Resumo

A região semiárida brasileira é assolada com diversas adversidades climáticas nas quais a fazem uma região potencial para o monitoramento perene de suas dinâmicas. Observando tais características, o sensoriamento remoto junto ao processamento serve como um grande apoio no acompanhamento destas áreas e no suporte a decisões na gestão. Nos dias atuais, visando a velocidade e melhoria no sensoriamento remoto, um grupo de universidades junto a empresas lançam na plataforma virtual o projeto EEFlux - Earth Engine Evapotranspiration Flux, onde diversos produtos como a reflectância, albedo e NDVI são disponíveis para download gratuitamente. Avaliar a qualidade destas imagens para a região semiárida brasileira é de grande importância, uma vez que comprovada a veracidade desta, novos produtos poderão ser executados. Isto posto, este trabalho tem como objetivo avaliar o Índice de vegetação produto do sensoriamento remoto EEFlux em regiões semiáridas brasileiras. Utilizou-se imagens de Itaparica e de Petrolina, Pernambuco oriundas da USGS e do EEFlux, onde estas foram processadas e classificadas para análise. Observa-se grande semelhança nos histogramas dos produtos de processamento convencional e do automático EEFlux, no qual são verificados maiores valores no intervalo (0,1-0,3) para o processamento convencional enquanto os valores EEFlux se sobressaem no intervalo (0,3-0,5) apresentando visualização espacial concomitante. Constatou-se o elevado grau de qualidade no que se refere ao Índice de vegetação por diferença normalizada – NDVI oriundo do processamento automático EEFlux para os ambientes semiáridos estudados. Seus valores se assemelham com os resultados dos produtos processados convencionalmente, permitindo assim, análise acurada do pesquisador.

Palavras-chave

• Sensoriamento Remoto
• Geoprocessamento
• NDVI

Referências

• ASA – Articulação Semiárido Brasileiro. 2017. Semiárido - É no semiárido que pulsa a vida! Disponível em: < http://www.asabrasil.org.br/semiarido >. Acesso em: 20/07/2017.
• Ferreira, P.S., Gomes, V.P., Santos, A.M., Morais, Y.C.B., Miranda, R.Q., Ferreira, J.M.S., Galvíncio, J.D., 2016. Mudanças climáticas e a geopotencialidade à fruticultura em municípios de Pernambuco: subsídios à agricultura familiar. Caderno de Geografia 26, 522–544.
• Gomes, V.P., Galvíncio, J.D., Ferreira, P.S., Silva, J.F., Ferreira, H.S., 2016a. Hyperspectral analysis in areas of Caatinga degraded in the municipality of Sertânia - PE. Journal of Hyperspectral Remote Sensing 6, 262-269.
• Gomes, V.P., Galvíncio, J.D., Moura, M.S.B., Ferreira, P.S., Miranda, R.Q., Paz, Y.M., 2016b. Sensoriamento remoto hyperspectral aplicado para análise dos indicadores de resiliência e suscetibilidade do bioma Caatinga frente às mudanças climáticas. Revista Brasileira de Geografia Física 9, 1122-1136.
• Silva, J.F., Ferreira, P.S., Gomes, V.P., Silva, E.R.C., Galvíncio, J.D., 2015. Mapeamento do potencial geoclimático da fruticultura do abacaxi na microrregião de Araripina – PE. Revista Brasileira de Geografia Física, Recife 8, 196-210.
• Ferreira, P.S., Gomes, V.P., Santos, A.M., Morais, Y.C.B., Miranda, R.Q., Ferreira, J.M.S., Galvíncio, J.D. 2014. Análise do cenário de suscetibilidade à desertificação na bacia hidrográfica do rio Pajeú - Estado de Pernambuco. Scientia Plena 10, 1-11.
• Silva, J.F., Silva, E.R.A.C., Ferreira, P.S., Gomes, V.P., Barboza, K.M.N., Candeias, A. L.B. 2016a. Spatial-temporal evolution analysis of the vegetation in the Chapadinha microregion (Maranhão, Brazil) through remote sensing. Journal of Hyperspectral Remote Sensing 6, 329-337.
• Santos, A.M., Galvíncio, J.D., 2013. Mudanças climáticas e cenários de susceptibilidade ambiental à desertificação em municípios do estado de Pernambuco. Observatorium: Revista Eletrônica de Geografia, 5. 66–83.
• EEFLUX - Google Earth Engine Evapotranspiration Flux, 2015. What is EEFlux? International Workshop on Evapotranspiration Mapping, 1-25.
• EEFLUX – Metric. 2017. Instructions. Disponível em: < http://eeflux-level1.appspot.com/ >. Acess: 20/07/2017.
• Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W., 1973. Monitoring vegetation systems in the great plains with ERTS. III Earth Resources Technology Satellite-1 Symposium.
• Silva, B.B., Braga, A.C., Braga, C.C., Oliveira, L.M.M., Montenegro, S.M.G.L., Barbosa Junior, B.B., 2016b. 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.
• Chander, G., Markhan, B., 2003. Revised Landsat 5 - TM radiometric calibration procedures and post calibration dynamic ranges. IEEE Transactions on Geosciences and Remote Sensing 41, 2674-2677.
• Allen, R.G., Tasumi, M., Trezza, R., 2007. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Model. J. Irrig. Drain. Eng. 133 (4), 380–394.
• Tasumi, M., Allen, R.G., Trezza, R. 2008. At-surface reflectance and albedo from satellite for operational calculation of land surface energy balance, J. Hydrol. Eng 13 (2), 51–63.
• Santana, A.V., Heinemann, A., Stone, L.F., Nascente, A.S. 2016. Índice de reflectância na estimativa da área foliar e biomassa das folhas em feijão-comum. Colloquium Agrariae 12, 07-19.
• Teixeira, D.C.F., Amorim, M.C.C.T, 2017. Ilhas de calor: representações espaciais de cidades de pequeno porte por meio de modelagem. GEOUSP: Espaço e Tempo (Online) 21, 239-256.
• Crósta, A.P. 1992. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: Instituto de Geociências/UNICAMP.
• Peternelli, L.A. s/d. Regressão linear e correlação. INF 162, 1-11.
• Conti, F. 2009. Regressão e correlação. 01-10. Disponível em: < http://www.cultura.ufpa.br/dicas/ >. Acesso em: 20/07/2017.
• CHANDER, G.; MARKHAM, B. L.; HELDER, D. L. 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+,and EO-1 ALI sensors. Remote Sensing of Environment., v. 113, p. 893-903.
• SILVA, B. B.; BRAGA, A. C.; BRAGA, C. B.; 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, v. 20, n. 1, p. 3-8.
• IQBAL, M. 1983. An introduction to solar radiation. Library of Congress Cataloging in Publication Data. Canada: Academic Press, 408p.
• ALLEN, R.; TASUMI, M.; TREZZA, R. 2007. Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Calibration METRI. Model. J. Irrig. Drain Eng., v. 133, p. 380-394.
• ALLEN, R.; TASUMI, M.; TREZZA, R.; BASTIAANSSEN, W.; WATERS, R. 2002. SEBAL (Surface Energy Balance Algorithms for Land). Advanced Training and User’s Manual – Idaho Implementation, version 1.0.
• BORATTO, M; GOMIDE. Aplicação dos índices de vegetação NDVI, SAVI e IAF na caracterização da cobertura vegetativa da região Norte de Minas Gerais. Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE.
• HUANG, S; et al. A commentary review on the use of normalized diference vegetation index (NDVI) in the era of popular remote sensing. 2021. J. For. Res, v. 32, p 1–6.