Mapeamento da variabilidade hídrica por meio de séries temporais MODIS e Landsat, na Bacia Hidrográfica do Rio Brígida, em Pernambuco
DOI :
https://doi.org/10.29150/jhrs.v13.5.p624-637Mots-clés :
EVI, albedo, NDWI, SAVI, mudanças climáticasRésumé
Essa pesquisa foi desenvolvida com o objetivo de avaliar o desenvolvimento hidrológico, sob o enfoque temporal, da Bacia Hidrográfica do Rio Brígida, localizada no Sertão de Pernambuco, Brasil, utilizando o sensor MODIS (Moderate Resolution Spectroradiometer) e o Landsat, para cálculo dos valores de EVI, albedo, NDWI e SAVI. Foi analisada a série de precipitação da região entre os anos de 1993 e 2022, destacando os anos de 1993 e 2016 como anos de secas severas, e o ano de 2022, com elevada pluviosidade, foi escolhido como comparativo. O EVI para os anos de 1993 e 2016, em agosto, mês mais seco, foram ambos de 0,16, e para 2022, o valor foi de 0,22. O SAVI variou de 0,02 a 0,21 em 1993, de 0,21 a 0,40 em 2016 e 0,40 a 0,59 em 2022. O valor do albedo máximo foi de 0,427 em 1993, 0,746 em de 2016 e 0,675 em 2022. O valor de NDWI máximo foi de 0,493 em 1993, 0,788 em 2016 e 0,881 em 2022. Esses valores apontam para uma relação complexa entre a distribuição de calor, a disponibilidade hídrica e a presença da vegetação local. A vegetação, predominante do bioma Caatinga, possui uma forte capacidade adaptativa aos períodos de menor disponibilidade hídrica e elevada capacidade de regulação climática, o que torna de extrema importância monitorar o seu manejo para garantir os mecanismos locais de resiliência ao clima.
Références
Allen, R. G., Trezza, R., Tasumi, M., 2002. Surface energy balance algorithms for land. Advance training and user’s manual, version 1.0, 98p.
Angelini, L. P., Fausto, M. A., Mützenberg, D. M. S., Danielle Christine Stenner Nassarden, D. C. S., Danelichen, V. H. M., Marques, H. O., Machado, N. G., Nogueira, J. S., Biudes, M. S., 2015. Relação entre albedo e temperatura da superfície estimados por sensoriamento remoto na área urbana de Cuiabá, Mato Grosso. In Anais… XVII Simpósio Brasileiro de Sensoriamento Remoto – SBSR/INPE, João Pessoa-PB, Brasil.
APAC - Agência Pernambucana de Águas e Climas. Bacia do Rio Brígida, 2023a. Disponível em: https://www.apac.pe.gov.br/bacias-hidrograficas-rio-brigida/161-bacias-hidrograficas-rio-brigida/25-bacia-do-rio-brigida. Acesso em: 18/08/2023.
APAC - Agência Pernambucana de Águas e Climas. Monitoramento pluviométrico, 2023b. Disponível em: http://old.apac.pe.gov.br/meteorologia/monitoramento-pluvio.php. Acesso em: 16/08/2023.
Bacalhau, J. R., Ribeiro Neto, A., Oliveira, L. M. M., 2017. Aplicação de índice de vegetação no monitoramento da seca: Açude Algodões no Sertão pernambucano. Journal of Environmental Analysis and Progress, v. 2, 283-293.
Bastiaanssen, W. G. S., 2000. Based sensible and latent heat fluxes in irrigated Gedi Basin, Turkey. Journal of Hydrology, v. 229, p. 87100.
Birkmann, J., Jamshed, A., Mcmillan, J. M., Feldmeyer, D., Totin, E., Solecki, W., Ibrahim, Z. Z., Roberts. D., Kerr, R. B., Poertner, H. O., Pelling, M., Djalante, R., Garschagen, M., Leal Filho, W., Guha-Sapir, D., Alegría, A., 2022. Understanding human vulnerability to climate change: a global perspective on index validation for adaptation planning. Science of the Total Environment, v. 803, p.150065.
Boratto, I. M., Gomide, R. L., 2013. Aplicação dos índices de vegetação NDVI, SAVI e IAF na caracterização da cobertura vegetativa da região Norte de Minas Gerais. In Anais… Simpósio Brasileiro de Sensoriamento Remoto, 16, Foz do Iguaçu. São José dos Campos: INPE, p. 7345-7352.
Brenner, V. C., Guasselli, L. A., 2015. Índice de diferença normalizada da água (NDWI) para identificação de meandros ativos no leito do canal do rio Gravataí/RS – Brasil. In Anais… XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, Brasil, p. 3693-3699.
Cui, L., Shi, J., 2021. Evaluation and comparison of growing season metrics in arid and semiarid areas of northern China under climate change. Ecological Indicators, v. 121, p. 107055.
Cunha, J., Nóbrega, R. L. B., Rufino, I., Erasmi, S., Galvão, C., Valente, F., 2020. Surface albedo as a proxy for land-cover clearing in seasonally dry forests: evidence from the Brazilian Caatinga Remote Sensing Environment, v. 238, 111250.
Galvíncio, J. D., Sá, I. I. S., Moura, M. S. B., Ribeiro, J. G., 2007. Determinação das características físicas, climáticas e da paisagem da Bacia Hidrográfica do Rio Brígida com o auxílio de técnicas de geoprocessamento e sensoriamento remoto. Revista de Geografia, v. 24, 293-306.
Google Earth Engine. Editor de códigos, 2023. Disponível em: https://code.earthengine.google.com/. Acesso em: 18/08/2023.
Huete, A. R., 1988. A Soil Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25, 295-309. http://dx.doi.org/10.1016/0034-4257(88)90106-X
Jabal, Z. K., Khayyun, T. S., Alwan, I. A., 2022. Impact of climate change on crops productivity using MODIS-NDVI time series. Civil Engineering Journal, 8, 1136-1156.
Lima, J. R., Magalhães, A. R., 2018. Secas no Nordeste: registros históricos das catástrofes econômicas e humanas do século 16 ao século 21. Parcerias Estratégicas, 3, 191-212.
Mcfeeters, S. K., 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, v. 17,. 1425 - 1432.
Silva, B. B., Braga, A. C., Braga, C. C., Oliveira, L. M. M., Montenegro, S. M. G. L., Barbosa Júnior, B., 2016. Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental, 20, 3- 8.
Souza, C. M., Shimbo, Z., Rosa, J., Parente, M. R., Alencar, A., Rudorff, B. F. T., Hasenack, H., Matsumoto, M. G., Ferreira, L., Souza-Filho, P. W. M., Oliveira, S. W., Rocha, W. F., Fonseca, A. V., Marques, C. B., Diniz, C. G., Costa, D., Monteiro, D., Rosa, E. R., Vélez-Martin, E., Azevedo, T., 2020. Reconstructing three decades of land use and land cover changes in Brazilian biomes with Landsat archive and earth engine. Remote Sensing, v. 12, 2735.
USGS - United States Geological Survey. Landsat Enhanced Vegetation Index. 2023. Disponível em: https://www.usgs.gov/landsat-missions/landsat-enhanced-vegetation-index#:~:text=Landsat%20Enhanced%20Vegetation%20Index%20. Acesso em: 22/08/2023.
Zhou, D., Xiao, J., Bonafoni, S., Berger, C., Deilami, K., Zhou, Y., Frolking, S., Yao, R., Qiao, Z., Sobrino, J. A., 2019. Satellite remote sensing of surface urban heat islands: progress, challenges, and perspectives. Remote Sensing, 11, 48.
Zhumanova, M., Mönnig, C., Hergarten, C., Darr, D., Wrage-Mönnig, N., 2018. Assessment of vegetation degradation in mountainous pastures of the Western Tien-Shan, Kyrgyzstan, using e MODIS NDVI. Ecological indicators, 95, 527-543.
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
Cette œuvre est sous licence Creative Commons Attribution 4.0 International.
Material protegido por direitos autorais e plágio. No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da RBGF ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que o plágio for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de re-submissão. Auto-plágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
