Balanço de energia via sensoriamento remoto em fragmentos de Caatinga no Sul do Piauí

Gabriel Siqueira Tavares Fernandes, Pabrício Marcos Oliveira Lopes, Vynicius Barbosa de Oliveira, Douglas Alberto de Oliveira Silva

Abstract


O entendimento da complexidade da dinâmica de trocas de calor entre a vegetação e a atmosfera é crucial para estudos meteorológicos, tendo em vista que a alteração nos fluxos de superfície pode ocasionar uma modificação climática. Dessa forma, objetivou-se caracterizar e quantificar os componentes do balanço de energia, bem como, verificar se a heterogeneidade da Caatinga possui influência no mesmo, a partir das frações distintas, no município de Bom Jesus, Piauí. O município integra a região do Semiárido Piauiense, possuindo clima quente e úmido (Awa), as parcelas da vegetação são caracterizadas como Caatinga Arbórea (CAbo), Caatinga Arbustiva (CAbu) e Caatinga Arbóreo-Arbustiva (CAb). As imagens utilizadas são provenientes dos sensores OLI (Operational Land Imager) e TIRS (Thermal Infrared Sensor) os quais estão a bordo do Landsat 8. O processamento das imagens que consistiu na conversão dos dados de números digitais para radiância espectral; obtenção da refletância, dos índices de vegetação e dos componentes do balanço de radiação, de energia, foi realizado a partir do algoritmo SEBAL. A fim de verificar a relação existente entre as frações da vegetação (NDVI) e os componentes biofísicos obtidos do SEBAL, realizou-se análise de regressão entre as variáveis. Entre as áreas avaliadas, encontrou-se diferença na distribuição da energia disponível à superfície (Rn) para cada componente biofísico do balanço de energia, bem como, em características da vegetação (albedo e NDVI). Quanto a relação existente entre a vegetação peculiar de cada fragmento e os componentes do balanço de energia, se obtiveram relações distintas de acordo com cada fração, com relações diretamente proporcionais para o Rn, LE e inversamente para H e G. A Caatinga, com a alta diversidade de sua flora, apresenta processos biofísicos complexos na sua relação com a atmosfera, no que diz respeito às trocas de energia.

Keywords


Componentes biofísicos, vegetação nativa, SEBAL

References


ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; MORAES, G.; LEONARDO, J.; SPAROVEK, G. Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, n. 6, p. 711-728, 2013. URL: https://www.schweizerbart.de/papers/metz/detail/22/82078/Koppen_s_climate_classification_map_for_Brazil.

ARAÚJO, A. L. D.; SILVA, M. T.; SILVA, B. B. D.; SANTOS, C. A. C. D.; AMORIM, M. R. B. D. R-SSEB: Simplified Modeling for Energy Balance Estimation to the Regional Scale Surface. Revista Brasileira de Meteorologia, v. 32, n. 3, p. 433-446, 2017. URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862017000300433.

BASTIAANSSEN, W.G.M.; NOORDMAN, E.J.M.; PELGRUM, H.; DAVIDS, G. SEBAL model with remotely sensed data to improve water-resources management under actual field conditions. Journal of Irrigation and Drainage Engineering, v.131, p.85-93, 2005. URL: https://ascelibrary.org/doi/abs/10.1061/%28ASCE%290733-9437%282005%29131%3A1%2885%29.

BATISTA, W. R.; NETTO, A. O. A.; SILVA, B. B.; SOUZA, A. I. F.; VASCO, A. N. Determinação do balanço de radiação com auxílio de imagens orbitais na Bacia Hidrográfica do Rio Jacaré, Sergipe. Scientia Plena, v.9, p.1-10, 2013. URL: https://www.scientiaplena.org.br/sp/article/view/1102.

CHRISTMANN, R. U. Estatística aplicada. São Paulo: Edgard Blücher, 1978. 454 p.

CUNHA, A. P. M. A.; ALVALÁ, R. D. S.; OLIVEIRA, G. D. Impactos das mudanças de cobertura vegetal nos processos de superfície na região semiárida do Brasil. Revista Brasileira de Meteorologia, v. 28, n. 2, p. 139-152, 2013. URL: http://www.scielo.br/scielo.php?pid=S0102-77862013000200003&script=sciabstract& tl ng=pt.

DAVIDSON, E. A.; ARAÚJO, A. C.; ARTAXO NETTO, P. E.; BALCH, J. K.; BROWN, I. F; BUSTAMANTE, M. M.; COE, M. T.; DEFRIES, R. S.; KELLER, M.; LONGO, M.; MUNGER, J. W.; SCHROEDER, W.; SOARES-FILHO, B. S.; SOUZA, C. M.; WOFSY, S. C. The Amazon basin in transition. Nature, v. 481, n. 7381, p. 321-328, 2012. URL: https://www.nature.com/articles/nature10717.

DENG, Y.; WANG, S.; BAI, X.; TIAN, Y.; WU, L.; XIAO, J.; CHENE, F.; QIAN, Q. Relationship among land surface temperature and LUCC, NDVI in typical karst area. Scientific reports, v. 8, n. 1, p. 641, 2018. URL: https://www.ncbi.nlm.nih.gov/pubmed/29330526.

FOLEY, J. A.; COSTA, M. H.; DELIRE, C.; RAMANKUTTY, N.; SNYDER, P. Green surprise? How terrestrial ecosystems could affect earth’s climate. Frontier Ecology Environmet. v. 1 n. 1, p. 38-44, 2003. URL: https://esajournals.onlinelibrary.wiley.com/doi/abs/10.1890/1540-9295(2003)001%5B0 038:GSHTEC%5D2.0.CO%3B2.

GALVANI, E.; ESCOBEDO, J. F.; PEREIRA, A. B. Balanço de radiação e fluxo de calor no solo em ambiente natural e protegido cultivado com pepineiro. Bragantia, v.60, p.139-147, 2001. URL: http://www.scielo.br/scielo.php?pid=S0006-87052001000200010&script=sci_abstract&tlng=pt.

GAO, Z.; XU, N.; FU, C.; NING, J. Evaluating drought monitoring methods using remote sensing: A dynamic correlation analysis between heat fluxes and land cover patterns. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v. 8, n. 1, p. 298-303, 2014. URL: https://ieeexplore.ieee.org/document/6918385.

GRASS Development Team, 2018. Geographic Resources Analysis Support System (GRASS) Software, Version 7.4. Open Source Geospatial Foundation. Disponível em: .

INMET. Normal climatológica. Disponível em:

php?r=clima/normaisClimatologicas>. Acesso em: junho de 2019.

JENSEN, J. R. Remote Sensing of the Environment: An Earth Resource Perspective. 2. ed. Upper Saddle River: Prentice Hall, 2007. 598p.

LEITE, R. S.; IVANOV, M. M. M.; OLIVEIRA FILHO, P. C.; CORDEIRO, M. A.; SANTOS, M. F.; COSTA, D. L.; WATZLAWICK, L. F.; ENGEL, K.; VIEIRA J. W. P. Fatores abióticos do solo na distribuição espacial da biomassa aérea em áreas de caatinga no nordeste brasileiro. In: Sustentabilidade de recursos florestais [recurso eletrônico] / Organizador André Luiz Oliveira de Francisco. – Ponta Grossa (PR): Atena Editora, 2019. URL: https://www.atenaeditora.com.br/wp-content/uploads/2019/01/E-book-Sustentabilidade-de-Recursos-Florestais.pdf

MACHADO, C. C.; SILVA, B. D.; DE ALBUQUERQUE, M. B.; GALVÍNCIO, J. D. Estimativa do balanço de energia utilizando imagens TM-Landsat 5 e o algoritmo SEBAL no litoral sul de Pernambuco. Revista Brasileira de Meteorologia, v. 29, n. 1, p. 55-67, 2014. URL: http://www.scielo.br/scielo.php?pid=S0102-77862014000100006&script=sci_abstract&tlng=pt

MONTEIRO, P. F. C.; FONTANA, D. C.; SANTOS, T. V. D.; ROBERTI, D. R. Estimativa dos componentes do balanço de energia e da evapotranspiração para áreas de cultivo de soja no sul do Brasil utilizando imagens do sensor TM Landsat 5. Bragantia, Campinas. Vol. 73, n. 1, p. 72-80, 2014. URL: http://www.scielo.br/scielo.php?pid=S0006-87052014005000005&script=sciabstract& tlng=pt.

NASCIMENTO, M. T.; SILVA, J. A.; OLIVEIRA, C. W.; MEIRELE, A. C. Application of the SEBAL model for determining the net radiation in the Cariri Cearense region. Journal of Hyperspectral Remote Sensing v, v. 7, n. 5, p. 299-305, 2017. URL: https://periodicos.ufpe.br/revistas/jhrs/article/view/23119.

NATIONAL AERONAUTICS AND SPACE ADMINISTRATION (NASA). Landsat Science. 2019. Disponível em: . Acesso em: junho de 2019.

NOURI, H.; FARAMARZI, M.; SOBHANI, B.; SADEGHI, S. H. Estimation of evapotranspiration based on surface energy balance algorithm for land (sebal) using landsat 8 and modis images. Applied ecology and environmental research, v. 15, n. 4, p. 1971-1982, 2017. URL: http://www.aloki.hu/pdf/1504_19711982.pdf.

OGUNJOBI, K. O.; DARAMOLA, M. T.; AKINSANOLA, A. A. Estimation of surface energy fluxes from remotely sensed data over Akure, Nigeria. Spatial Information Research, v. 26, n. 1, p. 77-89, 2018. URL: https://link.springer.com/article/10.1007/s41324-017-0149-8.

QGIS Development Team. Quantum GIS Software, Version 2.8.3. 2015. Disponível em: .

SOUZA, B. I.; ARTIGAS, R. C.; LIMA, E. R. V. The Caatinga and desertification. Mercator (Fortaleza), v. 14, n. 1, p. 131-150, 2015. URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1984-22012015000100131.

SWANN, A. L.; FUNG, I. Y.; CHIANG, J. C. Midlatitude aff orestation shifts general circulation and tropical precipitation. Proceedings of the National Academy of Sciences, v. 109, n. 3, p.712-716, 2012. URL: https://www.pnas.org/content/109/3/712.

TEAM, RStudio et al. RStudio: integrated development for R. RStudio, Inc., Boston, MA URL: http://www. rstudio. com, v. 42, p. 14, 2015.

TEIXEIRA, A. H. C.; LEIVAS, J. F.; HERNANDEZ, F. B. T.; FRANCO, R. A. M. Large-scale radiation and energy balances with Landsat 8 images and agrometeorological data in the Brazilian semiarid region. Journal of Applied Remote Sensing, v. 11, n. 1, p. 016030, 2017. URL: https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1073988/large-scale-radiation-and-energy-balances-with-landsat-8-images-and-agrometeorological-data-in-the-brazilian-semiarid-region.

TEIXEIRA, A. H. C.; BASTIAANSSEN, W. G. M.; AHMAD, M. D.; MOURA, M. S. B.; BOS, M. G. Analysis of energy fluxes and vegetation-atmosphere parameters in irrigated and natural ecosystems of semi-arid Brazil. Journal of Hydrology, v.362, p.110-127, 2008. URL: https://www.sciencedirect.com/science/article/pii/S0022169408004277.

UNITED STATES GEOLOGICAL SURVEY. Landsat 8. Disponível em: . Acesso em: junho de 2019.

VASCONCELOS, A. D. M.; HENRIQUES, I. G. N.; SOUZA, M. P.; SOUSA SANTOS, W.; SANTOS, W. S.; RAMOS, G. G. Caracterização florística e fitossociológica em área de Caatinga para fins de manejo florestal no município de São Francisco-PI. Agropecuária Científica no Semiárido, v. 13, n. 4, p. 329-337, 2017. URL: http://revistas.ufcg.edu.br/acsa/index.php/ACSA/article/view/967.

WOLFF, W. 2016. SEBAL_GRASS. Script to calculate daily evapotranspiration for Landsat8 images in GRASS GIS 7.X. Disponível em: .

YANG, Y.; ZHOU, X.; YANG, Y.; BI, S.; YANG, X.; LI LIU, D. Evaluating water-saving efficiency of plastic mulching in Northwest China using remote sensing and SEBAL. Agricultural water management, v. 209, p. 240-248, 2018. URL: https://www.sciencedirect.com/science/article/pii/S037837741830670X.




DOI: https://doi.org/10.29150/jhrs.v9.3.p131-137

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Indexadores / Base de Dados:

 

Google Scholar

 

Journal of Hyperspectral Remote Sensing - eISSN: 2237-2202