Maurilio Neemias (2017).pdf

Maurilio Neemias (2017).pdf
Documento PDF (2.5MB)

Exibir conteúdo Baixar

UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
CURSO DE GRADUAÇÃO EM METEOROLOGIA

UTILIZAÇÃO DE SOFTWARE LIVRE NA ÁNALISE DE TEMPERATURA E
USO DO SOLO, PARA REGIÃO DE RIBEIRÃO PRETO.

MAURÍLIO NEEMIAS DOS SANTOS

MACEIÓ, AL
Março de 2017.

MAURÍLIO NEEMIAS DOS SANTOS

UTILIZAÇÃO DE SOFTWARE LIVRE NA ÁNALISE DE TEMPERATURA E USO
DO SOLO, PARA REGIÃO DE RIBEIRÃO PRETO.

Dissertação

Mestrado

apresentada

Coordenação de Pós-Graduação em MeteorologiaMET/UFAL, como parte dos requisitos para
obtenção do título de Mestre em Meteorologia- Área
de concentração: Sensoriamento Remoto.

Orientador:
Prof. Dr. Heliofábio Barros Gomes

MACEIÓ, AL
Março de 2017.

Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Bibliotecária: Helena Cristina Pimentel do Vale
S237u

Santos, Maurílio Neemias.
Utilização de software livre na ánalise de temperatura e uso do solo, para
região de Ribeirão Preto / Maurílio Neemias Santos – 2017.
46 f.: il.
Orientador: Heliofábio Barros Gomes.
Dissertação (Mestrado em Meteorologia) – Universidade Federal de Alagoas.
Instituto de Ciências Atmosféricas. Maceió, 2017.
Bibliografia: f. 39-46.
1. Sensoriamento remoto. 2. Índice de vegetação da diferença normalizada.
3. Geoprocessamento. 4. Qgiz. 5. OLI Landsat 8. 6. Solo – Uso – RibeiroPreto (SP).
I. Título.

CDU: 528.8(815.6)

DEDICATÓRIA

Dedico minha dissertação para todos aqueles que fizeram do
meu sonho real, me proporcionando força para que eu não
desistisse de ir atrás do que eu busco para minha vida. Muitos
obstáculos foram impostos para mim durante esses últimos
anos, mas graças a vocês eu não fraquejei. Obrigado
primeiramente a Deus, a minha família, professores, amigos e
colegas.

AGRADECIMENTO

A Deus por me dar Forças, permanecer comigo em todos os momentos e permitir que eu
alcançasse mais uma vitória.
As pessoas mais importantes da minha vida, minha bisavó, Maria Isabel Conceição Silva e
meus avós, Maria Lucia dos Santos e Lourival Raimundo dos Santos, com os quais descobri o
significado de amor.
Aos Meus Pais, José Pedro dos Santos e Maria Marli da Silva Santos.
A meu orientador, Heliofábio Barros Gomes, pela orientação, apoio, e além de tudo amizade.
Aos amigos conquistados durante esses anos: Washington Correia, Hugo Carvalho, Jeová
Junior, Eridiany Ferreira da Silva, Nareida Delgado, Edmara, Leopoldo.
Aos amigos do Laboratório de sensoriamento Remoto - SENSORGEO ICAT/UFAL: Ismael
Guidson, Thaís Marques, Laurizio Ribeiro, Ivens Peixoto, Felipe Sousa, Dimas Santiago.
A todos os meus professores da Pós-Graduação por todos os ensinamentos e contribuição na
minha vida acadêmica.
As minhas queridas cachorrinhas Pandora e Belinha e minha gata Luna.
A CNPQ (Conselho Nacional de Desenvolvimento Científico e Tecnológico) pelo apoio dado
ao desenvolvimento desta pesquisa.

"Não confunda derrotas com fracasso nem
vitórias com sucesso. Na vida de um campeão
sempre haverá algumas derrotas, assim como na
vida de um perdedor sempre haverá vitorias. A
diferença é que, enquanto os campeões crescem
nas derrotas, os perdedores se acomodam nas
vitórias."
Roberto Shinyashiki.

LISTA DE FIGURAS

Figura 1

Localização do município de Ribeirão Preto (SP), indicando a sua posição em
níveis nacional e estadual..................................................................................21

Figura 2

Diagrama esquemático, resumindo todas as etapas do processamento das
imagens.............................................................................................................24

Figura 3

Localização das áreas de Mata Nativa (A), Agricultura de Cana de Açúcar (B),
Corpo de Água (C) e Malha Urbana (D)..........................................................27

Figura 4

Imagem de temperatura de superfície de Ribeirão Preto-SP, no ano de 2013 (A),
2014 (B) e 2015 (C)..........................................................................................28

Figura 5

Figuras 2B e 2C Mostraram o aumento de temperatura de superfície quando
comparadas com o ano de 2013, para o ano de 2014......................................29

Figura 6

Temperatura de superfície quanto à ocupação do solo da cidade de Ribeirão PretoSP, nos anos de 2013, 2014 e 2015 .................................................................30

Figura 7

IVDN para os anos de 2013 (A), 2014 (B) e 2015 (C)...................................31

Figura 8

Comparação entre IVDN e Temperatura de superfície para o ano de 2014, em
quatro pontos diferentes, Mata Nativa, Agricultura de Cana de Açúcar, Corpo de
Água e Malha Urbana. ...................................................................................32

Figura 9

Índice de Desconforto Térmico para os anos de 2013, 2014 e 2015..............33

LISTA DE TABELAS

Tabela 1

caracterização na qual se é apresentado um resumo das 11 bandas espectrais que
compõe o OLI e TIRS – Landsat 8........................................................................18

Tabela 2

Distribuição das classes do Desconforto Térmico (Thom, 1959)......................... 23

LISTA DE SÍMBOLOS
Símbolo
RMBS

Descrição
Região Metropolitana Ribeirão Preto

LANDSAT

Land Remote Sensing Satellite

INPE

Instituto Nacional de Pesquisas Espaciais

NASA

National Aeronautics and Space Administration

MSS

Multispectral Scanner System

Thematic Mapper

NOAA

National Oceanic Atmospheric Administration

EOSAT

Earth Observation Satellite

USGS

United States Geological Survey

DGI

Divisão de Geração de Imagens

Unidade

Calor específico do ar a pressão constante

(J/kg)

Lλ

Radiância Espectral

(µm)

ρλ

Reflectância Monocromática

ESUNλ

Irradiância solar média

Ângulo de incidência da radiação solar

MED

Modelo de Elevação Digital

Ângulo do aspecto da superfície

αtoa

Albedo no topo da atmosfera

ρatm

Reflectância atmosférica

τin,b

Transmitância da radiação solar incidente

τout,b

Transmitância da radiação solar refletida

Coeficientes SMARTS2

Ângulo de visada do sensor com relação a superfície horizontal

Albedo da superfície

Parâmetro relativo a cada umas das bandas

wλ

Coeficiente de peso de cada banda

IVDN

Índice de vegetação por diferença normalizada

IVAS

Índice de vegetação ajustado ao solo

IAF

Índice de área foliar

εNB

Emissividade infravermelha da superfície

εo

Emissividade atmosférica

Temperatura da superfície

(W/m2µm)
(Graus)

(Graus)

(K)

SUMÁRIO

LISTA DE FIGURAS ................................................................................................................. i
LISTA DE TABELAS ............................................................................................................... ii
LISTA DE SÍMBOLOS ............................................................................................................ iii
RESUMO ................................................................................................................................. 11
ABSTRACT ............................................................................................................................. 12
1 INTRODUÇÃO ..................................................................................................................... 13
2 REVISÃO BIBLIOGRÁFICA .............................................................................................. 15
2.1 Sensoriamento Remoto ........................................................................................... 15
2.2 Satélites LANDSAT ............................................................................................... 16
2.3 Qgis ......................................................................................................................... 19
2.4 Índices de Vegetação: IVDN, IVAS e IAF ............................................................ 19
2.5 Temperatura de Superfície ...................................................................................... 20
3 MATERIAIS E MÉTODOS.................................................................................................. 21
3.1. Área de Estudo ....................................................................................................... 21
3.2 Dados obtidos ......................................................................................................... 23
3.3 Obtenção e tratamento das imagens ....................................................................... 24
3.4 Radiância monocromática ...................................................................................... 25
3.5 Refletância monocromática ................................................................................... 25
3.6 NDVI ...................................................................................................................... 25
3.7 Temperatura do Solo............................................................................................... 26
4 Resultados e Discussão .......................................................................................................... 26
Mapas temáticos de Temperatura..................................................................................28
Mapas temáticos NVDI.................................................................................................32
5 Conclusões ............................................................................................................................. 34
5.1 Conclusões..............................................................................................................34
5.2 Recomendações......................................................................................................35
Referência Bibliográfica ........................................................................................................... 45

RESUMO
O uso de técnicas de sensoriamento remoto nos últimos anos tem se tornado cada vez
mais constante nas pesquisas sobre a cobertura vegetal, direcionando as mais variadas
aplicações, principalmente quando se deseja analisar e identificar padrões de alteração no
local estudado de forma clara e objetiva, visando assim obter maior conhecimento em áreas de
difícil acesso. A eficiência na obtenção de dados gera resultados confiáveis principalmente
com relação a dados meteorológicos com um baixo custo. O presente trabalho teve como
objetivo analisar a influência dos diferentes usos e ocupação do solo na temperatura aparente
da superfície no município de Ribeirão Preto (21°10’39”S; 47°48’37”W; 546 m), através de
imagens do satélite Landsat 8 captados nos dias 26/10/2013, 11/09/2014 e 16/10/2015. Para o
geoprocessamento das imagens utilizou-se o software Qgiz. O módulo thermal foi utilizado
para transformação dos níveis de cinza em graus célsius. Foram analisadas seis classes de uso:
Mata Nativa, Agricultura de Cana de Açúcar, Área de Mineração, Corpo de Água, Malha
Urbana e Mata Ciliar. As diferentes classes de uso e ocupação do solo influenciaram
diretamente na temperatura, evidenciando que áreas com maior disponibilidade de água e
vegetação podem influenciar na amenização dos efeitos de anomalias térmicas.

Palavra Chave: Sensoriamento remoto, Temperatura, NDVI, Qgis, OLI Landsat 8.

ABSTRACT

The use of remote sensing techniques in recent years has become increasingly
constant in the research on a vegetation cover, directing as more varied applications,
especially when analyzing and identifying patterns of change not studied locally in a clear and
objective way, aiming to acquire knowledge in areas of difficult access. The efficiency of data
collection is essentially based on low-cost meteorological data. The present work had as
objective to analyze an influence of the different uses and occupation of soil in the surface of
the municipality of Ribeirão Preto (21 ° 10'39 "S, 47 ° 48'37" W, 546 m), through images of
Do Landsat 8 satellite captured on 10/26/2013, 9/11/2014 and 10/16/2015. For the
geoprocessing of the images, the Qgiz software was used. The thermal module used for
transforming gray levels into degrees Celsius. Six classes of use were analyzed: Native Forest,
Sugar Cane Agriculture, Mining Area, Water Body, Urban Loop and Riparian Forest. As
different classes of land use and occupation directly influence the apparent temperature
observed, evidencing that the areas with greater availability of water and vegetation can
influence the mitigation of the effects of thermal anomalies.

Key-words: Remote Sensing, Temperature, NDVI, Qgis, OLI Landsat 8.

1 INTRODUÇÃO
A interação entre a sociedade e a natureza é um processo extremamente dinâmico, as
modificações quanto ao uso e ocupação do solo vêm resultando em sérios problemas de
ordem socioambiental, no qual se tem como resultados desses problemas ocupações
irregulares em zona de preservação ou próximos a rios, problemas de saneamento básico e
fenômenos de inversão térmica comum em grandes centros urbanos, ilhas de calor. Estes
problemas geralmente estão associados a problemas de organização e planejamento na
construção e crescimento de cidades, levando a sério problemas de ordem territorial e
desenvolvimento urbano.
As alterações na cobertura do solo não mudam apenas a paisagens física, também se
altera a dinâmica dos raios solares por ela refletida, em que diferentes usos de terra e
cobertura vegetal apresentam distintos valores de temperatura superficial, com diferentes
valores de absorção, emissividade e irradiação existente entre eles. Logo, as alterações
decorrente das mudanças do uso e cobertura do solo causam diferentes impactos ao ambiente,
tanto de ordem natural, social e econômica, de acordo com Pereira (2012).
A temperatura de superfície além de ser importante para se entender das interações
entre a superfície e a atmosfera e para a modelagem, vem sendo bastante utilizada para a
modelagem de modelos climáticos, além de que a TS também pode ser especificamente
sensível à vegetação e umidade do solo, e vem sendo utilizada também para detectar
mudanças na cobertura da terra (Mallick, 2008; Amiri, 2009; Ifatmenhin & Adeyemi, 2008;
Arantes, 2013).
Pereira et al, (2012), afirma que a temperatura de superfície em diferentes tipos e
ocupações do solo podem fornecer subsídios para a gestão e planejamento ambiental de uma
região
Novo, (2008) explica que na interpretação dos dados de infravermelho termal é
necessário utilizar a função inversa de Plank, pois o sensor mede a radiância espectral e o que
se quer estimar é a temperatura.
Em imagens de satélite que captam o infravermelho, como o sensor TIRS do Landsat
8, pode-se estimar a temperatura superficial (TS) e estabelecer sua relação com o uso e
cobertura do solo utilizando índices de vegetação como o NDVI (Normalized Difference
Vegetation Index). Para que se tenha uma melhor visualização e entendimento da relação
entre os mesmos, apresentando uma distribuição dos valores estimados espacialmente.
O RGB um dos artifícios de maior utilidade na interpretação das informações do SR.
Ela é fundamental para uma boa identificação e discriminação dos alvos terrestres. O olho

humano é capaz de discriminar mais facilmente matizes de cores do que tons de cinza. A
composição colorida é produzida na tela do computador, ou em outro dispositivo qualquer,
atribuindo-se as cores primárias (vermelha, verde e azul), a três bandas espectrais quaisquer.
Este artifício é também conhecido como composição RGB (do inglês: Red, Green, Blue).
O NDVI é um índice de vegetação bastante utilizado no mapeamento e analise da
cobertura e uso do solo, no qual este índice realça o comportamento espectral de áreas com
vegetação em imagens orbitais, correlacionando com os aspectos biofísicos como biomassa,
vigor da vegetação, cobertura do solo, dentre outros aspectos, Alvarenga e Moraes (2014).
Diante do exposto apresentado, esse trabalho tem como objetivo principal a obtenção
de informações em áreas de (Cerrado, Mata e Cana-de-açúcar) mediante imagens obtidas
aplicadas as diferentes classes de uso e ocupação do solo influenciaram diretamente na
temperatura observada, evidenciando que áreas com maior disponibilidade de água e
vegetação podem influir na amenização dos efeitos de anomalias térmicas. Utilizando
imagens do satélite Landsat 8 para município de Ribeirão Preto - SP.

2 REVISÃO BIBLIOGRÁFICA E FUNDAMETAÇÃO TEÓRICA
2.1 Sensoriamento Remoto
Sensoriamento remoto ou detecção remota é o conjunto de técnicas que possibilitam a
obtenção de informações sobre alvos na superfície terrestre, através do registro da interação
da radiação eletromagnética com a superfície analisada, realizado por sensores distantes, ou
remotos. Geralmente estes sensores estão presentes em plataformas orbitais ou satélites,
aviões no nível de campo.
Autores como Avery e Berlin (1992) e Meneses (2001) o sensoriamento remoto e
utilizado para obter informações sobre objetos através de dados coletados por instrumentos
que não estejam em contato físico como os objetos investigados. Por não haver contato físico
a forma de transmissão dos dados (do objeto para o sensor) só pode ser realizada pela
Radiação Eletromagnética, por ser esta a única forma de energia capaz de se propagar
pelo vácuo.
Novo (1992), afirma que sensoriamento remoto pode ser definido como a utilização
conjunto de sensores modernos e equipamentos para o processamento e transmissão de dados
(aeronaves e espaçonaves), a fim de estudar o ambiente terrestre de forma global e periódica.
A designação dada à energia radiante emitida pelo Sol, em particular aquela que é
transmitida sob a forma de radiação eletromagnética. Cerca de metade desta energia é emitida
como luz visível na parte de freqüência mais alta do espectro eletromagnético e o restante na
do infravermelho próximo e como radiação ultravioleta.
A radiação solar fornece anualmente para a atmosfera terrestre 1,5 x 1018 kWh de energia,
a qual, para além de suportar a vasta maioria das cadeias tróficas, sendo assim o verdadeiro
sustentáculo da vida na Terra, é a principal responsável pela dinâmica da atmosfera terrestre e
pelas características climáticas do planeta.
Sendo o sol a principal fonte de energia para vários processos que ocorrem em nosso
planeta, podemos analisar, entretanto uma parte dessa energia e absorvida, chamada radiação
direta, e outra parte é espalhada, sendo chamada de radiação difusa. Logo a soma dessas duas
radiações é denominada radiação solar global (GOMES et al., 2009).
O principal tipo de energia capaz de se propagar através do espaço vazio e por quase toda
troca de energia entre o planeta e o resto do universo é a radiação. (NOVAS, 2008)
caracteriza a energia eletromagnética por se propagar em forma de ondas, as várias formas de
energia são caracterizadas pelo seu comprimento de onda e freqüência, compondo assim, o
espectro eletromagnético.

Florenzano (2002) definiu o sensoriamento remoto como a tecnologia que permite obter
imagens e outros tipos de dados, da superfície terrestre, através da captação ou registro pela
energia refletida ou emitida pelos alvos. A origem dessa tecnologia data-se aproximadamente
no ano de 1840 onde foram fotografadas áreas em função de um estudo sobre levantamento
topográfico (Novo e Ponzoni, 2001). O primeiro satélite com instrumentos meteorológicos foi
o vanguard2, lançado em 17 de fevereiro de 1959, (Kidder e Haar, 1995).
A radiação eletromagnética quando interagi, com objetos na superfície terrestre pode ser
absorvida, refletida, transmitida e emitida de forma seletiva pelos alvos de acordo com sua
característica físico-química da superfície do mesmo, essa semelhança é chamada de
assinaturas espectrais. Segundo (IDEIÃI, 2009) a quantificação dessas interações gera o
produto do sensoriamento remoto.
Meneses e Almeida (2012), afirmam que os tipos de dados de sensoriamento remoto a
serem adquiridos dependem do tipo ou forma do objeto ou fenômeno estudado. O
sensoriamento utiliza 4 tipos independentes de resolução: a resolução espacial, é definida pela
capacidade do sensor dividir ou resolver os elementos na superfície terrestre determinando
assim o tamanho do menor alvo que pode ser identificado em uma imagem; a resolução
espectral, O sensor tem a capacidade de operar em vários e estreitas bandas espectrais.os
sensores operam em centenas de bandas e são conhecidos como hiperespectrais; a resolução
radiométrica, é o nível de quantização e sensibilidade do sensor em detectar pequenas
variações; e a resolução temporal, que refere-se a freqüência que o sensor revisa uma
determinada área e obtém imagens periódicas ao longe de sua vida útil.
As informações obtidas a partir do sensoriamento remoto têm possibilitado o
desenvolvimento de diversos trabalhos, tais como a avaliação da temperatura da superfície
(Souza & Silva, 2005; Souza, 2007), estimativa do albedo da superfície (Silva et al., 2005a),
estimativa do balanço de radiação e de energia à superfície (Di Pace, 2003; Bezerra, 2004;
Silva et al., 2005b; Feitosa, 2005; Silva & Bezerra, 2006; Gomes et al., 2009) e a estimava da
evapotranspiração (Bastiaanssen, 2000; Tasumi et al., 2003; Bezerra, 2006; Bezerra et al.,
2007).
2.2. Satélites Landsat
Com o objetivo de adquirir dados espaciais e temporais da superfície da terra de forma
global, contínua e repetitiva, em 23 de julho de 1972, a NASA (National Aeronautics and
Space Adminstration), lançou o primeiro satélite espacial, originalmente chamado de ERTS 1
(Earth Resouces Technological Satelitte), hoje conhecido como Landsat 1, primeiro satélite

da série. O sistema Landsat é composto de 8 satélites lançados em intervalos de 3 a 4 anos,
tendo o Landsat 6 fracassado em seu lançamento (Bezerra, 2006).
O principal sensor utilizado nas versões Landsat 1, 2 e 3, era o MSS (Multiespectral
Scanner System), que operava em quatro canais (dois no visível e dois no infravermelho
próximo) e imageava a mesma área a cada 18 dias, com resolução espacial de 80 metros. Em
1982, foi lançado o Landsat 4, que portava além do sensor MSS, outro sensor de tecnologia
mais avançada, o Thematic Mapper (TM), que registrava dados em sete bandas espectrais
(três na região do visível, uma no infravermelho próximo, duas na região do infravermelho
médio e uma no infravermelho termal), imageando a mesma área a cada 16 dias, com
resolução espacial de 30 metros, exceto o canal termal, com 120 metros de resolução
(Florenzano, 2007).
O Landsat 5 foi lançado em março de 1984 e é o único que ainda se encontra em
atividade. De início, foi operado pela NOAA (National Oceanic and Atmospheric
Administration), mas em setembro de 1985 sua operação passou para a EOSAT (Earth
Observation Satellite), hoje conhecida como Space Imagine. Em julho de 2001, o Landsat 5 e
todos os seus arquivos voltaram ao controle estatal do governo americano e passou a ser
operado pela USGS (United States Geological Survey) (Bezerra, 2006).
O Landsat 7 foi lançado em 15 de abril de 1999, mas não portava mais o sensor TM,
que foi substituído pelo ETM+ (Enhanced Thematic Mapper Plus). O sensor ETM+ inclui um
canal pancromático (cobrindo as regiões do visível e infravermelho próximo) com resolução
espacial de 15 metros, possui canal termal com resolução de 60 metros e os demais canais têm
resolução de 30 metros. No entanto, devido a problemas operacionais, parou de imagear em
2003 (Florenzano, 2007).
O Landsat 8 (também chamado de Landsat Data Continuity Mission) é um
satélite estadunidense de observação da terra. É o oitavo da série de satélites do Programa
Landsat e o sétimo a alcançar com sucesso a órbita terrestre. O satélite foi construído pela
Orbital Sciences Corporation que serviu como contratante principal para a missão. Os
instrumentos do satélite foram construídos pela Ball Aerospace e pelo NASA Goddard Space
Flight Center e seu lançamento foi contratado para a United Launch Alliance.
Foi lançado em 11 de fevereiro de 2013. Durante os primeiros cerca de 100 dias em
órbita, o LDCM passou por check-out e verificação pela NASA.
Uma

vez

completo,

LDCM

foi

entregue

ao USGS e

oficialmente

renomeado Landsat 8. O Landsat 8 envia imagens com mais detalhes, cores mais reais e
pormenores mais definidos.

O Brasil recebe imagens Landsat desde 1973 através de uma antena da estação de
recepção do INPE (Instituto Nacional de Pesquisas Espaciais) e desde a década de 60
desenvolve pesquisas no campo da ciência e tecnologia espacial, fazendo parte do seleto
grupo de 18 países que dominam o conhecimento sobre o ciclo de desenvolvimento de
satélites artificiais, sendo o único país em desenvolvimento convidado para participar do
programa da Estação Espacial Internacional (Florenzano, 2007). Atualmente, as imagens
Landsat 8 estão disponibilizadas no sítio do INPE, gratuitamente, o que representa um acervo
importante de imagens, disponíveis aos pesquisadores.
De acordo com dados obtidos através do site www.earthexplorer.usgs.gov, o sensor
OLI - Landsat 8 apresenta uma caracterização na qual se é apresentado na tabela 1 um resumo
das 11 bandas espectrais que compõe o OLI e TIRS – Landsat 8.

Bandas Espectrais

Resolução

Resolução Resolução Área

Res.

Espectral

Espacial

Temporal

Imageada

Radiométrica

30m

16 dias

185 km

12 bits

(µm)
(B1) COSTAL

0.433-0.453

(B2) AZUL

0.450-0.515

(B3) VERDE

0.525-0.600

(B4) VERMELHO

0.630-0.680

(B5)
INFRAVERMELO

0.845-0.885

PRÓXIMO
(B6)
INFRAVERMELHO

1.560-1.660

MÉDIO
(B7)
INFRAVERMELHO

2.100-2.300

MÉDIO
(B8)
PANCROMÁTICO

0.500-0.680

15m

(B9) CIRRUS

1.360-1.390

30m

(B10) LWIR-1

10.30-11.30

(B11) LWIR-2

11.50-12.50

100m

2.3. Qgis
A utilização de aplicativos computacionais para o uso de geoprocessamento de dados
se iniciou no final do século, sendo sua maioria proprietários parte, ainda dificulta o acesso de
cursos de graduação à estas tecnologias de ensino. Os cursos de geologia espalhados pelo
Brasil estão, em sua maioria, alocados em instituições públicas, que carecem de verbas para a
aquisição de onerosas plataformas de gerenciamento de dados espaciais. Com a entrada de
novos aplicativos, desenvolvidos coletivamente e licenciados de forma livre pela Licença
Pública Geral (GPL) e outras, este cenário começou a mudar na última década, pois já se
encontram disponíveis programas de qualidade considerável a preços baixos, sobretudo para
instituições públicas, e inclusive gratuitos (Nascimento et al., 2007).
Logo a ferramenta QGIS é um Sistema de Informação Geográfica (SIG) amigável,
um Software Livre licenciado sob a “GNU General Public License”. O QGIS é um projeto
oficial da Open Source Geospatial Foundation (OSGeo). Ele é multiplataforma e roda em
Linux, Unix, Mac OSX , Windows e Android e suporta vários formatos vetoriais, raster, de
banco de dados e outras funcionalidades. O QGIS fornece um número crescente de
capacidades através de suas principais funções e complementos. Você pode visualizar,
gerenciar, editar, analisar os dados e compor mapas impressos, obter uma primeira impressão
com algumas screenshots e uma lista de recursos mais detalhada.
O software é resultado do trabalho de um grupo de desenvolvedores, tradutores,
autores de documentação e pessoas que ajudam no processo de lançamento de novas versões.
Escrito em linguagem C++ e Phyton é administrado pelo Project Steering Commitee, um
grupo de técnicos e especialistas em geoprocessamento. Por tratar-se de um aplicativo
baseado em uma biblioteca de código aberto, os usuários podem participar do processo de
desenvolvimento do programa, escrevendo novas rotinas para as mais diversas aplicações
relacionadas.
2.4. ÍNDICES DE VEGETAÇÃO: IVDN, IVAS e IAF
A inovação das relações funcionais entre as características da vegetação e dados
coletados vem sendo objeto de vários estudos direcionados ao setor agrícola, florestal e até
mesmo urbano. Para tentar minimizar a variabilidade gerada por fatores externos como, por
exemplo, o solo e a atmosfera. A refletância espectral tem sido combinada e transformada em
vários índices de vegetação.

O índice de Área Foliar (IAF) é utilizado para estimar a fração da radiação
fotossintaticamente ativa absorvida pelos dosséis das plantas, bem como a percentagem da
cobertura verde da superfície e biomassa. Isso acontece pelo fato dos altos índices de absorção
dos pigmentos foliares nas regiões espectrais do vermelho e a alta reflectância no
infravermelho próximo (Xavier e Vettorazzi, 2004).
O índice de Vegetação Ajustado ao Solo (IVAS) é o índice que tenta diminuir os
efeitos do solo no cálculo do IVDN, logo os efeitos do solo molhado são calculados por este
índice.
O IVDN vem sendo utilizado constantemente para avaliar o vigor da vegetação,
auxiliar na detecção de desmatamentos, monitorar a cobertura vegetal, avaliar áreas de
queimadas, dar suporte a previsão da produtividade de áreas agrícola e outras aplicações. O
IVDN tem uma grande correlação para com o albedo, pois conclui-se que a região urbana o
albedo é alto e o IVDN baixo e regiões com vegetação, albedo baixo IVDN alto.
O IVDN é calculado entre as bandas do vermelho (canal 4) e infravermelho próximo
(canal 5). Os valores de IVDN variam entre -1 e +1, correspondendo assim a presença de água
(lagos, rios...) quando o valor for inferior a zero, indo até uma vegetação exuberante quando o
valor e mais próximo a + 1. Este índice permite identificar a presença da vegetação verde na
superfície e caracterizar sua distribuição espacial como também sua evolução no decorrer do
tempo. Para um melhor resultado na interpretação dos dados recebidos se faz necessário
considerar os ciclos fenológicos anuais para se distinguir as oscilações naturais do estado da
vegetação e as mudanças que esta estar sofrendo com os resultantes desmatamentos ou demais
formas de intervenção.
A água tem valores negativos de IVDN, as nuvens refletem de forma semelhante no
visível e infravermelho próximo de zero, o solo nu e com vegetação rala apresenta valores
positivos porém, poucos elevados e vegetação densa, úmida e bem desenvolvida apresentando
os maiores valores de IVDN.

2.5 TEMPERATURA DE SUPERFÍCIE (TS)
A temperatura de superfície terrestre (TS) é um elemento de grande valor nos
processos físicos a superfície terrestre, em escala regional e global, relacionados ao balanço
de energia, evaporação, transpiração vegetal, desertificação e pode ser utilizada como
indicador de degradação terrestre e de mudança climática. A sua estimativa é uma tarefa
difícil, pois separar os efeitos atmosféricos e as emissividades dos efeitos da temperatura de
superfície nas medições de radiância é bastante complexo.

Faure (2002), afirma que as ferramentas do sensoriamento remoto permitem contornar
parcialmente as dificuldades encontradas em campo. Fotografias aéreas foram utilizadas por
muito tempo, sendo que recentemente utiliza-se as imagens de satélites para visualizar a
extensão espacial de cidades e suas evoluções. Os imageadores dos satélites avaliam essas
variações através das mudanças nos padrões de tonalidade e textura dos alvos.
Atualmente, a temperatura da superfície terrestre (TS) estimada por imagens termais
obtidas por sensoriamento remoto, tem sido tema de várias pesquisas cientificas (Becker & Li,
1990; Sobrinho, 1994).

3. MATERIAIS E MÉTODOS
3.1. Área de estudo
Ribeirão Preto é um município brasileiro no interior do Estado de São Paulo, Região
Sudeste do país. Pertence a Mesorregião e Microrregião de Ribeirão Preto, localizando-se a
noroeste da capital do Estado, distante desta cerca de 315 km, entre as latitudes e longitude,
21º10’36” Sul e 47º49’15” Oeste (Figura 1).

Figura 1 – Localização da Região de Ribeirão Preto.
Fonte: Autor, 2016.
Ocupa uma área de 650,955 km2, sendo que 127,309 km2 estão no perímetro urbano
e os 523,051 km2 restantes constituem a zona rural. Sua população foi estimada pelo IBGE no

ano de 2015 em cerca de 666,323 habitantes, sendo o município que mais cresceu entre as
maiores cidades do estado de São Paulo.
Entre os 30 maiores municípios brasileiros, a população de ribeirão-pretana foi a
sexta com a maior taxa de aumento populacional (1,3%). Portanto, cresceu o dobro da capital
paulistana, maior cidade do país e bem mais que a média (0,86%) do Brasil.
A sede tem uma temperatura média anual de 23,2°C e na vegetação original do
município predomina a mata Atlântica. Segundo a definição de Köppen descrita por Peel
M.C., Finlayson B.L. & McMahon T.A. (2007) o clima do município de Ribeirão Preto – SP
é definido como tropical (Aw) do tipo mesotérmico brando, semi-úmido e apresenta um
período seco de 4 a 5 meses que é característica deste tipo de clima.

O regime pluviométrico apresenta chuvas mal distribuídas durante o ano e
concentradas principalmente no período do verão (dezembro e janeiro) onde se tem o índice
pluviométrico médio de 118.5 mm anuais.
Com 99,7% de seus habitantes vivendo na zona urbana, o município contava em
2009 com 319 estabelecimentos de saúde. O seu Índice de Desenvolvimento Urbano (IDH) é
de 0,800, considerando-se assim como elevado em relação ao país, sendo o vigésimo segundo
maior do estado. Várias rodovias ligam Ribeirão Preto a diversas cidades paulistas, tais como
a Rodovia Anhanguera e a Rodovia Cândido Portinari, havendo ainda disponibilidade de
ferrovias e um aeroporto, o Doutor Leite Lopes.
Ribeirão Preto foi fundada em 1856, neste período a região recebia muitos mineiros
que saíam de suas terras já esgotadas para a mineração e procuravam pastagens para a criação
de gado. No começo do século XX, a cidade passou a atrair imigrantes, que foram trabalhar
na agricultura ou nas indústrias abertas na década de 1910. O café, que foi por algum tempo
uma das principais fontes de renda, se desvaloriza a partir de 1929, perdendo espaço para
outras culturas e principalmente para o setor industrial. Na segunda metade do século XX
foram incrementados investimentos nas áreas de saúde, biotecnologia, bioenergia e tecnologia
da informação, sendo declarada em 2010 como “polo tecnológico”. Essas atividades
atualmente fazem com que Ribeirão Preto tenha o 27º maior PIB brasileiro.
Além da importância econômica, o município é relevante centro de saúde, educação,
pesquisas, turismo de negócios e cultura do Brasil. O Parque Prefeito Luiz Roberto Jábali, o
Parque Maurílio Biagi e o Bosque-Zoológico municipal, configuram-se como importantes
áreas de preservação ambiental, de recreação e passeios, enquanto que a Choperia Pinguim, o
Teatro Dom Pedro II e o Estúdios Kaiser de Cinema, são relevantes pontos de atividades

culturais e de visitação por turistas. A cidade possui dois grandes eventos (feiras), a Feira
Nacional do Livro de Ribeirão Preto e a tradicional e famosa Agrishow, que movimentou em
2016, mais de R$ 1,95 bilhões, atraindo público de 152 mil visitantes.

3.2 Dados obtidos
Os dados necessários para a composição do NDVI e Temperatura em superfície foram
obtidos do município de Ribeirão Preto (21°10’36”S; 47°49’15”W; 546 m), Estado de São
Paulo. As imagens foram coletadas no período: (26/10/2013; 11/09/2014; 16/10/2015), nos
biomas Mata nativa, Cana-de-açúcar e Malha urbana.
Foram utilizadas imagens pertencentes ao sensor OLI Landsat8, as bandas 4,3,2 foram
utilizadas para efetuar a falsa cor Red, Green, Blue (RGB) e na identificação dos diferentes
usos de solo.
O Índice de Desconforto (ID) proposto por Thom (1959) e adaptado por Giles et al.
(1990) é dado em ºC. O índice foi definido como segue:
𝐼𝐷 = 𝑇𝑎 − 0,55 ∗ [(1 − 0,01 ∗ 𝑈𝑅) ∗ (𝑇𝑎 − 14,5)]
Onde ID é o índice de desconforto (ºC), Ta é a temperatura do ar média em graus
Celsius (°C); UR é a umidade relativa média em porcentagem (%).
Tabela 2: Distribuição das classes do Desconforto Térmico (Thom, 1959).
Descrição
Bem estar (confortável).
Menos de 50% da população possui um
ligeiro desconforto.
Outros 50% da população possui um
crescente desconforto.

Classes do Desconforto (ID) °C
ID < 21

21<ID<24

24<ID<27

A maioria da população possui um
relativo desconforto e há significativo

27<ID<29

deterioramento da condição psicofísica.
Todos possuem um forte desconforto.

29<ID>32

Estado

emergência

médica;

desconforto muito forte.

ID<32

3.3 Obtenção e tratamento das imagens
Para alcançar os objetivos da pesquisa foram utilizadas nove imagens da área de
estudo, captadas pelo sensor OLI - Landsat 8, que foram adquiridas junto à Divisão de
Geração de Imagens do Instituto Nacional de Pesquisas Espaciais. Essas imagens
correspondem à órbita 200 e ponto 75, obtidas aproximadamente às 13h10min (tempo legal)
no dia 26 de outubro de 2013, 11 de setembro e 16 de outubro 2015. Esses dias foram
selecionados por não apresentar cobertura de nuvens sobre a região de estudo, durante a
passagem do Landsat 8 OLI sobre a área de estudo.
A seguir são descritas as etapas do processamento do no recorte da imagem
órbita/ponto 200/75, objetivando a obtenção do NDVI e Temperatura desenvolvido através da
ferramenta Model Maker do software ERDAS IMAGE 9.2 e a utilização do software livre
Qgiz.
Na Figura 2 está representado um diagrama esquemático, resumindo todas as etapas do
processamento das imagens, visando proporcionar um melhor entendimento de todas as
etapas computacionais da obtenção do albedo da superfície.

Figura 2 –

Diagrama das etapas computacionais do processamento de obtenção do NDVI
e TEMPERATURA da área em estudo.

3.4 Radiância monocromática
Para realizar o cálculo da temperatura de superfície, antes deve ser computado a
radiância monocromática utilizando a banda 10 do sensor TIRS LANDSAT-8. Empregando
os fatores de reescalonamento da radiância fornecidos nos metadados (USGS, 2016):
Lλ = MLQcal+ AL (1)
Onde: Lλé a Radiância monocromática, ML é o fator de reescalonamento multiplicativo
especifico, AL é o fator de reescalonamento aditivo específico, e Qcal éo valor pixel a pixel da
cada.
3.5 Reflectância monocromática
Utilizando dados das bandas do sensor OLI (bandas 2, 3, 4, 5, 6, 7), calcula-se a
Reflectância monocromática, que usa os coeficientes de reescalonamento presente nos
metadados (arquivo MTL, disponibilizado juntos as imagens de satélite). Convertendo valores
de ND (Número Digital) em reflectância monocromática da seguinte maneira (USGS, 2016):

(1)

Onde: ρλ,b é a Reflectância monocromática banda a banda, Hρ redimensionamento
multiplicativo especifico de cada banda (valor constante -0,1), Aρé ao fator aditivo (valor
constante 2E-5),QCAL valor pixel a pixel de cada banda (ND) e θSE ângulo azimultal, que é
calculado segundo a fórmula a seguir:

(2)

Onde: θSZ é o ângulo de elevação de sol, disponível nos metadados.
3.6 NDVI
Após a etapa de correção atmosférica as imagens estão pré-processadas e aptas para
aplicação de mapas (NDVI) e para composição de bandas RGB. No caso do satélite Landsat-8
as bandas do infravermelho próximo (NIR) e o vermelho (R), correspondem respectivamente
as bandas V e IV do sensor OLI (Operacional Land Imager). Portanto, o NDVI é obtido

através da razão entre a diferença das refletividades do infravermelho próximo (IV) e do
vermelho (V) pela soma das mesmas (Allen et al.,2002):

NDVI 

 IV   v
 IV   v

(1)

3.7 TEMPERATURA DO SOLO
Para a obtenção da temperatura da superfície – Ts para o LANDSAT-8 se utiliza a
banda 10, do sensor TIRS, segundo a equação a segui:

(1)

Onde: Ts é a temperatura de brilho (K), Lλ é a radiancia espectralno topo da atmosfera, para o
LANDSAT-8 K1=774,88 K e K2=1321,08.

4. RESULTADOS E DISCUSSÃO
As variações de temperaturas estão relacionadas à forma como o solo é ocupado ou
modificado interferindo no ambiente local, ou seja, as mudanças no uso e ocupação do solo
podem propiciar alterações de temperatura, sendo que nas áreas mais densamente
antropizadas, com emprego de materiais construtivos como fibrocimento e alumínio, pela
maior absorção de energia tendem a apresentam os maiores valores de temperatura da
superfície. (AMORIM et al., 2009; SANT’ANNA NETO, 2011). A Figura 3 mostra a
localização de quatro pontos abordados no estudo sobre como a forma de ocupação do solo
influencia positivamente ou negativamente de uma forma local.

Figura 3: Localização das áreas de Mata Nativa (A), Agricultura de Cana de Açúcar (B),
Corpo de Água (C) e Malha Urbana (D).

Fonte: Google Earth, 2016.
Estudos de clima urbano e geoprocessamento no Brasil analisaram a temperatura da
superfície em áreas urbanas e constataram que a carta da temperatura da superfície é um
importante indicador das mudanças no uso do solo e da qualidade ambiental urbana.
(AMORIM et al., 2009; BARROS, 2013; LIMA e AMORIM, 2011; MOREIRA, 2011;
ORTIZ, 2012).
Observou-se nas imagens referentes a temperatura de superfície da cidade de Ribeirão
Preto-SP, os maiores valores referente a figura 2A foram entre 38,5 °C e 42,5°C em
tonalidade laranja em pontos isolados, a predominância foram dos valores entre 30,5 °C e
38,5 °C tonalidades variando do verde ao amarelo. Observou-se a variação de temperaturas
entre os 4 pontos em destaque, Mata Nativa, Agricultura de Cana de Açúcar, Corpo de Água e
Malha Urbana. Os valores para a malha urbana entre 34,5°C e 38,5°C, pois os materiais que
compõem as construções, como asfalto, concreto e áreas sem vegetação ajudam no aumento
da temperatura local. A ausência de área vegetada influência diretamente nos valores, já que a

vegetação absorve a radiação para produção de fotossíntese, assim reduz as temperaturas
locais. Como exemplo da mata nativa que apresentaram menores temperaturas de superfícies
junto com os corpos d’água temperaturas menores que 26,5 °C.
Figura 4: Imagem de temperatura de superfície de Ribeirão Preto-SP, no ano de 2013 (A),
2014 (B) e 2015 (C).

Fonte:
Autor, 2016.

As figuras 2B e 2C Mostraram o aumento de temperatura de superfície quando
comparadas com o ano de 2013, para o ano de 2014 (2B) as maiores temperaturas foram entre
38,5 °C e > 42,5°C valores com tonalidades laranja ao vermelho, como mostrado na figura,
as maiores temperaturas estão ligadas ao solo exposto. Na predominância de temperatura,
houve um aumento com valores entre 34,5°C e 38,5°C, acréscimo de 4°C na faixa menor. No
ano de 2015 as maiores temperaturas ultrapassaram 42,5 °C com predominância em toda a
área de estudo com tonalidade vermelha. Possivelmente relacionado ao el niño 2015-2016,
fenômeno atmosférico-oceânico caracterizado por um aquecimento anormal das águas
superficiais no Oceano Pacífico Tropical. Altera o clima regional e global, mudando os
padrões de vento a nível mundial, afetando assim, os regimes de chuva em regiões tropicais e

de latitudes médias. Assim a influência do El Niño atribuiu um aumento nas temperaturas da
cidade de Ribeirão Preto-SP. As temperaturas da mata nativa e corpos d’água foram entre
30,5°C e 34,5°C acréscimos aproximados a 4°C entre 2015 e 2013, a área de malha urbana
mostrou temperaturas de 44,5°C, um aumento de mais de 6°C em três anos. A área de
agricultura as variações próximas de 4,5°C é em relação ao manejo da agricultura,
crescimento da cana de açúcar e até a colheita, na medida em que se retira a plantação ela
aumenta as temperaturas locais.

Fonte: Autor, 2016.

Fonte: Autor, 2016.
Quando se analisou a temperatura de superfície quanto à ocupação do solo, figura 3
mostrou que os menores valores foram referentes aos corpos d’água (CD), seguidos das matas
nativas (MN), a variação da área de agricultura (AG) pode-se julgar quanto aos estágios da
plantação de cana-de-açúcar. A diferença de uma área ocupada de forma desordenada por
construções de cidades e uma área de vegetação natural é nítida, visto que áreas como a malha
urbana (M.U) tem materiais com grande capacidade de retenção de energia, aumentando
assim as temperaturas locais. Comparando os valores de temperatura entre 2013 e 2015,
notou-se um aumento na temperatura de aproximadamente 4°C para as áreas de MN, AG,
CD, na M.U a variação foi ainda maior, um aumento de 6°c em três anos, possível indicador
do aumento na densidade construída da malha urbana de Ribeirão Preto-SP.
Figura 5: Temperatura de superfície quanto à ocupação do solo da cidade de Ribeirão PretoSP, nos anos de 2013, 2014 e 2015.

Fonte: Autor, 2016.

Através do IVDN se pode avaliar a quantidade e condição da vegetação verde, variando
de –1 a +1, para superfícies com alguma vegetação a variação é entre 0 e 1, já para a água
e/ou nuvens geralmente é menor que zero, negativos. Avaliando a figura 4 referente ao IVDN
dos anos de 2013, 2014 e 2015, o ano de 2013 apresentou valores máximos >0.64 para as
áreas de mata nativa e áreas circunvizinhas do corpo d’água em tonalidades de verde-escuro, a
área de agricultura se mostrou com valores entre 0,32 e 0,64 vegetação média variando de
acordo com o crescimento ou colheita da vegetação, os menores valores foram encontrados
nos corpos d’água e malha urbana, valores negativos e entre 0,0 e 0,16, respectivamente. Na
malha urbana os valores baixos se dão devido os adensamentos de construções, assim se há
uma necessidade da remoção de vegetação para as construções.
O ano de 2014 se mostrou com valores baixos, a pouca, mas presente vegetação >0,64
nos arredores dos corpos d’água e da mata nativa observou-se uma redução na vegetação
desses lugares quando comparar com o ano anterior de 2013. O ponto de agricultura mostrou
valores baixo onde possivelmente a colheita foi feita. Os menores valores se mantiveram na
área de malha urbana valores 0,00 e 0,16 tonalidades entre vermelho e laranja o corpo d’água
valores negativos. No ano de 2015 a vegetação nativa e proximidades do corpo d’água foram
restauradas, assim onde se mostrou com maiores densidades de vegetação com valores >0,64,
os valores baixos prevaleceram na malha urbana entre 0,00 e 0,32, o corpo d´água, valores
negativos. No ponto relacionado à agricultura se mostrou com valores entre 0,48 e 0,64, o que
mostrou vegetação em crescimento.
Figura 7: IVDN para os anos de 2013 (A), 2014 (B) e 2015 (C).

Fonte: Autor, 2016.
A figura 5A, mostra a Comparação entre IVDN e Temperatura de superfície para o
ano de 2014, em quatro pontos diferentes, assim áreas onde a baixa vegetação predomina ou
áreas onde houve a modificação, malha urbana, por exemplo, tendem a apresentarem maiores
valores de temperatura, devido não ocorrer à interceptação da radiação solar pela vegetação,
portanto, grande parte absorvida pelo solo é devolvida à atmosfera em forma de calor, em
áreas com grandes densidades vegetadas tendem a ter baixas temperaturas, já que boa parte
dessa radiação é utilizada para os processos fotossintéticos da vegetação. Como dito por
Borges et al., 2011, que as temperaturas amenas são observadas em regiões de mata ciliar,
corpos d’água e áreas cobertas por vegetação. Com valores ainda menores nas áreas de
vegetação nativa. Na figura 5B se observou a forma como se comporta a temperatura de
superfície com relação aos pontos de Mata Nativa, Agricultura de Cana de Açúcar, Corpo de
Água e Malha Urbana. Onde se mostrou uma relação inversa entre o IVDN e a Temperatura
de superfície, área de MN mostrou menor temperatura com valores altos de vegetação e a
M.U mostrou valores altos de temperaturas devido à baixa quantidade de vegetação.

Figura 8: Comparação entre IVDN e Temperatura de superfície para o ano de 2014, em quatro
pontos diferentes, Mata Nativa, Agricultura de Cana de Açúcar, Corpo de Água e Malha
Urbana.

(A)

(B)

Fonte: Autor, 2016.
Na figura 9 utilizando uma umidade relativa constante para o dia da imagem, visto a
ausência de umidade relativa nos pontos de estudo, assim utilizando a temperatura de
superfície de cada local e uma umidade relativa média diária se pode observar que as áreas
com menores desconfortos são as MN, valores entre 24,5°C e 26,5°C indicado na

classificação como “população possui um crescente desconforto”, Seguidos das áreas de AG
entre 26°C e próximo do 27,5°C, também incluso na mesma classificação da MN. A área de
maior desconforto foi na M.U onde os valores foram de próximos de 29°C no ano de 2014 até
maior que 32°C onde a classificação indica como “Estado de emergência médica, desconforto
muito forte”.

Figura 9: Índice de Desconforto Térmico para os anos de 2013, 2014 e 2015.

5 CONCLUSÕES E RECOMENDAÇÕES
5.1 CONCLUSÕES
 Com base na análise e discussão dos resultados obtidos referentes á área de estudo,
podemos constatar que o LANDSAT-8 fora bem sucedido, confirmando os objetivos
propostos pelo estudo, mostrando que esta pode ser aplicadas em áreas com
características iguais a região de Ribeirão Preto.



O Índice de Vegetação da Diferença Normalizada, referente a área de estudo se
mostrou satisfatório para o mapeamento, pois possibilitou a identificação de 5 classes
( Mata Nativa, Cana de Açúcar, corpo de água e Malha Urbana) onde podemos
observar que valores negativos para o IVDN foram para (Corpos de água).

 2013 apresentou valores máximos >0.64 para as áreas de mata nativa e áreas
circunvizinhas do corpo d’água em tonalidades de verde-escuro, a área de agricultura
se mostrou com valores entre 0,32 e 0,64 vegetação média variando de acordo com o
crescimento ou colheita da vegetação, os menores valores foram encontrados nos
corpos d’água e malha urbana, valores negativos e entre 0,0 e 0,16, respectivamente.
 ano de 2014 se mostrou com valores baixos, a pouca, mas presente vegetação >0,64
nos arredores dos corpos d’água e da mata nativa observou-se uma redução na
vegetação desses lugares quando comparar com o ano anterior de 2013.
 No ano de 2015 a vegetação nativa e proximidades do corpo d’água foram restauradas,
assim onde se mostrou com maiores densidades de vegetação com valores >0,64, os
valores baixos prevaleceram na malha urbana entre 0,00 e 0,32, o corpo d´água,
valores negativos. No ponto relacionado à agricultura se mostrou com valores entre
0,48 e 0,64, o que mostrou vegetação em crescimento.
 A relação da Temperatura da superfície com a cobertura do solo fica evidente quando
se observa os valores estimados para Áreas-urbanas e a vegetação em torno, no qual
apresentou uma variação entre as áreas em estudo girando em torno de 5 0C, para os
anos 2013,2014 e 2015.

 As demais visualizações dos mapas ficam evidentes a configuração de um microclima
devido a diferença dos mecanismos que influenciam os processos biofísicos, além de
possibilitar a identificação de ilha de calor, caracterizadas por temperaturas superiores
observadas em relação a áreas vegetadas.

5.2 RECOMENDAÇÕES
 Que seja considerados como continuidade da pesquisa, os principais tipos de solo da
região estudada para uma avaliação posterior mais eficiente dos parâmetros
analisados.
 Em trabalhos futuros seja considerado a utilização do modelo de elevação Digital
(MED) para o melhoramento da pesquisa.

6 REFERÊNCIAS BIBLIOGRÁFICAS
ALLEN, R.; BASTIAANSSEN, W.; WATERS, R.; TASUMI, M.; TREZZA, R. Surface
energy balance algorithms for land (SEBAL), Idaho implementation - Advanced
training and users manual, version 1.0, 2002. 97p.
ALLEN, R.; TASUMI, M.; TREZZA, R. Satellite-based energy balance for mapping
evapotranspiration with internalized calibration (METRIC) – Model. Journal of
Irrigation and Drainage Engineering, Reston, v.133, n.395, p.380-394, 2007a.
ALLEN, R.; TASUMI, M.; TREZZA, R. Satellite-based energy balance for mapping
evapotranspiration with internalized calibration (METRIC) – Aplications. Journal of
Irrigation and Drainage Engineering, Reston, v.133, n.395, p.395-406, 2007b.
ALMEIDA, E. S. Relação entre índice de vegetação derivado do NOAA-AVHRR e
precipitação na região Amazônica. Dissertação de Mestrado, São José dos Campos,
Instituto Nacional de Pesquisas Espaciais, 1997.
ALVES, E.J. A cultura da bananeira: aspectos técnicos, socioeconômicos e
groindustriais. 2.ed., Brasília: EMBRAPA, 1999. 585p.
ANDRADE, E. M.; D’ALMEIDA, D. M. B. A.; MEIRELES, A. C. M.; FILHO, L. C. A. L.;
ARRUDA, F. E. R. Evolução da concentração iônica da solução do solo em áreas
irrigadas na Chapada do Apodi, CE. Revista Ciência Agronômica, Vol. 35, Nº. 1, jan - jun:
9-16, 2004.
ANTUNES, M.A.H.; FREIRE, R.M.B.; BOTELHO, A.S.; TONIOLLI, L.H. Correções
atmosféricas de imagens de satélites utilizando o Modelo 6S. In: XXI CONGRESSO
BRASILEIRO DE CARTOGRAFIA, Belo Horizonte, 2003. Anais... XXI Congresso
Brasileiro de Cartografia. 2003.
ANTUNES, M. A. H.; ASSAD, E. D.; BATISTA, G. T. Variação das Medidas Espectrais
Tomadas com Espectrorradiômetro ao Longo do Ciclo de Crescimento de Soja (Glycine
max (L.) Merril). In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 7.,
1993, Curitiba. Anais... Curitiba: INPE, 1993. v.2p. 01-09.
AVERY, T. E.; BERLIN, G. L. Fundamentals of Remote Sensing and Airphoto
Interpretation.5 ed. New Jersey: Prentice Hall. 1992.
ARYA, S. P. S. Introduction to micrometeorology. Academic Press, London, p. 307, 1988.

ASCE-EWRI. The ASCE standardized reference evapotranspiration equation. ASCEEWRI Standardization of Reference Evapotranspiration Task Committee Rep., ASCE,
2005.
AYOADE, J.O. Introdução à climatologia para os trópicos. Amsterdam: Ed. Bertrand
Brasil S.A. 2ª ed., 1983. p.332
BARBOSA, A.H. A Análise espaço-temporal de índice de vegetação normalizado
AVHRR/ NOAA e precipitação na região nordeste do Brasil em 1982-1985. São José dos
Campos: INPE, 1998, 163 p. Dissertação (Mestrado em Sensoriamento Remoto) – Curso de
Pós-Graduação em Sensoriamento Remoto, Instituto de Pesquisas Espaciais, 1998.
BARET, F.; GUYOT, G. Potentials and Limits of Vegetation Indices for LAI and APAR
Assessment. Remote Sensing of Environment, New York, v.3, p.161-173. 1991.
BASTIAANSSEN, W, G, M. Regionalization of Surface Flux Densities and Moisture
Indicators in Composite Terrain – Ph. D. A Remote Sensing Approach Under Clear Skies in
Mediterranean Climates, Thessis, Wageningen Agricultural University, The Netherlands, 273,
1995.
BASTIAANSSEN, W. G. M.; CHANDRAPALA, L. Water balance variability across Sri
Lanka for assessing agricultural and environmental water use. Agricultural Water
Management. Amsterdam, v.58 p.171-192, 2003
BASTIAANSSEN, W. G. M; MENENTI, M; FEDDES, R.A.; HOLSLAG, A.A.M. A
Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL) – Formulation.
Journal of Hydrology, v. 212-213, p.198-212, 1998a.
BASTIAANSSEN, W. G. M.; PELGRUM, H.; WANG, J.; MA, Y.; MORENO, J. F.
ROENRINK, G. J. VAN DER WAL, T. A remote sensing surface energy balance
algorithm for land (SEBAL) – Validacion. Journal of Hydrology, v. 212–213, p.213-229.
1998b.
BASTIAANSSEN, W. G. M. SEBAL - Based sensible and latent heat fluxes in the
irrigated Gediz Basin, Turkey. Journal of Hydrology, v.229, p.87-100, 2000.
BATISTA, G. T. & ALMEIDA, E. S. Índice de vegetação versus precipitação na
Amazônia. Anais IX Simpósio Brasileiro de Sensoriamento Remoto, Santos, Brasil, 11-18
setembro 1998, INPE, p. 1397-1407.

BASTIAANSSEN, W. G. M.; CHANDRAPALA, L. Water balance variability accross Sri
Lanka for assessing agricultural and environmental water use. Agricultural Water
Management. V. 58 p.171-192, 2003.
BATISTA, G. T.; SHIMABUKURO, Y. E.; LAWRENCE, W.T. Monitoramento da
Cobertura Florestal através de Índices de Vegetação do NOAA-AVHRR. Anais do VII
SBSR, 1993.
BATISTELLA, M.; CRISCUOLO, C., MIRANDA, E. E., FILARDI, A. L. Satélites de
Monitoramento. Campinas: Embrapa Monitoramento por Satélite, 2004. Disponível em:
<http://www.sat.cnpm.embrapa.br>. Acesso em: 14 set. 2007.
BEZERRA, M, V, C, Balanço de Energia em Áreas Irrigada Utilizando Técnicas de
Sensoriamento Remoto, 108f, Dissertação (Mestrado em Meteorologia), Departamento de
Ciências Atmosféricas, Universidade Federal de Campina Grande, Campina Grande-PB,
2004.
BEYER, H. G., HENNING, H. M., LUTHER, J., SCHREITMULER, K. R. The monthly
average daily time pattern of beam radiation. Solar Energy, 47 (5):347-353, 1991.
BEZERRA, B, G, Balanço de energia e evapotranspiração em áreas com diferentes tipos
de cobertura de solo no cariri cearense através do algoritmo SEBAL, 127f, Dissertação
(Mestrado em Meteorologia), Departamento de Ciências Atmosféricas, Universidade Federal
de Campina Grande, Campina Grande-PB, 2006.
BOEGH, E.; SOEGAARD, H.; THOMSEM, A. Evaluating evapotranspiration rates and
surface conditions using Landsat TM to estimate atmospheric resistance and surface
resistance. Remote Senssing of Enviromental. V. 79, p.329-343, 2002.
BRAGA, C. C; BRITO, J. I. B; SANSIGOLO, C. A e RAO, T. V. R. Tempo de resposta da
vegetação às variabilidades sazonais da precipitação no Nordeste do Brasil. Revista Brasileira
de Agrometeorologia, Santa Maria-RS, v.11, n.1, p.149-157, 2003.
BRAGA, C.C. Inter-Relações entre Padrões de Índice de Vegetação e de pluviometria no
Nordeste do Brasil. Campina Grande: UFPB, 2000. 124 p. Tese (Doutorado em Recursos
Naturais) – Curso de Pós-Graduação em Recursos Naturais, Universidade Federal da Paraíba,
2000.

CHANDER, G.; MARKHAM, B. Revised Landsat-5 TM Radiometric Calibration
Procedures ans Postcalibration Dynamic Ranges. IEEE TRANSACTIONS ON
GEOSCIENCE AND REMOTE SENSING. v. 41. n. 11. 2003.
CHANDRAPALA, L. & WIMALASURIYA, M. Satellite measurements supplemented
with meteorological data to operationally estimate evaporation in Sri Lanka. Agricultural
Water Management, 58: 89-107, 2003.
CHEMIN, Y. et al. Using remote sensing data for water depletion assessment at
administration and irrigation-system levels: case study of the Ferghana Province of
Uzbekistan. Agricultural Water Management, Amsterdam, v.64. p.183-196, 2004.
COSTA, F. H. S. FILHO, C. R. S. RISSO, A. Análise temporal de NDVI e mapas
potencias naturais de erosão na região do Vale do Ribeira, São Paulo. Anais XIII
Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE,
p. 3833-3839.
DANTAS, F. R. Estudo comparativo de parâmetros da vegetação sobre diferentes alvos
utilizando dados do AVHRR e TM. (Dissertação Mestrado) : UFCG, Campina Grande –
PB. 2008.
DAVIDSON, A., WANG, S. The effects of sampling resolution on the surface albedos of
dominant land cover types in the Nerth American boreal regions. Remote Sensing of
Environment, v.93, p.211-224, 2004.
DI PACE, F. T. Estimativa do Balanço de Radiação á superfície terrestre utilizando
imagens TM Landsat-5 e Modelo Digital de Elevação. CDRN/CCT/UFCG. 2003. 130p.
Tese (Doutorado em Recursos Naturais)- Universidade Federal de Campina Grande, Campina
Grande-PB.
DUBAYAH, R. Estimating Net Solar Radiation using Landsat TM and Digital Elevation
data Water Resources Research, 28 (a): 2469-2484, 1992.
ENGESAT

Landsat

Ficha

Técnica

Resumida.

Disponível

em:

<www.engesat.com.br>. Acesso em: 14 de abril de 2008.
FANG, H. et al. Statistical comparasion of MISR, ETM+ and MODIS land surface
reflectance and albedo products of the BARC land validation vore site, USA.
International Journal of Remote Sensing, Basingstoke, v.25, n.2, p.409-422, 2004.

Faure, J.F. Dinâmicas de urbanização em meio tropical Úmido : uso do sensoriamento remoto
para a construção de Indicadores sócio-ambientais na Amazônia Oriental. Relatório de
pesquisa, bolsa DCR CNPQ, 67 p., 2002.
FEITOSA, J. R. P. Uso de Técnica de Sensoriamento Remoto e Imagens Landsat-TM e
NOAA-AVHRR na estimativa do balanço de radiação à superfície. 164f. Tese (Doutorado
em Recursos Naturais). Programa Institucional de Pós-graduação em Recursos Naturais.
Universidade Federal de Campina Grande. Campina Grande, 2005.
FERREIRA, A. G. Meteorologia Prática. São Paulo: Oficina de textos, 2006.
FLORENZANO, T. G. Imagens de satélites para Estudos Ambientais, São Paulo: Oficina de
texto, 2002.
FLORENZANO, T. G. Iniciação em Sensoriamento remoto. 2ª ed. São Paulo: Oficina de
Textos, 2007.
FOLHES, M. T. Modelagem da evapotranspiração para a gestão hídrica de perímetros
irrigados com base em sensores remotos. 186 p. Tese (Doutorado em Sensoriamento
Remoto). INPE São José dos Campos. 2007
FONSECA, E. L. da. Caracterização Espectral e Índices de Vegetação em Paspalum
notatum Flügge var.Notatum com vistas à Modelagem de Crescimento. 2000. 60 f.
Dissertação (Mestrado - Agrometeorologia), Pós-graduação em Fitotecnia, Faculdade de
Agronomia, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2000.
FONTANA, D. C.; BERLATO, M. A.; BERGAMASCHI, H. Relação entre o Índice de
Vegetação Global e Condições Hídricas no Rio Grande do Sul. Pesquisa Agropecuária
Brasileira, Brasília, v. 33, n. 8, 1399-1405, 1998.
FOX, N.I.; SAICH, P.; COLLIER, C. G. Estimating the surface water and radiation
balance in an upland area from space. International Journal of Remote Sensing.
Basingstoke, v.21, n.16, p.2985-3002, 2000.
FREITAS, C. C.; SANTANNA, S. J. S.; RENNÓ C. D.; CORREIA, A. H. “Utilização de
Imagens de Radar de Abertura Sintética na Classificação de Uso e Ocupação do Solo”.
INPE,

São

José

dos

Campos-SP,

2007.

Disponível

em:

<http://www.dpi.inpe.br/livros.php>. Acesso em: 03 fevereiro 2014.
FUNDAÇÃO CEARENSE DE METEOROLOGIA E RECURSOS HÍDRICOS
FUNCEME. Disponível em: <www.funceme.br>. Acesso em 15 de maio de 2008.

GARCIA, G. J. Sensoriamento Remoto – Princípios e Interpretação de Imagens. 2 ed.
Nobel. São Paulo, 358p, 1982.
GIONGO, P. R. Estimativa do balanço de radiação com técnicas de sensoriamento
remoto e dados de superfície. 92 f Dissertação (Mestrado em Engenharia Agrícola) -Universidade Federal Rural de Pernambuco. Departamento de Tecnologia Rural. 2008
GOMES, H.F.,SILVA, B. B. da, CAVALCANTI, E. P., H. R. Balanço de Radiação em
diferentes biomas no Estado de São Paulo mediante imagens Landsat 5. Geociências,
v.28, p 153-164, 2009
GRANGER, R, J, Satellite-derived estimates of evapotranspiration in the Gediz Basin,
Journal of Hydrology, v, 229, p, 70 – 76, 2000,
HAFEEZ M, M,; CHEMIM Y, VAN DE GIESEN N, BOUMAN B, A, M Field
Evapotranspiration in Central Luzon, Philippines, using Different Sensors: Landsat 7
ETM+, Terra Modis and Aster, In: Simposium on Geospatial theory, Processing and
Applications, 2002, Ottawa, Canadá, ANAIS,,,
IDEIÃO, S. M. A. Imagens Multiespectrais e Aplicações em

Recursos

Hídricos:

Temperatura da Superficie e Balanços de Radiação e Energia. Dissertação de Mestrado,
Universidade Federal de Campina Grande, 2009.
IQBAL, M. An Introduction to Solar Radiation. New York: Academic Press. 1983. 212p.
IBGE - Instituto Brasileiro de Geografia e Estatítica.
Disponível em: <http://www.ibge.gov.br>. Acesso em 09 abr. 2008.
KAUFFMAN, J.Y. The atmospheric effect on remote sensing and its correction, In : Asrar, G.
ed. Theory and applications of optical remote sensing. New York: Willey, 1989. p.336428.
KUSTAS, W. P.; MORAN, M. S. and JACKSON, R. D.; GAY, L. W.; DUELL, L. F. W.;
KUNKEL, K. E.; MATTHIAS, A. D. Instantaneous and daily values of the surface energy
balance over agricultural fields using remote sensing and a reference field in as arid
environment. Remote sensing of Environment, 32: 125 – 141, 1990.
Kidder, Thomas H. Vonder Haar. Gulf Professional Publishing, 1995
LIOU, K. N. An introduction to atmospheric radiation. New York: Academic Press, 1980.
392p.

LATORRE, Marcelo Lopes. Utilização de um método de correção atmosférica para o
processamento de dados hiperespectrais do sensor AVIRIS em regiões tropicais.195p.
Dissertação (Mestrado em Sensoriamento Remoto) – Instituto de Pesquisas Espaciais – São
José dos Campos,1998.
LIANG, S.; SHUEY, C. J.; RUSS, A. L.; FANG, H.; CHEN, M.; WALTHALL, C. L.;
DAUGHTRY, C. S.T.; HUNT JR, R..; Narrowband to broadband conversions of land
surface albedo: II. Validation. Remote Sensing of Environment, v84, p. 25 - 41, 2002.
LEITÃO, M. M. V. B. R. & OLIVEIRA, G. M. A influência da irrigação sobre o albedo.
Revista Brasileira de Engenharia Agrícola e Ambiental, v.4, n.2, Campina Grande, PB,
DEAg/UFPB p.214-218, 2000.
LOPES, G. M. Balanço de Radiação em Áreas Irrigadas Utilizando Imagens Landsat 5 –
TM. Dissertação de Mestrado, Campina Grande-PB: DCA/CCT/UFCG, 81p. 2003.
MARKHAM, B. L. & BARKER, J. B. Thematic mapper band pass solar
exoatmospherical irradiances. International Journal of Remote Sensing, v. 8, n. 3, p. 517523, 1987.
MARTINS, R. W.A. Balanço de radiação e energia em área reflorestada com algaroba
no Seridó do Rio Grande do Norte. Dissertação Mestrado, Campina Grande – PB:
DCA/CCT/UFCG, 98p.2000.
MEDINA, J. L.; CAMACHO, E.; RECA, J.; LÓPEZ, R.; ROLDÁN, J. Determination na
Analysis of Regional of Regional Evapotranspiration in Southern Spain Base don
Remote Sensing and Gis. Physics and Chemistry of the Earth. V. 23, n. 4, p.427-432.
1998.
MENDONÇA, J. C. Estimativa da evapotranspiração regional utilizando imagens
digitais orbitais na região Norte Fluminense. 2007, 145f. Tese 89 (Doutorado em Produção
Vegetal), Universidade Estadual do Norte Fluminense Darcy Ribeiro, Rio de Janeiro, 2007.
MENESES, P. R. Fundamentos de Radiomentria Óptica Espectral. In: MENESES, P. R.;
NETTO, J. S. M. Sensoriamento Remoto: Reflectância dos alvos naturais. Brasília, DF: UnB;
Planaltina: Embrapa Cerrados. 2001.
NOVO, E. M. L. M. Sensoriamento remoto: princípios e aplicações. 3. ed. São Paulo:
Blucher, 2008. 363 p.

MENESES, P. R.; ALMEIDA, T. et al. Introdução ao processamento de Imagens de
Sensoriamento Remoto. Universidade de Brasília, 2012.
MONTEITH, J. L.; UNSWORTH, M. H. Principles of environmental physics,
2.ed.London: Edward Arnald, 291p, 1990.
MORSE, A.; TASUMI, M.; ALLEN, R. G.; KRAMBER, W. J. Aplication of the SEBAL
methodology for estimating consumptive use of water and streamflow deplition in the
Bear River basin of Idaho through remote sensing – Final Report. Boise: Department of
Water Resources/University of Idaho, 2000, 98p.
MOTTA, J. L. G.; FONTANA, D. C; WEBER, E. Evolução temporal do NDVI/NOAA em
áreas cobertas por pixels com proporções variáveis de soja. Revista Brasileira de
Agrometeorologia, Santa Maria, v. 11, n. 2, p. 353-369, 2003.
MOURA, M. S. B. Fenologia e consumo hídrico da goiabeira (Psidium guajava L.)
irrigada. Dissertação de Mestrado: DCA/CCT/UFPB, Campina Grande: 2001. 124p.
MORIARTY, W. W. Estimation of diffuse from measured global solar radiation. Solar
Energy. 47(2):75-82, 1991.
NASCIMENTO, C. R. Correção atmosférica de imagens do sensor AVHRR/NOAA
utilizando produtos atmosféricos do sensor MODIS/TERRA. 102f. Dissertação (mestrado)
- Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola. Campinas, SP.
2006.
Nascimento, E. do; Berto, V. Z. e Matias, L. F. (2007): “Perspectivas da utilização de
sistemas de informações geográficas (SIG) como instrumental de apoio ao trabalho em
unidades básicas de saúde”, GeoFocus (Informes y comentarios), 7, pp. 1-13.
NICHOLSON, S. E; FARRAR, T. J. The Influence of Soil Type on the Relationships
between NDVI, Rainfall and Soil Moisture in Semiarid Botswana. Remote Sensing
Enviroment. 50, 107-120. 1994.
NOVO, E. M. L. M. e PONZONI, F. J. Introdução ao Sensoriamento Remoto. Instituto
Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2001.
NOVAS, M.F.B. Mapeamento das estimativas de saldo de radiação e índices de
vegetação em área do estado de Alagoas com base em sensores remotos. Dissertação de
Mestrado em Meteorologia. UFAL- Instituto de ciências Atmosféricas, Maceió, 2008.

OLIVEIRA, L. L.; VIANELLO, R. L.; FERREIRA, N. J.; Meteorologia Fundamental,
Erechim/RS: EdiFAPES, p. 432, 2001.
OKE, T. R. Boundary Layer Climates. London: Rotledge, 1987. 435 p.
PAIVA, S. C. Balanço de energia à superficie em Caatinga: estudo observacional e de
simulação com o BRAMS. Dissertação de Mestrado. 54f, Programa de Pós-graduação em
Meteorologia UFCG, Campina Grande, 2005.
PEREIRA, A.; FRANCA, H.; SANTOS, J. E.; SETZER, A. W. Utilização de imagens
AVHRR/NOAA para classificação da vegetação do Cerrado quanto à susceptibilidade
ao fogo. X Simposio Latinoamericano de Percepcion Remota y Sistemas de Informacion
Espacial. Aplicações operacionais de sistemas de observação da Terra e de informação
espacial para usuarios e tomadores de decisão. Cochabamba, 2002.
PEREIRA, G.; MORAES, E. C.; OLIVEIRA, L. G. L. Estudo preliminar da estimativa da
reflectância e albedo de microssistemas pantaneiros a partir de imagens de satélite.
Revista Brasileira de Cartografia n, 59. 01, abr, 2007.
PEREIRA, C. C., MARIANO, Z.F., WACHHOLZ, F.,CABRAL. J.B. P. Análise da
temperatura de superfície e do uso da terra e cobertura vegetal na bacia Barra dos
Coqueiros (Goiás). Geonorte. Manaus, v.2, n.5, p.1243-1255, 2012.
PEZZOPANE, J. R. M.; JÚNIOR, M. J. P. Balanço de Energia em Vinhedo de ‘Niagara
Rosada’. Bragantia, Campinas, v.62, n.1, 155-161, 2003.
Radiação Solar, cap. 2-7. Departamento de Física. Universidade Federal do Paraná.
Disponível em: <http://fisica.ufpr.br/grimm/aposmeteo/cap2-7.html> Acesso em 23 jul 2007.
ROUSE, J. W.; HASS, R. H; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation
systems in the Great Plains with ERTS. In: NASA ERTS SYMPOSIUM. v. 3, 1973. p.
309-17.
SATYAMURTY, V. V., LAHIRI, P. K. Estimation of symmetric and asymmetric hourly
global and diffuse radiation from daily values. Solar Energy. 48(1):7- 14, 1992.
SCHROEDER, W.; FRANÇA, J. R. de A.; CEBALLOS, J. C. Análise da Evolução
Temporal da Cobertura Vegetal Usando dados AVHRR/NOAA. In: CONGRESSO
BRASILEIRO

AGROMETEOROLOGIA,

Florianópolis: SBA, 1999. 1 CD-ROM.

11.,

1999,

Florianópolis.

Anais...

SILVA, B. B.; BEZERRA, M. V. C.; BRAGA, A. C.; SILVA, S.T.A., Obtenção do albedo
de áreas irrigadas e de vegetação nativa em Petrolina e vizinhanças com imagem
LANDSAT 7 - ETM+. Anais – III Simpósio Regional de Geoprocessamento e
Sensoriamento Remoto, Aracaju, Brasil, out., 2006.
SILVA, B, B.; LOPES, G, M,; AZEVEDO, P, V, Determinação do albedo de áreas
irrigadas com base em imagens Landsat 5-TM, Revista Brasileira de Agrometeorologia, v.
13, n. 2, p, 11-21, 2005a.
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, 243-252,
2005b.
SLATER, P.N. Remote sensing: optics and optical systems. Reading: Addison-Wesley,
1980, 575p.
93 SONG, J. & GAO, W. An improved method to derive surface albedo from
narrowband AVHRR satellite data: narrowband to broadband conversion. Journal of
Applied Meteorology, 38:239-249, 1999.
SOUZA, J. D. e SILVA, B. B. Correção atmosférica para temperatura da superfície obtida
com imagem TM – Landsat 5. Revista Brasileira de Geofísica, 23 (4), 349-358, 2005.
SOUZA, J. D. Modelo físico-matemático de correção atmosférica para imagens TM – Landsat
5 e MODIS-Terra/Aqua. Tese (Doutorado em meteorologia). Departamento de
CiênciasAtmosféricas. Universidade Federal de Campina Grande, Campina Grande-PB,
200p., 2008.
SOUZA, M. C. G. Obtenção de componentes do balanço de radiação em áreas irrigadas e de
vegetação nativa na Chapada do Apodi com imagens Landsat 5 e influência atmosférica.
(Dissertação Meteorologia) - Campina Grande - UFCG. Campina Grande, PB. 2007.
TACHIIRIT, K Calculating NDVI for NOAA/AVHRR data after atmospheric correction for
extensive images using 6S code: A case study in the Marsabit District, Kenya. ISPRS Journal
of Photogrammetry & Remote Sensing, 59. 103–114. 2005.
TAGHVAEIAN, S.; NEALE, C. M. U. Water balance of irrigated areas: a remote sensing
approach. Hydrological Processes, v. 25, n. 26, p. 4132-4141, 2011.
TASUMI, M. Progress in operacional estimation of regional evapotranspiration using satellite
imagery. University of Idaho (USA). 355 p., 2003.

TASUMI. M.; ALLEN, R. G.; TREZZA, R. At-surface and albedo from satellite for
operational calculation of land surface. Agricultural and Forest Meteorology, 2006, no
prelo.
TASUMI, M,; TREZZA, R,; ALLEN, R, G,; WRIGHT, j. L. U.S. Validation Test on the
SEBAL model for evapotranspiration via satellite, ICID Workshop on Remote Sensing of
Evapotranspiration for Large Regions, 17 sep 2003.
TIMMERMANS,

J.;

MEIJERINK,

Remotely

sensed

actual

evapotranspiration, implications for ground water in Botswana. JAG. v. 1. issue 3/4. 1999.
TREZZA, R. Evapotranspiration using a satellite-based surface energy balance with
standardized ground control. 247 f. Thesis (Doctor of Philosophy in Biological and
Agricultural Engineering - Ph.D.). Utah State University, Logan, Utah, 2002.
VEISSID, N. & PEREIRA, E. B. Estimativa do albedo planetário empregando dados do
experimento célula solar do satélite brasileiro SCD2. Brazilian Journal of Geophysics, v.
18(1). p. 25-38. 2000.
WELEGEPOLAGE,

Estimation

spatial

and

temporal

distribution

evapotranspiration bay satellite remote sensing – A casa study in Hupselse Beek, The
Netherlands, 114p, 2005.
WYDICK, J., DAVIES, P. & GRUBER, A. Estimation of broadband planetary albedo
from operational narrowband satellite measurements. NOAA Technical Report, NESDIS
27, 32p, 1987.
Xavier, A. C.; Vetorazzi, C. A. Mapping leaf área index through spectral vegetation
indices in a subtropical watershed. International Journal of Remote Sensing, v.25, n.9,
p.1661-1672, 2004.