Assessment of desertification in the brazilian semiarid region using time series of climatic and biophysical variables
DOI:
https://doi.org/10.26848/rbgf.v16.6.p3424-3444Resumo
The municipality of Irauçuba, located in the Semiarid region of Ceará, Brazil, has faced the effects of desertification resulting from the scarcity of rainfall. This study aimed to assess the progression of desertification in the area from 2003 to 2020, using climatic and biophysical data collected during this period. We used supplementary data from automatic meteorological stations operated by the National Agency of Water and Basic Sanitation to determine the rainfall anomaly index of the historical series. Additionally, we performed annual scale validation of the CHIRPS data using statistical indicators such as Pearson Correlation Coefficient, Mean Error, Percentage BIAS, and Root Mean Square Error. Subsequently, we analyzed land cover and land use changes over the 17 years (2003-2020) in the municipality by processing CHIRPS, MODIS product (MOD16A2 and MOD11A2), and MapBiomas data in the Google Earth Engine digital platform and QGIS software. We analyzed land cover and land use changes using MapBiomas data. Finally, we analyzed the aridity index for the same 17-year period. The research findings revealed a significant correlation between rainfall and biophysical parameters, with the lowest aridity index of 0.255 observed between 2012 and 2014 and the highest of 0.464 between 2018 and 2020. The area's susceptibility to the desertification process was classified as high, which is consistent with the Semiarid climate of the region. The methodology employed during the research proved to be a sustainable technology of low economic cost and telling and easy access, which enabled the creation of a scientific contribution for future works in the region, besides being able to add knowledge for studies of environmental degradation.Downloads
Referências
Abdulridha, J.,Batuman, O., & Ampatzidis, Y. 2019a. UAV-Based Remote Sensing Technique to Detect Citrus Canker Disease Utilizing Hyperspectral Imaging and Machine Learning. Remote Sens, 11 (11), 1373. https://doi.org/10.3390/rs11111373
Abdulridha, J., Ehsani, R., Abd-Elrahman, A., & Ampatzidis, Y. 2019b. A remote sensing technique for detecting laurel wilt disease in avocado in presence of other biotic and abiotic stresses. Computers and electronics in agriculture, 156, 549-557. https://doi.org/10.1016/j.compag.2018.12.018.
Amorim, M. C. D. C. T. 2019. Ilhas de calor urbanas: métodos e técnicas de análise. Revista Brasileira de Climatologia, 22-46. DOI: http://dx.doi.org/10.5380/abclima.v0i0.
Alvarenga, C. B., Teixeira, M. M., Zolnier, S., Sasaki, R. S., & Rinaldi, P. C. N. 2013. Controle automático do espectro de gotas de pulverizador hidropneumático em função do déficit de pressão de vapor d'água no ar. Pesquisa Agropecuária Tropical, 43(1), 26-33. https://doi.org/10.1590/S1983-40632013000100006.
Ampatzidis, Y., De Bellis, L., & Luvisi, A. 2017. iPathology: robotic applications and management of plants and plant diseases. Sustainability, 9(6), 1010. https://doi.org/10.3390/su9061010
Carvalho, I. D. E., Ferreira, P. V., Pereira, M. G., da Silva Neto, J. V., da Silva Júnior, A. B., dos Santos Ferreira, D., & Pereira, C. C. A. 2019. Evaluation of Melon Plant Grown in Saline Environment. Journal of Experimental Agriculture International, 1-14. https://doi.org/10.9734/jeai/2019/v37i430273.
Caturegli, L., Grossi, N., Saltari, M., Gaetani, M., Magni, S., Nikolopoulou, A. E., ... & Volterrani, M. 2015. Spectral reflectance of tall fescue (Festuca arundinacea Schreb.) under different irrigation and nitrogen conditions. Agriculture and Agricultural Science Procedia, 4, 59-67. https://doi.org/10.1016/j.aaspro.2015.03.008.
Costa, A. P. L. 2020. Fenotipagem de precisão na cultura do amendoim para detecção de déficit hídrico. South American Sciences, 1(2), e2064. http://dx.doi.org/10.17648/sas.v1i2.64.
Costa, N. D. L., Magalhães, J. A., Townsend, C. R., & Paulino, V. T. 2004. Fisiologia e manejo de plantas forrageiras. Embrapa Rondônia-Documentos (INFOTECA-E). Recuperado em 16 de julho, 2020, de https://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/916005.
EOS – EARTH OBSERVING SYSTEM. 2019. NDVI FAQ: All you need to know about NDVI. Retrieved May 15, 2020, from: https://eos.com/blog/ndvi-faq-all-you-need-to-know-about-ndvi/.
Ferrante, P., La Gennusa, M., Peri, G., Rizzo, G., & Scaccianoce, G. 2016. Vegetation growth parameters and leaf temperature: Experimental results from a six plots green roofs' system. Energy, 115, 1723-1732. https://doi.org/10.1016/j.energy.2016.07.085.
Ferreira, D. F. (2011). Sisvar: a computer statistical analysis system. Ciência e agrotecnologia, 35(6), 1039-1042. https://doi.org/10.1590/S1413-70542011000600001.
Fritsche-Neto, R., & Borém, A. (Eds.). 2015. Fenômica: como a fenotipagem de próxima geração está revolucionando o melhoramento de plantas. Viçosa: UFV.
Gameiro S., Teixeira C.P.B., Silva Neto T.A.S.; Lopes M.F.L., Duarte C.R., Souto M.V.S., Zimback C.R.L. 2016.Avaliação da cobertura vegetal por meio de índices de vegetação (NDVI, SAVI e IAF) na Sub-Bacia Hidrográfica do Baixo Jaguaribe, CE. Terræ, 13(1-2), 15-22. ISSN: 1679-2297.
Golzarian, M. R., & Frick, R. A. 2011. Classification of images of wheat, ryegrass and brome grass species at early growth stages using principal component analysis. Plant Methods, 7(1), 1-11. https://doi.org/10.1186/1746-4811-7-28.
Hackl, H., Baresel, J. P., Mistele, B., Hu, Y., & Schmidhalter, U. 2012. A comparison of plant temperatures as measured by thermal imaging and infrared thermometry. Journal of agronomy and crop science, 198(6), 415-429. https://doi.org/10.1111/j.1439-037X.2012.00512.x.
Huete, A.R 1988. A soil-adjusted vegetation index (SAVI). Remote sensing of environment, 25(3), 295-309. DOI: https://doi.org/10.1016/0034-4257(88)90106-X.
Ignatieva, M., Ahrné, K., Wissman, J., Eriksson, T., Tidåker, P., Hedblom, M., ... & Bengtsson, J. 2015 Lawn as a cultural and ecological phenomenon: a conceptual framework for transdisciplinary research. Urban Forestry & Urban Greening, 14(2), 383-387. DOI: https://doi.org/10.1016/j.ufug.2015.04.003.
Koyama, T., Yoshinaga, M., Hayashi, H., Maeda, K. I., & Yamauchi, A. 2013. Identification of key plant traits contributing to the cooling effects of green façades using freestanding walls. Building and Environment, 66, 96-103. DOI: https://doi.org/10.1016/j.buildenv.2013.04.020.
Krebs, L., Johansson, E., Krebs, C., Fedrizzi, B., & Grala da Cunha, E. 2017. Influence of extensive green roofs to the local microclimate: Cooling assessment for a social housing project in the South of Brazil. Proceedings of PLEA 2017 Edinburg: Design to thrive, 2, 2880-2887.
Li, L., Zhang, Q., & Huang, D. 2014. A review of imaging techniques for plant phenotyping. Sensors, 14(11), 20078-20111. DOI: https://doi.org/10.3390/s141120078.
Liz, D. S.,Ordenes, M., Guths ,S.2018. Análise experimental do comportamento término do telhado verde extensivo para Florianópolis. Revista Oculum Ensaios, 15(2). 315-333. DOI: https://doi.org/10.24220/2318-0919v15n2a4053.
Lopes, P.M.O., Valeriano, D. M., Silva, B. B., Moura, G A., & da Silva, A. O. 2013 Simulation of net radiation in the Mantiqueira mountain. Revista Brasileira de Engenharia Agrícola ambiental. 17 (7), p.780-789. https://doi.org/10.1590/S1415-43662013000700013
Lundholm, J., Tran, S., & Gebert, L. 2015. Plant functional traits predict green roof ecosystem services. Environmental science & technology, 49(4), 2366-2374. https://doi.org/10.1021/es505426z.
Neto., A. M., Fernandes, G. S. T., Lima, E. A. Lopes, P. M. O., Rodrigues, L. A. Junior, A. S. G., Lopes., J. R. A., Silva, L. L. S., Silva., R. O. 2023. Evapotranspiration in the context of land use and land cover changes in MATOPIBA, Brazil; A theoretical approach. Revista Brasileira de Geografia Física v.16, n.01, 050-062. DOI: https://doi.org/10.26848/rbgf.v16.1.p050-062
Martínez, J., Egea, G., Agüera, J., & Pérez-Ruiz, M. 2017. A cost-effective canopy temperature measurement system for precision agriculture: a case study on sugar beet. Precision Agriculture, 18(1), 95-110. https://doi.org/10.1007/s11119-016-9470-9.
Monteiro, M. V., Blanuša, T., Verhoef, A., Richardson, M., Hadley, P., & Cameron, R. W. F. 2017. Functional green roofs: Importance of plant choice in maximising summertime environmental cooling and substrate insulation potential. Energy and buildings, 141, 56-68. https://doi.org/10.1016/j.enbuild.2017.02.011.
Peng, J., Hu, Y., Dong, J., Liu, Q., & Liu, Y. 2020. Quantifying spatial morphology and connectivity of urban heat islands in a megacity: A radius approach. Science of The Total Environment, 714, 136792. https://doi.org/10.1016/j.scitotenv.2020.136792.
Pesck, A. 2017. Uso de NDVI e SAVI para Caracterização da Cobertura da Terra e Análise Temporal em Imagens RapidEye. Revista ESPACIOS, 38 (36),7-21. ISSN 0798 1015.
Pires, W. N., de Moura, M. S. B., Aidar, S. D. T., & de Souza, L. S. B. 2015, maio). Temperatura foliar e do dossel como indicador de déficit hídrico em plantas da Caatinga: resultados iniciais. In Anais do IV Simpósio de Mudanças Climáticas e Desertificação no Semiárido Brasileiro, Petrolina, PE.
Ponzoni, F. J.. 2001. Comportamento espectral da vegetação. Sensoriamento remoto: reflectância de alvos naturais. Brasília: UNB.
Potgieter, A. B., Watson, J., George-Jaeggli, B., McLean, G., Eldridge, M., Chapman, S. C., ... & Jordan, D. R. 2018. The use of hyperspectral proximal sensing for phenotyping of plant breeding trials. In Fundamentals, Sensor Systems, Spectral Libraries, and Data Mining for Vegetation (pp. 127-147). CRC Press.
Rouse Jr, J. W., Haas, R. H., Deering, D. W., & Schell, J. A. 1973. Monitoring the vernal advancement and retrogradation (Green Wave Effect) of natural vegetation.[Great Plains Corridor].
Santos, S. M., Silva, J. F. F., dos Santos, G. C., de Macedo, P. M. T., & Gavazza, S. 2019. Integrating conventional and green roofs for mitigating thermal discomfort and water scarcity in urban areas. Journal of Cleaner Production, 219, 639-648. https://doi.org/10.1016/j.jclepro.2019.01.068.
Silva, S. Á. C. G. D., Albuquerque, J. C. C. D., Silva, S. S. L., Castro, A. C. R. D., & Loges, V. 2020. Development of Paspalum accession plugs for turfgrass establishment. Ornamental Horticulture, 26, 356-366. https://doi.org/10.1590/2447-536X.v26i3.2163.
Silva, S. Á., Santos, A. G., Silva, S. S. L., Loges, V., de Souza, F. H. D., & Castro, A. C.2018. Characterization and selection of Brazilian native grasses for use as turfgrass. Acta Horticulturae, (1215), 255-258. ISSN: 0567-7572.
Silva, V.S., Salami, G., da Silva, M.I.O., Silva, E.A., Monteiro Junior, J.J., & Alba, E. (2020). Methodological evaluation of vegetation indexes in land use and land cover (LULC) classification. Geology, Ecology, and Landscapes, 4(2), 159-169. https://doi.org/10.1080/24749508.2019.1608409.
Silveira, L. P., Piuzana, D., Pereira, I. M , M. L. R., & Santos, J. B. 2016. Estimativa da cobertura de gramíneas invasoras em área degradada de cerrado por meio do Software Imagej. Revista ESPACIOS, 37 (31), 26. ISSN: 0798-1015.
Simões, C. R., Rossiello, R. O. P., Graciosa, M. G., Machado, M. L., & Silva, C. F. D. 2015. Imagens multiespectrais para avaliação de índice de área foliar e massa seca do capim'Tifton 85', sob adubação nitrogenada. Ciência Rural, 45(4), 697-703. http://dx.doi.org/10.1590/0103-8478cr20131424.
Sousa, C. A. F. 2014. Fenotipagem de plantas: uma nova abordagem para um velho problema. Embrapa Agroenergia-Comunicado Técnico (INFOTECA-E).
Sousa, C. A. F., da Cunha, B. A. D. B., Martins, P. K., Correa, H. B., Molinari, A. K. K., & Júnior, M. T. S. 2015. Nova abordagem para a fenotipagem de plantas: conceitos, ferramentas e perspectivas. Rev. Bras. Geogr. Física, 8 (IV SMUD), 660-672. https://doi.org/10.26848/rbgf.v8.0.p660-672.
Souza, F. H. D., Gusmão, M. R., Matta, F. D. P., Castro, A. C. R., Mittelmann, A., Fávero, A. P., & Jank, L. 2016. Atributos desejáveis para gramados a serem cultivados sob condições brasileiras: uma proposta. Ornamental Horticulture, 22(2), 54-165. https://doi.org/10.14295/oh.v22i2.841.
Souza, H. B., Baio, F. H., & Neves, D. C. 2017. Using passive and active multispectral sensors on the correlation with the phenological indices of cotton. Engenharia Agrícola, 37(4), 782-789. http://dx.doi.org/10.1590/1809-4430-eng.agric.v37n4p782-789/2017.
Sousa, L. d. B. d., Montenegro, A. A. d. A., Silva, M.V.d., Lopes, P.M.O., Silva, J.R.I., Silva, T. G. F. d., Lins, F.A.C., & Silva, P.C. 2023. Spatiotemporal Dynamics of Land Useand Land Cover throughPhysical–Hydraulic Indices: Insightsin the São Francisco RiverTransboundary Region, BrazilianSemiarid Area. AgriEngineering 2023,5, 1147–1162. https://doi.org/10.3390/agriengineering5030073
Tan, P. Y., & Sia, A. 2009. Understanding the performance of plants on non-irrigated green roofs in Singapore using a biomass yield approach. Nature in Singapore, 2, 149-153. ISSN: 2010-0515.
Tassi, R., Tassinari, L. C. D. S., Piccilli, D. G. A., & Persch, C. G. 2014. Telhado verde: uma alternativa sustentável para a gestão das águas pluviais. Ambiente Construído, 14, 139-154. ISSN: 1678-8621.
Tattaris, M., Reynolds, M. P., & Chapman, S. C. 2016. A direct comparison of remote sensing approaches for high-throughput phenotyping in plant breeding. Frontiers in Plant Science, 7, 1131. https://doi.org/10.3389/fpls.2016.01131.
Tetens, O. 1930. Uber einige meteorologische Begriffe, Z. Geophys, 6, p. 297-309.
Wachowicz, C. M., & de Carvalho, R. I. N. 2002. Fisiologia vegetal: produção e pós-colheita. Curitiba: Champagnat.
White, J. W., Andrade-Sanchez, P., Gore, M. A., Bronson, K. F., Coffelt, T. A., Conley, M. M.,& Wang, G. 2012. Field-based phenomics for
plant genetics research. Field Crops Research, 133, 101-112. https://doi.org/10.1016/j.fcr.2012.04.003.
Yu, L., Wang, W., Zhang, X., & Zheng, W. 2015, September. A review on leaf temperature sensor: Measurement methods and application. In International conference on computer and computing technologies in agriculture (pp. 216-230). Springer, Cham. https://doi.org/10.1007/978-3-319-48357-3_21OI:
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 João Guilherme Justino da Costa, Geber Barbosa de Albuquerque Moura, Pabrício Marcos Oliveira Lopes, Pedro Rogério Giongo, José Ivaldo Barbosa de Brito
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.
