Análise da temperatura de superfície em diferentes coberturas do Bioma Pampa
DOI:
https://doi.org/10.26848/rbgf.v15.1.p268-281Palavras-chave:
Imagens termais, Cobertura vegetal, Tipologias campestres, Monitoramento ambientalResumo
O objetivo da presente pesquisa foi descrever e analisar as características térmicas de diferentes coberturas da terra, incluindo os tipos de campo, do bioma Pampa, a partir de bandas termais TIRS do Landsat 8 nas estações de inverno e verão. Desta forma, foram realizadas três etapas principais: Etapa 1 - obtenção dos dados de temperatura de superfície (TS) e índices de vegetação a partir de imagens Landsat 8, sensores TIRS e OLI; Etapa 2 – definição dos pontos para interpretação e análise; Etapa 3 - análise dos resultados quanto a TS nas diferentes classes de cobertura da terra (área de cultivo, campo e vegetação arbórea) e tipologias campestres (Campos arbustivos, Campos litorâneos, Campos Mistos de andropogôneas e compostas, Campos com barba de bode, Campos com solos rasos, Campos com areais, Campos mistos do cristalino oriental, Campos graminosos e Campos com espinilho). Ao analisar as imagens TIR verificou-se que a TS variou de 10°C à 44°C, com mínimas registradas em agosto e máximas em dezembro. Para os tipos de cobertura estudados verificou-se que suas temperaturas diferiram estatisticamente entre si com α 0,05, sendo que as áreas de cultivo chegaram a apresentar temperatura superior em até 6°C em relação à vegetação arbórea e 2,8°C em relação ao campo. Concluímos que, as imagens termais também podem auxiliar em pesquisas sobre o Bioma Pampa, pois apresentam as características térmicas das diferentes coberturas e facilitam a identificação de áreas que sofrem mudanças significativas de TS em esquemas de monitoramento.
Palavras – chave: Imagens termais; Cobertura vegetal; Tipologias campestres; Monitoramento ambiental.
Surface temperature analysis in different Pampa Biome covers
A B S T R A C T
The aim of this research was to describe and analyze the thermal characteristics of different land cover types, including grassland typologies, from the Pampa biome, using Landsat 8 TIRS thermal bands in the winter and summer seasons. Thus, three main steps were performed: (1) estimating land surface temperature (LTS) and vegetation indices from Landsat 8 images, TIRS and OLI sensors; (2) defining samples for interpretation and analysis; (3) analysing LST in the different land cover classes (crops, grassland and forest) and grassland typologies (Shrubby grasslands, Coastal grasslands, Andropogoneae and asteraceae mixed grasslands, Aristida spp. grasslands, Shallow soils grasslands, Sandy grasslands, Eastern Crystaline mixed grasslands, Grassy grasslands and Vachellia caven grasslands). LST ranged from 10°C to 44°C, with minimum recorded in August and maximum in December. The diferent land cover temperatures’ differed statistically from each other (α=0.05), with crops presenting temperatures at up to 6°C higher in relation to forests and 2.8°C higher in relation to grasslands. We conclude that thermal images are important for research on the Pampa Biome, as they allow following thermal characteristics of different land covers and pointing out areas that undergo LST significant changes in monitoring schemes.
Keywords: Thermal images; vegetation cover; grassland typologies; environment monitoring.Downloads
Referências
Abdalkadhum, A. J., Salih, M M.; Jasim, O. Z., 2020. Combination of visible and thermal remotely sensed data for enhancement of Land Cover Classification by using satellite imagery. IOP Conf. Series: Materials Science and Engineering 737, Disponível: doi:10.1088/1757-899X/737/1/012226. Acesso: 08-02-22
Al-Doski, J., Mansor, S. B.; H’ng Paik, S., Zailani, K. 2020. Improved Land Cover Mapping Using Landsat 8 Thermal Imagery. IOP Conference Series. Earth and Environmental Science; Bristol Vol. 540, Ed. 1, (Jul 2020). Disponível: DOI:10.1088/1755-1315/540/1/012022. Acesso: 08-02-22
Almeida, C.A., Valeriano, D. M., Maurano, L., Vinhas, L., Fonseca, L. M. G., Silva, D., Santos, C. P. F., Martins, F. S. R. V., Lara, F.C.B., Maia, J.S., Profeta, E.R., Santos, L.O., Santos, F.C.O, Ribeiro, V. 2020. ‘Deforestation monitoring in different Brazilian Biomes: challenges and lessons.’In: ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume IV-3/W2-2020, 2020, Santiago, Chile. Disponível: DOI:10.5194/isprs-annals-IV-3-W2-2020-47-2020. Acesso: 08-02-22
Assis, L. F. F. G., Ferreira, K. R., Vinhas, L., Maurano, L., Almeida, C., Carvalho, A., Camargo, C., 2019. TerraBrasilis: A Spatial Data Analytics Infrastructure for Large-Scale Thematic Mapping. ISPRS International Journal of Geo-Information, 8(11), 513. Disponível: doi: 10.3390/ijgi8110513. Acesso: 05-02-22
Blaschke, T., Lang, S., Lorup, E., Strobl, J., Zeil,P. 2000. "Object-oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications". In: Cremers, A. B. & Greve, K. (Hrsg). Disponível: https://www.researchgate.net/publication/250030480_Object-Oriented_Image_Processing_in_an_Integrated_GISRemote_Sensing_Environment_and_Perspectives_for_Environmental_Applications Acesso: 04-02-22
Boldrini, I. I. A flora dos campos do Rio Grande do Sul. In: Pillar, V.P., Müller, S.C., CASTILHOS, Z.M.S, Jacques, A.V.A. (ed). Campos Sulinos: conservação e uso sustentável da biodiversidade. Brasília: MMA, 2009. 403p
Boldrini, I.I. et al. Bioma Pampa: diversidade florística e fisionômica. Porto Alegre: Pallotti, 2010. 64 p
Boldrini, I.I., Overbeck, G., Trevisan, R. 2015. Biodiversity of plants = Biodiversidade de plantas. p. 51-56. In: Pillar, V.P., Lange, O., eds. The southern grasslands. Network southern grasslands = Os campos do Sul. Rede Campos Sulinos. Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil
Buriol, G. A., Estefane, V., Chagas, A. C. de., 2019. Relação da vegetação natural do Estado do Rio Grande do Sul com as disponibilidades climáticas. Ciência. Florestal. V.29(1). Disponível: DOI: https://doi.org/10.5902/1980509812382 Acesso: 30-01-22
Callegari-Jacques, S. M. Bioestatística: princípios e aplicações. Porto Alegre:Artmed, 2003
Courault, D., Seguin, B., Olioso, A., 2005. Review on estimation of evapotranspiration from remote sensing data: From empirical to numerical modeling approaches. Irrig. Drain. Syst. V, 19, 223–249. Disponível: https://link.springer.com/article/10.1007/s10795-005-5186-0 Acesso: 30-01-22
Chen, H., Chen, C., Zhang, Z., Lu, C., Wang, L., He, X., Chu, Y., Chen, J., 2021. Changes of the spatial and temporal characteristics of land-use landscape patterns using multi-temporal Landsat satellite data: A case study of Zhoushan Island, China. Ocean and Coastal Management v. 213, p. 1 – 15. Disponível: https://doi.org/10.1016/j.ocecoaman.2021.105842 Acesso: 30-01-2
Chi, Y., Sun, J., Sun, Y., Liu, S., Fu, Z. 2020. Multi-temporal characterization of land surface temperature and its relationships with normalized difference vegetation index and soil moisture content in the Yellow River Delta, China. Global Ecology and Conservation, v. 23, p. 1 – 17. Disponível em: https://doi.org/10.1016/j.gecco.2020.e01092 . Acesso: 08-02-22
Chomenko, L., Bencke, G. A. (org.), 2016. Nosso Pampa desconhecido. Porto Alegre: Fundação Zoobotânica do Rio Grande do Sul. 208 p
Cordeiro, A. P. A., Berlato, M. A., Fontana, D. C., Melo, R. W., Shimabukuro, Y. E., Fior, C. S. ,2017. Regiões homogêneas de vegetação utilizando a variabilidade do NDVI. Ciência Florestal, Santa Maria, v.27, n.3, p.883-896, jul.-set. Disponível: DOI: https://doi.org/10.5902/1980509828638 Acesso: 30-01-22
Cristóbal, J., Jiménez-Muñoz, J.C., Prakash, A., Mattar, C., Skokovi´c, D., Sobrino, J.A., 2018. An improved single-channel method to retrieve land surface temperature from the landsat-8 thermal band. Remote Sens. 10, 431. Disponível: https://doi.org/10.3390/rs10030431 Acesso: 30-01-22
Deng, Y., Wang, S., Bai, X., Tian, Y., Wu, L., Xiao, J., Chen, F., Qian, Q., 2018. Relationship among land surface temperature and LUCC, NDVI in typical karst area. Scientific Reports, 8(641). Disponível: https://www.nature.com/articles/s41598-017-19088-x Acesso: 08-02-22
EMBRAPA. Nosso Pampa desconhecido. Porto Alegre: Fundação Zoobotânica do Rio Grande do Sul, 2016. In: Chomenko, l., Bencke, G. A. (Org.) Capítulo em livro técnico (INFOTECA-E)
Fontana, D. C., Junges, A. H., Bremm, C., Schaparini, L. P., Mengue, V. P., Wagner, A. P. L., CARVALHO, P., 2018. NDVI and meteorological data as indicators of the Pampa biome natural grasslands growth. Bragantia, v. 77, n. 2, p. 404 – 414. Disponível: https://doi.org/10.1590/1678-4499.2017222 Acesso: 05-02-22
Gartland, L. Ilhas de Calor: como mitigar zonas de calor em áreas urbanas. São Paulo: Oficina de Textos, 2010
Guerini Filho, M., Kuplich, T. M., Quadros, F. L. F. de., 2020. Estimating natural grassland biomass by vegetation indices using Sentinel 2 remote sensing data. International Journal of Remote Sensing, v. 41, n. 8, p. 2861 – 2876. Disponível: https://doi.org/10.1080/01431161.2019.1697004 Acesso: 02-02-22.
Guimarães- Steinicke, C. et al., 2021. Biodiversity facets affect community surface temperature via 3D canopy structure in grassland communities. Journal of Ecology, v. 00, p. 1-17. Disponível: https://doi.org/10.1111/1365-2745.13631 Acesso: 08-02-22
Hasenack, H., Weber, E., Boldrini, I.I., Trevisan, R., 2010. Mapa de sistemas ecológicos da ecorregião das savanas uruguaias em escala 1:500.000 ou superior e relatório técnico descrevendo insumos utilizados e metodologia de elaboração do mapa de sistemas ecológicos. Porto Alegre: Universidade Federal do Rio Grande do Sul, Centro de Ecologia, The Nature Conservancy. p. 1-22
Hutengs, C., Vohland, M., 2016. Downscaling land surface temperatures at regional scales with random forest regression. Remote Sensing of Environment, 178, 127-141. Disponível: DOI:10.1016/j.rse.2016.03.006 Acesso: 02-02-22
IBGE. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA., 2004. Mapa da Vegetação do Brasil. Ministério do Planejamento, Orçamento e Gestão. Rio de Janeiro. Disponivel: https://geoftp.ibge.gov.br/informacoes_ambientais/vegetacao/mapas/brasil/vegetacao.pdf Acesso: 29-01-22
Jensen, J. R. Sensoriamento Remoto do Ambiente: uma perspectiva em recursos terrestres. São José do Campos: Parêntese, 2009
John, J., Bindu, G., Srimuruganandam, B., Wadhwa, A., Rajan, P. 2020. Land use/land cover and land surface temperature analysis in Wayanad district, India, using satellite imagery, Annals of GIS, p. 1 – 18. Disponível: doi: 10.1080/19475683.2020.1733662 Acesso: 01-02-22
Kayser, R. H. B., Ruhoff, A., 2019. Mapeamento da evolução espacial e temporal de áreas agrícolas no bioma Pampa utilizando fenologia da vegetação e Google Earth Engine. In: Simpósio Brasileiro de Sensoriamento Remoto. Anais...XIX Simpósio Brasileiro de Sensoriamento Remoto, p. 1966 – 1969, abril. Disponível: https://proceedings.science/sbsr-2019/papers/mapeamento-da-evolucao-espacial-e-temporal-de-areas-agricolas-no-bioma-pampa-utilizando-fenologia-da-vegetacao-e-google- Acesso, 01-02-22
Käfer, P. S., Rocha, N. S., Diaz, L. R., Kaiser, E. A., Costa, S. T. L., Hallal, G., Veeck, G., Roberti, D., Rolim, S. B. A., 2020. Seasonal assessment of surface temperature with normalized vegetation index and surface albedo over Pampa biome. IEEE Latin American GRSS & ISPRS Remote Sensing Conference (LAGIRS 2020), Santiago, Chile, p. 471 – 476. Disponível: DOI:10.5194/isprs-archives-XLII-3-W12-2020-471-2020 Acesso: 01-02-22
Lorenzzetti, J. A. Princípios físicos de Sensoriamento Remoto. São Paulo: Blucher, 2015
MAPA (Ministério da Agricultura, Pecuária e Abastecimento). "Calendário Agrícola". (2015). Disponível:https://www.laborsolo.com.br/arquivos/formularios/calendario_plantio_20150407.pdf. Acesso: 15 Dezembro 2019
Mardian, J., Berg, A., Daneshfar, B., 2021. Evaluating the temporal accuracy of grassland to cropland change detection using multitemporal image analysis. Remote Sensing of Environment, 255, p. 1 – 10. Disponível: DOI:10.1016/j.rse.2021.112292 Acesso: 03-02-22
MMA. Ministério do Meio Ambiente, 2019 . "Pampa". Folder Pampa. Disponível: https://www.mma.gov.br/biomas/pampa Acesso: 15 Abril 2020
Mengue, V. P., Fontana, D. C., Silva, T. S. da, D., Scottá, F. C., 2018. Detecção de mudanças espaciais relacionadas à expansão da fronteira agrícola no Bioma Pampa. Revista Brasileira de Cartografia, v. 70, n. 1, p. 40 – 70. Disponível: https://doi.org/10.14393/rbcv70n1-45189 Acesso: 03-02-22
Mengue, V. P., Fontana, D. C., Silva, T. S. da, Zanotta, D., Scottá, F. C., 2019. Methodology for classification of land use and vegetation cover using MODIS-EVI data. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 23, n. 11, p. 812 – 818. Disponível: https://doi.org/10.1590/1807-1929/agriambi.v23n11p812-818 Acesso: 08-02-22
Mehta, A., Shukla, S., Rakholia, S., 2021. Vegetation Change Analysis using Normalized Difference Vegetation Index and Land Surface Temperature in Greater Gir Landscape. Journal of Scientific Research. V. 65, n. 3. Disponível: DOI: 10.37398/JSR.2021.650301 Acesso: 05-02-22
Moreira, A., Fontana, D. C., Kuplih, T. M., Cardoso, M. A., 2018. Dados meteorológicos estimados em condições de clima subtropical e a relação com Índices de Vegetação. Revista Brasileira de Cartografia, v. 70, n. 4, p. 1409 – 1436. Disponível: https://doi.org/10.14393/rbcv70n4-46510 Acesso: 08-02-22
Moreira, A., Bremm, C., Fontana, D. C. Kuplich, T. M., 2019. Seasonal dynamics of vegetation indices as a criterion for grouping grassland typologies. Scientia Agricola, 76(1), 24-32. Disponível: https://doi.org/10.1590/1678-992X-2017-0173 Acesso: 08-02-22
Mukherjee, S., Joshi, P. K., & Garg, R. D., 2014. A comparison of different regression models for downscaling Landsat and MODIS land surface temperature images over heterogeneous landscape. Advances in Space Research, 54(4), 655–669 Disponível: https://doi.org/10.1016/j.asr.2014.04.013 Acesso: 01-02-22
Nabinger, C., Ferreira, E.T., Freitas, A.K., Carvalho, P.C.F., Sant'anna, D.M., 2009. Produção animal em campo nativo: aplicações de resultados de pesquisa. In: Pillar, V.P., Müller, S.C., Castilhos, Z.M.S., Jacques, A.V.A. (Org.). Campos sulinos: conservação e uso sustentável da biodiversidade. Brasília: Ministério do Meio Ambiente - MMA, p. 175-198
Ndossi, M. I., and Avdan, U. 2016. Application of open source coding technologies in the production of Land Surface Temperature (LST) maps from Landsat: A PyQGIS plugin. Remote Sensing, 8 (5), 1 - 31. Disponível: doi: 10.3390/rs8050413 Acesso: 01-02-22
Overbeck, G.E. et al. Fisionomia dos Campos. In: PILLAR, V.P., LANGE, O. (Ed.) Os Campos do Sul. Rede Campos Sulinos. Porto Alegre: Universidade Federal do Rio Grande do Sul, 2015. p. 31-39
Ponzoni, F. J., Shimabukuro, Y. E., Kuplich, T. M. Sensoriamento Remoto da Vegetação. Oficina de Textos, 2012. 176 p
Ribeiro, S., Moreira, L., F. B. Overbeck g. e., Maltchik, L., 2021. Protected Areas of the Pampa biome presented land use incompatible with conservation purposes. Journal of Land Science, v. 16, n. 3, p. 260 – 272. Disponível: doi: 10.1080/1747423X.2021.1934134. Acesso: 01-02-22
Rubert, G. C., Roberti, D. R., Pereira, L. S., Quadros, F. L. F., Velho, H. F. C., Moraes, O. L. L., 2018. Evapotranspiration of the Brazilian Pampa Biome: Seasonality and Influential Factors. Water. 10, 1-18. Disponível: https://doi.org/10.3390/w10121864 Acesso: 01-02-22
Sardooi, E. R., Azareh, A., Damaneh, H. E., Damaneh, H. E., 2021. Drought Monitoring Using MODIS Land Surface Temperature and Normalized Difference Vegetation Index Products in Semi-Arid Areas of Iran, Journal of Rangeland Science, v. 11, n. 4, p. 402 – 4018. Disponível: 20.1001.1.20089996.2021.11.4.4.2 Acesso: 08-02-22
Sartori, M. G. B. O Vento Norte. Santa Maria/RS: Pallotti,2016
Schirmbeck, L. W., Fontana, D. C., Schirmbeck, J., Mengue, V. P., Kuplich, T. M. 2017. Análise de variação microclimática no Bioma Pampa devido à mudança de uso do solo. Anais...XVIII Simpósio Brasileiro de Sensoriamento Remoto, 28 a 31 de maio de 2017, p. 1939 – 1946. Dsiponível: https://proceedings.science/sbsr/papers/analise-de-variacao-microclimatica-no-bioma-pampa-devido-a-mudanca-de-uso-do-solo?lang=pt-br Acesso: 01-02-21
Sobrino, J. A., Jiménez-Muñoz, J. C., and Paolini, L. 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, 90(4), 434–440. Disponível: https://doi.org/10.1016/j.rse.2004.02.003 Acesso: 29-01-22.
SOSBAI - Reunião Técnica da Cultura do Arroz Irrigado (30. : 2014 : Bento Gonçalves, RS) Arroz irrigado: recomendações técnicas da pesquisa para o Sul do Brasil / XXX Reunião Técnica da Cultura do Arroz Irrigado, 06 a 08 de agosto de 2014, Bento Gonçalves, RS, Brasil. – Santa Maria : Sociedade Sul-Brasileira de Arroz Irrigado. Santa Maria, 192 p. 2014
Souza, J. C. de, Lopes, E. R., do N., Souza, JO. A. P. de, Padovanni, N. G., Lourenço, R, W., 2019. Dinâmica espacial e sazonal da temperatura, umidade e estresse hídrico em diferentes tipos de cobertura vegetal. Revista do Departamento de Geografia USP, v. 37, p. 80 – 94. Disponível: Doi: 10.11606/rdg.v37i0.144716 Acesso: 05-02-22
Sun, L., Schulz, K., 2015. The Improvement of Land Cover Classification by Thermal Remote Sensing. Remote Sensing, 7, 8368-8390. Disponível: https://doi.org/10.3390/rs70708368 Acesso: 03-01-21
Trentin, C. B., Trentin, A. B., Moreira, A., Righi, E., 2021. Características da vegetação dos Biomas Pampa e Cerrado monitoradas por NDVI. Revista Geoaraguaia. V,11. P.69-84. Disponível: https://periodicoscientificos.ufmt.br/ojs/index.php/geo/article/view/12741. Acesso: 02-02-22
Trindade, P. M. P., Peixoto, D. B. W., Kuplich, T. M., Almeida, C. A. de., 2021. Desempenho da classificação supervisionada com a inclusão da banda termal em áreas selecionadas do bioma Pampa – Brasil. In: XIII Congresso Brasileiro de Agroinformática, 2021, Bagé/Rio Grande do Sul. Anais Eletrônicos... p. 62 – 70, 2021 (a) Disponível: https://sol.sbc.org.br/index.php/sbiagro/article/view/18376. Acesso: 28-01-22
Trindade, P. M. P., Peixoto, D. B. W., Kuplich, T. M., Almeida, C. A. de., 2021 Land cover mapping in the brazilian Pampa with landsat OLI and TIRS bands. São Paulo, UNESP, Geociências, v. 40, n. 4, p. 1115 – 1124. (b) Disponível: https://doi.org/10.5016/geociencias.v40i04.15930 Acesso: 08-02-22
Valor, E., and Caselles, V., 1996. Mapping land surface emissivity from NDVI: Application to European, African, and South American areas. Remote Sensing of Environment, 57(3), 167–184. Disponível: https://doi.org/10.1016/0034-4257(96)00039-9. Acesso: 08-02-22
Van De Griend, A. A., Owen, M., 1993. On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces. International Journal of Remote Sensing, 14(6), 1119–1131. Disponível: https://doi.org/10.1080/01431169308904400 Acesso: 08-02-22
Zhang, J., Wang, Y., and Li, Y., 2006. A C++ program for retrieving land surface temperature from the data of Landsat TM/ETM+ band6. Computers and Geosciences, 32(10), 1796–1805. Disponível: doi: 10.1016/j.cageo.2006.05.001 Acesso: 02-02-22
Zhao, J., Yu, L., Xu, Y., Ren, H., Huang, X., and Gong, P., 2019. Exploring the addition of Landsat 8 thermal band in land-cover mapping. International Journal of Remote Sensing, 40(12), 4544–4559. Disponível: doi: 10.1080/01431161.2019.1569281
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Daniela Wancura Barbieri Peixoto, Patricia Michele Pereira Trindade, Tatiana Mora Kuplich, Claudio Aparecido de Almeida
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
