possuindo grande deficiência hídrica no verão e excesso no inverno. Devido às
suas características climáticas e seu regime pluviométrico, a região selecionada está situada
dentro do Polígono das Secas, que é um território reconhecido pela legislação com escassez,
irregularidade e concentração das precipitações pluviométricas em um curto período de
tempo, aproximadamente três meses, ocorrendo na forma de fortes aguaceiros de pequena
duração (CODEVASF, 2010).
O Baixo São Francisco percorre os estados de Alagoas e Sergipe, com início em Paulo
Afonso-BA até chegar à sua foz no Oceano Atlântico. Com clima Tropical semiúmido, e uma
vegetação no trecho mais alto com predominância da Caatinga e mata na região costeira.
Possui uma altitude variável de 200 m até o nível do mar, e na periferia algumas serras
chegam a 500 m (CODEVASF, 2010).
39
Tabela 2 - Parâmetros astronômicos e informações das plataformas de coletas de dados
correspondentes aos dias e horários da passagem do satélite
Dias
Parâmetros
17/10/1999
06/10/2001
07/12/2006
Distância terra-sol (dr)
UA
1,00709
1,00061
1,03109
Declinação Solar (δ)
º
-8,9591
-4,8012
-22,5230
Ângulo Horário (ϖ)
º
34,3036
33,4399
29,7980
Temperatura do ar (Ta)
ºC
20,0
20,5
22,0
Umidade Relativa (U.R.)
%
94,0
93,0
99,0
Pressão Atmosférica (P)
hPa
992,0
993,0
987,0
Fonte: Autor desta dissertação, 2012.
Figura 4 - Localização da região selecionada para o estudo entre os estados de Alagoas e Sergipe
e seus municípios.
Fonte: Autor desta dissertação, 2012.
Para selecionar as imagens de satélite nesse estudo, um dos requisitos é de não haver
cobertura de nuvens, pois assim não há risco de ocorrer interferência nos resultados. Após a
escolha da região (Figura 4), através de imagens em composição colorida, foi realizado um
40
recorte retangular na cena de órbita 215 e ponto 67, conseguindo assim as seguintes
coordenadas: canto superior esquerdo (Longitude 37º 43’ 47,99’’ O e Latitude 9º 35’ 09,66’’
S), canto superior direito (Longitude 37º 20’ 02,75’’ O e Latitude 9º 35’ 05,22’’S), canto
inferior esquerdo (Longitude 37º 43’ 43,31’’ O e Latitude 9º 51’ 55,19’’ S) e canto inferior
direito (Longitude 37º 19’ 58,52’’ O e Latitude 9º 51’ 48,59’’ S), conforme a Figura 5.
Figura 5 - Recorte da região de estudo em alta resolução.
N
Fonte: GOOGLE EARTH, 2011.
3.2
Plataforma de Coleta de Dados (PCD)
Plataformas de coleta são utilizadas para obtenção de diversas informações sobre a
atmosfera, tais como: Pressão atmosférica, Temperatura do ar, Umidade relativa, Tempo de
Insolação, Velocidade do Vento, Capacidade de Evaporação (quantidade de líquido – vapor
de água – liberada por um umidificador de ar), entre outras. Instaladas em diversos locais com
a intenção de utilizar os dados obtidos em previsão de tempo e estudos climáticos (ANA,
2011).
3.2.1 Estação Meteorológica
A Estação Meteorológica combina diversos instrumentos para medição, registro e
armazenamento de dados para aplicações em agricultura, manejo de irrigação e diversos
outros meios relacionados. Os dados coletados em estações meteorológicas são relacionados à
41
Temperatura do ar, Umidade do ar, Direção e velocidade do Vento, Pressão atmosférica e
Precipitação (REISSER, 2008). A Figura 6 mostra uma representação de uma estação
meteorológica automática de coleta de dados e seus sensores.
Figura 6 - Modelo de estação meteorológica automática, com seus sensores, central de
coleta de dados e captação de energia solar.
Fonte: AGSOLVE, 2011.
Os dados utilizados no estudo foram coletados na estação Meteorológica de Xingó,
localizada no município de Piranhas-AL. Essa estação possui uma altitude de 45 m acima do
nível do mar, com coordenadas: Longitude 37° 45’ 36’’ O e Latitude 9° 37’ 12’’ S.
3.2.2 Estação Agrometeorológica
Estações Agrometeorológicas são instaladas em áreas de dimensões 10 m x 10 m,
geralmente gramadas e cercadas. Os instrumentos eletrônicos que equipam a estação
monitoram elementos como: Temperatura e Umidade Relativa do ar, Velocidade e Direção do
Vento, Saldo de Radiação, Radiação Solar Global, Fluxo de Calor no Solo, Índice de
Molhamento Foliar e Precipitação. Esses elementos são monitorados em um determinado
intervalo de tempo durante todo o dia (MOURA et al., 2007). A Figura 7 mostra a
42
representação da estrutura física de uma Estação Agrometeorológica, onde foram coletados
dados de Temperatura do ar, Velocidade do Vento e Umidade Relativa do ar.
Figura 7 - Representação de uma Estação Agrometeorológica automática.
Fonte: SIMEHGO, 2007.
Os dados micrometeorológicos complementares para o desenvolvimento do algoritmo
SEBAL/METRIC foram obtidos na Estação de Poço Redondo, localizada no Município de
Poço Redondo-SE, com uma altitude de 260 m acima do nível do mar, com as seguintes
coordenadas: Longitude 37º 40’ 12’’ O e Latitude 9º 50’ 2’’ S.
3.3
Imagens de Satélite
Para realização deste estudo foram utilizadas três imagens adquiridas pela
Coordenação de Pós-Graduação em Meteorologia do Instituto de Ciências Atmosféricas da
Universidade Federal de Alagoas através da Divisão de Geração de Imagens (DGI) junto ao
Instituto Nacional de Pesquisas Espaciais (INPE) de São José dos Campos-SP, coletadas pelo
sensor Thematic Mapper (TM) a bordo do Satélite Landsat 5.
Para a realização do mapeamento, fatores como, características do relevo, época do
ano e variações espaciais regionais são levados em consideração. Cada imagem é composta de
sete bandas espectrais correspondentes ao comprimento de onda, apresentadas na Tabela 2. O
43
sensor TM mede a radiância espectral dos alvos e os armazena em tons de cinza, ou
comumente chamado Número Digital, com uma variação de valores entre 0 a 255 (8 bits).
Possui uma resolução espacial de 30 m nas bandas reflectivas (1, 2, 3, 4, 5 e 7) e de 120 m na
banda termal (banda 6).
Tabela 3 - Características das bandas espectrais do sensor TM a bordo do Landsat 5.
CARACTERÍSTICAS DO SENSOR TM (Thematic Mapper)
1
Azul
(0,450 - 0,520 μm)
2
Verde
(0,520 - 0,600 μm)
3
Vermelho
(0,630 - 0,690 μm)
4
Infravermelho próximo
(0,760 - 0,900 μm)
5
Infravermelho médio
(1,550 - 1,750 μm)
Bandas
6
Infravermelho termal
(10,40 - 12,50 μm)
7
Infravermelho médio
(2,080 - 2,350 μm)
Bandas (1, 2, 3, 4, 5 e 7)
30 metros
Resolução espacial
Banda 6
120 metros
185 Km
Largura da faixa imageada
Resolução temporal
16 dias
Orbita equatorial
705 Km
Fonte: Autor, 2012. Adaptado de Di Pace (2004).
As imagens seguintes apresentam os recortes da área de estudo em composição RGB
(5, 4 e 3), coletadas no período seco da região Nordeste às 9h e 30min (tempo local), no ponto
67 e órbita 215. Dentre as características das imagens do Landsat estão o Datum WGS84, e a
projeção cartográfica em UTM (Universal Transversa de Mercator). As imagens são
referentes aos dias 17/10/1999 (Figura 8), 06/10/2001 (Figura 9) e 07/12/2006 (Figura 10).
Estas imagens correspondem aos dias 290, 279 e 341, respectivamente, no dia de ordem do
ano.
Com o tratamento destas imagens é possível determinar parâmetros como, albedo,
temperatura de superfície e índices de vegetação através do algoritmo SEBAL
(BASTIAANSSEN et al., 1998b; BEZERRA et al., 2008).
44
Figura 8 - Recorte da área de estudo na composição RGB 543 para o dia 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 9 - Recorte da área de estudo na composição RGB 543 para o dia 06/10/2001.
Fonte: Autor desta dissertação, 2012.
45
Figura 10 - Recorte da área de estudo na composição RGB 543 para o dia 07/12/2006.
Fonte: Autor desta dissertação, 2012.
3.4
Modelo de Elevação Digital
O Modelo Digital do Terreno (MDT) pode ser definido como uma representação
numérica do terreno (LI et al., 2004), uma vez que representa apenas a superfície nua, não
contendo nenhum material, como edifícios ou plantas. Portanto, ao incluir esses determinados
objetos, mais precisamente, informações topográficas, se estar considerando o Modelo de
Elevação Digital (MED).
Em fevereiro de 2000, a NASA (National Aeronautics and Space Administration)
realizou uma varredura topográfica digital por meio do ônibus espacial Endeavour, chamada
de Shuttle Radar Topography Mission (SRTM), que obteve dados do MED com uma
resolução espacial de 90 m para a maior parte do globo, com exceção dos Estados Unidos,
que possuem resolução de 30 m (FARR et al., 2004). O MED utilizado neste trabalho foi
tratado através de dados SRTM obtidos por meio da USGS Earth Resources Observation and
Science (EROS) Center.
Os dados coletados foram tratados com o software Erdas Imagine 9.1 e em seguida
foram realizadas etapas para que o MED se adequasse à imagem selecionada para o estudo
46
(Figura 5). Inicialmente, foi realizado o recorte com as mesmas coordenadas da imagem.
Após esta etapa foi feita uma reamostragem devido à sua resolução espacial e, por fim, a
ortorretificação. A partir deste processo foram geradas imagens de Elevação do Terreno
(Figura 11), declividade (Figura 14) e ângulo azimutal da normal de cada pixel (Figura 16).
Figura 11 - Variação dos níveis de altitude do Modelo de Elevação Digital.
Fonte: Autor desta dissertação, 2012.
A Figura 12 mostra uma imagem real apresentando variações de altitude dos Cânions
do Baixo São Francisco no município de Canindé de São Francisco em Sergipe.
Figura 12 - O Cânion do rio São Francisco localizado na cidade de Canindé
de São Francisco- SE.
Fonte: WIKIPÉDIA, 2012.
47
A declividade é apresentada por meio de uma variação de 0º a 90º. O ângulo nulo
representa os locais onde a superfície é plana e horizontal, indicada pela tonalidade preta. À
proporção que o ângulo varia de forma crescente, são apresentadas variações nos tons de
cinza, indicando regiões com inclinação, até chegar próximo de seu valor máximo de 90º,
onde as regiões são mais acentuadas. O valor de s é sempre positivo, por mais que represente
um declive em qualquer direção (ALLEN et al., 2002).
Figura 13 - Representação da variação angular do mapa de
inclinação da superfície.
Fonte: Autor. Adaptado de Allen et al. (2002).
Figura 14 - Mapa da inclinação da superfície (graus) gerado a partir do Modelo de
Elevação Digital.
Fonte: Autor desta dissertação, 2012.
48
Também conhecido com o ângulo de aspecto da superfície, apresenta em cada pixel
uma variação do ângulo azimutal da normal, onde seus valores assumem a forma, se γ = 0
indica sul, γ = -90º indica leste, γ = +90º indica oeste e γ = + 180º indica norte (Figura 15).
Figura 15 - Representação da definição da variação angular do mapa
do ângulo azimutal da normal de cada pixel.
Fonte: Adaptado de Allen et al. (2002).
Figura 16 - Mapa do ângulo azimutal da normal de cada pixel (grau) gerado a partir do
Modelo de Elevação Digital.
Fonte: Autor desta dissertação, 2012.
49
3.5
Algoritmo SEBAL/METRIC
Através da ferramenta Model Maker do software Erdas 9.1 (versão demonstrativa), foi
aplicado o algoritmo desenvolvido por Bastiaanssen et al. (1998a) e aprimorado por Allen et
al. (2007). Esse aprimoramento leva em conta os efeitos topográficos da região, sendo
analisado pixel a pixel, obtendo um resultado mais detalhado em regiões montanhosas. A
Figura 17 representa um diagrama do processo detalhado para obtenção do Balanço de
Radiação, utilizando o algoritmo SEBAL/METRIC.
Figura 17 - Diagrama das etapas utilizadas para o processamento do Balanço de Radiação a
superfície.
Fonte: Autor desta dissertação, 2012.
50
3.5.1 Calibração Radiométrica
A imagem é coletada através da forma de Número Digital, este primeiro processo
consiste na conversão de cada pixel da imagem referente às sete bandas em Radiância
Espectral Monocromática (CHANDER e MARKHAM, 2003)
L ,b Lmín ,b
Lmáx ,b Lmín ,b
255
ND
(3.1)
O sub-índice (λ) corresponde a cada banda do satélite TM-Landsat 5. Os termos Lmín e
Lmáx são as radiâncias mínima e máxima, respectivamente, e seus valores e variam de acordo
com a data da coleta das imagens como mostra a Tabela 4.
Tabela 4 - Constantes de Calibração Radiométrica, máxima e mínima correspondentes
às bandas do sensor Thematic Mapper do Landsat 5.
Radiância Espectral (W m-2 ster-1 μm-1)
Datas de Processamento
Bandas 01/03/1984 à 04/05/2003 A partir de 05/05/2003
Lmín,b
Lmáx,b
Lmín,b
Lmáx,b
-1,520
152,10
-1,520
193,00
1
-2,840
296,81
-2,840
365,00
2
-1,170
204,30
-1,170
264,00
3
-1,510
206,20
-1,510
221,00
4
-0,370
27,190
-0,370
30,200
5
1,238
15,303
1,238
15,303
6
-0,150
14,380
-0,150
16,500
7
Fonte: CHANDER E MARKHAM, 2003.
3.5.2 Reflectância Monocromática
A reflectância monocromática é definida como a razão entre o fluxo de radiação solar
refletida e o fluxo de radiação solar incidente, obtida para cada banda segundo a equação
(ALLEN et al., 2002).
,b
.L ,b
K .cos Z . d r
(3.2)
Lλ,b é a radiação espectral de cada banda λ obtida na primeira etapa, Kλ é a Irradiância
Espectral no topo da atmosfera relacionada a respectiva banda λ do Sensor TM-Landsat 5
51
como apresentado na Tabela 4, Z é o ângulo zenital solar obtido pixel a pixel através do MED,
utilizando a equação proposta por Duffie e Backman (1991).
cos Z sin sin cos s sin cos sin s cos
cos cos cos s cos cos sin sin s cos cos
(3.3)
cos sin sin s sin
δ é a declinação do Sol, ϕ é latitude do pixel, s é a inclinação da superfície (Figura 14) γ é o
ângulo azimutal da normal de cada pixel (Figura 16) e ϖ é o ângulo horário.
E, por fim, dr é o inverso do quadrado da distância relativa Terra-Sol, expresso em
unidades astronômicas (UA), obtida por Iqbal (1983), para definir o fator de correção da
excentricidade da órbita da Terra:
2
r
1, 000110 0, 034221cos 0, 00128sin
r0
0, 000719 cos 2 0, 000077 sin 2
(3.4)
O ângulo diário Γ é obtido em radianos pela expressão dependente do dia de ordem do ano.
2
( D 1)
365
(3.5)
3.5.3 Albedo Planetário
É o albedo no topo da atmosfera, o qual não é ajustado aos efeitos da transmissividade
atmosférica. Seu cálculo é realizado por meio de uma combinação linear das reflectâncias
espectrais monocromáticas com pesos ϖλ,b determinados para cada banda, de acordo com a
seguinte equação:
toa
(3.6)
ρλ,b é a reflectância correspondente às bandas 1, 2, 3, 4, 5 e 7, e o peso ϖλ,b é obtido através da
razão da irradiância espectral no topo da atmosfera específica de cada banda (Tabela 5) e da
somatória das constantes Kλ,b.
K ,b
K
(3.7)
,b
52
Tabela 5 - Valores da Irradiância espectral no topo da atmosfera para cada banda
do sensor TM-Landsat 5. – Kλ,b (W.m-2 μm-1)
Irradiância Espectral no Topo da Atmosfera (W.m-2)
1
2
3
4
5 6
7
Bandas
1957 1826 1554 1036 215 0 80,67
Kλ,b
Fonte: CHANDER E MARKHAM, 2003.
3.5.4 Albedo de Superfície
É o albedo já corrigido os efeitos atmosféricos. No modelo METRIC a correção é feita
individualmente para cada banda espectral. Posteriormente, utiliza-se uma combinação linear
das reflectâncias espectrais como foi apresentada na Equação (3.6), com uma diferença nos
pesos utilizados para esse cálculo. Determinou-se a reflectância espectral de cada banda λ a
superfície pela expressão (TASUMI, 2003; ALLEN et al., 2007)
,b,sup
,b atm,b
ent ,b s ,b
(3.8)
ρλ,b é a reflectância espectral para cada banda, ρatm,b é a reflectância da atmosfera, τent,b é a
transmitância atmosférica correspondente a radiação solar incidente a superfície e τs,b é a
transmitância atmosférica correspondente a radiação solar refletida. Essas transmitâncias são
obtidas por meio das expressões obtidas por Tasumi (2003) e Allen et al. (2007a):
C W C4
C2 P
3
C5
K
cos
Z
cos
Z
hor
hor
t
(3.9)
C2 P
C W C4
3
C5
cos
Kt cos
(3.10)
ent ,b C1 exp
s ,b C1 exp
P é a pressão atmosférica (kPa), calculada por ASCE-EWRI (2005):
T 0, 0065 z
P 101,3 ar
Tar
5,26
(3.11)
W é a água precipitável na atmosfera, determinada em milímetros, utilizando a Pressão de
Vapor (ea) próximo à superfície obtida na estação da área de estudo, por meio da equação
(GARRISON e ADLER, 1990):
53
W 0,14ea P 2,1
(3.12)
Kt é o coeficiente de turbidez, variando de 0,5 até seu valor máximo 1,0. De acordo com Allen
et al. (2007a), Kt = 0,5 indica ar muito poluído, poeira ou turbidez extrema e Kt = 1 indica ar
limpo. η representa o ângulo de visada do sensor referente à superfície horizontal, definido
para o sensor TM-Landsat 5 como sendo nulo. Para pixels com pouca ou nenhuma inclinação
obtém-se o cosseno do ângulo zenital praticamente na horizontal:
cos Zhor sen sen cos cos cos s cos
(3.13)
As constantes C1, C2, C3, C4 e C5 correspondentes ao sensor TM-Landsat 5 estão
apresentadas na Tabela 5. Essas constantes são obtidas por meio do código de transferência
radiativa SMARTS2 (Simple Model of Atmospheric Radiative Transfer of Sunshine).
Tabela 6 - Coeficientes utilizados para a determinação das transmitâncias referentes ao TMLandsat 5.
Bandas
Coeficientes
C1
C2
C3
C4
C5
Cb
wb
1
2
3
4
5
7
0,98700 2,319000 0,951000 0,375000 0,234000 0,365000
-0,00071 -0,000160 -0,000330 -0,000480 -0,001010 -0,00097
0,000036 0,000105 0,000280 0,005018 0,004336 0,004296
0,088000 0,043700 0,087500 0,135500 0,056000 0,015500
0,078900 -1,269700 0,101400 0,662100 0,775700 0,639000
0,640000 0,310000 0,286000 0,189000 0,274000 -0,186000
0,254000 0,149000 0,147000 0,311000 0,103000 0,036000
Fonte: TASUMI, 2003, ALLEN et al.., 2007a
A radiação solar espalhada pela atmosfera e que é captada pelo sensor TM-Landsat 5 é
indicado pelo parâmetro ρatm,b, qual seja:
atm,b Cb (1 ent ,b )
(3.14)
Cb corresponde a um parâmetro para cada banda do satélite, e seus valores foram apresentados
na Tabela 6. Por fim, é determinado o albedo de superfície, que é o albedo corrigido os efeitos
atmosféricos:
6
sup ,b,sup wb
b 1
(3.15)
54
ρλ,b,sup é a reflectância espectral para cada banda e wb é uma fator de ponderação, cujos valores
são apresentados na Tabela 6.
3.5.5 Índices de Vegetação
IVDN - Índice de Vegetação da Diferença Normalizada
O IVDN é um indicador da condição e da quantidade da vegetação verde, através da
razão da diferença e da soma do infravermelho próximo e do vermelho, sendo calculado
(ALLEN et al., 2002).
IVDN
IV V
IV V
(3.16)
ρIV e ρV são as reflectâncias das bandas 4 e 3 do sensor TM-Landsat 5.
IVAS - Índice de Vegetação de Ajuste do Solo
É um índice de ajuste do efeito ‘background’ do solo (HUETE, 1988), dado por:
IVAS
(1 L).( IV V )
L IV V
(3.17)
Em que L é um fator de ajuste do solo obtido por L = I1 + I2. O maior valor de I1
representa uma maior parte de superfície com solo exposto e o maior valor de I2 indica uma
cobertura de mais alta vegetação. Esses parâmetros foram simplificados com a finalidade de
obter valores para L em três condições de cobertura da vegetação (Solo exposto, cobertura
média da vegetação e cobertura completa de vegetação), conforme apresentado abaixo.
L = 0,25
Superfície com cobertura máxima de vegetação
L = 0,5
Superfície com cobertura média de vegetação
L = 1,0
Superfície com pouca vegetação ou solo exposto
Neste estudo foi considerado o L = 0,5, pois é o valor mais utilizado na literatura (ACCIOLY
et al., 2002; BOEGH et al., 2002; DI PACE, 2004; GOMES, 2009)
55
IAF - Índice de Área Foliar
O IAF é um indicador de biomassa de cada pixel, definido como sendo igual a razão
entre a área total de todas as folhas contidas em cada pixel pela área do pixel, podendo ser
calculado mediante a equação determinada por Allen et al. (2002):
0, 69 IVAS
ln
0,59
IAF
0,91
(3.18)
3.5.6 Emissividades
Antes de determinar a Temperatura de Superfície é preciso analisar que, como os
pixels não emitem radiação como um corpo negro, é preciso estimar as emissividades no
domínio espectral da banda termal (εNB) com a finalidade de determinar a Ts e a emissividade
de banda larga (ε0) para determinar a Radiação de Onda Longa que é emitida pela superfície.
As emissividades são obtidas por meio do Índice de Área Foliar, com as seguintes condições:
IAF < 3 e IVDN > 0, no entanto, para pixels com IAF ≥ 3, considera-se εNB = ε0 = 0,98 e em
corpos d’água, onde o IVDN é negativo, adota-se εNB = 0,99 e ε0 = 0,985 segundo Allen et al.,
(2002):
NB 0,97 0,00331.IAF
(3.19)
0 0,95 0,01.IAF
(3.20)
3.5.7 Temperatura de Superfície
Para obtenção da Ts, é utilizada a equação de Planck invertida (ALLEN et al., 2002),
dependente da radiância espectral da banda termal (Lλ,6) e da emissividade (εNB) obtida
anteriormente. A Temperatura de Superfície em unidades Kelvin (K) é determinada segundo a
expressão (MORSE et al., 2000; ALLEN et al., 2002):
TS
K2
K
ln NB 1 1
L ,6
(3.21)
K1 e K2 são constantes com valores 607,76 Wm-2sr-1μm-1 e 1260,56 K, respectivamente.
56
3.5.8 Radiação de Onda Longa Emitida
Por meio da equação de Stefan-Boltzmann determinou-se a Radiação de Onda Longa
Emitida pela Superfície (RL↑) em unidades W.m-2:
RL 0 . .Ts 4
(3.22)
ε0 é a emissividade de banda larga para cada pixel, σ é a constante de Stefan-Boltzmann
(5,67.10-8 Wm-2.K-4) e Ts é a Temperatura da Superfície expressa em Kelvin.
3.5.9 Radiação de Onda Longa Incidente
Por meio da equação de Stefan-Boltzmann, também é possível determinar a Radiação
de Onda Longa Incidente (RL↓) em unidades Wm-2, por meio da emissividade e temperatura do
ar:
RL a . .Ta 4
(3.23)
σ é a constante de Stefan-Boltzmann, Ta é a Temperatura do ar, obtida nas plataformas de
coleta de dados, expressa em Kelvin e εa é emissividade atmosférica, obtida segundo a
equação proposta por Bastiaanssen (1995) e Allen et al. (2002).
a 0,85.( ln sw )0,09
(3.24)
Em que τsw é a transmissividade atmosférica, para condições de céu claro, é obtida por
(ALLEN et al., 2002):
sw 0,75 2 105 z
z é a altitude do pixel (m), onde foi inserido o modelo de elevação digital.
3.5.10 Radiação de Onda Curta Incidente
(3.25)
57
A Radiação de Onda Curta Incidente (RS↓) é combinação da radiação solar difusa e
direta que incide na superfície terrestre, determinada através do modelo (BASTIAANSSEN,
1995; ALLEN et al., 2002; TREZZA, 2002; SILVA et al., 2005), em condições de céu claro:
RS Ssc .cos Z . dr . sw
(3.26)
Ssc é a constante Solar (1367 W.m-2), Z é o ângulo zenital, dr é a distância Terra-Sol e τsw é a
transmissividade atmosférica (Equação 3.25)
3.5.11 Balanço de Radiação
Através da seguinte expressão pode-se determinar o Balanço de Radiação (Rn) à
superfície em unidades W.m-2:
Rn (1 ) RS RL RL (1 0 ) RL
(3.27)
Em que α é o albedo de superfície corrigido para cada pixel (Equação 3.15), ε0 é emissividade
de cada pixel na região da banda larga (Equação 3.20), Rs↓ é a Radiação de Onda Curta
Incidente (Equação 3.26), RL↓ é a Radiação de Onda Longa Incidente (Equação 3.23) e RL↑ é a
Radiação de Onda Longa Emitida (Equação 3.22).
3.5.12 Fluxo de Calor no Solo
O Fluxo de Calor no Solo (G) foi obtido através da equação de Bastiaanssen (2000)
em unidades W.m-2. Propriedades físicas e químicas do solo (umidade, compactação, textura,
composição mineral e materiais orgânicos) podem sofrer variações quanto mais próximas a
superfície (LIU, 2006):
T
G s 0, 0038. 0, 0074. 2 . 1 0,98.IVDN 4 .Rn
(3.28)
Ts é a Temperatura de Superfície obtida em ºC, α é o albedo corrigido de superfície, IVDN é o
Índice de Vegetação da Diferença Normalizada e Rn é o Balanço de Radiação a Superfície
Terrestre. Quando o IVDN tiver valores negativos, o que indica corpos d’água, o Fluxo de
58
Calor no Solo se resume a G = 0,5.Rn (ALLEN et al., 2002; SILVA e BEZERRA, 2005;
BEZERRA et al., 2008).
3.5.13 Fluxo de Calor Sensível
A determinação do Fluxo de Calor Sensível (H) é considerada a etapa mais
importante, devido a sua complexidade, pois engloba diversas sub etapas que requerem
bastante atenção. O sucesso da estimativa deste parâmetro depende da aplicação correta das
variáveis determinadas nos cálculos de seus dependentes. H pode ser determinado por meio
de:
H
. c p . dT
rah
(3.29)
Em que ρ é a densidade do ar úmido, cp é o calor específico do ar à pressão constante (1004
J.kg-1.K-1), dT é a diferença de temperatura relativa aos dois níveis próximos a superfície e rah
representa a resistência aerodinâmica ao transporte de calor em unidades sm-1. Para
determinar a rah considera-se a atmosfera sobre condição de estabilidade neutra, através da
expressão:
z
ln 2
z
rah 1
u* . k
(3.30)
z1 e z2 correspondem as alturas acima do conteúdo de cada pixel, expressas em metros. De
acordo com Bastiaanssen (1998), Allen et al. (2002), Tasumi (2003), Silva e Bezerra (2005) e
Allen et al. (2007a) as alturas adotadas são iguais a 0,1 m e 2,0 m respectivamente, k é a
constante de Von Karman (0,41) e u* é a velocidade de fricção em cada pixel em unidades
m.s-1, definida como:
u*
k . u200
200
ln
z0 m
(3.31)
59
zom é o coeficiente de transporte de momentum analisado pixel a pixel através do Índice de
Vegetação de Ajuste do Solo - IVAS, obtida em metros por meio da expressão
(BASTIAANSSEN, 2000):
z0m exp(5,809 5,62.IVAS )
(3.32)
u200 é a velocidade do vento estimada em um nível que não é afetada pela rugosidade da
superfície, chamada de blending height, determinada para um nível de 200 m para a área de
estudo de acordo com a equação:
200
ln
z0 m
u200 u*
k
(3.33)
Em que zom é o coeficiente de rugosidade da estação meteorológica, determinada de acordo
com a altura média da vegetação ao redor da estação (h), obtida em metros de acordo com a
expressão (BRUTSAERT, 1982):
z0 m 0,12. h
(3.34)
u* é a velocidade de fricção para condição de estabilidade neutra do perfil logarítmico do
vento segundo a expressão:
u*
k. ux
z
ln x
z0 m
(3.35)
A relação linear para cada pixel entre Ts e dT, consiste na obtenção da determinação da
diferença de temperatura próxima a superfície, dependente dos coeficientes a e b encontrados
através dos pixels quente e frio por meio da relação:
dT a bTs
(3.36)
Para determinar os pixels quente e frio, faz-se inicialmente uma análise referente à equação do
Balanço de Energia, vendo condições de solo exposto onde o fluxo de calor latente é nulo
60
para determinação do pixel quente, e em solo úmido para determinação do pixel frio segundo
as equações (TASUMI e ALLEN, 2007):
H quente Rn G quente LEquente
(3.37)
H frio Rn G frio LE frio
(3.38)
O gradiente de temperatura referente ao pixel frio (dTfrio) é determinado através da expressão:
H frio rah
dT frio
ar c p
(3.39)
Para estimar os coeficientes a e b, utilizou-se pares de expressões relacionadas ao
dTquente,Ts,quente, dTfrio e Ts,frio:
a
dTquente dT frio
Ts ,quente Ts , frio
b
dT
quente
a
Ts ,quente
(3.40)
(3.41)
O comprimento de Monin-Obukhov (L) relaciona fluxos turbulentos de origens
convectiva e mecânica, sendo utilizado para analisar condições de estabilidade atmosférica. O
comprimento L (m) exprime a altura da qual a turbulência mecânica é comparada a
turbulência térmica, calculado em função dos fluxos de calor e momentum. Essa análise é
realizada, pois os valores encontrados para o fluxo de calor sensível não são adequados,
servindo como valores iniciais para realização de um processo iterativo, onde são
consideradas as condições de estabilidade atmosférica para cada pixel (BASTIAANSSEN,
1995; ALLEN et al., 2002; BEZERRA et al., 2008).
. c p . u*3 .Ts
L
k .g.H
(3.42)
Em que ρ é a densidade do ar úmido em Kg/m³, cp é o calor específico do ar a pressão
constante, u* é a velocidade de fricção para cada pixel em m/s, Ts é a temperatura da
61
superfície para cada pixel em unidades K, k é a constante de Von Karman, g é a aceleração
gravitacional (9,8 m/s²) e H é o valor inicial do fluxo de calor sensível em W.m-2, onde foram
consideradas condições de neutralidade. Os valores obtidos para L são analisados com o
propósito de verificar as condições de estabilidade, de forma que se o valor de L > 0, a
atmosfera é considerada estável, se L < 0, a atmosfera é considerada instável e se L tiver valor
nulo, a atmosfera é considerada neutra (GOMES, 2009)
De acordo com Bastiaanssen (1995), Morse et al. (2000), Allen et al. (2002), Silva e
Bezerra (2005) e Bezerra et al. (2008), as expressões utilizadas variam de acordo com as
condições atmosféricas, devendo ser considerados valores das correções de estabilidade para
o transporte de momentum (ψm) e de calor (ψh).
Para condições de Instabilidade (L < 0),
1 x(200 m) 2
1 x(200 m)
m (200m) 2ln
2arctan( x(200 m ) ) 0,5
ln
2
2
(3.43)
m (2 m) 2ln
1 x(2 m ) 2
2
(3.44)
1 x(0,1m ) 2
m (0,1m) 2ln
2
(3.45)
De forma que:
200
xm (200 m ) 1 16
L
2
xm (2 m ) 1 16
L
0,25
(3.46)
0,25
0,1
xm (0,1m ) 1 16
L
(3.47)
0,25
(3.48)
62
Para condições de Estabilidade (L > 0),
200
L
(3.49)
m (2 m ) 5.
L
2
(3.50)
0,1
L
(3.51)
m (200 m ) 5.
m (0,1m ) 5.
Para condições de Neutralidade (L = 0), ψm = ψh = 0.
Obtendo assim o valor da velocidade de fricção corrigido, o efeito de estabilidade
atmosférica:
u*
u200 . k
200
ln
m (200 m )
z0 m
u200 é a velocidade do vento considerada a 200 m
(3.52)
para que não haja interferência da
rugosidade da superfície, obtida em m/s, k é a constante de Von Karman, zom é o coeficiente
de rugosidade da superfície obtido para cada pixel em metros e ψm(200m) é o transporte de
momentum a 200 m.
Determinado os valores do transporte de calor próximo a superfície e da velocidade de
fricção corrigida, é obtida a resistência aerodinâmica corrigida através da equação proposta
por Bastiaanssen (1995), Morse et al. (2000), Allen et al. (2002), Silva e Bezerra (2005) e
Bezerra et al. (2008):
z
ln 2 h ( z2 ) h ( z1 )
z
rah 1
u* . k
(3.53)
z1 e z2 são as alturas próximas a superfície correspondentes a 0,1 m e 2,0 m respectivamente,
ψh(z1) ψh(z2) são correções de estabilidade para o transporte de calor relacionadas a z1 e z2, u* é
a velocidade de fricção corrigida e k é constante de Von Karman.
63
Figura 18 - Diagrama das etapas para a obtenção do fluxo de calor sensível (H)
Fonte: Autor desta dissertação, 2012.
Após a determinação destes parâmetros, é calculada novamente a função da diferença
de temperatura e repetido todo o processo como mostra a Figura 17, até que sejam obtidos
valores estáveis para a diferença de temperatura e da resistência aerodinâmica em cada pixel.
3.5.14 Fluxo de Calor Latente
O fluxo de calor latente - LE (W.m-2) é obtido através da equação do Balanço de
Energia, contabilizando a diferença entre o balanço de radiação (Rn), o fluxo de calor no solo
(G) e o fluxo de calor sensível (H):
LE Rn G H
(3.54)
64
4
RESULTADOS E DISCUSSÃO
Este trabalho buscou mapear e estimar as componentes dos Balanços de Radiação e de
Energia através do algoritmo SEBAL/METRIC em uma área de aproximadamente 1342 Km²
entre os estados de Alagoas e Sergipe. Devido à falta de dados nessas regiões, foi realizada
uma estimativa geral das componentes do Balanço de Energia através de sensoriamento
remoto, em razão da sua cobertura espacial acoplada a poucas informações de estações de
coletas de dados. Combinadas com a análise das condições climáticas foi possível gerar
mapas temáticos para verificar o comportamento das áreas vegetadas no decorrer de sete anos.
Entre os fatores climáticos (Relevo, Vegetação, Latitude, Longitude e Massas de ar) que
alteram os elementos do clima, a precipitação pluviométrica é a que atua diretamente no
resultado do albedo de superfície.
Foram analisados dados de precipitação para os cinco dias anteriores da coleta das
imagens pelo satélite Landsat 5, encontrando registros de chuva para os dias anteriores a
17/10/1999 e 07/12/2006. Não havendo registro para o dia 06/10/2001.
4.1
Componentes do Balanço de Radiação
4.1.1 Mapas Temáticos de Albedo
As imagens seguintes representam os mapas temáticos do albedo de superfície (αsup)
da região selecionada para estudo referente aos dias 17/10/1999 (Figura 20), 06/10/2001
(Figura 21) e 07/12/2006 (Figura 22). A Figura 19 representa os histogramas de frequência
dos albedos de superfície sobrepostos, para as três imagens tratadas, nos intervalos de valores
considerados. Ao analisar o histograma, observa-se uma diminuição na concentração dos
pixels referente aos intervalos. Inicialmente a maior concentração em 1999 (azul) está entre
10,0% - 14,0%, em 2001 (vermelho) essa concentração, apesar de permanecer no mesmo
intervalo de 1999, tem a maior quantidade de pixels concentrada entre 10,0% - 12,0%, e em
2006 (verde) o intervalo de maior concentração, fica entre 16,0% - 18,0%, mas ocorre uma
distribuição nos valores de pixels.
65
Figura 19 - Histograma comparativo das frequências de albedo da superfície para as
três imagens utilizadas
Fonte: Autor desta dissertação, 2012.
Os menores valores de albedo obtidos nas cenas estudadas foram inferiores a 8%
(branco), obtidos nos locais com presença de água devido ao fator de absorção desses corpos.
Esses valores correspondem à classe dos mais baixos valores de albedo da superfície. Corpos
d’água, tais como riachos, reservatórios artificiais, rios, áreas com vegetação mais densa e
solo com bastante umidade, apresentam baixos valores de albedo (PEIXOTO, 2009). Em
determinados trechos do rio, ocorreram um aumento para o intervalo de 8% - 10% (rosa
claro), ocasionados devido à turbidez e ao desmatamento na mata ciliar acarretando um alto
nível de assoreamento e poluição no decorrer dos anos, contribuindo na diminuição da
absorção de energia e fazendo com que haja um aumento nos valores de albedo do rio. Um
estudo realizado por Silva et al. (2005) registrou que no leito do rio São Francisco a turbidez
da água e interferências atmosféricas acarretam um aumento considerável no albedo, obtendo
valores nessa região entre 8% e 9%. Silva et al. (2008) obtiveram valores inferiores a 10% no
leito do Rio Jaguaribe. O intervalo entre 10% - 12% (rosa escuro) em regiões próximas ao rio
pode ter sofrido interferência da chuva registrada nos cinco dias anteriores a 17/10/1999,
fazendo com que regiões com vegetação tenham seu albedo reduzido, e interferência de chuva
para o dia 07/12/2006.
Oke (2002) define que áreas urbanas possuem o albedo compreendido entre 10% e
27%, coerentes com os valores obtidos para região de estudo nos três dias analisados. No dia
17/10/1999 (Figura 20) há uma predominância do intervalo compreendido entre 10% - 14%
66
nas áreas próximas ao Baixo São Francisco, com uma curta variação temporal de dois anos,
permanecendo com essa mesma concentração em 06/10/2001 (Figura 21). No dia 07/12/2006
(Figura 22) o intervalo predominante está entre 14% - 18% na região próxima ao leito do São
Francisco acarretando em um aumento de aproximadamente 3%, ainda estando nos valores
padrões apresentados por Oke (2002). Esse aumento está relacionado a uma série de fontes
antropogênicas, tais como agricultura, transporte, habitações, e indústria. O aumento nos
valores em determinadas regiões chegou a ser de 9%, relacionado a áreas pavimentadas ou
solos expostos correspondentes a intensa urbanização. Essas variações de albedo ao longo dos
anos influenciam diretamente na absorção de radiação solar, pois à proporção que o albedo
aumenta a taxa de absorção de radiação solar pela superfície diminui, afetando diretamente na
temperatura do solo e consequentemente na temperatura local. Silva et al. (2002) realizaram a
estimativa do albedo no Perímetro Nilo Coelho situado na margem esquerda do rio São
Francisco, por meio de imagens coletadas pelo sensor TM-Landsat 5 quando obtiveram
valores de 6% para água do lago Sobradinho e Gomes (2009) obteve valores inferiores a 9%
para leito de riachos e do rio Mogi Guaçu.
Chaves et al. (2009) realizaram um estudo sobre a aplicação do SEBAL na variação
temporal do albedo na bacia de Forquilha-CE ao longo de vinte anos, constatando que ouve
um decréscimo no albedo da região do qual foi relacionado com processos de recuperação
natural da sua paisagem, e em seguida analisando o curto período de um ano, viu que
aumentou consideravelmente na mesma região do qual foi relacionado a ações de
desmatamento em zonas ribeirinhas acarretando nos maiores valores de albedo registrados na
região.
67
Figura 20 - Albedo da superfície (%) para o dia 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 21 - Albedo da superfície (%) para o dia 06/10/2001.
Fonte: Autor desta dissertação, 2012.
68
Figura 22 - Albedo da superfície (%) para o dia 07/12/2006.
Fonte: Autor desta dissertação, 2012.
Para analisar a diferença entre as imagens, foi utilizada a álgebra das imagens, através
do intervalo das três imagens analisadas, com os valores da imagem de 06/10/2001 subtraídos
da imagem de 17/10/1999 (Figura 23) e dos valores da imagem de 07/12/2006 subtraídos da
imagem de 06/10/2001 (Figura 24). Esse procedimento proporcionou uma melhor resposta
visual em relação ao aumento e diminuição correspondente à variável, neste caso a do albedo
de superfície na cena estudada, intensificando a análise sobre a crescente urbanização e a
perda de vegetação nativa que vem ocorrendo em Alagoas e Sergipe. A Figura 23 apresenta o
aumento e a diminuição do albedo, totalizando um ganho em 35% da área (vermelho), 50% da
região sofreu diminuição (azul) e 15% permaneceu inalterado. Na Figura 24 a predominância
na elevação do albedo, 86% da área (vermelho), 8% da região teve diminuição (azul) e 6%
(branco) permaneceu constante. De acordo com a imagem observou-se uma diminuição do
albedo nas regiões próximas ao leito do rio, que pode ter ocorrido pelo uso dessas áreas para
agricultura pelas populações das zonas ribeirinhas.
69
Figura 23 - Imagem da diferença do albedo de superfície estimado entre 06/10/2001
e 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 24 - Imagem da diferença do albedo de superfície estimado entre 07/12/2006
e 06/10/2001.
Fonte: Autor desta dissertação, 2012.
70
4.1.2 Mapas Temáticos de IVDN
Devido a sua relação com o albedo, o IVDN torna-se uma ferramenta muito eficaz para
análise do mesmo. Nos mapas temáticos de albedo as regiões apresentadas com baixos
valores, caracterizadas por corpos d’água, são indicadas com valores negativos nos mapas
temáticos de IVDN. Regiões com vegetação bastante densa são indicadas por valores
máximos de IVDN e as regiões onde os valores de albedo são os mais altos caracterizam
superfícies sem vegetação, ou seja, os mais baixos valores positivos obtidos no IVDN. Essa
relação entre o albedo e o índice de vegetação indica que eles são inversamente proporcionais
com os valores positivos de IVDN, ou seja, a proporção que os valores de determinado
parâmetro aumenta o outro diminui.
A Figura 25 representa o histograma de frequência do IVDN sobrepostos das imagens
tratadas nos intervalos considerados. A análise do histograma revela haver maior
concentração de pixels em 17/10/1999 (azul) entre 0,3 - 0,4 e 0,4 - 0,5, permanecendo essa
concentração do intervalo em 06/10/2001 (vermelho), com maior numero de pixels entre 0,2 0,3. Em 07/12/2006 (verde) ocorre uma concentração de pixels maior entre 0,2 - 0,3 e 0,3 0,4, essa queda nos intervalos aponta uma perda de vegetação nesse período.
Figura 25 - Histograma comparativo das frequências do IVDN para as três imagens
utilizadas.
Fonte: Autor desta dissertação, 2012.
71
As Figuras 26, 27 e 28 apresentam a área de estudo classificadas do IVDN, indicando
por azul escuro o baixo São Francisco e regiões com corpos d’água, representado os valores
negativos, assim como estão representadas as superfícies com vegetação por tons de verde e
superfícies sem vegetação entre as cores, vermelho e amarelo. A interferência da precipitação
registrada para dias anteriores as imagens dos dias 17/10/1999 e 06/10/2001 interferiram no
resultado do albedo e consequentemente nos resultados obtidos nos mapas temáticos do índice
de vegetação. A retenção de água pela vegetação acarreta em uma diminuição do albedo,
ocasionando um aumento no IVDN obtido.
Em 17/10/1999 (Figura 26), a maior concentração de pixels está entre 0,3 - 0,5, como
foi apresentado no histograma, correspondente a aproximadamente 67% da área,
permanecendo com essa mesma concentração de pixels no intervalo de tempo de dois anos,
como mostra a Figura 27. A região de Pão de Açúcar - AL, onde se observa uma maior
concentração de vegetação (IVDN > 0,7), indicada por um intervalo contido entre 10% - 12%
no mapa temático de albedo (Figura 20), ao passar do tempo devido a diversos processos
antrópicos, a densidade da vegetação nessa região vai cada vez mais diminuindo, acarretando
em um aumento do albedo. Sá et al. (2008) utilizaram o IVDN para caracterizar a cobertura
vegetal da região do Araripe-PE, obtendo cerca de 51% de áreas antropizadas no municípios
pernambucanos de Araripina e Bodocó.
Em uma área de pouca vegetação no município de Poço Redondo-SE, um intervalo
inicialmente contido entre 0,2 - 0,3 em 17/10/1999 (Figura 26) diminui para um intervalo
compreendido entre 0,1 - 0,2 em 07/12/2006 (Figura 27), indicando degradação da vegetação.
De acordo com Huete e Tucker (1991), o IVDN varia de 0,05 a 0,3 para áreas de solo exposto.
Em áreas que sofrem alterações antrópicas, Di Pace (2004) obteve valores instantâneos de
IVDN iguais a 0,198 e 0,152 para solo exposto no ano de 2000 e 2001, respectivamente. Em
07/12/2006 (Figura 28) o percentual contido entre 0,3 - 0,5, que era o de maior concentração,
foi bastante reduzido, chegando a aproximadamente 44% da região. Essa interferência
ocorrida está relacionada com a chuva registrada, que segundo Lira et al. (2011), ao
analisarem a variação sazonal em áreas do Submédio São Francisco, encontraram grandes
alterações nas características da imagem coletada em 2007 devido aos altos índices
pluviométricos que aconteceram na região antes da coleta da imagem, reforçando a relação
entre IVDN e a precipitação. Novas et al. (2008) analisaram a variação dos índices de
vegetação entre 17/10/1999 e 07/12/2006 na região sul da Bacia do Rio Traipu-AL
72
constatando que houve uma diminuição da densidade e biomassa da cobertura vegetal,
encontrando uma queda de 0,15 nos valores de IVDN.
Figura 26 - Mapa do IVDN para 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 27 - Mapa do IVDN para 06/10/2001.
Fonte: Autor desta dissertação, 2012.
73
Figura 28 - Mapa do IVDN para 07/12/2006.
Fonte: Autor desta dissertação, 2012.
Analisou-se por meio da álgebra das imagens os ganhos e perdas do índice de
vegetação da diferença normalizada. Para esse método será utilizado o intervalo de dois e sete
anos, com os valores da imagem de 06/10/2001 subtraídos da imagem de 17/10/1999 (Figura
29) e da imagem de 07/12/2006 subtraídos da imagem de 06/10/2001 (Figura 30). Ao realizar
este procedimento vemos na Figura 29 um equilíbrio de 30% da área da imagem entre ganhos
(vermelho) e perdas (azul) e um total de 40% da área permaneceram constantes. Na análise da
Figura 30 ocorre uma diminuição da cobertura vegetal, totalizando 73% da região (azul), uma
elevação de 12% de vegetação (vermelho) e 15% da área permanece inalterada.
74
Figura 29 - Imagem da diferença do Índice de Vegetação da Diferença Normalizada
estimada entre 06/10/2001 e 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 30 - Imagem da diferença do Índice de Vegetação da Diferença Normalizada
estimada entre 07/12/2006 e 06/10/2001.
Fonte: Autor desta dissertação, 2012.
75
4.1.3 Mapas Temáticos de Temperatura da Superfície Terrestre
As imagens posteriores apresentam os mapas temáticos da Temperatura da Superfície
da região de estudo referente aos dias 17/10/1999 (Figura 32), 06/10/2001 (Figura 33) e
07/12/2006 (Figura 34). A Temperatura da Superfície é um parâmetro bastante exigido para
diversas aplicações em Meteorologia e Recursos Naturais, principalmente na estruturação de
modelos de Balanço de Energia (SILVA e SANTOS, 2007).
Em 17/10/1999 a predominância de pixels apresentada no histograma (Figura 31)
entre no intervalo entre 26ºC - 30ºC. Já em 06/10/2001 esse intervalo se expande para 28ºC 32ºC. Em 07/12/2006 a concentração de pixels já está no intervalo para valores maiores que
32ºC. Diversos estudos indicam que a emissividade pode ser uma fonte de erros para estimar
a temperatura da superfície por meio de imagens de satélite (BECKER, 1987).
Figura 31 - Histograma comparativo das frequências de Temperatura da Superfície
Terrestre para as três imagens utilizadas.
Fonte: Autor desta dissertação, 2012.
Os valores encontrados nos corpos d’água foram os menores de toda a região, não
excedendo a 22ºC. Em estudos no Lago do Sobradinho, Silva et al. (2005) encontraram
valores de temperatura de 20,8ºC em 2000 e 23ºC em 2001. Oliveira et al. (2009) realizaram
estimativas para a temperatura da superfície e encontraram valores menores que 22ºC na bacia
do rio Moxotó. Já Giongo (2008) obteve valores nos lagos de Santa Rita do Passa Quatro
valores inferiores a 23ºC e Silva et al. (2005) obtiveram os menores valores próximos de 21ºC
76
no Lago do Sobradinho-BA e Rio São Francisco. Os resultados encontrados pelos autores
supracitados estão de acordo com os resultados obtidos neste trabalho.
Os mapas temáticos da Temperatura da Superfície estão de acordo com os mapas
temáticos de albedo, de forma que, onde o albedo se mostrou com maiores valores também
foram detectados os maiores valores de temperatura e onde o albedo obteve seus menores
valores também foram detectados os menores valores de temperatura. Gomes (2009) afirma
que não apenas o aumento do albedo indica o aumento da temperatura, mas também padrões
nos fluxos de calor sensível e latente. Nas imagens seguintes, áreas que possuem uma
vegetação mais densa possuem também os menores valores da temperatura, ocorrendo um
aumento gradativo da temperatura de superfície na região estudada devido a perca da
cobertura de vegetação. Ao analisar as imagens de 17/10/1999 (Figura 32) e 06/10/2001
(Figura 33) percebe-se uma elevação na temperatura principalmente na região do estado de
Sergipe. Esse aumento gradativo permanece nas imagens de 06/10/2001 (Figura 33) e
07/12/2006 (Figura 34), onde sua média teve um aumento bastante expressivo, embora a
chuva registrada pela estação de Poço Redondo pode ter influenciado nos resultados,
possivelmente a temperatura teria valores maiores nesse dia devido a grande diminuição da
cobertura de vegetação. Araújo e Di Pace (2010) encontraram uma elevação na temperatura
de superfície de Maceió entre os anos de 1990 e 2003, em todas as sub áreas analisadas. Os
maiores valores encontrados foram dentro da malha urbana da cidade variando cerca de 6ºC.
Ideião et al. (2008) analisaram dados temporais de temperatura de superfície terrestre no
estado da Paraíba constatando um aumento devido ao aumento da urbanização do estado
mediante a impermeabilização do solo no decorrer dos anos. Oliveira et al. (2007)
relacionaram a temperatura de superfície ao IVDN na mesorregião leste do Estado de Alagoas,
onde as regiões com os mais altos valores de IVDN, indicando uma densa vegetação,
obtiveram baixos valores de temperatura, cerca de 23,5ºC e regiões com baixos valores de
IVDN indicam os mais altos valores de temperatura, cerca de 25,9ºC.
Novas et al. (2009) estimaram a temperatura de superfície em uma área com a bacia
do Rio Pratagy, determinando uma diminuição de 26ºC em 1998 para 24ºC em 2003, onde
relacionaram o resultado a melhor conservação ambiental junto a ocorrência de um índice
pluviométrico registrado nos últimos três decênios.
77
Figura 32 - Temperatura da Superfície Terrestre (ºC) para o dia 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 33 - Temperatura da Superfície Terrestre (ºC) para o dia 06/10/2001.
Fonte: Autor desta dissertação, 2012.
78
Figura 34 - Temperatura da Superfície Terrestre (ºC) para o dia 07/12/2006.
Fonte: Autor desta dissertação, 2012.
Por meio da álgebra das imagens, os valores da imagem de 07/102001 foram
subtraídos da imagem de 17/10/1999 e os valores da imagem de 06/12/2006 foram subtraídos
da imagem de 06/10/2001, com a finalidade de obter uma melhor resposta visual em relação
ao aumento e diminuição da temperatura da superfície na cena estudada, possibilitando a
análise mais profunda sobre a crescente urbanização e a perda de vegetação nativa, referente à
analise de albedo e IVDN. A Figura 35 apresenta uma predominância no aumento de
temperatura em 62% da área (vermelho), uma redução de 30% (azul) e 8% permanece
constante (branco). Essa supremacia no aumento permanece no intervalo entre 07/12/2006 e
06/10/2001 (Figura 36), onde o percentual chega a 90% da região (vermelho), uma pequena
redução de 6% (azul) mais concentrada no rio São Francisco e 4% permaneceu constante.
79
Figura 35 - Imagem da diferença de Temperatura de Superfície estimada entre
06/10/2001 e 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 36 - Imagem da diferença de Temperatura de Superfície estimada entre
07/12/2006 e 06/10/2001.
Fonte: Autor desta dissertação, 2012.
80
4.1.4 Mapas Temáticos do Balanço de Radiação à Superfície
Os mapas temáticos do Balanço de radiação à superfície são apresentados para a
região de estudo referente aos dias 17/10/1999 (Figura 38), 06/10/2001 (Figura 39) e
07/12/2006 (Figura 40). A determinação do Balanço de Radiação à superfície é de suma
importância devido a sua relação com a agricultura, por meio da estimativa da
evapotranspiração para o cálculo do balanço hídrico, fundamental para utilização de forma
consciente dos recursos hídricos (LEIVAS et al., 2007). A determinação de Rn por meio do
algoritmo SEBAL/METRIC é um dos principais parâmetros estimados, devido a todos os
processo físico-químicos que acontecem na superfície estarem relacionados com a quantidade
de energia que é disponível, resultante da soma dos balanços de radiação de ondas curtas e
ondas longas (PEIXOTO, 2009).
A Figura 37 representa o histograma de frequência do Rn sobrepostos das imagens
estudadas em determinados intervalos considerados. Em 17/10/1999 (azul) a maior
concentração do Balanço de Radiação está entre 600 W.m-2 - 650 W.m-2, ocorrendo a
permanência do intervalo em 06/10/2001 (vermelho). Silva et al. (2010), analisando o
Balanço de Radiação no estado do Acre, mostraram que em áreas de maior albedo,
compreendem áreas de menor IVDN acarretando em solo exposto, apresentaram os menores
valores de Rn, consequentemente terão menor energia para ser transformada em calor sensível
e latente. Em 07/12/2006 (verde) houve uma redução da concentração de pixels para o
intervalo entre 575 W.m-2 - 625 W.m-2. Esta redução está atribuída ao aumento do albedo no
intervalo entre 07/12/2006 e 06/10/2001.
Di Pace (2004) analisou o Saldo de Radiação à superfície terrestre na região do
semiárido brasileiro por meio do algoritmo SEBAL, analisando os resultados incialmente sem
o MED e em seguida com o MED, obtendo resultados mais consistentes após levar em
consideração a orografia da região.
81
Figura 37 - Histograma comparativo das frequências do Balanço de Radiação a
superfície terrestre para as três imagens utilizadas.
Fonte: Autor desta dissertação, 2012.
As imagens (Figuras 38, 39 e 40) apresentam os maiores valores do Saldo de Radiação
em corpos d’água, com um registro acima de 675 W.m-2. Silva et al. (2005) estimaram o
Balanço de Radiação em áreas irrigadas do projeto Senador Nilo Coelho, no médio São
Francisco e parte do lago Sobradinho em 2000 e 2001, obtendo valores acima de 789,4 W.m-2
para os corpos d’água e entre 685,9 W.m-2 - 737,7 W.m-2 nas áreas irrigadas. Silva et al.
(2002) obtiveram valores acima de 800 W.m-2 para o médio São Francisco. Folhes et al.
(2007) e Gomes (2009) utilizando o algoritmo METRIC, encontraram os maiores os maiores
valores de Rn em espelhos d’água, com valores acima de 740 W.m-2 e 731 W.m-2
respectivamente. Esses valores estão coerentes com os resultados obtidos pelos autores
supracitados, levando em consideração a vasta extensão e profundidade do Baixo São
Francisco, o qual tem a capacidade de reter bastante energia, alterando consideravelmente o
balanço de radiação de toda a região analisada. No dia 17/10/1999 (Figura 38) observa-se a
relação entre os menores valores obtidos correspondentes as áreas de altos valores do albedo,
indicando superfícies com solo exposto, o intervalo predominante contido nessa região está
entre 500 W.m-2 - 575 W.m-2 (tons de verde), ocorrendo um aumento da área com este
intervalo em 06/10/2001 (Figura 39) com predominância em parte de Sergipe, relacionada a
crescente urbanização no Estado. Os valores de Rn para essa pequena parte de Sergipe
diminuem para valores abaixo de 500 W.m-2 (tons de azul) e aumenta a área sem vegetação
incorporando uma pequena porção do estado de Alagoas em 07/12/2006 (Figura 40). Silva et
82
al. (2002) obtiveram valores abaixo de 600 W.m-2 para regiões de solo exposto próximas ao
perímetro irrigado Senador Nilo Coelho e Silva et al. (2005) encontraram valores de solo
exposto variando entre 395,3 W.m-2 e 458,7 W.m-2, e em superfície com vegetação obteve
valores entre 522,1 W.m-2 e 712,2 W.m-2.
Por meio dos mapas temáticos constata-se a ação antrópica, influenciando diretamente
os valores de albedo, índice de vegetação da diferença normalizada, temperatura da superfície
e, consequentemente, Balanço de Radiação. As regiões que sofrem essas ações tendem a ter
um baixo indicador de vegetação devido à redução de vegetação nativa, um alto albedo e
posteriormente uma temperatura de superfície mais elevada devido a incidência direta de
radiação no solo agora exposto, acarretando em um menor saldo de radiação a superfície que
posteriormente afetará nos fluxo de calor no solo (G), fluxo de calor sensível (H) e no fluxo
de calor latente (LE).
Figura 38 - Balanço de Radiação à Superfície (W.m-2) para o dia 17/10/1999.
Fonte: Autor desta dissertação, 2012.
83
Figura 39 - Balanço de Radiação à Superfície (W.m-2) para o dia 06/10/2001.
Fonte: Autor desta dissertação, 2012.
Figura 40 - Balanço de Radiação à Superfície (W.m-2) para o dia 07/12/2006.
Fonte: Autor desta dissertação, 2012.
84
Através da álgebra das imagens, utilizar-se-á o intervalo de dois e cinco anos
respectivamente, com os valores da imagem de 06/10/2001 subtraídos da imagem de
17/10/1999 e os valores da imagem de 07/12/2006 subtraídos da imagem de 06/10/2001.
Analisando a Figura 41 observa-se uma redução do Saldo de Radiação em 59% (azul) da área
de estudo, um aumento de 32% (vermelho) e uma permanência de 8% (branco). Na Figura 42
o percentual de redução preenche quase toda a área chegando a 76% (azul), o aumento do
Saldo de Radiação foi de 24% (vermelho). O menor percentual sofre um aumento atribuído a
regiões das zonas ribeirinhas e outras pequenas porções devido ao aumento de vegetação
nessas áreas, ocasionando uma maior retenção de água e maior absorção de energia.
Figura 41 - Imagem da diferença do Balanço de Radiação à superfície estimada entre
06/10/2001 e 17/10/1999.
Fonte: Autor desta dissertação, 2012.
85
Figura 42 - Imagem da diferença do Balanço de Radiação à superfície estimada entre
07/12/2006 e 06/10/2001.
Fonte: Autor desta dissertação, 2012.
4.2
Componentes do Balanço de Energia
Desenvolvidos os mapas do Balanço de Radiação, foram obtidos os mapas temáticos
dos demais componentes do Balanço de Energia, quais sejam: Fluxo de Calor no Solo, Fluxo
de Calor Sensível e Fluxo de Calor Latente.
4.2.1 Mapas Temáticos do Fluxo de Calor no Solo
De acordo com Feitosa (2005) e Bastiaanssen et al. (1998b), o Fluxo de Calor no Solo
(G) apresenta uma maior dificuldade de precisão através de sensoriamento remoto, dentre os
componentes do Balanço de Energia. Devido a dificuldade em relação à precisão,
Bastiaanssen et al. (1998b), citado por Bezerra (2006), minimizam o problema de medição de
G, pois elas são representativas de áreas muito pequenas onde sejam reduzidas as influências
da variação e do tipo de solo, assim como, da cobertura de vegetação incoerentes com o
tamanho do pixel do sensor Thematic Mapper. Esse fluxo é determinado por meio do Balanço
de Radiação a superfície, onde em corpos d’água com pouca ou praticamente nenhuma
turbidez, Allen et al. (2002) consideram apenas 50% de Rn, ou seja, metade do Saldo
Radiativo à superfície é voltado para o aquecimento da água. Os mapas temáticos do fluxo de
86
calor no solo são apresentados para a região de estudo referente aos dias 17/101999 (Figura
44), 06/10/2001 (Figura 45) e 07/12/2006 (Figura 46).
A Figura 43 representa o histograma de frequência do G sobrepostos das imagens
tratadas nos intervalos considerados. A maior concentração de pixels em 1999 (azul) está
definida no intervalo entre 80 W.m-2 - 84 W.m-2, sendo acrescido em 2001 (vermelho) para 84
W.m-2 - 88 W.m-2, assim como 2006 (verde) também houve um aumento no intervalo para
valores acima de 96 W.m-2.
Figura 43 - Histograma comparativo das frequências do Fluxo de Calor no Solo para
as três imagens utilizadas.
Fonte: Autor desta dissertação, 2012.
Nas Figuras 44, 45 e 46, estão representados os mapas temáticos do Fluxo de Calor no
Solo no momento da passagem do satélite. As áreas em tons de verde escuro representam os
valores de G maiores que 96 W.m-2, indicando regiões que sofreram atividades antrópicas e
áreas de solo exposto. Gomes (2009) obteve os maiores valores do fluxo de calor no solo em
regiões de solo exposto ou vegetação rala, encontrando valores entre 160 W.m-2 e 200 W.m-2.
Oliveira et al. (2009) encontraram valores em solo exposto acima de 75 W.m-2, próximas a
bacia hidrográfica do rio Moxotó-PE. As áreas de menor valor de G estão localizadas em
regiões com vegetação e corpos d’água com valores entre 64 W/m² - 72 W/m². Em
17/10/1999 (Figura 44) são obtidos os menores valores do fluxo de calor no solo (< 64 W.m-2)
para regiões com densa vegetação e os maiores obtidos (> 96 W.m-2) para regiões com solo
sem vegetação. É observada uma predominância do intervalo 80 W.m-2 - 84 W.m-2 em áreas
87
próximas ao São Francisco indicando possivelmente áreas de vegetação intermediária. Em
06/10/2001 (Figura 45) a diminuição das regiões com densa vegetação fez ocorrer um
aumento dos valores de G ao redor desta vegetação, assim como aumenta o intervalo
predominante para 84 W.m-2 - 88 W.m-2 incorporando além de áreas próximas ao São
Francisco, como boa parte da região de Alagoas. Em 07/12/2006 (Figura 46) ocorre um
aumento no intervalo predominante (>96 W.m-2) de G em praticamente toda a região
analisada. Esse fato ocorrido é devido a grande perda de vegetação no decorrer dos cinco
anos, acarretando em um aumento do albedo e da temperatura de superfície terrestre.
Portanto, como estes parâmetros estão interligados, o aumento do albedo e da temperatura de
superfície, combinados com a diminuição do índice de vegetação, ocasiona aumento no Fluxo
de Calor no Solo.
Figura 44 - Fluxo de Calor no Solo (W.m-2) para o dia 17/10/1999.
Fonte: Autor desta dissertação, 2012.
88
Figura 45 - Fluxo de Calor no Solo (W.m-2) para o dia 06/10/2001.
Fonte: Autor desta dissertação, 2012.
Figura 46 - Fluxo de Calor no Solo (W.m-2) para o dia 07/12/2006.
Fonte: Autor desta dissertação, 2012.
89
A análise da álgebra das imagens apresenta no intervalo de dois anos subtraídos
(Figura 47) uma redução de 41% (azul) do fluxo de calor no solo, um aumento de 50%
(vermelho) e 10% que não sofreu variação. E com o intervalo de cinco anos subtraídos
(Figura 48) 95% da área teve um aumento (vermelho), 3% sofreu redução dos valores de G
(azul) e em 2% da área não houve redução ou aumento.
Figura 47 - Imagem da diferença do Fluxo de Calor no Solo estimado entre
06/10/2001 e 17/10/1999.
Fonte: Autor desta dissertação, 2012.
90
Figura 48 - Imagem da diferença do Fluxo de Calor no Solo estimado entre
07/12/2006 e 06/10/2001.
Fonte: Autor desta dissertação, 2012.
4.2.2 Mapas Temáticos do Fluxo de Calor Sensível
O Fluxo de Calor Sensível (H) é a parcela de energia transferida na atmosfera através
de processos de condução e convecção. A estimativa de H é a etapa que requer maior atenção
no cômputo do Balanço de Energia e Evapotranspiração por meio do algoritmo
SEBAL/METRIC. Por meio deste algoritmo são determinados dois pixels âncoras, quente e
frio. O primeiro pixel é determinado através da análise dos mapas temáticos de Temperatura
da Superfície (pixel de maior temperatura), Índice de Vegetação da Diferença Normalizada
(pixel com baixo indicador de vegetação), Saldo de Radiação a Superfície e Fluxo de Calor no
Solo, os quais representam o local onde o Fluxo de Calor Latente seja nulo. O pixel frio é
escolhido sobre áreas que estejam bem irrigadas, em boas condições de evapotranspiração,
onde o Calor Sensível seja considerado nulo. Os mapas temáticos do Fluxo de Calor Sensível
são apresentados para a região de estudo referente aos dias 17/10/1999 (Figura 50),
06/10/2001 (Figura 51) e 07/12/2006 (Figura 52).
A Figura 49 mostra o histograma de frequência de H sobrepostos das imagens
estudadas nos intervalos estimados. Em 17/10/1999 (azul) a maior concentração de pixels está
91
entre 100 W.m-2 - 200 W.m-2, ocorrendo um aumento em 06/10/2001 (vermelho) para o
intervalo entre 200 W.m-2 - 300 W.m-2 e em 07/12/2006 (verde) para 300 W.m-2 - 350 W.m-2.
Figura 49 - Histograma comparativo das frequências do Fluxo de Calor Sensível
(W.m-2) para as três imagens utilizadas.
Fonte: Autor desta dissertação, 2012.
Nos seguintes mapas temáticos (Figuras 50 à 52) os valores negativos de H estão
indicados pela tonalidade azul escuro, representando além dos corpos d’água, áreas das quais
a sua Temperatura de Superfície seja menor que a temperatura do pixel âncora frio
selecionado, de acordo com Silva e Bezerra (2005). O fato de se obter os menores valores de
H na água é associado ao seu alto calor específico (1 cal.g-1.ºC-1). A maior concentração de
pixels em 17/10/1999 está entre os valores 100 W.m-2 - 200 W.m-2 cobrindo 69% da área. Em
06/10/2001 essa cobertura é reduzida para menos da metade, chegando a 31% da área total e
em 07/12/2006 tem 18% sobre o ano anterior, ficando com 49% da área de cobertura. Os
menores valores encontrados nos mapas de H estão relacionados aos maiores valores de Rn.
Os tons em amarelo representam os valores maiores que 400 W.m-2. Inicialmente em
17/10/1999 esses valores cobrem apenas 2% da área total, em 06/10/2001 esse percentual
sobe para 11% e volta a cair em 07/12/2006, ficando novamente com 2%. Esse fator de
aumento e redução está associado com a precipitação pluviométrica. Nas imagens de 1999 e
2006 foram registradas chuvas para os cinco dias anteriores, causando uma interferência no
fluxo de calor latente devido a retenção de água e aumento da umidade relativa do ar no
sistema solo-vegetação-atmosfera, fazendo com que os valores obtidos nessas imagens sejam
92
reduzidos. Ao contrário da imagem de 2001 que não houve registro pluviométrico, não houve
interferência, o intervalo de pixels ficou bem distribuído na região. A superfície com solo
exposto possui os maiores valores de calor sensível devido à incidência direta de radiação
solar, fazendo com que a temperatura seja elevada, já que o calor sensível é aquele que apenas
provoca uma variação de temperatura. Gomes (2009) encontrou os maiores valores acima de
300 W.m-2 para regiões com pouca ou praticamente nenhuma vegetação no município de
Santa Rita do Passa Quatro-SP. Santos et al. (2008) encontraram valores superiores a 430
W.m-2 em áreas correspondentes a solos descobertos ou ocupados com vegetação rasteira na
região próxima ao Baixo Jaguaribe no estado do Ceará. Folhes et al. (2007) obtiveram valores
entre 667 W.m-2 - 750 W.m-2 para regiões de solo exposto em uma área de preservação de
caatinga no município de Petrolina-PE.
Figura 50 - Mapa do Fluxo de Calor Sensível (W.m-2) para o dia 17/10/1999.
Fonte: Autor desta dissertação, 2012.
93
Figura 51 - Mapa do Fluxo de Calor Sensível (W.m-2) para o dia 06/10/2001.
Fonte: Autor desta dissertação, 2012.
Figura 52 - Mapa do Fluxo de Calor Sensível (W.m-2) para o dia 07/12/2006.
Fonte: Autor desta dissertação, 2012.
94
Através da álgebra das imagens, utilizar-se-á o intervalo de dois e cinco anos
respectivamente, com os valores da imagem de 06/10/2001 subtraídos da imagem de
17/10/1999 e os valores da imagem de 07/12/2006 subtraídos da imagem de 06/10/2001. A
Figura 53 apresenta um aumento de 84 % (vermelho) no Fluxo de Calor Sensível e uma
pequena redução de aproximadamente 16 % (azul), onde nenhum percentual permaneceu
constante ou sofreu pouca variação. Na análise da Figura 54, variação entre 2006 e 2001
ocorreu uma redução de 45% (azul) e um aumento de 55% (vermelho) e novamente nenhum
pixel permaneceu constante ou com pouca variação.
Figura 53 - Imagem da diferença do Fluxo de Calor Sensível estimada entre 06/10/2001
e 17/10/1999.
Fonte: Autor desta dissertação, 2012.
95
Figura 54 - Imagem da diferença do Fluxo de Calor Sensível estimada entre 07/12/2006
e 06/10/2001.
Fonte: Autor desta dissertação, 2012.
4.2.3 Mapas Temáticos do Fluxo de Calor Latente
O Fluxo de Calor Latente (LE) é a parcela de energia que o sistema solo-vegetação
perde ou recebe para que ocorra a mudança de estado físico da água. Sua estimativa no
modelo SEBAL/METRIC é calculada como resíduo das demais componentes do Balanço de
Energia, contabilizada pela diferença do Saldo de Radiação, o Fluxo de Calor no Solo e o
Fluxo de Calor Sensível, de acordo com Bastiaanssen (1995). Segundo Ruhoff (2009) o Fluxo
de Calor Latente tem um padrão sazonal bem definido, onde máximos ocorrem na estação
chuvosa devido à alta retenção de água em superfícies vegetadas, e os mínimos ocorrem na
vegetação seca. Os mapas temáticos do LE apresentados para a região de estudo
correspondem aos dias 17/10/1999 (Figura 56), 06/10/2001 (Figura 57) e 07/12/2006 (Figura
58).
Na Figura 55 é apresentado o histograma de frequência do LE sobreposto das três
imagens estudadas em determinados intervalos. Em 1999 (azul), o intervalo entre 350 W.m-2 490 W.m-2 é predominante, em 2001 (vermelho) está entre 210 W.m-2 - 350 W.m-2, e 2006
(verde) a maior concentração de pixels está entre 70 W.m-2 - 210 W.m-2.
96
Figura 55 - Histograma comparativo das frequências do Fluxo de Calor Latente para
as três imagens utilizadas.
Fonte: Autor desta dissertação, 2012.
Os mapas temáticos de Fluxo de Calor Latente são apresentados nas Figuras 56 à 58.
As áreas em tonalidade azul escuro representam os valores de LE acima de 630 W.m-2. Estes
valores estão concentrados no Baixo São Francisco devido a sua grande extensão, fazendo
com que ele necessite de mais energia proveniente do Balanço de Radiação e acarrete o
processo evaporativo da água. Regiões com vegetação apresentam valores acima de 560 W.m2
(tons de azul) e aumentam de acordo com a densidade da vegetação, aumentando assim a
capacidade de retenção de água e consequentemente o Fluxo de Calor Latente. Folhes et al.
(2007) e Bezerra et al. (2008) obtiveram valores de ET sobre corpos d’água e culturas
irrigadas valores excedentes a 630 W.m-2. Lima et al. (2009) obtiveram valores de 616 W.m-2
na bacia do rio Paracatu e Silva e Bezerra (2005) encontraram valores de aproximadamente
540 W.m-2 para o Lago do Sobradinho na Bahia e determinados trechos do rio São Francisco.
Em regiões de solo exposto foram obtidos valores abaixo de 210 W.m-2 (tons de verde), dos
quais ouve ocorrência de chuva para a imagem de 1999 e 2006, ocasionando assim um
aumento do LE. Lima et al. (2009) e Peixoto (2009) encontraram valores nulos para regiões
sem vegetação.
97
Figura 56 - Mapa do Fluxo de Calor Latente (W.m-2) para o dia 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 57 - Mapa do Fluxo de Calor Latente (W.m-2) para o dia 06/10/2001.
Fonte: Autor desta dissertação, 2012.
98
Figura 58 - Mapa do Fluxo de Calor Latente (W.m-2) para o dia 07/12/2006.
Fonte: Autor desta dissertação, 2012.
A álgebra das imagens apresenta no primeiro intervalo, entre 06/10/2001 e
17/10/1999, (Figura 59) uma diminuição no LE de aproximadamente 80% (azul) atribuído à
ausência de registro de precipitação, e um aumento de 17% (vermelho) e 3% permanecendo
constante. No intervalo entre 07/12/2006 e 06/10/2001 (Figura 60) ocorreu uma diminuição
de 73% (azul) e o percentual de aumento de 27% (vermelho), pois mesmo com uma grande
diminuição na cobertura de vegetação entre este intervalo de tempo, o alto índice
pluviométrico registado dias antes da coleta da imagem de 07/12/2006 ainda conseguiu
aumentar o percentual do LE. Percebendo que assim como o Fluxo de Calor Sensível, o Fluxo
de Calor Latente também sofre interferência significativa devido à chuva.
99
Figura 59 - Imagem da diferença do Fluxo de Calor Latente estimado entre
06/10/2001 e 17/10/1999.
Fonte: Autor desta dissertação, 2012.
Figura 60 - Imagem da diferença do Fluxo de Calor Latente estimado entre
07/12/2006 e 06/10/2001.
Fonte: Autor desta dissertação, 2012.
100
4.3
Análise dos Parâmetros Estimados
Na área de estudo, foram realizados três mini-recortes para alvos selecionados com
diferentes características. Os alvos foram organizados da seguinte forma: A1 (Mata de
altitude), A2 (Água), A3 (Solo sem vegetação), como mostra a Figura 61 em composição
RGB 432. Os mini-recortes nas regiões geraram uma matriz de 40 x 40 pixels, dos quais
foram obtidos valores médios. (Tabela 7)
Figura 61 - Áreas selecionadas para os mini-recortes na composição RGB 432.
Fonte: Autor desta dissertação, 2012.
Os valores médios obtidos apresentam um aumento crescente do albedo e uma
diminuição do índice de vegetação. Essa diminuição na cobertura da vegetação ocasionou um
aumento da temperatura de superfície nas três regiões para 07/12/2006. As regiões de mata
ciliar e solo sem vegetação, tiveram uma diminuição do saldo de radiação a superfície em 1%
e 4% respectivamente ao longo de 5 anos. Essa alteração no balanço de radiação influenciou
os componentes do balanço de energia, o fluxo de calor no solo sofreu um aumento gradativo
assim como o fluxo de calor sensível, e diminuindo o fluxo de calor latente.
101
Tabela 7 - Valores médios dos parâmetros analisados para os três dias estudados
Parâmetros Unidades 17/10/1999 06/10/2001 07/12/2006
Albedo - A1
%
10,69
10,72
12,54
Albedo - A2
%
3,61
3,28
4,01
Albedo - A3
%
18,32
19,07
22,43
IVDN - A1
0,72
0,63
0,62
IVDN - A2
-0,07
-0,06
-0,13
IVDN - A3
0,31
0,29
0,22
Ts - A1
ºC
22,45
21,72
26,94
Ts - A2
ºC
19,73
18,84
19,73
Ts - A3
ºC
32,19
31,79
36,69
-2
Rn - A1
W.m
691,89
692,16
685,54
-2
Rn - A2
W.m
769,44
770,71
804,03
-2
Rn - A3
W.m
568,00
558,51
535,43
-2
G - A1
W.m
52,32
57,94
74,38
-2
G - A2
W.m
61,74
58,69
64,97
-2
G - A3
W.m
93,41
91,86
107,09
-2
H - A1
W.m
9,52
0,30
82,98
H - A2
W.m-2
-9,18
-10,13
-8,42
-2
H - A3
W.m
295,92
321,62
326,10
-2
LE - A1
W.m
630,05
633,92
528,19
-2
LE - A2
W.m
716,88
722,15
747,49
-2
LE - A3
W.m
178,67
145,02
102,25
Fonte: Autor desta dissertação, 2012.
102
5
CONCLUSÕES
O albedo sofre um aumento gradativo, ocasionado devido à perda na cobertura de
vegetação.
A interferência humana altera os componentes do Balanço de Radiação e Energia.
As chuvas registradas nos dias anteriores a coleta das imagens interferiram
significativamente nos fluxos de Calor Sensível e Latente.
Os valores obtidos dos componentes do Balanço de Energia estão coerentes com valores
encontrados na literatura.
As análises temporais estão com diferença de dois e cinco anos, de forma que a
comparação entre elas não é proporcional.
103
6
SUGESTÕES PARA TRABALHOS FUTUROS
Validar os componentes do Balanço de Energia
Estimar a Evapotranspiração Real e Horária
Instalação de estações meteorológicas automáticas e torres micrometeorológicas.
Implementação do algoritmo em softwares livres
104
REFERÊNCIAS
ACCIOLY, L. J. et al. Relações empíricas entre a estrutura da vegetação e dados do sensor
TM/LANDSAT. Revista Brasileira de Engenharia Agrícola e Ambiental, , Campina
Grande, v. 6, n.3, p.492-498, 2002.
AGSOLVE. Monitoramento ambiental, 2011. Disponível em:
<http://www.agsolve.com.br/produto_detalhe.php?cod=1006>. Acesso em: 23 set. 2011.
AHMAD, M.; BASTIAANSSEN, W. G. M. Retrieving soil moisture storage in the
unsaturated zone using satellite imagery and bi-annual phreatic surface fluctuations.
Irrigation and Drainage Systems, v. 17, p. 141-161, 2003.
ALLEN, R. G.; TASUMI, M.; TREZZA, R. SEBAL (Surface Energy Balance Algorithms for
Land): advanced training and users manual, Idaho, 2002.
______. et al.(Ed.). The ASCE standardized reference evapotranspiration equation.
[S.l.]: ASCE, 2005. (ASCE-EWRI, 2005).
______; ______; ______. Satellite-based energy balance for mapping evapotranspiration with
internalized calibration (METRIC): model. ASCE: Journal of Irrigation and Drainage
Engineering, p. 380-394, 2007a.
______. et al. Crop evapotranspiration: guidelines for computing crop water requirements.
Rome: FAO, 1998. (Irrigation and Drainage Paper, 56).
______. et al. A Landsat: based energy balance and evapotranspiration model in wester US
water rights regulation and palnning. Irrigation and Drainage Systems, v.19, p. 251-268,
2005.
______. et al. Satellite-based energy balance for mapping evapotranspiration with internalized
calibration (METRIC) – applications. ASCE: Journal of Irrigation and Drainage
Engineering, p. 380-394, 2007b.
AGÊNCIA NACIONAL DE ÁGUAS. Superintendência de Gestão da Rede
Hidrometeorológica. Plataforma de coleta de dados. Brasília-DF, 2011. Especificações
Técnicas
ARAÚJO, T. L.; DI PACE, F. T. Valores instantâneos da temperatura da superfície terrestre
na cidade de Maceió-AL utilizando imagens do satélite TM/Landast 5. Revista Brasileira de
Geografia Física, v. 3, p. 104-111, 2010.
ARYA, S. P. Introduction to micrometeorology. North Carolina: Academic Press, 1998.
BASTIAANSSEN, W. G. M. Regionalization of surface flux densities and moisture
indicators in composite terrain. 1995. 271 f. Tese (Doutorado em Meteorologia) Wageningen Agricultural University , Wageningen, 1995.
105
BASTIAANSSEN, W. G. M. SEBAL: based sensible and latent heat fluxes in the irrigated
Gediz Basin, Turkey. Journal of Hydrology, Amsterdam, v. 229, p. 87-100, 2000.
______. et al. SEBAL: model with remotely sensed data to improve water-resources
management under actual field conditions. ASCE: Journal of Irrigation and Drainage
Engineering, p. 85-93, 2005.
______. et al. A remote sensing surface energy balance algorithm for land (SEBAL) 1:
formulation. Journal of Hydrology, Amsterdam, v. 212-213, p. 198-212, 1998a.
______. et al. A remote sensing surface energy balance algorithm for land (SEBAL) 2:
Validation. Journal of Hydrology, Amsterdam, v. 212-213, p. 213-229, 1998b.
BECKER, F. The impact of spectral emissivity on the measurement of land surface
temperature from a satellite. International Journal of Remote Sensing, v. 8, n. 10, p. 15091522, 1987.
BETTS, A. K.; BALL, J. H. The FIFE surface diurnal cycle climate. Journal of Geophysical
Research, v. 100, p. 679-693, 1995.
BEZERRA, B. G. Balanço de energia e evapotranspiração em áreas com diferentes tipos
de cobertura de solo no cariri cearense através do algoritmo SEBAL. Dissertação
(Mestrado em Meteorologia) - Universidade Federal de Campina Grande, 2006.
______; SILVA, B. B.; FERREIRA, N. J. Estimativa da evapotranspiração real diária
utilizando-se imagens digitais TM - Landsat 5. Revista Brasileira de Meteorologia, v. 23,
n. 3, p. 305-317, 2008.
BOEGH, E.; SOEGAARD, H.; THOMSEN, A. Evaluating evapotranspiration rates and
surface conditions using Landsat TM to estimate atmospheric resistance and surface
resistance. Remote Sensing of Environment, v. 79, p. 329-343, 2002.
BRANDÃO, Z. N.; BEZERRA, M. V. C.; SILVA, B. B. Uso do NDVI para determinação da
biomassa na chapada do Araripe. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 13., 2007. Florianópolis. Anais… Florianópolis, 2007. p.75-81.
BRUTSAERT, W. Evapotranspiration into the atmosphere: theory, history and applications.
Dordrecht: Reidel, 1982.
CABRAL, S. L.; DI PACE, F. T. Estimativa do índice de vegetação da diferença normalizada
(IVDN) na mesorregião leste de Alagoas utilizando o algoritmo SEBAL na imagem do sensor
TM do Landsat 5. In: CONGRESSO BRASILEIRO DE METEOROLOGIA, 15., 2008, São
Paulo. Anais... São Paulo, 2008.
CARDOZO, F. S. et al. Análise da estimativa da refletância e albedo em áreas alagadas do
Pantanal. In: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 2., 2009. Corumbá.
Anais... Corumbá, 2009. p.392-401.
106
CASTELLVI, F.; MARTÍNEZ-COB, A.; PÉREZ-COVETA, O. Estimating sensible and
latente heat fluxes over rice using surface renewal. Agricultural and Forest Meteorology,
v. 139, p. 164-169, 2006.
CEBALLOS, J. C.; LIMA, W. F. A.; SOUZA, J. M. Radiação de onda longa emergente no
topo da atmosfera: Uma comparação entre estimativas com GOES-8 IMAGER e dados no
NCEP. In: CONGRESSO BRASILEIRO DE METEOROLOGIA, 12., 2002. Foz de Iguaçu.
Anais… Foz de Iguaçu, 2002. p. 3264-3269.
CENTRO DE ESTUDOS E AÇÃO SOCIAL. Rio São Francisco: transposição, degradação
ambiental, alternativas. Salvador, 2007.
CHANDER, G.; MARKHAM, B. Revised Landsat-5 TM radiometric calibration procedures
and postcalibration dynamic ranges. IEEE: Transactions on Geoscience and Remote
Sensing. v. 41, n.11, 2003.
CHAVES, L. G.; RODRIGUES, O.; ANDRADE, E. M. Uso do SEBAL na variação temporal
do albedo de superfície na bacia do Forquilha, Ceará, baseado em imagens LANDSAT 5-TM.
In: Simpósio Brasileiro de Sensoriamento Remoto, 14., 2009. Natal. Anais... Natal, 2009. p.
5695-5702.
COMPANHIA DE DESENVOLVIMENTO DOS VALES DO SÃO FRANCISCO E DO
PARNAÍBA. Polígono das secas. 2010. Disponível em:
<http://www.codevasf.gov.br/osvales/vale-do-sao-francisco/poligono-das-secas>. Acesso em:
5 ago. 2011.
______. Vegetação. 2010. Disponível em: <http://www.codevasf.gov.br/osvales/vale-do-saofrancisco/vegetacao>. Acesso em: 5 ago. 2011.
CORREIA, F. W. S.; ALVALÁ, R. C. S.; GIELOW, R. Albedo do pantanal sul
matogrossense durante o período de transição seco-úmido de 2001-2002. In: CONGRESSO
BRASILEIRO DE METEOROLOGIA, 12., 2002. Foz de Iguaçu. Anais... Foz de Iguaçu,
2002.
COSTA, I. C.; COSTA, A. M. N.; BRAGA, C. C. Padrões espaciais e temporais do índice de
vegetação no estado da Paraíba usando imagens de satélites meteorológicos. . In:
CONGRESSO BRASILEIRO DE METEOROLOGIA, 12., 2002. Foz de Iguaçu. Anais... Foz
de Iguaçu, 2002.
CUNHA, R. Balanço de energia em cultura de milho. Revista Brasileira de
Agrometeorologia, v. 4, n.1, p.1-14, 1996.
DANTAS, F. R. C. et al. Determinação do albedo de superfície a partir de dados
AVHRR/NOAA e TM-Landsat 5. Revista Brasileira de Meteorologia, v. 25, n.1, p.24-31,
2010.
DI PACE, E. L. et al. Estimativa do saldo de radiação instantânea a superfície terrestre através
de imagens TM - Landsat 5 e o modelo de elevação digital. In: CONGRESSO BRASILEIRO
DE METEOROLOGIA, 16., 2010. Belém. Anais... Belém, 2010.
107
DI PACE, F. T. Estimativa do Balanço de Radiação à Superfície Terrestre utilizando
imagens TM - Landsat 5 e o Modelo de Elevação Digital. 2004. 120f. Tese (Doutorado em
Recursos Naturais) - Universidade Federal de Campina Grande, Campina Grande, 2004.
DICKINSON, R. E. Land Surface. In: TRENBERTH, K. E. (Ed.). Climate System
Modeling. Cambridge: Cambridge University Press, 1992. p. 1-109.
DUFFIE, J. A.; BECKMAN, W. Solar engineering of thermal processes. Nova York: John
Wiley and Sons,1991. p.1-109.
DUTTON, E. G. et al. Measurement of broadband diffuse solar irradiance using current
commercial instrumentation with a correction for thermal offset errors. Journal of
Atmospheric and Oceanic Technology, v.18, n. 3, p. 297-314, 2000.
FARR, T. G. et al. The shuttle radar topography mission. Rev. Geophys, v. 45, p 21- 22,
2004.
FEITOSA, J. R. P. Uso de Tecnicas de sensoriamento remoto e imagens Landsat-TM e
NOAA-AVHRR na estimativa do balanço de radiação à superfície. 2005. 164f. Tese
(Doutorando em Recursos Naturais) – Universidade Federal de Campina Grande, Campina
Grande, 2005.
FOLHES, M. T. et al. Estimativa de fluxos de energia por meio do modelo METRIC em
região semi-árida. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13.,
2007. Florianópolis. Anais… Florianópolis, 2007. p. 3349-3356.
GARRISON, J. D.; ADLER, G. P. Estimation of precipitable water over the United States for
application to the division of solar radiation into its direct and diffuse components. Solar
Energy, v. 44, p. 225-241, 1990.
GIONGO, P. R. Estimativa do Balanço de Radiação com técnicas de Sensoriamento
Remoto e dados de superfície. 2008. 255f. Dissertação (Mestrado em Engenharia Agrícola) Universidade Federal de Pernambuco, Recife, 2008.
GOMES, H. B. Balanço de Radiação e Energia em áreas de cultivo de cana-de-açúcar e
cerrado no estado de São Paulo mediante imagens orbitais. 2009. 124f. Tese (Doutorado
em Recursos Naturais) - Universidade Federal de Campina Grande, Campina Grande, 2009.
GRANGER, R. J. Satellite-derived estimates of evapotranspiration in the Gediz basin,
Journal of Hydrology, v. 229, p. 70-76, 2000.
GRIGIO, A. M. Aplicação de sensoriamento remoto e sistema de informação geográfica
na determinação da vulnerabilidade natural e ambiental do município de Guamaré
(RN): simulação de risco às atividades da indústria petrolífera. 253f. Dissertação (Mestrado
em Geodinâmica e Geofísica) – Universidade Federal do Rio Grande do Norte, Natal, 2003.
GUSSO, A. Monitoramento de temperaturas noturnas da superfície terrestre no estado
do Rio Grande do Sul com uso do sensor orbital AVHRR/NOAA. 2003. 77 f. Dissertação
(Mestrado em Sensoriamento Remoto)- Universidade Federal do Rio Grande do Sul, Porto
Alegre, 2003.
108
HAFEEZ, M. M. et al. Field evapotranspiration estimation in Central Luzon, Philipphines,
using differents sensor: Landsat 7 ETM+, Terra Modis and Aster. In: SYMPOSIUM ON
GEOSPATIAL THOERY, PROCESSING AND APPLICATIONS, 4th 2002. Ottawa.
Proceedings… Ottawa, 2002.
HARTMANN, D. L. Global physycal climatology. California: Academic Press, 1994.
HEITMAN, J. L. et al. Latent heat in soil heat flux measurements. Agricultural and Forest
Meteorology, v. 150, p. 1147-1153, 2010.
HUETE, A. R. A soil adjusted vegetation index: SAVI. Remote Sensing of Environment, v.
25, p. 295-309, 1988.
______; TUCKER, C. J. Investigation of soil influence in AVHRR red and near infrared
vegetation index imagery. International Journal of Remote Sensing, v. 12,
p. 12231242, 1991.
IDEIÃO, S. M. A. Imagens multiespectrais e aplicações em recursos hídricos:
temperatura da superfície e balanço de radiação e energia. 2009. 156 f. Dissertação
(Mestrado em Engenharia Civil e Ambiental) – Universidade Federal de Campina Grande,
Campina Grande, 2009.
______. et al. Determinação da Temperatura de Superfície no Estado da Paraíba a partir de
imagens Landsat 5 – TM. In: SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E
TECNOLOGIAS DA GEOINFORMAÇÃO, 2., 2008. Recife. Anais… Recife, 2008. p. 8.
IQBAL, M. An introduction to solar radiation. New York: Academic Press, 1983.
JACKSON, R. D.; PINTER, JR, P. J.; REGINATO, R. J. Net radiation calculated from
remote multispectral and ground station meteorological data. Agricultural and Forest
Meteorology, v. 35, p. 153-164, 1985.
JURY, W. A.; GARDNER, W. R.; GARDNER, W. H. Soil physics. 5th ed. New York: John
Wiley & Sons, 1991.
KUSTAS, W. P. et al. Determination of sensible heat flux over sparse canopy using termal
infrared data. Agricultural and Forest, v. 44, p. 197-216, 1989.
KUSTAS, W. P.; NORMAN, J. M. Use of remote sensing for evapotranspiration monitoring
over land surfaces. Hydrology Science Journal, v. 41, n. 4, p. 495-516, 1996.
LABED, J.; STOLL, M. P. Spatial variability of land surface emissivity in thermal infrared
band: spectral and effective surface temperature. Remote Sensing of Environment, v. 38, p.
1-17, 1991.
LEITÃO, M. M. V. B. R. Balanço de radiação em três ecossistemas da floresta
Amazônica: campina, campinarana e mata densa. 1994. 135 f. Tese (Mestrado em
Meteorologia) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 1994.
109
LEIVAS, J. F. Uso de técnicas de sensoriamento remoto na estimativa do balanço de
radiação a superfície. 2008. 107 f. Tese (Doutorado em Fitotecnia) - Universidade Federal
do Rio Grande do Sul, Porto Alegre, 2008.
LEIVAS, J. F. et al . Estimativa do Balanço de Radiação na superfície a partir de imagens do
satélite ASTER. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13.,
2007. Florianópolis. Anais… Florianópolis, 2007. p. 255-262.
LIANG, S. Narrowband to broadband conversions of land surface albedo I: algorithms.
Remote Sensing of Environment, v. 76, p. 213- 238, 2000.
LI, Z.; ZHU, Q.; GOLD, C. Digital terrain modeling: principles and methodology. Boca
Raton: CRC Press, 2004.
LIMA, E. P. et al. Estudo da Evapotranspiração real diária utilizando imagem de satélite na
bacia do rio Paracatu. In: SEMINÁRIO DE RECURSOS HÍDRICOS NA BACIA
HIDROGRÁFICA DO PARAÍBA DO SUL: Recuperação de Áreas Degradadas, Serviços
Ambientais e Sustentabilidade, 2., 2009. Taubaté. Anais... Taubaté, 2009. p.1-8.
LIRA, V. M. et al. Variação sazonal da cobertura vegetal em áreas do submédio São
Francisco a partir de dados NDVI e imagens TM-Landsat 5. Enciclopédia Biosfera, Goiânia,
v. 7, n. 12, 2011.
LIU, W. T. H. Aplicações de sensoriamento remoto. Campo Grande: UNIDERP, 2006.
MARKHAM, B. L.; BARKER, L. L. Thematic mapper bandpass solar exoatmospherical
irradiances. Journal of Remote Sensing. v. 8, n. 3, p. 517-523, 1987.
MENDONÇA, J. C. Estimativa da evapotranspiração regional utilizando imagens
digitais orbitais na região norte fluminense. 2007. 145 f. Tese de (Doutorado em ) Universidade Estadual do Norte Fluminense Darcy Ribeiro, Rio de Janeiro, 2007.
MENENTI, M. et al. Linear relationships between surface reflectance and temperature and
their application to map actual evaporation of ground water. Great Britain. Adv. Space Res.,
v. 9, n. 1, p. 165-176, 1989.
MENEZES, S. J. M. C. et al. Evapotranspiração regional utilizando SEBAL em condições de
relevo montanhoso. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13.,
2007. Florianópolis. Anais… Florianópolis, 2007. p. 3475-3482.
MOHAMED, Y. A.; BASTIAANSSEN, W. G. M.; SAVENNIJE, H. H. G. Spatial variability
of evaporation and moisture storage in the swamps of the upper Nile studied by remote
sensing techniques. Journal of Hidrology, v. 289, p. 145-164, 2004.
MORSE, A. et al. Application of the SEBAL: methodology for estimating consumptive use
of water and streamflow depletion in the bear river basin of idaho through remote sensingfinal report. Idaho: University of Idaho. Department of Water Resources, 2000.
110
MOURA, M. S. B.; SOARES, J. M.; TEIXEIRA, A. H. C. Estações agrometeorológicas.
Embrapa. 2007. Disponível em: <
http://www.agencia.cnptia.embrapa.br/Agencia22/AG01/arvore/AG01_2_288200612375.htm
l>. Acesso em: 6 ago. 2011.
MOURA, M. S. B. Fenologia e consume hídrico da goiabeira (Psidium guajava L.)
irrigada. 2001. 124 f. Dissertação (Mestrado em Agrometeorologia) - Universidade Federal
da Paraíba, Campina Grande, 2001.
MURAMATSU, K. et al. Pattern decomposition method and a new vegetation index for
hyper-multiespectral satellite data analysis. Advances in Space Research, v. 26, n. 7, p.
1137-1140, 2000.
NOVAS, M. F. B.; CRUZ, P. P.; DI PACE, F. T. Estimativa de temperatura da superfície
terrestre em área com a bacia do rio pratagy para dois períodos. In: CONGRESSO
IBEROAMERICANO SOBRE DESARROLLO Y AMBIENTE, 5., 2009. Bogotá. Anais...
Bogotá, 2009.
______. et al. Análise da variação dos índices de vegetação estimados por sensoriamento
remoto em dois períodos ao sul da bacia do Rio Traipu-AL. In: SIMPÓSIO BRASILEIRO
DE CIÊNCIAS E TECNOLOGIA DA GEOINFORMAÇÃO, 2., 2008. Recife. Anais...
Recife-PE, 2008.
OKE, T. R. Boundary layer climates. 2nd ed. London: Taylor & Francis e-Library, 2002.
OLIVEIRA, A. D. S. R. et al. Análise preliminar do IVDN e da temperatura da superfície na
mesorregião leste do estado de Alagoas utilizando imagens do satélite TM/Landsat 5.In:
CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 16., 2006. Bauru. Anais...
Bauru, 2006.
OLIVEIRA, S. D. et al. Estimativa do saldo de radiação a superfície no município de ItaitubaPA a partir de imagens TM-Landsat 5 com e sem o modelo de elevação digital. In:
CONGRESSO BRASILEIRO DE METEOROLOGIA, 16., 2010. Belém. Anais... Belém,
2010.
OLIVEIRA, T. H. et al. Estimativa dos valores de saldo de radiação (Rn) em parte do
município de Corumbá, MS e Ladário, MS através da utilização do algoritmo SEBAL. In:
SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 2., 2009. Corumbá. Anais...
Corumbá, 2009. p. 556-566.
PAIVA, C. M. Estimativa do balanço de energia e da temperatura da superfície via
satélite NOAA-AVHRR. 2005. 248 f. Dissertação (Doutorado em Engenharia Civil) Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2005.
PEIXOTO, E. A. G. Estimativa do balanço de energia na bacia do Baixo Jaguaribe
utilizando técnicas de sensoriamento remoto. 2009. 87 f. Dissertação (Mestrado em
Meteorologia) - Universidade Federal de Alagoas, 2009.
PEREIRA, A. R.; ANGELOCCI, L. R.; SENTELHAS, P. C. Agrometeorologia:
fundamentos e aplicações práticas. Guaíba: Agropecuária, 2002.
111
RAMOS, R. R. D. et al. Aplicação do índice de vegetação por diferença normalizada (NDVI)
na avaliação de áreas degradadas e potenciais para unidades de conservação. In: SIMPÓSIO
BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA
GEOINFORMAÇÃO, 2., 2010. Recife. Anais... Recife, 2010.
REISSER JÚNIOR, C. Termômetros e estações meteorológicas automáticas. Boletim
Embrapa, p. 4, jan. 2008.
ROCHA, D. R. S.; DI GREGORIO, T. C.; BARBOSA, H. A. Avaliação do comportamento
do IVDN utilizando dados SPOT VEGETATION em quatro municípios do Estado de
Alagoas. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 17., 2011.
Guarapari. Anais... Guarapari, 2011.
ROERINK, G. J.; MENENTI, M. A. A simple remote sensing algorithm to estimates the
surface energy balance. Physics and Chemistry of the Eart (B), n. 25, p. 147-157, 2000.
ROUSE, J. W. et al. Monitoring the vernal advancement and retrogradation :green wave
effect of natural vegetation, NASA/GSFC type: III final report: Greenbelt: NASA, 1974.
RUHOFF, A. L. et al. Variabilidade dos fluxo de calor sensível e latente em área de cerrado
sensu stricto. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14., 2009.
Natal. Anais... Natal, 2009.
SÁ, I. I. S. et al. Uso do índice de vegetação da diferença normalizada (IVDN) para
caracterização da cobertura vegetal da região do Araripe Pernambucano. Revista Brasileira
de Geografia Física, Recife, v. 1, n. 1, p. 28-38, maio, 2008.
SANTOS, C. A. C.; BEZERRA, B. G.; SILVA, B. B. Análise comparativa do fluxo de calor
sensível estimado através dos algoritmos SEBAL e S-SEBI. In: CONGRESSO BRASILEIRO
DE METEOROLOGIA, 15., 2008, São Paulo. Anais... São Paulo, 2008.
SANTOS, T. V.; FONTANA, D. C.; ALVES, R. C. M. Avaliação dos fluxos de calor e
evapotranspiração pelo modelo SEBAL com uso de dados do sensor ASTER. Pesquisa
Agropecuária, Brasília, v. 45, n.5, p. 488-496, 2010.
SETO, K. C. et al. Linking spatial patterns of bird and butterfly species richness with Landsat
TM derived NDVI. International Journal of Remote Sensing, v. 25, n. 20, p. 4309-4324,
2004.
SHUAI, Y. et al. An algorithm for the retrieval of 30-m snow-free albedo from Landsat
surface reflectance and MODIS BRDF. Remote Sensing of Environment, v. 115, p.22042216, 2011.
SILVA, A. P. N. et al. Características do saldo de radiação na Amazônia Ocidental. In:
CONGRESSO BRASILEIRO DE METEOROLOGIA, 16., 2010. Belém. Anais... 2010. p. 5.
SILVA, B. B. et al. Mapeamento do albedo de áreas heterogêneas do estado do Ceará com
imagens TM-Landsat 5. Revista Brasileira de Meteorologia, v. 20, n. 2, p. 243-252, 2005.
112
______; BEZERRA, M. V. C. Determinação dos fluxos de calor sensível e latente na
superfície utilizando imagens TM-Landsat 5. Revista Brasileira de Agrometeorologia, v.
14, p. 1-10, 2005.
SILVA, B. B.; LOPES, G. M.; AZEVEDO, P. V. Balanço de radiação em áreas irrigadas
utilizando imagens Landsat 5-TM. Revista Brasileira de Meteorologia, v. 20, n. 2, p. 243252, 2005.
______; ______; ______. Determinação de albedo de áreas irrigadas utilizando imagens
Landsat 5-TM. Revista Brasileira de Agrometeorologia. v.13, n.2, p.201-211, 2005.
______. et al. Balanço de radiação no perímetro irrigado senador Nilo Coelho utilizando
técnicas de sensoriamento remoto e imagens Landsat 5-TM. In: CONGRESSO BRASILEIRO
DE METEOROLOGIA, 12., 2002. Foz de Iguaçu. Anais… Florianopolis, 2002.
______. et al. Determinação do albedo do perímetro irrigado senador Nilo Coelho com
técnicas de sensoriamento remoto e imagens Landsat 5-TM. In: CONGRESSO BRASILEIRO
DE METEOROLOGIA, 12., 2002. Foz de Iguaçu. Anais... Foz de Iguaçu, 2002.
______. et al. Water requirements of table grapes in arid site. In: CONFERENCE ON
AGRICULTURAL AND FOREST METEOROLOGY, 24th, 2001, Davis. Proceedings…
Davis: American Meteorological Society, 2001. p. 20-21.
SILVA, J. W. F.; SANTOS, R. L. Estimativa da temperatura da superfície do solo de uma
região semi-áriada a partir do IRMSS (banda 4) do CBERS-2. In: SIMPÓSIO BRASILEIRO
DE SENSORIAMENTO REMOTO, 13., 2007. Florianopólis. Anais... Florianópolis, 2007. p.
1159-1166.
SISTEMA DE METEOROLOGIA E HIDROLOGIA ESTADO DE GOIÁS. Rede de Observação.
Secretaria de Ciência e Tecnologia do Estado de Goiás. Sistema de meteorologia e
hidrologia, 2007. Disponível em: <
http://www.simego.sectec.go.gov.br/rede_obs/oquee_pcd.html>. Acesso em: 15 set. 2011.
SOBRINO, J. A.; JIMÉNEZ-MUÑOZ, J. C.; PAOLINI, L. Land Surface Temperature
retrieval from Landsat TM 5. Remote Sensing of Environment, v. 90, p. 434-440, 2004.
TASUMI, M.; ALLEN, R. G. Satellite-Based ET mapping to assess variation in the ET with
timing of crop development. Agricultural Water Management, v. 88, p. 54-62, 2007.
TASUMI, M. Progress in operational estimation of regional evapotranspiration using
satellite imagery. Tese (Doutorado em Engenharia Agrícola) - University of Idaho, Idaho,
2003.
______. et al. Operational aspects of satellitebased energy balance models for irrigated crops
in the semi-arid U.S. Irrigation and Drainage Systems, v. 19, 355-376 p., 2005.
TREZZA, R. Evapotranspiration from a remote sensing model for water management in an
irrigation system in Venezuela. Interciencia, v. 31, n. 6, p. 417-423, 2006.
113
TREZZA, R. Evapotranspiration using a satellite-based Surface Energy Balance with
Standardized ground control. 2002. 247 f. Tese (Doutorado em Filosofia em Engenharia
Biológica Agrícola) - Utah State University, Longan, 2002.
VOLCANI, A.; KARNIELI, A.; SVORAY, T. The use of remote sensing and GIS for spatiotemporal analysis of the physiological state of a semi-arid forest with respect to drought years.
Forest Ecology and Management, v.15,p. 239-250, 2005.
WANG, Q. et al. On the relationship of NDVI with leaf area index in a deciduous forest site.
Remote Sensing of Environment, v. 94, p. 244-255, 2005.
WANG, S. Dynamics of surface albedo of a boreal forest and its simulation. Ecological
Modelling, v.183, p.477-494, Oct. 2004.
WIKIPÉDIA. Rio São Francisco. Foto 12. In: Wikipédia : a enciclopédia livre. 2012.
Disponível em: <http://pt.wikipedia.org/wiki/Ficheiro:Rio_S%C3%A3o_Francisco.jpg>.
Acesso em: 11 jan. 2012.
YANG, J.; WANG, Y. Estimating evapotranspiration fraction by modeling two-dimensional
space of NDVI/albedo and day-night land surface temperature difference: a comparative
study. Advances in Water Resources, Guangzhou, v. 34, p. 512-518, 2011.