Deprecated: Function eregi() is deprecated in /home/quiriri/www

UNIVERSIDADE FEDERAL DE SANTA CATARINA
CENTRO TECNOLÓGICO
CURSO DE GRADUAÇÃO EM ENGENHARIA SANITÁRIA E AMBIENTAL
ANÁLISE DA EVAPOTRANSPIRAÇÃO POTENCIAL DISTRIBUÍDA POR
MEIO DE IMAGENS NDVI, NA BACIA DO RIO NEGRINHO - SC.
PATRÍCIA KAZUE UDA
FLORIANÓPOLIS, (SC)
MARÇO/2010
UNIVERSIDADE FEDERAL DE SANTA CATARINA
CENTRO TECNOLÓGICO
CURSO DE GRADUAÇÃO EM ENGENHARIA SANITÁRIA E AMBIENTAL
ANÁLISE DA EVAPOTRANSPIRAÇÃO POTENCIAL DISTRIBUÍDA POR
MEIO DE IMAGENS NDVI, NA BACIA DO RIO NEGRINHO - SC.
PATRÍCIA KAZUE UDA
Trabalho apresentado como parte dos requisitos para
a Conclusão do Curso de Graduação em Engenharia
Sanitária e Ambiental, Universidade Federal de Santa
Catarina.
Orientadora
Prof. Dra. CLÁUDIA WEBER CORSEUIL
Co-orientador
Prof. Dr. Masato Kobiyama
FLORIANÓPOLIS, (SC)
MARÇO/2010
AGRADECIMENTOS
À minha família, especialmente minha mãe, pelo carinho e incansável apoio, que me
permitiram chegar a esta última etapa do curso de graduação e por suas palavras sensatas, que
me serviram e me servem de base para minhas escolhas e ações.
Ao meu namorado, Matheus, por todo carinho e pelas palavras de conforto, apoio e incentivo.
A minha orientadora Cláudia Weber Corseuil, pelos ensinamentos que me fizeram descobrir o
Geoprocessamento, área pela qual descobri grande afinidade. Agradeço, também, pela
confiança, apoio e oportunidade de trabalhar em sua equipe.
Ao professor Masato Kobiyama, pela oportunidade de realizar este trabalho no LABHIDRO e
por todas outras oportunidades que me possibilitaram um amadurecimento que tão logo será
importante na esfera profissional. Agradeço.
À Nadine Lory Bortolotto, pelo grande auxílio no desenvolvimento de meu trabalho, pelas
horas de conversa, pelas importantes palavras de incentivo e força e por sua amizade.
Ao professor Antenor de Oliveira Aguiar Netto, pelos preciosos ensinamentos, sugestões e
dúvidas esclarecidas, sempre com disposição e paciência. Agradeço, também, por sua
dedicação (em todos os sentidos) aos trabalhos desenvolvidos por nossa equipe no
LABHIDRO.
À Laís Brandão Feilstrecker, colega que auxiliou no desenvolvimento de minhas atividades e
por seus incentivos.
Ao Gilmar, por sua disposição em me orientar em questões de estatística e, principalmente,
pela ajuda na busca de alternativas para o desenvolvimento deste trabalho.
Ao colega de trabalho, Romério Júnior, pela ajuda na manipulação de dados.
À Marilice Cordeiro Garrazta Azul, pela ajuda em questões de geoprocessamento.
À Carla Canton Sandrin, amiga de todas as horas, que sempre me apóia.
A todos que foram meus professores e que exerceram importante papel em minha formação.
À Universidade Federal de Santa Catarina (UFSC), pela oportunidade e infra-estrutura
disponibilizada no curso de graduação.
RESUMO
No ciclo hidrológico, a componente responsável por abastecer a atmosfera de água é a
evapotranspiração da água de superfícies. Esta é de difícil medição e os resultados estimados
correspondem a valores pontuais de localização específica, que, quando adotados para grandes
regiões, podem resultar em uma estimativa errônea. Atualmente, o sensoriamento orbital e os
sistemas de informações geográficas tem possibilitado que vários fenômenos sejam
representados de forma espacial e podem ser uma alternativa para o cálculo de
evapotranspiração em nível regional. Dentre as técnicas de sensoriamento remoto, o
processamento digital de imagens pela aplicação do índice de vegetação da diferença
normalizada (NDVI) possibilita a extração de informações espectrais dos objetos na superfície
terrestre e pode ser correlacionado a outras variáveis, para determinação de parâmetros
biofísicos. Neste contexto, este estudo tem por objetivo avaliar a evapotranspiração potencial
(ETP) distribuída na bacia do rio Negrinho, por meio de imagens NDVI, obtidas a partir de
imagens do satélite LandSat-TM5. A bacia do rio Negrinho possui área de 195km2, está
localizada no Planalto Norte de Santa Catarina e é composta por diferentes usos do solo (mata
nativa, reflorestamento, áreas de cultivo, áreas urbanas, entre outros). Imagens NDVI foram
geradas por meio da razão entre as bandas do vermelho e do infravermelho próximo, a partir
das imagens LandSat-TM5. Para os dias 01 de fevereiro e 28 de agosto de 2009, dados de nove
estações meteorológicas (seis localizadas no Estado do Paraná e três em Santa Catarina) foram
utilizados para cálculo da ETP segundo método de Penman Modificado. Posteriormente, por
meio de regressão linear, foi realizada uma relação estatística entre os dados de NDVI e de
evapotranspiração pontual, possibilitando o cálculo e a representação espacial da ETP. Como
resultado, obteve-se um mapa de ETP da bacia para cada data, a partir dos quais foi possível
verificar que a ETP média distribuída, de acordo com o uso e ocupação do solo atual, está entre
4,26 e 5,09mm.d-1 (01 de fevereiro de 2009) e entre 2,97 e 3,60mm.d -1 (28 de agosto de 1009).
Constatou-se que a vegetação tem grande influência no comportamento da evapotranspiração,
visto que corresponde a mais de 75% da área da bacia. Para as áreas de reflorestamento e mata
nativa, foram encontrados valores mais elevados de ETP média com 5,09 e 5,00mm.d-1 (em 01
de fevereiro) e 3,60 e 3,52mm.d -1 (em 28 de agosto), respectivamente. Constatou-se que o
método aplicado obteve um bom ajuste, devido aos elevados coeficientes de determinação (r 2)
das imagens NDVI versos ETP (0,9364 e 0,9193).
Palavras-chave: Evapotranspiração potencial, índice de vegetação da diferença normalizada,
evapotranspiração potencial distribuída.
ABSTRACT
In the hydrological cycle, the component responsible for supplying water to atmosphere
is evapotranspiration of surfaces. The evapotranspiration is difficult to measure and its estimate
correspond to specific values of specific location and when adopted for large regions, can result
in an erroneous estimate. Nowadays, the orbital sensing and the Geographic Information
Systems (GIS) has enabled many phenomena to be represented in a space and can be an
alternative to the calculation of evapotranspiration at the regional level. Among the remote
sensing techniques, the image digital processing by application of Normalized Difference
Vegetation Index (NDVI), allows the extraction of spectral information of objects on the
surface and can be correlated with other variables to determine biophysical parameters. In this
context, the objective of the present study is to evaluate the potential evapotranspiration (ETP)
distributed in the Rio Negrinho river catchment, using NDVI images obtained from LandsatTM5 images. The Rio Negrinho river basin (195km2), is located on the Northern Plateau of
Santa Catarina and is composed of different land uses (native forest, reforestation, agricultural
areas, urban areas, among others). NDVI images were generated by calculating the ratio
between the red band and the near infrared band from the Landsat-TM5 images. To February 1
and August 28, 2009, data from nine weather stations (six in the state of Paraná and three in
Santa Catarina) were used to calculate ETP by Penman modified method. After, was performed
a statistical relationship between the data of NDVI and evapotranspiration by linear regression,
enabling the calculation and spatial representation of the ETP. One map of the ETP basin was
obtained for each date and it showed that the mean ETP distributed in accordance with use and
land cover is between 4.26 and 5.09 mm.d-1 (February 01, 2009) and between 2.97 and 3.60
mm.d-1 (August 28, 2009). It was found that the vegetation has great influence on the
evapotranspiration, because it corresponds to more than 75% of the watershed area. The
reforestation areas and the native forests showed the higher values of mean ETP: 5.09 and 5.00
mm.d-1 (01 February) and 3.60 and 3.52 mm.d -1 (28 August), respectively. The method used
showed a good performance due to high coefficients of determination (r 2) of NDVI images
verses ETP (0.9364 and 0.9193).
Keywords: Potential evapotranspiration, Normalized Difference Vegetation Index, distributed
potential evapotranspiration.
LISTA DE FIGURAS
Figura 1. Espectro eletromagnético: principais regiões. ........................................................ 20
Figura 2. Curvas de reflectância espectral para diferentes alvos. ........................................... 22
Figura 3. Curva de reflectância característica de uma folha verde sadia ................................ 24
Figura 4. Localização da bacia hidrográfica do Rio Negrinho ............................................... 34
Figura 6. Fluxograma metodológico ..................................................................................... 39
Figura 7. Imagens LandSat-TM5 de 01/02/2009 (à esquerda) e 28/08/2009 (à direita), em
composição RGB-321, da área de abrangência da bacia do rio Negrinho. ............................. 48
Figura 8. Mapa de uso e cobertura do solo da bacia do rio Negrinho em 01/02/2009 ............ 52
Figura 9. Mapa de uso e cobertura do solo da bacia do rio Negrinho em 28/08/2009 ............ 53
Figura 10. Imagem NDVI da bacia do rio Negrinho para 01 de fevereiro de 2009. ............... 56
Figura 11. Imagem NDVI da bacia do rio Negrinho para 28 de agosto de 2009. ................... 57
Figura 12. ETP obtida pelo método de Penman Modificado, para os dias de verão de 2009 .. 59
Figuras 13. ETP obtida pelo método de Penman Modificado, para os dias de inverno de 200959
Figura 14. ETP obtida pelo método de Penman Monteith, para os dias de verão de 2009 ...... 60
Figura 15. ETP obtida pelo método de Penman Monteith, para os dias de inverno de 2009 .. 61
Figura 16. Regressão linear entre valores de NDVI e ETP, para o dia 01/02/2009 ................ 63
Figura 17. Regressão linear entre valores de NDVI e ETP, para o dia 28/08/2009 ................ 64
Figura 18. Mapa de ETP distribuída da bacia do rio Negrinho, em 01/02/2009 ..................... 66
Figura 19. Mapa de ETP distribuída da bacia do rio Negrinho, em 28/08/2009 ..................... 67
Figura 20. Resultados de ETP diária pelo método aplicado, método de Penman Modificado e
Penman-Monteith, para o período de 01 de fevereiro a 20 de março de 2009. ....................... 71
Figura 21. Resultados de ETP diária pelo método aplicado, método de Penman Modificado e
Penman-Monteith, para o período de 21 de junho a 22 de setembro de 2009. ....................... 72
Figura 22. Resultados de ETP em escala mensal, pelo método aplicado, Penman Modificado,
Penman-Monteith e Thornthwaite, para o período de 01 de fevereiro a 20 de março de 2009.74
Figura 23. Resultados de ETP em escala mensal, pelo método aplicado, Penman Modificado,
Penman-Monteith e Thornthwaite, para o período de 21 de junho a 22 de setembro de 2009.74
LISTA DE TABELAS
Tabela1. Balanço observado e simulado, em mm, de algumas bacias do estudo. .................. 32
Tabela 2. Temperatura média, mínima e máxima, precipitação anual e dias de chuva da zona
agroecológica 3 (GUP3). ...................................................................................................... 35
Tabela 3. Umidade relativa, ocorrência de geadas, horas de frio e insolação da zona
agroecológica 3 (GUP3). ...................................................................................................... 35
Tabela 4. Imagens LandSat-TM5 utilizadas. ........................................................................ 37
Tabela 5. Caraterísticas das estações meteorológicas. .......................................................... 37
Tabela 6. Intervalo espectral das bandas do sensor TM5. ..................................................... 40
Tabela 7. Valores de Gain e Offset (B) a aplicados às imagens TM5. ................................. 41
Tabela 8. Parâmetros das imagens LandSat TM5, órbita 220. .............................................. 41
Tabela 9. Duração máxima da insolação diária (N), em horas, nos meses e latitude de 10ºN a
40ºS. Os valores correspondem ao 15º dia de cada mês. ....................................................... 81
Tabela 10. Temperatura média mensal da estação de Rio Negrinho, para o ano de 2009. ..... 43
Tabela 11. Estações meteorológicas dias de dados utilizados. .............................................. 44
Tabela 12. Valores para o fator de peso (W) para o efeito da radiação na ET em diferentes
temperaturas e altitudes. ....................................................................................................... 82
Tabela 13. Albedo
para algumas superfícies. .................................................................... 82
Tabela 14. Radiação solar extraterrestre (mm.d-1). .............................................................. 82
Tabela 15. Pressão de saturação se vapor d’água (mmHg). .................................................. 83
Tabela 16. Uso e cobertura do solo da bacia do Rio Negrinho. ............................................ 51
Tabela 17. Valores médios de reflectância de superfície dos diferentes usos do solo das
imagens LandSat – TM5, órbita 220 e ponto 78. .................................................................. 54
Tabela 18. ETP obtida das estações meteorológicas............................................................. 58
Tabela 19. ETP obtida pelo método de Thornthwaite........................................................... 61
Tabela 20. Dados de NDVI e ETP, para o dia 01 de fevereiro de 2009. ............................... 62
Tabela 21. Dados de NDVI e ETP, para o dia 28 de agosto de 2009. ................................... 63
Tabela 22. ETP em função dos diferentes usos e cobertura do solo. ..................................... 68
Tabela 23. ETP obtida pelo método aplicado, para os dias de verão de 2009. ...................... 69
Tabela 24. ETP obtida pelo método aplicado, para os dias de inverno de 2009. ................... 70
Tabela 25. Somatório mensal de ETP diária, obtida pelo método aplicado. .......................... 73
LISTA DE SIGLAS E ABREVIATURAS
DHSVM - Distributed Hydrology Soil Vegetation Model
ETP - Evapotranspiração Potencial
ETR - Evapotranspiração Real
FAO - Organização das Nações Unidas para Agricultura e Alimentação (Food and Agriculture
Organization of the United Nations)
FRB - Fator de Reflectância Bidirecional
GPS - Sistema de Posicionamento Global (Global Positioning System)
IAF - Índice de Área Foliar
INPE - Instituto Nacional de Pesquisas Espaciais
INMET – Instituto Nacional de Meteorologia
IVP - Infravermelho Próximo
IVM - Infravermelho Médio
LABHIDRO – Laboratório de Hidrologia da UFSC
LandSat-TM5 - Land Remote Sensing Satellite 5 - Thematic Mapper
MODIS - Moderate Resolution Imaging Spectroradiometer
ND - Número Digital
NDVI - Índice de Vegetação da Diferença Nornamlizada (Normalized Difference Vegetation
Index)
REM - Radiação Eletromagnética
SEBAL - Surface Energy Balance Algorithm for Land
SEBI - Simplified Surface Energy Balance Index
SIG - Sistemas de Informação Geográfica
SVAT - Soil Vegetation Atmosphere Transfer
SPRING - Sistema de Processamento de Informações Georreferenciadas
UFSC – Universidade Federal de Santa Catarina
WDI - Water Deficit Index METRIC - Mapping Evapotranspiration at high Resolution and
with Internalized Calibration
SUMÁRIO
1. INTRODUÇÃO .............................................................................................................. 11
2. OBJETIVOS .................................................................................................................. 13
2.1 Objetivo Geral ............................................................................................................ 13
2.2 Objetivos Específicos ................................................................................................. 13
3. REVISÃO BIBLIOGRÁFICA ...................................................................................... 14
3.1 Evapotranspiração ...................................................................................................... 14
3.1.1 Métodos de Estimativa de Evapotranspiração Pontual .......................................... 16
3.1.4 Evapotranspiração Distribuída .............................................................................. 17
3.2 Sensoriamento Remoto ............................................................................................... 18
3.2.1 Fundamentos da Observação Remota ................................................................... 18
3.2.2 Espectro eletromagnético ..................................................................................... 19
3.2.3 Características da radiação energética no espectro óptico ..................................... 20
3.2.4 Comportamento Espectral da Vegetação............................................................... 23
3.3 Processamento Digital de Imagens Multiespectrais ..................................................... 25
3.3.1 Calibração de Imagens Multiespectrais para Valores Físicos ................................ 26
3.3.2 Índices de Vegetação ............................................................................................ 29
3.4 Importância dos Estudos sobre Evapotranspiração e Estudos em Bacias Hidrográficas 31
4. MATERIAL E MÉTODOS ........................................................................................... 34
4.1 Caracterização da Área de Estudo ............................................................................... 34
4.2 Material ...................................................................................................................... 36
4.3 Método ....................................................................................................................... 39
4.3.1 Fluxograma Metodológico ................................................................................... 39
4.3.2 Calibração Radiométrica e Correção Atmosférica das Imagens Multiespectrais .... 40
4.3.3 Geração das imagens NDVI ................................................................................. 41
4.3.4 Método de Thornthwaite ...................................................................................... 42
4.3.5 Método de Penman-Monteith ............................................................................... 43
4.3.6 Método de Penman Modificado ............................................................................ 44
4.3.7 Relação entre os dados NDVI e ETP .................................................................... 47
4.3.8 Geração das Imagens de ETP Distribuída ............................................................. 48
4.3.9 Geração dos Mapas de Uso e Cobertura do Solo ................................................... 48
4.3.10 Comparação entre os Métodos de Estimativa de ETP ......................................... 50
5. RESULTADOS .............................................................................................................. 51
5.1 Uso e Cobertura do Solo ............................................................................................. 51
5.2 Calibração Radiométrica e Correção Atmosférica das Imagens Multiespectrais .......... 54
5.3 Imagens NDVI ........................................................................................................... 55
5.4 Estimativa de ETP Pontual ......................................................................................... 58
5.5 Relação entre os dados NDVI e ETP........................................................................... 62
5.6 Mapas de ETP Distribuída .......................................................................................... 65
5.7 Comparação entre os Métodos de Estimativa de ETP .................................................. 68
CONCLUSÕES .................................................................................................................. 75
RECOMENDAÇÕES ........................................................................................................ 76
REFERÊNCIAS BIBIOGRÁFICAS ................................................................................. 77
ANEXOS ............................................................................................................................ 81
11
1. INTRODUÇÃO
O ciclo hidrológico consiste na troca constante de água entre a superfície terrestre e a
atmosfera. A componente responsável por abastecer a atmosfera de água é a
evapotranspiração de superfícies.
A evapotranspiração é uma componente do ciclo hidrológico que apresenta grande
incerteza na sua determinação. Pode ser medida através de equipamentos específicos, como
lisímetros, estimada por meio de balanço hídrico ou por equações aplicando dados
metereológicos. No entanto, sua medição é difícil e os resultados estimados representam
valores pontuais de localização específica. Portanto, a adoção destes dados pontuais para
grandes regiões pode resultar em uma estimativa errônea de evapotranspiração, devido às
diferentes coberturas de solo, dentre outros fatores (FOLHES, 2007).
O sensoriamento orbital e os sistemas de informações geográficas (SIGs) tem
possibilitado que vários fenômenos sejam representados de forma espacial e podem ser uma
alternativa para o cálculo de evapotranspiração em nível regional. Uma importante vantagem
do uso de sensoriamento remoto é a possibilidade de cálculo de evapotranspiração sem a
necessidade de se quantificar complexos processos hidrológicos. Comumente, a representação
espacial da evapotranspiração é realizada por meio de algoritmos matemáticos que interpolam
e/ou extrapolam informações pontuais obtidas em estações metereológicas (GIACOMONI &
MENDES, 2008).
A vegetação, por meio de interceptação, da precipitação e da evapotranspiração, tem
grande influência no balanço hídrico de uma bacia hidrográfica. Desta forma, técnicas de
sensoriamento remoto, juntamente com algoritmos de processamento de imagens,
possibilitam a extração de dados de extensas áreas vegetadas. Como exemplo, tem-se os
índices de vegetação, que são resultados de várias combinações matemáticas das reflectâncias
da superfície terrestre em faixas espectrais da radiação eletromagnética, especialmente nas
regiões do visível e do infravermelho próximo (LIU, 2006).
A base da proposição desses índices está no comportamento antagônico da refletância
da vegetação nas regiões espectrais do visível e do infravermelho próximo: em principio,
quanto maior a densidade da cobertura vegetal em certa área, menor a refletância na faixa do
visível (de 0,4 a 0,7 μm), devido à absorção da radiação solar pela ação dos pigmentos
fotossintetizantes presentes nas folhas. Já na faixa do infravermelho próximo (0,725 a 1,10
12
μm), a refletância é maior devido ao espalhamento múltiplo da radiação eletromagnética nas
diferentes camadas das folhas (PONZONI & SHIMABUKURO, 2007).
Epiphanio et al. (1996) relatam que a relação entre sensoriamento remoto e parâmetros
biofísicos pode ser feita por meio da aplicação de índices de vegetação. Esses índices são
medidas radiométricas adimensionais, que indicam a abundância relativa e a atividade da
vegetação verde, incluindo índice de área foliar (IAF), porcentagem de cobertura de cobertura
verde, teor de clorofila, biomassa verde e radiação fotossinteticamente ativa absorvida, entre
outros (JENSEN, 2009).
As características das plantas podem ser correlacionadas com a resposta espectral
registrada em imagens provenientes de sensores remotos. Essas imagens servem como
poderosas ferramentas que, quando transformadas para índices de vegetação (como imagens
NDVI) e relacionadas com parâmetros físicos, como, por exemplo, a evapotranspiração,
podem produzir mapas dessas variáveis para fins de planejamento e gestão dos recursos
hídricos.
Dentro deste contexto, a bacia do Rio Negrinho é caracterizada pelo desenvolvimento
de atividades agrícolas e florestais, sendo de fundamental importância o conhecimento da
evapotranspiração distribuída, uma vez que, juntamente com outros fatores, possibilitam a
determinação das disponibilidades e dos déficits hídricos. Portanto, o estudo constitui uma
alternativa para a estimativa espacial da evapotranspiração, justificando sua utilização para a
verificação das necessidades hídricas da bacia, em função dos diferentes usos e cobertura do
solo, contribuindo para o uso eficiente da água, visando uma produção sustentável.
13
2. OBJETIVOS
2.1 Objetivo Geral
Analisar a evapotranspiração potencial distribuída, por meio de imagens NDVI na bacia
do Rio Negrinho – SC.
2.2 Objetivos Específicos
Determinar o NDVI da bacia do rio Negrinho, por meio de imagens de satélite
multiespectrais.
Avaliar a distribuição espacial da evapotranspiração potencial na bacia do rio
Negrinho a partir da relação entre NDVI e ETP.
Avaliar a distribuição sazonal da evapotranspiração potencial na bacia do rio
Negrinho com base nas imagens NDVI determinadas em diferentes épocas do ano.
Comparar os resultados obtidos pela relação entre NDVI e ETP com os estimados
por Penman Modificado, Penman-Monteith e Thornthwaite.
14
3. REVISÃO BIBLIOGRÁFICA
3.1 Evapotranspiração
O ciclo hidrológico refere-se ao movimento da água na sua forma líquida, gasosa e
sólida entre a superfície terrestre e a atmosfera. De uma maneira resumida, as componentes do
ciclo hidrológico são: a precipitação, a vazão, a evapotranspiração e o armazenamento de
água no solo, lagos e rios. Tanto a chuva quanto a precipitação são variáveis facilmente
mensuráveis, enquanto o armazenamento e a evapotranspiração ainda requerem a utilização
de métodos indiretos para sua estimativa (KAN, 2005).
No ciclo hidrológico, a componente responsável por abastecer a atmosfera de água é a
vaporização (evapotranspiração) da água de superfícies. Nos solos vegetados, o processo
combinado de evaporação pela superfície do solo e transpiração pelas plantas é chamado de
evapotranspiração (RIGHETTO, 1998). Segundo Kobiyama (2009), a evapotranspiração
engloba os fenômenos físicos e fisiológicos que transformam a água precipitada em vapor, ou
seja, engloba os processos de evaporação e transpiração.
Portanto, a evaporação é o processo físico em que a água no estado líquido, presente na
superfície do solo, nas plantas, nos cursos de água, lagos, reservatórios e mares, passa para o
estado gasoso. A evaporação depende, basicamente, de quatro fatores principais: suprimento
de energia externa (radiação solar), grau de saturação do ar circundante, velocidade do vento e
disponibilidade de água (GIACOMONI, 2005).
A transpiração é a perda da água das células vivas dos tecidos vegetais através dos
estômatos (poros de respiração das plantas). Mesmo sendo um processo físico, a transpiração
é o único componente de evapotranspiração sob controle fisiológico da planta.
Conforme Tucci (2007), o solo, as plantas e a atmosfera podem ser entendidos como
partes de um sistema fisicamente inter-relacionado e dinâmico, em que os vários processos de
fluxo estão interligados. Considerando o funcionamento deste sistema, cabe ressaltar que o
fluxo de água ocorre em direção ao gradiente de potencial negativo: a água movimenta-se dos
pontos de maior potencial hídrico, para os de menor potencial. As diferenças de potencial, em
diferentes pontos do sistema são proporcionais à resistência do fluxo. A menor resistência ao
fluxo encontra-se internamente na planta, e, a maior resistência, no fluxo das folhas para a
atmosfera devido à mudança do estado líquido para gasoso. A planta, através de suas raízes,
retira do solo a água para suas atividades vitais e transpira pelos estômatos localizados nas
15
folhas, e a diferença total do potencial entre o solo e a atmosfera pode chegar a centenas de
bares. O transporte de água das folhas até a atmosfera ocorre também através do processo de
difusão de vapor. A umidade relativa, ou seja, a relação entre a tensão real e a de saturação de
vapor, relaciona-se exponencialmente com o potencial hídrico.
Apesar de o processo de transpiração não ser idêntico ao de evaporação, os fatores
como disponibilidade de energia, demanda atmosférica e poder evaporante do ar,
representados pelas variáveis climatológicas como radiação, temperatura do ar, umidade do ar
e velocidade do vento também são os principais fatores que influenciam a transpiração. Além
destes, fatores relativos à planta também influenciam a evapotranspiração, podendo-se citar o
albedo característico da planta, o estádio de desenvolvimento e o tamanho da superfície foliar
transpirante, pois quanto maior a área foliar, maior a superfície transpirante e maior o
potencial para o uso de água (RIGHETTO, 1998; GIACOMONI, 2005).
Para a análise e mensuração do processo de evapotranspiração, dependendo das
condições da vegetação, do tamanho da área vegetada e do suprimento de água pelo solo,
define-se condições bem características, tais como de evapotranspiração potencial (ETP) e
evapotranspiração real (ETR) (PEREIRA, ANGELOCCI e SENTELHAS, 2002).
Segundo Kobiyama (2009), a evapotranspiração potencial (ideal) é o total de água
transferido para a atmosfera por evaporação e transpiração, de uma superfície extensa, coberta
por vegetação e sem limitação de disponibilidade de água. Segundo Righetto (1998), a
evapotranspiração potencial, corresponde à perda de água de uma superfície coberta com
grama batatais em fase de crescimento ativo, bem suprida de umidade, no centro de uma área
irrigada com dimensões que permitam desprezar o transporte horizontal de vapor de agua.
Kobiyama (2009) e Tucci (2007) expõem que a evapotranspiração real é a quantidade
de água que é transferida para a atmosfera pelos processos de evaporação e transpiração, sob
características existentes da atmosfera e de disponibilidade de água no solo. Conceitualmente,
a evapotranspiração real não pode exceder a evapotranspiração potencial (ETR < ETP).
A estimativa da evapotranspiração é relativamente mais difícil e complexa, quando
comparada a da precipitação e do escoamento superficial. Por esta razão, vários métodos
foram desenvolvidos visando a sua medição e a estimativa (BRUTSAERT, 1982; PEREIRA,
NOVA & SEDIYAMA, 1997).
Dentre os métodos desenvolvidos, estão os que determinam a evapotranspiração de
maneira pontual e distribuída. Os métodos que determinam a evapotranspiração pontualmente
foram os primeiros a serem propostos e constituem-se dos procedimentos clássicos utilizados
16
para medição ou estimativa de evapotranspiração: métodos diretos (como lisímetros de
pesagem, de drenagem ou medidas de umidade do solo) e métodos indiretos (como o método
de Thornthwaitee, a equação de Jensen e Haise, os métodos de Penman e Penman-Montheith
e o Balanço hídrico) (TUCCI, 2007). Para a estimativa da evapotranspiração distribuída,
muitos modelos baseados em técnicas de sensoriamento remoto foram desenvolvidos nas
últimas décadas. Alguns destes métodos serão discutidos posteriormente.
3.1.1 Métodos de Estimativa de Evapotranspiração Pontual
O método de Thornthwaite foi desenvolvido em 1948, visando a estimativa da
evapotranspiração potencial mensal de um gramado (posto meteorológico). Thornthwaitee
baseou-se no balanço hídrico de bacias hidrográficas localizadas na região leste e central dos
Estados Unidos e medições de evapotranspiração a partir de lisímetros para desenvolver seu
método (que utiliza apenas a temperatura como variável independente) (PEREIRA, NOVA &
SEDIYAMA, 1997; TUCCI, 2007). Em geral, este método funciona bem em climas úmidos
(CAMARGO & CAMARGO, 2000). A evapotranspiração potencial mensal estimada
considera um mês de 30 dias e cada dia com 12 horas de fotoperíodo.
O método de Penman é considerado como o primeiro método combinado e relaciona
os efeitos do balanço de energia e do poder evaporante do ar. É de natureza puramente física,
embora tenha aspectos empíricos e é considerado como padrão por muitos (PEREIRA,
NOVA & SEDIYAMA,1997).
Esse método estima a evapotranspiração potencial diária e, comparado com outros
métodos, utiliza um número grande de dados meteorológicos para seu cálculo. O método de
Penman apresenta bons resultados e sua precisão depende da estimativa da radiação líquida e
do fluxo de calor no solo (VESTENA, 2002). No entanto, Pereira, Nova & Sediyama (1997)
citam que o método superestima a evapotranspiração em condições potenciais e que medições
realizadas em lisímetro de lençol freático constante cultivado com grama (Paspalum notatum
L.) apontaram uma influência das estações do ano sobre os resultados estimados por Penman,
com superestimativa de menos de 10% no verão e indicaram o outono como a estação mais
crítica, superestimando os valores de evapotranspiração em até 100%.
Em função da quantidade de dados necessários à sua aplicação, bem como a
complexidade de seus cálculos, pesquisadores alteraram este método, como Monteith e
Doorenbos e Pruit, buscando simplificá-lo e aperfeiçoá-lo. Oliveira apud Vestena (2002)
17
estimaram a evapotranspiração potencial para a bacia do rio Ribeirão da Onça, no estado do
Paraná, e afirma que o método de Penman modificado por Doorenbos e Pruit é o melhor
método de estimativa da evapotranspiração potencial por ser mais preciso comparado com os
métodos de Hamon, Thornthwaite e Blaney e Criddle, além da vantagem de estimar valores
diários.
Monteith aperfeiçoou o método de Penman pela introdução da representação de uma
fisiologia vegetal simplificada para representar o controle da evapotranspiração pelas
superfícies (KARAM & FILHO, 2006). Allen et al. (1998) recomendam o método de Penman
Monteith parametrizado para grama, com 12 cm de altura, resistência aerodinâmica da
superfície de 70 s.m-1 e albedo de 0,23, como o método padrão para a estimativa de
evapotranspiração de referência. Após revisão de diversos métodos, chegou-se a conclusão de
que o método de Penamn Monteith é o método com maior probabilidade de estimar
corretamente a evapotranspiração de referência em uma ampla gama de locais e climas e pode
ser aplicado em situações com dados de curto período de tempo.
3.1.4 Evapotranspiração Distribuída
Como explicitado anteriormente, a evapotranspiração pode ser medida através de
equipamentos específicos, como lisímetros, estimada por meio de balanço hídrico ou por
dados metereológicos aplicados a equações. Porém, os métodos mais utilizados necessitam de
diversos dados metereológicos e são limitados, pois estimam valores pontuais de
evapotranspiração, impossibilitando uma análise em escala regional (GIACOMONI &
MENDES, 2008; MENEZES et al., 2007).
Recentemente, o desenvolvimento de técnicas de sensoriamento remoto orbital e os
sistemas de informações geográficas (SIGs) permitiram que diversos fenômenos fossem
representados de forma espacial e podem ser uma alternativa para o cálculo de
evapotranspiração a nível regional (GIACOMONI & Mendes, 2008). Segundo Li e Lyons
(1999), o sensoriamento remoto constitui uma abordagem adequada para estimativa de
evapotranspiração para grandes áreas, por que os satélites de sensoriamento remoto são uma
tecnologia capaz de fornecer parâmetros representativos como as características radiométricas
da superfície, albedo e índices de vegetação consistentes globalmente e de maneira prática e
economicamente viável.
18
Visando uma estimativa de evapotranspiração em escala regional mais representativa,
muitos modelos foram desenvolvidos nas últimas décadas, de caráter empírico, determinístico
e semi-emprírico.
Dentre os métodos empíricos pode-se citar o método residual do balanço de energia,
Water Deficit Index (WDI), etc. Os métodos empíricos apresentam-se simples, no entanto,
necessitam grande esforço metodológico para se tornarem operacionais (FOLHES, 2007).
Os métodos determinísticos baseiam-se nos processos físicos de transporte de massa e
energia acoplados por meio de modelos de interação solo-planta-atmosfera, ou seja, são uma
abordagem determinística, utilizada nos modelos Soil Vegetation Atmosphere Transfer
(SVAT) que estimam evapotranspiração e outros processos, por meio da interação dos
diferentes elementos do sistema vegetal. Estes métodos apresentam as seguintes vantagens em
relação aos métodos empíricos: expressam melhor a realidade física do transporte de energia e
água no sistema e simulam os fluxos de maneira continua. Porém, os modelos determinísticos
freqüentemente necessitam de grande número de parâmetros de entrada e apresentam
complexas interações, implicando em significativas simplificações antes de sua utilização
(FOLHES, 2007).
Os métodos semi-empíricos reproduzem o balanço de energia nas superfícies.
Proporcionam uma fácil operacionalização das estimativas de evapotranspiração, porque
possibilitam a realização de diversas simulações em curto espaço de tempo e, relativamente,
com poucos dados de superfície (FOLHES, 2007).
Atualmente, diversos métodos vêm sendo utilizados, como por exemplo o algoritmo SSEBI (Simplified Surface Energy Balance Index), algoritmo SEBAL (Surface Energy Balance
Algorithm for Land) e o METRIC (Mapping Evapotranspiration at high Resolution and with
Internalized Calibration).
3.2 Sensoriamento Remoto
3.2.1 Fundamentos da Observação Remota
Novo (2008) define sensoriamento remoto como o uso conjunto de sensores,
equipamentos para processamento, transmissão de dados colocados a bordo de aeronaves,
espaçonaves, ou outras plataformas, com o objetivo de estudar eventos, fenômenos e
19
processos que ocorrem na superfície terrestre a partir do registro e da análise das interações
entre a radiação eletromagnética e as substâncias que o compõem.
Campbell (1987) conceitua sensoriamento remoto como a ciência que obtém
informações da superfície terrestre à distância, por meio de imagens.
Uma imagem digital é, por conseguinte, um arranjo de elementos (pixels) sob a forma
de malha ou matriz, na qual cada pixel tem sua localização definida em um sistema de
coordenadas e representam a intensidade (brilho) dos materiais da área correspondente ao
pixel por meio de níveis de cinza ou números digitais (CRÓSTA, 1992).
Cabe ressaltar que para o processo de sensoriamento acontecer, é imprescindível que
entre o objeto observado e o sensor, exista algum tipo de interação. A partir disto, pode-se
definir as três principais componentes de qualquer sistema de sensoriamento remoto: o sensor
(por exemplo, um sensor multiespectral a bordo de um satélite), o objeto observado ( o alvo) e
o fluxo energético que possibilita colocar ambos em relação. Para um sensor a bordo de um
satélite em órbita, há três maneiras de se adquirir informações: (1) por reflexão da radiação
solar, (2) por emissão de radiação pelo alvo, ou (3) por emissão-reflexão (sensor emite fluxo
energético e capta posteriormente sua reflexão sobre a superfície terrestre). Em qualquer uma
das três situações, a radiação eletromagnética é o meio pelo qual a informação é transferia do
objeto observado ao sensor (CHUVIECO,2007; NOVO, 2008).
3.2.2 Espectro eletromagnético
O conjunto de ondas eletromagnéticas que compõem o campo de radiação de um
determinado objeto nomeia-se espectro. Para o sensoriamento remoto da superfície terrestre a
principal fonte natural de energia eletromagnética é o sol (LIU, 2006).
Ainda que a sucessão de valores de comprimento de onda seja contínua, comumente
divide-se estes valores em uma séria de bandas, na qual a radiação eletromagnética manifesta
um comportamento similar. A organização destas bandas em comprimentos ou freqüência se
denomina espectro eletromagnético. Portanto, o espectro eletromagnético representa todo o
conjunto de comprimentos de onda conhecidos, que vão desde os comprimentos de onda mais
curtos, como os raios gama até os mais longos, como as ondas de rádio (CHUVIECO, 2007;
NOVO, 2008), conforme pode ser visto na Figura 1.
20
Figura 1. Espectro eletromagnético: principais regiões.
Fonte: Adaptado de NOVO (2008).
Do ponto de vista do sensoriamento remoto, as bandas do espectro visível (luz visível),
do infravermelho próximo, do infravermelho médio, do infravermelho térmico e das
microondas são as mais freqüentemente empregadas na tecnologia atual. Segundo Liu (2006),
Novo (2008) e Chuvieco (2007), isto se deve à atmosfera absorver quase toda a energia
eletromagnética emitida pela radiação solar com comprimentos de onda inferiores a 0,3µm
(raios X, raios gama e ultravioleta) e permitir a penetração de radiação eletromagnética com
comprimentos de ondas maior que 0,3µm até a superfície terrestre.
Para o presente estudo, convém destacar as bandas a serem utilizadas para a realização
do mesmo:
Espectro visível (0,4 a 0,7 µm): tem esta denominação por ser a única
radiação eletromagnética que ao incidir no sistema visual humano, é capaz de
provocar sensação de cor no cérebro e coincide com os comprimentos de onda na qual
a radiação solar é máxima. Podem-se separar três bandas elementares, que, em razão
das cores primárias que nossos olhos percebem, são: azul (0,4 a 0,5 µm), verde (0,5 a
0,6 µm) e vermelho (0,6 a 0,7 µm) (MOREIRA, 2001; CHUVIECO, 2007).
Infravermelho próximo (0,7 a 1,3 µm): faixa espectral muito utilizada pela
capacidade de distinguir massas vegetais e concentrações de umidade (CHUVIECO,
2007).
3.2.3 Características da radiação energética no espectro óptico
Chuvieco (2007) denomina o domínio óptico do espectro como o grupo de
comprimentos de onda diretamente dependentes da energia solar. Para estudos de
21
sensoriamento remoto é importante o entendimento da relação entre o fluxo de energia solar e
a superfície terrestre. A radiação que a Terra recebe pode ser decomposta nos termos,
conforme a seguir:
(1)
em que
é o fluxo incidente sobre a superfície,
transmitido e
é o fluxo refletido,
é o fluxo
o absorvido. No entanto, é importante expressar esta equação em formas
relativas:
(2)
Como a relação entre o fluxo refletido, transmitido e absorvido não é constante e é
dependente do comprimento de onda, a Equação 2 torna-se:
(3)
em que
é a reflectância (relação entre o fluxo incidente e refletido por uma superfície),
é a absortância (relação entre o fluxo incidente e a parcela absorvida por uma superfície) e
é a transmitância (relação entre o fluxo incidente e o transmitido por uma superfície).
Segundo Liu (2006), a transmitância é o fenômeno em que a radiação incide em um
alvo não sofre atenuação sensível na passagem. A transmitância dos objetos naturais depende
das propriedades dos objetos e das faixas de onda da radiação eletromagnética.
Por
exemplo, a água limpa tem alta transmitância de radiação, no entanto, as folhas transmitem
razoavelmente as faixas do infravermelho, mas não na faixa do visível.
Qualitativamente, a reflectância é uma propriedade de um determinado objeto refletir a
radiação eletromagnética sobre ele incidente e é influenciada pela sua rugosidade ou tamanho
das irregularidades da superfície em relação ao comprimento de onda (LIU, 2006).
A intensidade média de fluxo radiante, proveniente de todas as direções, que atinge uma
determinada superfície, é chamada irradiância. Como pode ser medida para cada comprimento
de onda, ou para regiões específicas do espectro eletromagnético recebe a designação E λ. A
intensidade média do fluxo radiante refletido, originado de todas as intensidades provenientes
de cada um dos infinitos pontos existentes na superfície, é denominada Radiância (L). Pelas
mesmas razões explicitadas para irradiância, também recebe a designação λ, tornando-se Lλ
(PONZONI & SHIMABUKURO, 2007).Pelo exposto, pode-se concluir que a reflectância
22
representa a relação entre radiância de um alvo pela sua irradiância. Nota-se que a reflectância
expressa as propriedades intrínsecas dos objetos em refletir radiação eletromagnética sobre
eles incidente (PONZONI, 2002). A neve apresenta reflectividade alta e constante, refletindo
a maior parte da energia que recebe, dos diferentes comprimentos de onda. Já a vegetação
possui um comportamento cromático (CHUVIECO, 2007).
A análise conjunta destes três fenômenos, reflectância, absortância e transmitância,
compõem o estudo do comportamento espectral dos alvos. Entretanto, comumente enfatiza-se
a análise da reflectância dos alvos, uma vez que a maioria dos sensores atualmente
disponíveis para o estudo dos recursos naturais utiliza a radiação eletromagnética refletida por
eles (JÚNIOR, 2001).
O gráfico que apresenta a variação da reflectância espectral de um objeto em função do
comprimento de onda é chamado curva de reflectância espectral. A Figura 2 apresenta as
curvas de reflectância espectral médias para as classes vegetação, solo exposto e água.
Figura 2. Curvas de reflectância espectral para diferentes alvos.
Fonte: Novo (2008).
Cada objeto gera sua curva característica no espectro eletromagnético, que é conhecida
como assinatura espectral. Geralmente, um conjunto de valores de energia em certas bandaschave em determinado objeto detectado pelos sensores de satélite é utilizado para identificar e
separá-lo de outros objetos (LIU, 2006). Conforme pode ser observado na Figura 2, o solo
exposto é caracterizado pelo contínuo aumento da reflectância com o aumento do
comprimento de onda incidente. Já a água possui um comportamento antagônico, com baixa
reflectância (<10%) para comprimentos de onda de aproximadamente 0,5µm e diminuindo em
23
todo espectro do visível, até praticamente a 0% quando incidido por comprimentos de onda de
0,8 µm. Já a vegetação possui um comportamento cromático, ou seja, tem baixos valores de
reflectância na faixa do visível, altos valores no infravermelho próximo e menores valores na
região do infravermelho médio.
Pela análise de curvas de reflectância, como as apresentadas acima, pode ser prevista a
aparência de alvos em produtos de sensoriamento remoto, como imagens orbitais ou
fotografias aéreas. Esta aparência é mostrada pela tonalidade (clara ou escura) assumida pelos
alvos e, dependendo do tipo de produto, ela ainda pode ser expressa pela cor e pela textura.
Conclui-se, então, que o conhecimento do comportamento espectral dos alvos é fundamental
para a extração de informações a partir de produtos de sensoriamento remoto (JÚNIOR,
2001).
3.2.4 Comportamento Espectral da Vegetação
O estudo da interação entre radiação eletromagnética e vegetação (fenômenos de
reflexão, absorção e transmissão) resulta na caracterização do comportamento espectral da
vegetação, que envolve principalmente o estudo dos fatores influentes na reflexão da radiação
por folhas isoladas e por dosséis de vegetação (PONZONI & SHIMABUKURO, 2007).
Apesar de sua importância, este estudo ainda oferece notáveis dificuldades como
conseqüência dos múltiplos fatores que influenciam na radiância final detectada pelo sensor
(CHUVIECO, 2007).
De todos os elementos constituintes da vegetação, a folha é o principal quando se
considera o processo de interação descrito. Para uma melhor compreensão das características
de reflectância da REM incidente sobre uma folha é necessário o conhecimento de seu estado
fenológico (que irá indicar sua composição química, principalmente tipo e quantidade de
pigmentos fotossintetizantes), de sua forma e morfologia interna (distribuição e quantidade de
tecidos, espaços intercelulares, etc) e de seu conteúdo de umidade (PONZONI, 2002;
CHUVIECO, 2007).
Para um melhor entendimento do comportamento espectral da vegetação, a curva de
reflectância característica de uma folha verde sadia é mostrada na Figura 3.
24
Figura 3. Curva de reflectância característica de uma folha verde sadia.
Fonte: Novo (2008).
Os principais aspectos relacionados ao comportamento espectral da folha, em relação a
três regiões espectrais são:
Região do visível (0,4 a 0,7 µm): zona com cerca de 90% de absorção da
radiação, em que os pigmentos existentes nas folhas dominam a reflectância espectral.
Estes pigmentos, geralmente encontrados nos cloroplastos são: clorofila (65%),
carotenos (6%), e xantofilas (29%). A proporção destes pigmentos nas folhas pode
variar grandemente de espécie para espécie. Todos estes pigmentos absorvem na
banda do espectro em torno de 0,445 µm (região do azul), particularmente, a clorofila
absorve a banda do espectro em torno de 0,645 µm (região do vermelho), na região do
espectro em torno de 0,55 µm há uma menor absorção, ocasionando um pico de
refletividade que coincide com a banda do verde do espectro visível e causa a cor que
percebemos como de vegetação vigorosa (LIU, 2006, PONZONI, 2002; CHUVIECO,
2007; PONZONI & SHIMABUKURO, 2007).
Região do infravermelho próximo (0,7 a 1,3 µm): caracterizada por uma
absorção pequena da radiação e considerável espalhamento interno na folha,
ocasionando alta reflectância no intervalo de 0,7 a 1,3 µm. A absorção da água líquida
é geralmente baixa nessa região e a reflectância é aproximadamente constante. A alta
reflectância se deve a estrutura celular interna das folhas, principalmente à camada
esponjosa do mesófilo, que com suas cavidades de ar internas espalha a maior parte da
radiação nesta região. Por isso, a folha sadia tem alta refletância na região do
25
infravermelho próximo, em evidente contraste com a baixa reflectância na faixa do
visível, especialmente na banda do vermelho (PONZONI, 2002; CHUVIECO, 2007).
Região do infravermelho médio (1,3 a 3,2 µm): a absorção devido à água
líquida é evidente, provocando grande redução da reflectância espectral da vegetação.
A água absorve consideravelmente a REM incidente na região espectral compreendida
entre 1300 nm a 2000 nm. Considerando a água líquida, há uma reflectância
geralmente pequena (menor que 10% para um ângulo de incidência de 65 o e, menor
que 5%, para um ângulo de incidência de 20o) na região em torno de 2000 nm.
Pontualmente, a absorção da água se dá em 1100 nm; 1450 nm; 1950 nm; 2700 nm e
6300 nm (CHUVIECO, 2007; PONZONI & SHIMABUKURO, 2007).
Considerando o nível de coleta de dados em laboratório comumente são consideradas as
folhas, partes de plantas, das quais são extraídos dados com o objetivo de caracterizar
espectralmente fenômenos e/ou aspectos relacionados ao processo de interação entre a
radiação eletromagnética e a vegetação (PONZONI, 2002). No entanto, o sensor de um
satélite não mede somente folhas isoladas, mas sim agrupamento de folhas, que formam
dosséis (dosséis de florestas, culturas agrícolas, formações vegetais de porte herbáceo, etc).
Isto implica que, além dos fatores que controlam a reflectância das folhas, deve-se considerar
as características morfológicas das plantas: altura, perfil, grau de cobertura do solo, índice de
área foliar (IAF), etc, que provocam uma notável modificação no seu comportamento
reflectivo. Outro grupo de fatores a ser considerado está relacionado com a situação
geográfica das plantas: declividades, orientações, associações com outras espécies, geometria
da plantação, etc (CHUVIECO, 2007; PONZONI & SHIMABUKURO, 2007).
Apesar da complexidade, estes fatores possibilitam orientar estudos científicos de
vegetação a partir de sensores espaciais. Diversos estudos apontam que o contraste mais
nítido na reflectividade espectral na vegetação sadia se constrói entre as bandas do visível e
do infravermelho próximo. O que leva a se considerar, como princípio genérico, que quanto
maior o contraste entre estas duas bandas, maior o vigor da vegetação e mais clara a sua
discriminação frente a outros tipos de alvos. Este comportamento espectral teórico tem
servido de base para obter uma série de índices de vegetação, que tem por base o contraste
entre bandas do infravermelho próximo e do vermelho visível (CHUVIECO, 2007).
3.3 Processamento Digital de Imagens Multiespectrais
26
3.3.1 Calibração de Imagens Multiespectrais para Valores Físicos
A resolução radiométrica de uma imagem de satélite pode ser conceituada como “a
sensibilidade de um detector de sensoriamento remoto a diferenças na potência do sinal à
medida que registra o fluxo radiante refletido, emitido ou retroespalhado pelo terreno”
(JENSEN, 2009). Esta resolução determina o número de níveis de sinal claramente
discriminados pelo sensor. Assim, valores dos pixels em imagens de satélite normalmente
expressam a quantidade de energia radiante recebida do sensor na forma de valores relativos
não calibrados, simplesmente chamados de números digitais (NDs) (EASTMAN, 2006).
Cada sensor possui seu próprio critério para identificar os valores de radiância medidos
na escala de sua resolução radiométrica (8 bits, 16 bits, etc), em suas respectivas bandas
espectrais. Ponzoni & Shimabokuro (2007), afirmam que mesmo as imagens de um respectivo
sensor, em diferentes bandas, não apresentam necessariamente compatibilidade entre os NDs.
Portanto, um valor de ND em duas imagens em diferentes bandas espectrais não está em
mesma escala de cinza. Isso resulta na impossibilidade de comparação entre NDs de distintos
sensores e entre diferentes bandas de um mesmo sensor.
Como solução a este obstáculo, está a conversão dos NDs para valores físicos (de
radiância ou reflectância). A partir do conhecimento de algumas características, tanto do
sensor que gera as imagens, quanto das condições ambientais nas quais as mesmas foram
geradas, pode ser feita esta conversão por meio de algoritmos desenvolvidos para o
processamento das imagens de satélite.
A conversão dos NDs para valores de radiância aparente permite que os dados contidos
nas diferentes bandas espectrais de um mesmo sensor ou de sensores diferentes possam ser
comparados entre si. No entanto, ela passa a não ser um parâmetro mais apropriado para
avaliações das propriedades espectrais de objetos em função de ser um parâmetro
radiométrico condicionado à intensidade de energia radiada pela fonte. Utiliza-se então,
valores de reflectância, representada por fatores de reflectância (Fator de Reflectância
Espectral aparente – FRB aparente).
Markham e Barker, em 1986, propuseram um método para transformação de ND para
FRBaparente. Primeiramente, os NDs são convertidos para valores de Radiância Bidirecional
aparente, usando os parâmetros de calibração do sensor.
Normalmente, os sensores são calibrados de modo que haja uma relação linear entre o
ND e radiância espectral. Esta função linear é normalmente descrita por três parâmetros: o
27
intervalo de valores de ND da imagem, a radiância espectral mínima (Lmin) e a radiância
espectral máxima (Lmax) medidas por um detector sobre o comprimento da banda espectral.
Lmin é a radiância espectral correspondente ao mínimo valor de DN (normalmente 0). L max é a
radiância correspondente ao ND máximo (exemplo, 255). Não só cada sensor, mas cada
banda dentro do mesmo sensor tem a sua própria L min e Lmax. As informações sobre os
parâmetros de calibração do sensor são normalmente fornecidas com os dados das imagens ou
estão disponíveis na internet (EASTMAN, 2006). A equação abaixo representa a conversão
de ND para Radiância Bidirecional aparente:
(4)
em que
é Radiância Bidirecional aparente;
a radiância espectral máxima,
radiométrica do sensor) e
é a radiância espectral mínima;
é
é o número digital máximo (depende da resolução
é o número digital a ser convertido.
Alternativamente, a calibração do sensor pode ser expressa sob a forma de offset e
ganho. Neste caso, a radiação pode ser calculada como:
(5)
em que
é Radiância Bidirecional aparente;
é o número digital a ser convertido;
refere-se a uma quantidade em valores de
suficiente para compensar a chamada
corrente escura do detector, ou seja, para compensar a resposta do detector mesmo quando
este não receber qualquer quantidade de radiação incidente e
refere-se a um valor de
ganho normalmente ajustado para impedir que o valor medido sature positivamente quando
observa objetos claros, e negativamente quando observa objetos escuros.
Por fim, os valores de Radiância Bidirecional aparente são utilizados para determinação
do Fator de Reflectância Bidirecional aparente (FRB aparente):
(6)
em que
é o FRB aparente;
Terra em unidades astronômicas;
é o ângulo solar zenital.
é Radiância Bidirecional aparente;
é a distância Sol-
é a irradiância média do sol no topo da atmosfera e
28
Apesar da conversão de ND para FRB aparente, ainda não é possível a caracterização
espectral de um objeto existente na superfície terrestre, devido aos efeitos da atmosfera
interferir nos valores de FRB aparente. Para que tal caracterização seja possível, é necessária
a eliminação ou minimização dos efeitos da atmosfera sobre os valores de FRB aparente.
A atmosfera pode afetar a natureza das imagens de sensoriamento remoto de várias
maneiras. Em nível molecular, os gases atmosféricos causam a dispersão, que afeta
progressivamente comprimentos de onda mais curtos (o que faz, por exemplo, o céu parecer
azul). Além disso, os principais componentes atmosféricos, como oxigênio, dióxido de
carbono, ozônio e vapor de água (especialmente os dois últimos) causam absorção da energia
em comprimentos de onda selecionados. Partículas de Aerossol (suspensão gasosa de
partículas finas sólidas ou líquidas) são os principais determinantes da neblina, e afetam nãoseletivamente (isto é, afetam igualmente todos os comprimentos de onda) (EASTMAN,
2006).
De maneira prática, Novo (2008) afirma que os efeitos da atmosfera sobre as imagens
de sensoriamento remoto são a redução do contraste entre os objetos de uma dada cena, a
redução da possibilidade de detecção de pequenos objetos dentro de uma cena, ou de distinção
entre objetos que apresentem pequenas variações na intensidade de sinal.
Um método comumente utilizado para se efetuar a correção atmosférica de imagens de
sensoriamento remoto é a Correção Atmosférica pela Subtração do Pixel Escuro (ou Dark
Object Subtraction-DOS), proposto por Chavez, em 1988. É considerado um método de fácil
aplicação, já que dependente somente de dados da própria imagem. A Correção Atmosférica
pelo pixel escuro adota a hipótese de que em toda e qualquer cena e em qualquer banda
espectral existam pixels que deveriam assumir o valor "0" (seja nas imagens originais com
NDs, quanto naquelas já convertidas para FRB aparente). Alguns pixels poderiam assumir
valor “0” devido ao não recebimento de radiação incidente (sombras na região do visível, por
exemplo), ou devido à completa absorção da radiação incidente (como corpos d'agua límpida
nas regiões do infravermelho próximo e médio). Então, são determinados valores de ND ou
de FRB aparente para serem subtraídos de todos os NDs ou FRBs aparentes de toda a cena
(PONZONI & SHIMABOKURO, 2007).
Uma das principais criticas à aplicação desse método para proceder a correção
atmosférica de dados orbitais, além dessa homogeneidade assumida da influência atmosférica
para toda a cena, refere-se ao fato de que a correção considera somente o fenômeno de
espalhamento da atmosfera, desprezando completamente o de absorção.
29
3.3.2 Índices de Vegetação
Novo (2008) expõe que a correção dos efeitos atmosféricos é importante em três casos
específicos: i) quando o usuário quer recuperar/conhecer o valor da refletância, da emitância
ou do retro-espalhamento do alvo estudado, para poder utilizar estes valores em modelos
empíricos ou teóricos; ii) quando o usuário deseja comparar imagens de diferentes datas em
termos das propriedades dos objetos na cena; iii) quando o usuário precisa utilizar algoritmos
que se baseiem em operações aritméticas entre bandas (como a utilização de imagens NDVI).
Segundo Liu (2006), nas aplicações de sensoriamento remoto, cientistas desenvolveram
os índices de vegetação para monitorar e quantificar as condições e distribuições espaciais das
vegetações, usando os dados de refletâncias espectrais da radiação eletromagnética.
Os índices de vegetação são resultados das várias combinações matemáticas das
refletâncias em varias faixas espectrais da radiação eletromagnética, especialmente nas
regiões do visível e do infravermelho próximo (LIU, 2006). A base da proposição desses
índices apóia-se no comportamento antagônico da refletância da vegetação nas regiões
espectrais do visível e do infravermelho próximo: em principio, quanto maior a densidade da
cobertura vegetal em certa área, menor a refletância na faixa do visível (de 0,4 a 0,7μm)
devido à absorção da radiação solar pela ação dos pigmentos fotossintetizantes presentes nas
folhas. Já na faixa do infravermelho próximo (0,725 a 1,10 μm), maior a refletância devido ao
espalhamento múltiplo da radiação eletromagnética nas diferentes camadas de folhas
(PONZONI & SHIMABUKURO, 2007). Basicamente, o objetivo da aplicação dos índices de
vegetação visa condensar as informações espectrais dos alvos e realçar o que é vegetação do
que não é vegetação, avaliar as condições de crescimento das culturas, verificar a ocorrência
de doenças, pragas, secas e geadas, e diversos eventos catastróficos meteorológicos (LIU,
2006).
As aplicações de índices de vegetação no monitoramento e na discriminação de usos do
solo na superfície terrestre têm varias vantagens, como por exemplo:
a) os dados compactos de índices de vegetação são calculados com os dados de
refletâncias das várias faixas espectrais da energia de radiação eletromagnética;
b) os valores relativos compensam a variação de intensidade da radiação;
c) minimizam ou corrigem parcialmente fatores que influenciam os valores de
refletância da vegetação, como os efeitos das variações locais das condições atmosféricas
(efeitos de iluminação da cena) e das variações de ângulo de visada de sensores e ângulos
30
solares (geometria de aquisição), considerando se esses efeitos na variação da refletância
recebida pelos sensores nas bandas que compõem os índices são da mesma magnitude
(PONZONI & SHIMABUKURO, 2007; LIU, 2006).
Índice de Vegetação da Diferença Normalizada
O índice de vegetação da diferença normalizada (Normalized Different Vegetation Index
- NDVI) foi proposto por Rouse et al., em 1973. O NDVI é calculado pela diferença de
refletância entre a faixa de infra-vermelho próximo (NIR) e a do vermelho visível (VIS). Essa
diferença é normalizada pela divisão da soma das faixas de NIR e VIS (LIU, 2006). Neste
índice, é incluída especificamente a região do vermelho, em substituição a de toda região do
visível, devido a maior absorção da radiação eletromagnética pela clorofila para a faixa
espectral do vermelho em relação às demais. Em adição, esta faixa espectral tem a vantagem
de corresponder a de maior comprimento de onda na faixa do visível, pois, quanto menor o
comprimento de onda, maior a interferência da atmosfera. Portanto, privilegia-se a região do
vermelho em detrimento a do azul e a do verde (PONZONI & SHIMABUKURO, 2007).
A equação geral é representada pela Equação abaixo.
(7)
em que NDVI é o índice de vegetação da diferença normalizada; NIR é a refletância da faixa
de infravermelho próximo (0,725 a 1,10 μm); VIS é a refletância da faixa de vermelho visível
(0,63 a 0,7 μm).
Liu (2006) e Shimabukuro et al (2007) explicam que por ser resultado da combinação
de duas bandas, o NDVI encobre parcialmente os efeitos da presença dos constituintes
atmosféricos, minimizando os efeitos da atenuação atmosférica em imagens multi-temporais.
E por causa da normalização, os efeitos das variações de ângulos solares e ângulo de visada
dos sensores também são minimizados.
Pela sua formulação, é nítida a possibilidade de cálculo a partir de dados das regiões do
vermelho e do infravermelho próximo provenientes de qualquer sensor. Em função das
resoluções espectral e radiométrica do sensor utilizado, os valores de NDVI mostrarão
características e dinâmicas próprias, ou seja, é de suma importância observar as características
espectrais e radiométricas do sensor do qual se extrai os dados para o cálculo deste índice
(PONZONI & SHIMABUKURO, 2007).
31
EPIPHANIO et al. (1996) relatam que a relação entre sensoriamento remoto e os
parâmetros biofísicos dos objetos da superfície terrestre pode ser feita através da aplicação de
índices de vegetação.
Dalposso et al. (2009) estudaram o comportamento espectral da biomassa da soja em
36 municípios da região Oeste do Paraná a partir da análise da autocorrelação espacial do
índice NDVI de dados referentes a refletância de superfície das imagens do sensor TM.
Como resultados, obtiveram mapas de NDVI relacionados a índices estatísticos que
possibilitaram a identificação do estádio de desenvolvimento das culturas e podem ser
utilizados para um melhor planejamento do momento de plantio, evitando sobrecargas de
abastecimento.
Schirmbeck et al. (2009), propuseram uma parametrização para aplicação do modelo
Penman-Monteith ajustada ao sensoriamento remoto, para estimativa da evapotranspiração
distribuída na área de ocorrência do Sistema Aqüífero Guarani, no estado do Rio Grande do
Sul. Para tanto, utilizaram imagens NDVI, obtidas a partir de imagens MODIS, para
estimativa da temperatura de superfície (parâmetro de entrada do modelo). Os resultados
obtidos pelos autores demonstraram que o modelo é consistente e possibilita a obtenção da
distribuição espacial da evapotranspiração em grandes áreas com uma reduzida quantidade de
informações de terreno.
3.4 Importância dos Estudos sobre Evapotranspiração e Estudos em Bacias
Hidrográficas
Brutsaert (2005) afirma que em termos de quantidade de água transportada em bacias
globais, a evapotranspiração é o segundo componente mais importante do ciclo hidrológico,
depois de precipitação. A climatologia geral do ciclo hidrológico indica que sobre a superfície
da Terra a quantidade média de evapotranspiração corresponde a, aproximadamente, 60 a
65% da precipitação média.
Mello et al. (2004) verificaram uma porcentagem, em relação ao balanço hídrico anual,
de 51,6% de evapotranspiração para uma bacia hidrográfica com grande parte de sua
superfície ocupada por braquiária (Brachiaria decumbens), com a presença de eucalipto
(Eucaliptus grandi) e vegetação típica de várzea.
Kobiyama & Chaffe (2008) realizaram um estudo para avaliar o balanço hídrico e
analisar a evapotranspiração na bacia do rio Cubatão-Sul, com área de 403,83 km2, no estado
32
de Santa Catarina. Esta bacia é de suma importância para a irrigação e suprimento de água
potável para a Região da Grande Florianópolis. As análises foram realizadas com dados de
uma estação hidrometeorológica referentes ao período de 1977 a 1994 e a evapotranspiração
foi estimada através do modelo hidrológico concentrado HYCYMODEL e dos métodos do
balanço hídrico simplificado, de Hamon, de Penman modificado, de Blaney e Criddle e de
Thornthwaite. Os autores constataram que a evapotranspiração real chega a 44% do balanço
hídrico anual. Ainda explicitam que, além de o cultivo extensivo de terra ter aumentado,
devido ao crescimento populacional, o ambiente vem sendo degradado devido ao mau
planejamento do uso do solo. Por conseguinte, há uma demanda social para as pesquisas de
evapotranspiração em nível de bacia hidrográfica para quantificar a água e os impactos aos
recursos ambientais. Portanto, o estudo realizado por Kobiyama e Chaffe & vem a contribuir
para o estabelecimento de estratégias de manejo dos recursos hídricos e para orientações
relativas ao uso do solo na bacia do rio Cubatão-Sul.
Pineda (2008) realizou um estudo observacional e de modelagem hidrológica na
Reserva Biológica do Rio Cuieiras, 60km a noroeste de Manaus, na micro-bacia do Igarapé
Asu. Para a modelagem hidrológica foram utilizados dois modelos, dentre os quais, o
DHSVM (Distributed Hydrology Soil Vegetation Model), um modelo hidrológico físicodistribuído. A evapotranspiração simulada pelo DHSVM foi bastante similar à série de
evapotranspiração medida na região, conforme se observa na Tabela 1:
Tabela1. Balanço observado e simulado, em mm, de algumas bacias do estudo.
3a Ordem
1a Ordem
Dez/2004 – Out/2006
Mai/2005 – Out/2006
Observado
DHSVM
Observado
DHSVM
3291,00
2845,20
Precipitação
1714,82
19854,26
1543,30
1890,25
Evapotranspiração
2001,30
2222,38
1449,41
624,26
Escoamento
-425,12
885,64
-147,51
330,69
Armazenamento
Fonte: adaptado de Pineda (2008).
Bacia
Período
Assim, observou-se que a estimativa da evapotranspiração chegou a um valor de até
66,4% em relação ao total precipitado. A autora escolheu o uso de modelos distribuídos para
obter uma melhor representação dos processos hidrológicos e do cálculo da evapotranspiração
em modelos de interação superfície vegetada-atmosfera.
Meireles (2007) estimou a evapotranspiração distribuída horária e diária na bacia
hidrográfica do Acaraú, no estado do Ceará. A partir de uma imagem LandSat 5 TM, datada
de 01 de setembro de 2004, foi analisado o comportamento da evapotranspiração nos
33
reservatórios Jaibaras, Paulo Sarasate, Edson Queiroz e Forquilha e na região que abrange o
Perímetro de Irrigação Araras Norte. Para tanto, o autor aplicou o modelo SEBAL (Surface
Energy Balance Algorithm for Land), o qual estima a evapotranspiração distribuída horária e
diária como um residual do balanço de energia, e tem como dados de entrada, além de outros,
imagens NDVI. Os resultados obtidos apontaram as maiores taxas de evaporação nas regiões
de superfície líquida dos açudes, correspondendo a 7,5mm.d-1, além da influência da
perenização dos cursos de água na umidade do solo das margens, pois percebeu-se em alguns
intervalos da zona ripária valores de NDVI e de evapotranspiração diária semelhantes aos
observados nas áreas irrigadas. O autor ainda evidencia um grande potencial no emprego do
algoritmo SEBAL em estudos de desertificação, alterações na vegetação e uso da terra em
escala de bacias hidrográficas, visto que a identificação de alterações de espécies pode ocorrer
pelo estudo das cartas de evapotranspiração.
Portanto, a partir dos estudos citados, pode-se verificar que informações quantitativas
do processo de evapotranspiração constituem importante fase do ciclo hidrológico e são
utilizadas na resolução de diversos problemas que envolvem o manejo de água. Dentre as
utilidades apresentadas, a evapotranspiração é freqüentemente adotada como a quantidade de
água necessária ao abastecimento no desenho de esquemas de irrigação, ou seja, é utilizada no
planejamento de áreas agrícolas para plantio irrigado e de sequeira e a quantidade e a taxa de
evapotranspiração são as informações requeridas para o projeto de reservatórios de água para
a geração de energia e abastecimento municipal e industrial, irrigação de regiões de
agricultura e até mesmo recreação (BRUTASET, 1992; TUCCI, 2007).
34
4. MATERIAL E MÉTODOS
4.1 Caracterização da Área de Estudo
A área de estudo é constituída pela bacia hidrográfica do Rio Negrinho, com área de
195,09 km2, está localizada no Planalto Norte Catarinense, próximo à divisa com o estado do
Paraná, entre as longitudes 49°19’54”W e 49°31’22”W e as latitudes 26°14’45”S e
26°25’31”S. Esta bacia abrange as cidades de Rio Negrinho, São Bento do Sul e Corupá
(Figura 4).
Brasil
Figura 4. Localização da bacia hidrográfica do Rio Negrinho.
35
A bacia está inserida na Zona Agroecológica 3B. Esta zona é classificada como de
clima Cfb, segundo Köeppen, ou seja, clima temperado constantemente úmido, sem estação
seca, com verão fresco (temperatura média do mês mais quente < 22,0°C). O clima é
mesotérmico brando (temperatura do mês mais frio entre 10 e 15°C), com isoterma do mês
mais frio entre 11,5°C e 13,0°C, ficando inserida, desta forma, na GUP 3 como está
apresentado nas Tabelas 2 e 3 (EPAGRI/CIRAM, 2009).
Tabela 2. Temperatura média, mínima e máxima, precipitação anual e dias de chuva da zona agroecológica
3 (GUP3).
Temperatura (oC)
GUP
Zona
3
B
Média
15,5 a 17,0
Máxima
Mínima
Precipitação
(mm/ano)
26,6 a 24,0
10,8 a 11,8
1360 a 1670
Dias de chuva
138 a 164
Fonte: EPAGRI/CIRAM (2009)
Tabela 3. Umidade relativa, ocorrência de geadas, horas de frio e insolação da zona agroecológica 3
(GUP3).
Horas de frio
Umidade
Geadas
Insolação
Abril
a outubro
GUP
Zona
Relativa
(ocorrência)
(horas/ano)
(%)
<7,2 oC
<13,0 oC
3
B
80,0 a 86,2
5,4 a 14,0
437 a 642
1653 a 2231
1413 a 1413
Fonte: EPAGRI/CIRAM (2009)
A temperatura média anual varia de 15,5 a 17,0°C. A temperatura média das máximas
varia de 24,0 a 26,6°C, e das mínimas de 10,8 a 11,8°C. As horas de frio abaixo ou iguais a
7,2°C variam de 437 a 642 horas acumuladas por ano. A insolação total anual varia de 1.413 a
1.613 horas.
A precipitação pluviométrica total anual pode variar de 1.360 a 1.670 mm, com o total
anual de dias de chuva entre 138 e 164 dias. A umidade relativa do ar pode variar de 80,0 a
86,2% (EPAGRI/CIRAM, 2009).
A área de estudo localiza-se na região de predominância da Floresta Ombrófila Mista.
Esta formação é caracterizada por possuir o pinheiro brasileiro (Araucaria angustifolia) como
espécie dominante (Klein, 1978). Este tipo de formação é constituída de submatas composta
por árvores características nas diferentes áreas de ocorrência. Nessa submata predominam a
imbuia (Ocotea porosa) e a Sapopema (Sloanea lasicoma). Já na sinusita das árvores
predomina a erva-mate (Ilex paraguriensis). Essas características imprimem uma fisionomia
própria da mata dos pinhais, pertencente a essa região no Estado Catarinense (Klein, 1978).
36
A paisagem da região está bastante descaracterizada, devido a substituição da floresta
original por áreas de pastagem, cultivos anuais e plantios de Pinus sp, sendo este último, a
formação dominante e que impulsiona o mercado da região. Atualmente, restam pequenos
fragmentos de Floresta Ombrófila Mista, alguns conectados a corredores ciliares
remanescentes e outros ocorrendo de forma isolada (SANTA CATARINA, 1986).
A cobertura original da região está inserida na transição entre as unidades
fitogeográficas da Floresta Ombrófila Mista (floresta com araucária) e Floresta Ombrófila
Densa (floresta atlântica), ambas pertencentes ao bioma Mata Atlântica (EMBRAPA, 2004).
A Floresta Ombrófila Mista se estabelece, geralmente, em altitudes superiores a 500 m,
onde as chuvas são bem distribuídas ao longo do ano, sem períodos de seca e com
temperatura média anual amena, com quatro a seis meses de frio (temperatura média de 15ºC)
e, com no máximo seis meses quentes (temperatura média de 20ºC). A composição florística é
muito influenciada pelas baixas temperaturas e pela ocorrência de geadas no inverno
(Roderjan et al., 2002; Santa Catarina, 1986; EMBRAPA, 2004).
Na região, atualmente, a cobertura florestal original é composta predominantemente por
formações secundárias, em estágio de regeneração, devido ao corte seletivo de araucária
(Araucaria angustifolia), imbuia (Ocotea porosa) e cedro (Cedrella fissilis) e ao corte raso de
outras espécies, que ocorreram nas décadas de 1960 e 1970.
4.2 Material
Para o processamento e análise dos dados foram utilizados os programas
computacionais Idrisi Andes (EASTMAN, 2006), SPRING (Sistema de Processamento de
Informações Georreferenciadas), versão 5.0.4 e Microsoft Office Excel.
Para coleta dos pontos de controle e, conseqüentemente, para elaboração dos mapas de
uso e cobertura do solo, foi utilizado o Receptor GPS Garmim, modelo Map 76CSx.
No estudo, foram utilizadas imagens do satélite LandSat-TM5, listadas na Tabela 4,
com resolução radiométrica de 8bits (256 níveis de cinza), resolução espectral com três
bandas cobrindo a região do espectro visível (bandas 1, 2 e 3), uma banda cobrindo o
infravermelho próximo - IVP (banda 4), duas bandas cobrindo o infravermelho médio – IVM
(bandas 5 e 7) e data de passagem do satélite a cada 16 dias. Essas imagens foram obtidas
gratuitamente pelo site do Instituto Nacional de Pesquisas Espaciais
http://www.dgi.inpe.br/CDSR.
– INPE.
37
Tabela 4. Imagens LandSat-TM5 utilizadas.
Órbita
220
220
220
220
Data
Ponto
78
79
78
79
Dia
01
01
28
28
Mês
02
02
08
08
Ano
2009
2009
2009
2009
Resolução
Espacial
30m
30m
30m
30m
Os dados meteorológicos foram obtidos de nove estações, sendo três, localizadas no
Estado do Paraná e seis, em Santa Catarina (Tabela 5 e Figura 5). Os dados meteorológicos
utilizados foram: temperaturas média, máxima e mínima do ar, umidade relativa do ar,
velocidade do vento e radiação.
Tabela 5. Caraterísticas das estações meteorológicas.
Altitude
Latitude
Longitude
Dias de dados utilizados
(m)
Respon
-sável
Curitiba A807
Florianópolis
A806
Ilha do Mel
A847
Indaial A817
25,4486°S
49,2300°W
923,5
01/02/2009 e 28/08/2009
INMET
27,600°S
48,6166°W
1,8
01/02/2009 e 28/08/2009
INMET
25,4945°S
48,3259°W
1,0
01/02/2009
INMET
26,9164°S
49.2685°W
86,13
01/02/2009 e 28/08/2009
INMET
Itapoá A851
26,0813°S
48,6417°W
2,0
01/02/2009
INMET
27,4183°S
49,6467°W
4,84
01/02/2009
INMET
25,5090°S
48,8087°W
59,0
01/02/2009 e 28/08/2009
INMET
Rio dos Bugres
26,2569°S
49,5305°W
810,0
01/02/2009 e 31/12/2009
UFSC
Rio Negrinho
A862
26°2485°S
49°5806°W
869
01/01/2009 a 20/03/2009 e
21/06/2009 a 22/09/2009
INMET
Estação
Ituporanga
A863
Morretes A873
38
Figura 5. Localização das estações meteorológicas.
39
4.3 Método
4.3.1 Fluxograma Metodológico
A Figura 6 apresenta o fluxograma com o resumo das principais etapas utilizadas para a
geração das imagens NDVI; os métodos de obtenção de ETP pontuais, método de obtenção da
ETP distribuída; comparação entre os métodos.
Áreas de Estudo
Aquisição de Dados
Imagens
Multiespectrais
Dados
Monitorados
Método de
Penman- Monteith
Calibração Radiométrica e
Correção Atmosférica
Método de
Thornthwaite
Método de
Penman Modificado
Imagens NDVI
Relação
NDVI x ETP
Comparação
Imagens de ETP Distribuída
Mapas de Uso e
Cobertura do Solo
Análise da Distribuição
Espacial da ETP
Aplicabilidade do Método
Figura 6. Fluxograma metodológico.
40
4.3.2 Calibração Radiométrica e Correção Atmosférica das Imagens Multiespectrais
A calibração radiométrica e a correção dos efeitos atmosféricos foi realizada com o
objetivo de reduzir as distorções acarretadas pela defasagem dos sensores e obter valores
físicos de reflectância dos objetos nas imagens de forma mais fidedigna, para posterior
obtenção do índice de vegetação.
A calibração radiométrica e a correção atmosférica das imagens foram realizadas no
software Idrisi Andes, utilizando-se o modelo Cos(t), propsoto por Chavez (1996) apud
Eastman (2006).
O modelo utiliza as equações propostas por Markham e Barker (1986) apud Eastman
(2006), para a conversão dos NDs para fator de reflectância bidirecional aparente (FRB) e o
método da subtração do pixel escuro para a remoção de névoa.
O Cos(t) requer como dados de entrada: i) a imagem a ser corrigida; ii) dados referentes
ao satélite, como o horário e a data de passagem, o ângulo de visada, a elevação solar, bem
como os valores de offset e gain; iii) o comprimento médio do intervalo espectral da imagem
(banda); iv) o ND do pixel escuro (locais com ausência de reflectância).
As imagens de entrada no modelo correspondem às bandas 3 e 4 do satélite LandSat
TM-5, órbita 220 e ponto 78, data de passagem em 01 de fevereiro de 2009 e 08 de agosto de
2009. A data, o horário e a elevação do sol no momento da passagem do satélite, também
foram obtidos no site do INPE.
O valor médio do intervalo espectral das bandas 3 e 4 foi calculado pela média
aritmética entre o comprimento mínimo e máximo das mesmas (Tabela 6).
Banda
1
2
3
4
5
6
7
Tabela 6. Intervalo espectral das bandas do sensor TM5.
Intervalo Espectral (µm)
Azul – Verde
Verde
Vermelho
Infravermelho Próximo
Infravermelho Médio
Infravermelho Termal
Infravermelho Médio
Fonte: adaptada de INPE (2009).
0.45 – 0.52
0.52 – 0.60
0.63 – 0.69
0.76 – 0.90
1.55 – 1.75
10.40 – 12.50
2.08 – 2.35
41
Os NDs utilizados no modelo Cos(t), para subtração do pixel escuro, foram
determinados em regiões de sombreamento de relevo e de águas profundas, para as banda 3 e
4, respectivamente.
Os valores de offset e gain foram determinados segundo Chander et al. (2004).
Tabela 7. Valores de Gain e Offset (B) a aplicados às imagens TM5.
Radiância Espectral, Lmím e Lmáx (w/m2.sr.um)
Data
Banda
1
2
3
4
5
7
Após 05/05/2003
De 01/03/1984 a 04/05/2003
Lmím
-1.52
-2.84
-1.17
-1.51
-0.37
-0.15
Lmáx
152.10
296.81
204.30
206.20
27.19
14.38
Gain
0.602431
1.175100
0.805756
0.814549
0.108078
0.056980
Offset 1/Gain Lmím
Lmáx
-1.52
1.66
-1.52 193.0
-2.84
0.85
-2.84 365.0
-1.17
1.24
-1.17 264.0
-1.51
.423
-1.51 221.0
-0.37
9.25
-0.37
30.2
-0.15
17.55
-0.15
16.5
Fonte: Chander et al., 2004.
Gain
0.762824
1.442510
1.103988
0.872588
0.119882
0.65294
Offset
-1.52
-2.84
-1.17
-1.51
-0.37
-0.15
1/Gain
1.31
0.69
0.96
1.15
8.34
15.32
O ângulo de visada para todos os satélites Landsat, no modelo Cos(t), é considerado
como zero (0).
A Tabela 8 apresenta os dados de entrada inseridos no modelo Cos(t):
Tabela 8. Parâmetros das imagens LandSat TM5, órbita 220.
Data
Hora
(GMT)
Banda
Compr. médio
da banda
(µm)
ND
Gain
Offset
Ângulo
visada
(o)
Ângulo
Elevação do
Sol (o)
078
01/02/2009
12.947
3
0.66
12
0.103988
-0.117
0
54.2286
078
01/02/2009
12.947
4
0.83
07
0.0872588
-0.151
0
54.2286
079
01/02/2009
12.961
3
0.66
10
0.103988
-0.117
0
49.7139
079
01/02/2009
12.961
4
0.83
10
0.0872588
-0.151
0
49.7139
078
28/08/2009
13.014
3
0.66
12
0.103988
-0.117
0
41.7203
078
28/08/2009
13.014
4
0.83
09
0.0872588
-0.151
0
41.7203
079
28/08/2009
13.026
3
0.66
14
0.103988
-0.117
0
60.5475
079
28/08/2009
13.026
4
0.83
08
0.0872588
-0.151
0
60.5475
Ponto
4.3.3 Geração das imagens NDVI
Após a calibração radiométrica e atmosférica foram calculados os índices de vegetação,
pelo método da diferença normalizada. Esse método possibilita o realce das imagens por meio
42
da diferença normalizada entre bandas, condensando as informações espectrais dos objetos e
realçando a vegetação, com o objetivo de minimizar a influência do solo na resposta espectral
da mesma, diminuir a interferência da atmosfera e as variações mensais do ângulo solar
zenital, a partir da Equação:
(8)
onde NDVI é o índice da diferença normalizada;
comprimento de onda do vermelho;
é a banda correspondente ao intevalo do
é a banda correspondente ao intervalo do
comprimento infravermelho próximo do sensor TM (0,76 - 0,90 µm).
4.3.4 Método de Thornthwaite
O método de Thornthwaite estima a evapotranspiração potencial mensal, considerando
como padrão 30 dias em um mês e doze horas de insolação diária. Este método foi aplicado
utilizando os dados da estação de Rio Negrinho A862, para três períodos no verão e no
inverno de 2009.
O método de Thornthwaite requer como dados de entrada a temperatura média de cada
mês, conforme Equação:
ETP 16
10 Ti
I
a
(9)
em que ETP é a evapotranspiração potencial (mm/mês); Ti é a temperatura média mensal do
mês i (oC); I é o índice de calor da região; a é o coeficiente, também relacionado à
temperatura.
O índice de calor foi calculado pela Equação:
12
I
i 1
Ti
5
1, 514
(10)
em que I é o índice de calor da região e Ti é a temperatura média mensal do mês i (oC).
Já o coeficiente a foi estimado segundo:
a
6,75 10 7 I 3 7,71 10 5 I 2 1,7912 10 2 I
0,49239
(11)
43
Em que, a é o coeficiente e I é o índice de calor da região.
Por fim, realizou-se a correção da ETP para cada mês, em função do número total de
dias e horas de insolação diária:
ETPcorrigido
ETP
N ND
12 30
(12)
em que, ETPcorrigida é a evapotranspiração potencial ajustada (mm/mês); ETP é a
evapotranspiração potencial calculada previamente (mm/mês); N é o fotoperíodo médio
mensal, (normalmente assume-se que o 15º dia representa a média mensal); ND é o número
de dias respectivo mês.
A insolação média mensal (N) foi obtida para cada mês a partir da Tabela 9 (Anexo).
A Tabela 10 mostra os dados utilizados para o cálculo de I:
Tabela 10. Temperatura média mensal da estação de Rio Negrinho, para o ano de 2009.
Mês
Temperatura média (oC)
Janeiro
19.26
Fevereiro
20.54
Março
20.4
Abril
17.69
Maio
15.06
Junho
11.25
Julho
11.75
Agosto
14.06
Setembro
15.41
Outubro
16.35
Novembro
21.08
Dezembro
20.44
4.3.5 Método de Penman-Monteith
O método de Penman-Monteith estimou a evapotranspiração potencial em escala diária
e foi aplicado utilizando os dados da estação de Rio Negrinho, para os dias de verão (01 de
janeiro a 20 de março) e inverno (21 de junho a 22 de setembro) do ano de 2009.
A seguinte Equação apresenta a equação de Penman-Monteith:
(13)
em que
1
);
é a evapotranspiração de referência (mm.d-1);
é o fluxo de calor no solo (MJ/m2 d-1);
é a radiação líquida (MJ/m2 d-
é a temperatura média do ar (ºC);
é a
44
velocidade média do vento a 2 m de altura (m/s);
(kPa);
é a curva de pressão de vapor (kPa/ºC);
valor de 0,063 kPa/ºC e
é o déficit de pressão de vapor
é a constante psicrométrica, que possui
é um fator de conversão.
4.3.6 Método de Penman Modificado
O método de Penman Modificado estima a evapotranspiração diária e requer como
dados de entrada: temperatura média diária, velocidade média do vento, umidade relativa do
ar média, radiação solar média e insolação.
Este método foi aplicado em duas etapas: i) aplicação visando à obtenção de valores de
ETP para serem relacionados com valores de NDVI, por meio de regressão linear; ii)
aplicação objetivando a comparação de seus resultados com o método aplicado, juntamente
com os métodos de Penman-Monteith e Thornthwaite.
A utilização de dados estimados por este método, para relação com NDVI, justifica-se
pelo fato de ter sido apontado como um bom método de estimativa de ETP para a região que
compreende o Planalto Norte Catarinense e o Primeiro Planalto Paranaense (VESTENA &
KOBIYAMA, 2004, 2007; FILL et al., 2005; MULLER, 1995).
Na primeira etapa, foram calculadas as ETPs com dados de nove estações
meteorológicas, para o dia 01 de fevereiro e de seis estações para o dia 28 de agosto de 2009,
mesmas datas das imagens adquiridas do satélite LandSat-TM5 (Tabela 11).
Tabela 11. Estações meteorológicas dias de dados utilizados.
Estação
Dias de dados utilizados
Ilha do Mel A847
01/02/2009
Itapoá A851
01/02/2009
Ituporanga A863
01/02/2009
Curitiba A807
01/02/2009 e 28/08/2009
Florianópolis A806
01/02/2009 e 28/08/2009
Indaial A817
01/02/2009 e 28/08/2009
Morretes A873
01/02/2009 e 28/08/2009
Rio do Bugres
01/02/2009 e 28/08/2009
Rio Negrinho A862
01/02/2009 e 28/08/2009
45
Na segunda etapa, foi calculada a ETP com dados da estação de Rio Negrinho, para os
dias de verão (01 de janeiro a 20 de março) e inverno (21 de junho a 22 de setembro) do ano
de 2009.
A equação de Penman Modificado é descrita a seguir:
(14)
é a evapotranspiração potencial (mm.d-1 );
em que
é o fator de correção da fórmula
(adimensional) para compensar o efeito do dia e da noite nas condições climáticas, relaciona a
radiação solar, a umidade relativa máxima e a velocidade do vento diária e noturna;
éo
fator de ponderação relacionado com a temperatura e altitude (adimensional);
é a radiação
líquida (mm.d-1);
é a diferença
é a função relacionada ao vento (adimensional) e
entre a pressão de saturação do vapor d’água (
(
e a pressão de saturação real do vapor no ar
(mbar).
O fator de ponderação ( ) foi obtido pela Tabela 12 (Anexo).
A radiação solar líquida foi estimada segundo:
(15)
em que
(mm.d-1) e
é a radiação solar líquida (mm.d-1);
é a radiação solar líquida de ondas curtas
é a radiação solar de ondas longas (mm.d-1).
Já a radiação solar líquida de ondas curtas foi calculada conforme:
(16)
em que
é a radiação solar líquida de ondas curtas (mm.d-1);
é o albedo da superfície
(adimensional) (adotado valor 0,25, em função da Tabela 13, Anexo);
e
são coeficientes
de Angstron (adimensionais) (adotados valores de 0,25 e 0,50, respectivamente),
número de horas de insolação (horas/dia),
(horas/dia) (Tabela 8, Anexo) e
é o
é o número máximo de horas de insolação
é radiação solar extraterrestre (mm.d-1) (Tabela 14,
Anexo).
A radiação solar de ondas longas foi calculada segundo Equação abaixo:
(17)
46
é a radiação solar líquida de ondas longas (mm.d-1);
Em que
temperatura do ar;
é a função da pressão real de vapor e
é a função da
é a função da relação
n/N.
A partir da Equação descrita, foi calculada a função da temperatura do ar:
(18)
em que,
3
é a função da temperatura do ar;
Mj/m2dK-4);
é a constante de Sefan-Boltzmann (4,903*10 -
é a temperatura máxima diária (K) e
é a temperatura mínima diária (K).
A equação que representa a função da pressão real de vapor é indicada por:
(19)
em que,
é a função da pressão real de vapor e
é a pressão de saturação real do
vapor no ar (mbar).
Já a função da relação n/N é indicada abaixo:
+0,1
em que
é a função da relação n/N;
(20)
é o número de horas de insolação (horas/dia) e
é
o número máximo de horas de insolação (horas/dia) (Tabela 9, Anexo).
A função relacionada ao vento é representada a seguir:
(21)
em que,
é a função relacionada ao vento (adimensional) e
é a velocidade média diária
do vento, obtida a 2 metros acima da superfície (km/dia).
Como as estações meteorológicas fornecem a velocidade a 10 metros de altura da
superfície, foi então, feita a conversão de
para
:
(22)
47
em que,
é a velocidade média diária do vento, obtida a 2 metros acima da superfície
(km/dia);
é a velocidade média diária do vento, obtida a 10 metros acima da superfície
(km/dia);
é a altura de 2 metros acima da superfície e
é a altura de 10 metros acima da
superfície.
foi calculado a partir da Equação:
(23)
em que
Anexo) e
é a pressão de saturação do vapor d’água (mbar) (obtida através da Tabela 15,
é a umidade relativa do ar média (%).
4.3.7 Relação entre os dados NDVI e ETP
A relação entre os dados de NDVI e ETP foi realizada por meio de regressão linear
simples, gerando uma equação para a data de 01 de fevereiro de 2009 e outra para 28 de
agosto de 2009.
Os dados de ETP utilizados nas regressões lineares correspondem aos calculados pelo
método de Penman Modificado para as estações meteorológicas. Já os dados de NDVI foram
adquiridos pela identificação do valor do NDVI para o pixel com as mesmas coordenadas das
estações. Cabe ressaltar que, para a data de 01 de fevereiro, foram utilizados os dados das
nove estações, no entanto, para 28 de agosto, foram utilizados os dados de seis estações,
devido à impossibilidade de adquirir dados de NDVI para as mesmas coordenadas das três
estações, pela presença de nuvens. Além destes dados, ainda foi adotada a hipótese de que,
quando o NDVI tem seu valor mínimo (-1,0), não há ETP (ETP = 0).
Por meio do software Microsoft Office Excel foi criado o diagrama de dispersão para as
duas datas. Aplicando o método dos mínimos quadrados foi encontrada a linha e a equação de
regressão para a qual é mínima a soma dos quadrados dos desvios entre os valores observados
e estimados da variável dependente (ETP), para os dados amostrais.
Neste estudo, a Equação 24 mostra a relação entre NDVI e ETP:
(24)
Em que,
é a evapotranspiração potencial (mm.d-1);
e
são os coeficientes a
serem estimados pelo método dos mínimos quadrados (coeficiente linear e angular,
48
respectivamente) e
é o valor do índice de vegetação da diferença normalizada
(adimensional).
4.3.8 Geração das Imagens de ETP Distribuída
Determinados os coeficientes
e
da Equação 30, foram gerados mapas de ETP
distribuída por meio do software Idrisi Andes, que dispõe de ferramenta para a inserção da
equação de regressão, tendo como variável independente as imagens NDVI. Desta maneira,
para cada pixel das imagens NDVI foi calculado o respectivo valor de ETP, gerando, então, as
imagens de ETP distribuída.
4.3.9 Geração dos Mapas de Uso e Cobertura do Solo
Para elaboração dos mapas de uso e cobertura do solo foram utilizados recortes das
imagens LandSat TM5, órbita 220, ponto 78, datadas de 01/02/2009 e 28/08/2009, que
abrangem a região da bacia do Rio Neginho (Figura 7).
Figura 7. Imagens LandSat-TM5 de 01/02/2009 (à esquerda) e 28/08/2009 (à direita), em composição
RGB-321, da área de abrangência da bacia do rio Negrinho.
49
O processamento destas imagens foi realizado no software SPRING 5.0.4, por meio do
método de segmentação por crescimento de regiões e posterior classificação supervisionada.
A segmentação é um processo que segmenta a imagem digital em regiões (áreas)
espectralmente homogêneas, sendo algumas dessas áreas utilizadas posteriormente pelo
classificador (INPE, 2009).
Para a execução da segmentação por crescimento de regiões foi necessária a definição
do limiar de similaridade (baseado em um teste de hipótese estatístico que testa a média entre
os pixels e os agrupa em função de sua semelhança espectral) e da área mínima para a
formação de um segmento. O valor do limiar de similaridade utilizado foi 12 e de área 30
pixels.
Após a etapa de segmentação das imagens, foi realizada a coleta das amostras de
treinamento, em função das cinco classes de uso e ocupação do solo estabelecidas:
i) reflorestamento: áreas com reflorestamento de pinus;
ii) vegetação nativa: áreas com Floresta Ombrofila Mista, em diferentes estádios de
desenvolvimento e de regeneração;
iii) agricultura: áreas com diferentes tipos de culturas anuais cultivadas na região.
iv) solo Exposto áreas de solo exposto em época de preparo para o plantio e estradas.
v) área urbana: área urbana das cidades de São Bento do Sul e Rio Negrinho.
A partir das amostras suficientemente representativas de cada classe e das respectivas
bandas das imagens, foi realizado procedimento de classificação, segundo o método de
Battacharya, com limiar de aceitação de 99%.
Terminada a classificação supervisionada, foram realizadas edições nas imagens
classificadas por meio de interpretação visual considerando critérios como, textura, cor,
padrão, forma e localização. Além desses critérios, foi levado em consideração o
conhecimento da área, adquirido nos trabalhos de campo, para auxiliar no enquadramento das
classes de uso e do solo. No trabalho de reconhecimento da área em campo foram levantados
vários pontos com GPS de navegação, referentes a cada classe de uso, para auxiliar o processo
de classificação e de conferência do mapa final.
Por fim, foi executado o mapeamento para classes, que permitiu a transformação das
imagens classificadas para mapa temático matricial, ou seja, o mapa de uso e cobertura do
solo da bacia do rio Negrinho.
50
4.3.10 Comparação entre os Métodos de Estimativa de ETP
Para avaliar o desempenho do método aplicado, foram feitas comparações entre os
valores de ETP diária e mensal com os métodos de Penam Modificado, Penman-Monteith e
Thornthwaite aplicados com os dados da estação Rio Negrinho A862. A utilização do método
de Penman Modificado justifica-se pelo fato de ter sido aplicado em estudos e ter sido
apontado como um bom método de estimativa de ETP para a região que compreende o
Planalto Norte Catarinense e o Primeiro Planalto Paranaense (VESTENA & KOBIYAMA,
2004, 2007; FILL et al., 2005; MULLER, 1995). Já o método de Penman Monteith, foi
escolhido em função de ser comumente utilizado e por ser o método padrão, indicado pela
Organização das Nações Unidas para a Agricultura e a Alimentação (FAO - Food and
Agriculture Organization of the United Nations) (ALLEN et al., 1998). A utilização do
método de Thornthwaite justifica-se devido sua criação especificamente para bacias
hidrográficas e por utilizar apenas um parâmetro como variável independente.
Visto que as imagens utilizadas para relação entre os dados NDVI e ETP foram obtidas
em 01 de fevereiro e 28 de agosto, considerou-se que as equações de regressão são
representativas somente para as estações correspondentes a estas datas. Desta maneira, a
equação de regressão obtida para 01 de fevereiro, somente é representativa para os dias de
verão (de 01 de janeiro a 20 de março) e a obtida para 28 de agosto, para os dias de inverno de
2009 (21 de junho a 22 de setembro).
51
5. RESULTADOS
5.1 Uso e Cobertura do Solo
Analisando as Figuras 8 e 9, verifica-se que a cobertura predominante na bacia do Rio
Negrinho é a mata nativa, composta por floresta Ombrófila Mista em seus estágios de
regeneração. Conforme pode ser observado na Tabela 16, o reflorestamento possui a segunda
maior área de cobertura (17,70% em 01/02/2009 e 19,01% em 28/08/2009), evidenciando a
importância/magnitude das atividades de reflorestamento para a região. Pode-se observar,
também, um aumento de aproximadamente 8% da área de solo exposto para a data de 28/08,
em comparação a 01/02. Isto se justifica pelo fato de a imagem da segunda data ter sido
obtida em época de colheita das culturas. No entanto, as áreas de agricultura permaneceram
praticamente constantes nas duas imagens (fato que pode ter ocorrido pela não distinção deste
uso pelo classificador, e seu enquadramento como mata nativa – o que justificaria o aumento
de aproximadamente 7,5% para mata nativa). As áreas urbanas representam parte das cidades
de Rio Negrinho e São Bento do Sul e, provavelmente, em função da resolução espacial das
imagens utilizadas não possibilitar uma distinção apurada dos alvos e devido ao classificador
utilizado, houve uma diferença de 3,12km2 (sendo na realidade é improvável) nas áreas
urbanas nos dias 02 de fevereiro e 28 de agosto.
Data
Tabela 16. Uso e cobertura do solo da bacia do Rio Negrinho.
02 de fevereiro de 2009
28 de agosto de 2009
Classe
(km2)
Reflorestamento
Mata Nativa
Agricultura
Solo Exposto
Área Urbana
34,524
124,302
18,885
6,403
10,981
(%)
17,70
63,71
9,68
3,28
5,63
Classe
(km2)
(%)
Reflorestamento
Mata Nativa
Agricultura
Solo Exposto
Área Urbana
37,089
109,770
18,649
21,722
7,865
19,01
56,26
9,56
11,14
4,03
52
Figura 8. Mapa de uso e cobertura do solo da bacia do rio Negrinho em 01/02/2009.
53
Figura 9. Mapa de uso e cobertura do solo da bacia do rio Negrinho em 28/08/2009.
54
5.2 Calibração Radiométrica e Correção Atmosférica das Imagens Multiespectrais
Para as duas imagens LandSat TM5, órbita 220 e ponto 78, foram selecionadas áreas de
reflorestamento, agricultura e urbanas para análise dos valores médios de reflectância de
superfície dos pixels, como mostra a Tabela 17.
Tabela 17. Valores médios de reflectância de superfície dos diferentes usos do solo das imagens LandSat –
TM5, órbita 220 e ponto 78.
Data da Imagem
Banda
01/02/2009
01/02/2009
28/08/2009
28/08/2009
3
4
3
4
Reflectância
Urbana
0,1048553
0,2684202
0,1112958
0,2464923
Reflorestamento
0,0146633
0,2599674
0,0169664
0,2828465
Agricultura
0,0213584
0,4878405
0,0463236
0,5152444
A calibração radiométrica e a correção atmosférica, realizadas no modelo Cos(t)
apresentaram resultados satisfatórios. Observando a Tabela 17 verifica-se que a reflectância
para as áreas de agricultura está de acordo com os obtidos por Mercante et al. (2009). Os
autores analisaram as mudanças no comportamento espectral de uma cultura da soja,
localizada próxima ao município de Cascavel-PR por meio de imagens do satélite LandSatTM5. Após realizarem a calibração radiométrica e a correção atmosférica, constataram uma
variação no valor da reflectância da cultura, para a banda 3, de aproximadamente 0,025 a
0,085, e, para a banda 4, de 0,29 a 0,60, ambas para o período do início do desenvolvimento
da cultura (23/11/2004) até o pico vegetativo (26/01/2005). Portanto, os valores de 0,0213584
e 0,0463236 obtidos para áreas de cultivo agrícola, neste estudo, estão próximos com o
intervalo obtido por Mercante et al. (2009).
Ponzoni & Rezende (2004), objetivando avaliar o potencial e as limitações do uso de
dados radiométricos de imagens LandSat-TM5 na caracterização espectral de vegetação
secundária arbórea da região de Altamira - PA, a partir do estabelecimento de correlações
entre parâmetros biofísicos coletados em campo e dados radiométricos extraídos de imagens
orbitais TM/Landsat, encontraram valores de reflectância espectral de aproximadamente 0,27
e 0,04 para as bandas 4 e 3, respectivamente.
Roberts (1991) apud Pereira, Batista & Roberts (1996) determinaram a resposta
espectral de diferentes coberturas vegetais, para imagens LandSat-TM5, dentre elas, áreas de
floresta. Como resposta espectral para floresta, para a banda 4, obtiveram um valor de
55
reflectância próximo a 0,27. Neste estudo, os valores de reflectância das áreas de
reflorestamento (0,2599674 e 0,2828465 para a banda 4) são satisfatórios, visto a proximidade
destes com os estimados pelos autores.
5.3 Imagens NDVI
Após a calibração radiométrica e a correção atmosférica foram geradas imagens de
índice de vegetação, pelo método da diferença normalizada (NDVI).
Com o objetivo de avaliar posteriormente a ETP distribuída para a bacia do rio
Negrinho, foi feito um corte nas imagens (Figuras 10 e 11) onde o NDVI variou entre -1 e 1.
Observando as Figuras 13 e 14 constata-se que a imagem NDVI destaca a vegetação em
relação aos demais elementos, como áreas urbanas, solo exposto e corpos hídricos. Os tons de
verde indicam áreas cobertas de vegetação. Sendo que as zonas em verde escuro representam
regiões de vegetação densa, como florestas, onde os valores de NDVI estão próximos de 1. As
zonas urbanas, o solo exposto e os plantios recentes estão representados em tons mais
amarelados, com NDVI variando de 0 a -1.
Analisando as imagens obtidas em 01 de fevereiro e 28 de agosto de 2009, verifica-se
que na última, foi observada uma área maior com NDVI negativo, em virtude do solo exposto
devido à colheita em áreas de cultivo.
Na bacia em estudo não foi detectada a presença de corpos d’água de magnitude
suficiente a serem evidenciados nas imagens NDVI, uma vez que as imagens apresentam uma
resolução de 30x30m.
56
Figura 10. Imagem NDVI da bacia do rio Negrinho para 01 de fevereiro de 2009.
57
Figura 11. Imagem NDVI da bacia do rio Negrinho para 28 de agosto de 2009.
58
5.4 Estimativa de ETP Pontual
Método de Penman Modificado
Os valores de ETP obtidos pelo método de Penman Modificado, visando a relação com
valores de NDVI, são mostrados na Tabela 18. Observa-se que, no dia 01 de fevereiro, a ETP
apresentou valores mais elevados para as estações de Florianópolis e Ilha do Mel (5,35 e
6,01mm.d-1, respectivamente). Já os valores menos elevados de ETP foram registrados nas
estações de Rio dos Bugres e Rio Negrinho tanto para o dia 01 de fevereiro (4,15 e 3,95mm.d1
, respectivamente), quanto para o dia 28 de agosto de 2009 (2,65 e 2,90mm.d-1).
Tabela 18. ETP obtida das estações meteorológicas.
ETP para o dia 01 de fevereiro de 2009
ETP para o dia 28 de agosto de 2009
Estação
ETP (mm.d-1)
Estação
ETP (mm.d-1)
Curitiba A807
Florianópolis A806
Ilha do Mel A847
Indaial A817
Itaopá A851
Ituporanga A863
Morretes A873
Rio dos Bugres
Rio Negrinho A862
4,66
5,35
6,01
4,98
4,89
4,60
4,99
4,15
3,95
Curitiba A807
Florianópolis A806
Indaial A817
Morretes A873
Rio dos Bugres
Rio Negrinho A862
3,34
3,41
3,60
3,21
2,65
2,90
Os valores de ETP obtidos através dos dados da estação de Rio Negrinho, para os dias
de verão e inverno do ano de 2009 (01 de janeiro a 20 de março e 21 de junho a 22 de
setembro), objetivando posterior comparação com os resultados do método aplicado, são
apresentados nas Figuras 12 e 13.
59
ETP - 01/01/2009 a 20/03/2009
5.5
5.0
4.5
ETP (mm/dia)
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
1/1
8/1
15/1
22/1
29/1
5/2
12/2
19/2
26/2
5/3
12/3
19/3
Data
Figura 12. ETP obtida pelo método de Penman Modificado, para os dias de verão de 2009.
ETP - 21/06/2009 a 22/09/2009
4.5
4.0
3.5
ETP (mm/dia)
3.0
2.5
2.0
1.5
1.0
0.5
0.0
21/6 28/6
5/7
12/7 19/7 26/7
2/8
9/8
16/8 23/8 30/8
6/9
13/9 20/9
Data
Figuras 13. ETP obtida pelo método de Penman Modificado, para os dias de inverno de 2009.
A partir das Figuras 12 e 13, verifica-se a influência das estações no comportamento da
ETP. Para os dias de verão, cujas temperaturas diárias são mais elevadas, observa-se valores
de ETP mais elevados do que para os dias de inverno. Nos dias de 01 de janeiro a 20 de março
de 2009, obteve-se a máxima ETP de 4,90mm em 30 de janeiro, mínima de 3,44mm em 05 de
60
janeiro e uma média de 4,00mm.d -1. Nos dias de 21 de junho a 22 de setembro de 2009,
observou-se uma ETP máxima de 3,97mm em 02 de setembro, mínima de 2,24mm em 31 de
julho e uma média de 2,94mm.d -1.
Método de Penman Monteith
Os valores de ETP obtidos pelo método de Penman-Monteith, a partir dos dados da
estação de Rio Negrinho, para os dias de verão e inverno do ano de 2009 (01 de janeiro a 20
de março e 21 de junho a 22 de setembro), objetivando posterior comparação com os
resultados do método aplicado, são apresentados nas Figuras 14 e 15.
ETP (mm/dia)
ETP - 01/01/2009 a 20/03/2009
6.5
6.0
5.5
5.0
4.5
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
1/1
8/1
15/1
22/1
29/1
5/2
12/2
19/2
26/2
5/3
12/3
Data
Figura 14. ETP obtida pelo método de Penman Monteith, para os dias de verão de 2009.
19/3
61
ETP - 21/06/2009 a 22/09/2009
4.5
4.0
ETP (mm/dia)
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
21/6
28/6
5/7
12/7
19/7
26/7
2/8
9/8
16/8
23/8
30/8
6/9
13/9
20/9
Data
Figura 15. ETP obtida pelo método de Penman Monteith, para os dias de inverno de 2009.
A partir das Figuras 14 e 15, também pode-se verificar a influência das estações no
comportamento da ETP. Para os dias de 01 de janeiro a 20 de março de 2009, observou-se a
máxima ETP de 6,00mm em 31 de janeiro, mínima de 3,70mm em 19 de março e uma média
de 4,79mm.d-1. Para os dias de 21 de junho a 22 de setembro de 2009, observou-se uma ETP
máxima de 4,10mm em 02 de setembro, mínima de 1,30mm em 06 de julho e uma média de
2,31mm.d-1.
Método de Thornthwaite
O método de Thornthwaite estimou a ETP em escala mensal, utilizando-se os dados da
estação de Rio Negrinho A862. Os resultados são apresentados na Tabela 19.
Tabela 19. ETP obtida pelo método de Thornthwaite.
Data
ETP (mm)
01/01/09 a 21/01/09
22/01/09 a 21/02/09
22/02/09 a 20/03/09
21/06/09 a 20/07/09
21/07/09 a 20/08/09
21/08/09 a 22/09/09
60,72
98,22
89,87
41,68
42,07
59,39
62
Os dados apresentados na Tabela 19 indicam uma maior ETP para os períodos
referentes à estação verão, com máxima ETP de 98,22mm para os dias de 22 de janeiro a 21
de fevereiro. O valor de 60,72mm (sensivelmente inferior a ETP dos demais períodos da
estação verão) pode ser explicado pelo fato de abranger 21 dias, enquanto a mínima ETP foi
obtida para os dias de 21 de junho a 20 de julho, com valor de 42,07mm.
5.5 Relação entre os dados NDVI e ETP
A partir da análise de regressão entre os dados de ETP das estações e de NDVI, dos
pixels de localização geográfica idêntica a das estações meteorológicas, (Tabelas 20 e 21)
obtiveram-se os diagramas de dispersão para os dias de 01 de fevereiro e 28 de agosto de
2009, conforme mostram as Figuras 16 e 17.
Tabela 20. Dados de NDVI e ETP, para o dia 01 de fevereiro de 2009.
Estação
NDVI
ETP (mm.d-1)
Rio Negrinho A862
Itaopá A851
Indaial A817
Ituporanga A863
Florianópolis A806
Curitiba A807
Morretes A873
Ilha do Mel A847
Rio dos Bugres
0,587035
0,776037
0,906801
0,84667
0,84359
0,770952
0,888212
0,910759
0,757434
3,945
4,889
4,976
4,598
5,345
4,657
4,989
6,012
4,145
63
NDVI x ETP
ETP (mm/dia)
6.5
6
5.5
5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
-1.2 -1 -0.8 -0.6 -0.4 -0.2
y = 2.7302x + 2.6389
R² = 0.9364
0
0.2 0.4 0.6 0.8
1
1.2
NDVI
Figura 16. Regressão linear entre valores de NDVI e ETP, para o dia 01/02/2009.
Tabela 21. Dados de NDVI e ETP, para o dia 28 de agosto de 2009.
Estação
NDVI
ETP (mm.d-1)
Rio Negrinho A862
Indaial A817
Florianópolis A806
Curitiba A807
Morretes A873
Rio dos Bugres
0,55113
0,631533
0,692394
0,417897
0,893864
0,408139
2,902
3,602
3,410
3,343
3,212
2,646
64
NDVI x ETP
4
3.5
3
y = 1.9054x + 2.0244
R² = 0.9193
ETP (mm/dia)
2.5
2
1.5
1
0.5
0
-1.2
-1
-0.8 -0.6 -0.4 -0.2
0
0.2
0.4
0.6
0.8
1
1.2
NDVI
Figura 17. Regressão linear entre valores de NDVI e ETP, para o dia 28/08/2009.
Após obtidos os diagramas de dispersão, foi estabelecida a equação de regressão por
meio do método dos mínimos quadrados (apresentadas nas Figuras 19 e 20), no software
Microsoft Office Excel.
Portanto, a relação entre NDVI e ETP, utilizando os dados de 01/02/2009, pode ser
expressa pela Equação:
(25)
onde
é a evapotranspiração potencial (mm.d-1) e
é o índice de vegetação da
diferença normalizada (adimensional).
E a relação entre NDVI e ETP, utilizando os dados de 28/08/2009, pode ser expressa
pela Equação 32:
(26)
A partir dos valores obtidos do coeficiente de determinação (0,9364 e 0,9193), pode-se
observar que existe uma alta relação entre as variáveis, ETP e NDVI, justificando, então, o
uso das imagens NDVI para estimativa da ETP distribuída.
65
5.6 Mapas de ETP Distribuída
Na Figura 18, está representada a imagem de ETP para o dia 01 de fevereiro de 2009,
para a bacia do rio Negrinho. De maneira geral, as tonalidades verde claro e amarelo
representam valores de inferiores a 3,5mm.d-1 e que correspondem à parte das áreas urbanas e
de solo exposto. Constata-se que 52% das zonas urbanas compreendem ETP entre 3,55 e
4,53mm.d-1 e 97% das áreas de solo exposto possuem ETP entre 4,05 e 4,77. As tonalidades
de azul representam a ETP superior a 3,7mm.d-1 e correspondem às áreas cobertas por
vegetação (cultivos agrícolas, pastagens e florestas). Verifica-se, também, que 97% das áreas
de agricultura possuem ETP entre 4,58 e 5,21 mm.d-1, 98% das áreas de mata nativa possuem
ETP entre 4,34 e 5,21 mm.d-1 e 92% das regiões com reflorestamento, com ETP entre 4,89 e
5,29 mm.d-1. A média de ETP para toda a bacia foi de 4,94mm.d-1, sendo fortemente
influenciado pela presença de vegetação (principalmente floresta), que representa 81,41% da
cobertura total da bacia do rio Negrinho.
A Figura 19 apresenta a imagem de ETP para o dia 28 de agosto de 2009, para a bacia
do rio Negrinho. As áreas com tonalidade verde claro e amarelo representam ETP com
valores inferiores a 3,04mm.d-1 e correspondem e ao solo exposto à zona urbana. Observa-se
uma porcentagem de 76% de ETP entre 2,57 e 3,3mm.d -1 para as áreas urbanas e 95% da ETP
entre 2,53 e 3,59mm.d -1 para as regiões de solo exposto. Igualmente à Figura 18, os pixels em
tons de azul também correspondem às áreas cobertas por vegetação e, neste caso, representam
a ETP superior a 3,36mm.d-1. Verifica-se que 86% das áreas de agricultura apresentam ETP
entre 3,13 e 3,59mm.d -1, 94% das regiões de mata nativa possuem ETP entre 3,17 e 3,79
mm.d-1 e 92% das áreas com reflorestamento, com ETP entre 3,29 e 3,85 mm.d-1. Para o dia
28 de agosto de 2009, o valor médio de ETP para toda a bacia foi de 3,46mm.d-1.
66
Figura 18. Mapa de ETP distribuída da bacia do rio Negrinho, em 01/02/2009.
67
Figura 19. Mapa de ETP distribuída da bacia do rio Negrinho, em 28/08/2009.
68
A Tabela 22 expressa a ETP com base nos diferentes usos e coberturas do solo, para os
dias 01 de fevereiro e 28 de agosto de 2009. Verifica-se que os valores médios de ETP não
variam significativamente em relação à sua mediana. Isto indica que a média de ETP é
representativa para toda a bacia. Foi constatado que as áreas de reflorestamento e mata nativa
possuem um comportamento médio de ETP mais elevados que as demais classes. Observa-se,
também, que a ETP média para as áreas urbanas pode ter sido superestimada, visto que as
cidades de Rio Negrinho e São Bento do Sul se enquadram em zona rural (com vegetação em
meio à área urbana) e que, visualmente, a área urbana, no mapa de uso e cobertura do solo, foi
sobreestimada, em função da resolução da imagem (30x30m).
Tabela 22. ETP em função dos diferentes usos e cobertura do solo.
Data
Uso e ocupação
Reflorestamento
Mata Nativa
Agricultura
Solo Exposto
Área Urbana
01 de fevereiro de 2009
ETP média
(mm.d-1)
5.09
5.00
4.87
4.35
4.26
ETP mediana
(mm.d-1)
5.11
5.05
4.89
4.36
4.28
28 de agosto de 2009
ETP média
(mm.d-1)
3.60
3.52
3.38
3.18
2.97
ETP mediana
(mm.d-1)
3.61
3.54
3.38
3.21
2.96
5.7 Comparação entre os Métodos de Estimativa de ETP
As Tabelas 23 e 24 apresentam os resultados de ETP diária, obtidos para a estação de
Rio Negrinho, para os dias de verão e inverno, respectivamente. Pela Tabela 23 é possível
observar uma ETP mínima de 3,70 mm.d-1, máxima de 5,27 mm.d-1 e média de 4,30 mm.d-1.
Já pela Tabela 24, observa-se uma ETP mínima de 2,37 mm.d-1, máxima de 4,19 mm.d-1 e
média de 3,11 mm.d-1. Estes resultados evidenciam a influência da temperatura na
evapotranspiração, pois, para os dias de verão, cujas temperaturas foram mais elevadas,
observou-se valores mais elevados de ETP.
Analisando apenas os resultados do método aplicado, constata-se que os mesmos estão
de acordo com Kobiyama & Vestena (2007). Estes autores analisaram os processos
hidrológicos e avaliaram o balanço hídrico da bacia hidrográfica do Ribeirão da Onça, no
município de Colombo/PR, área de manancial da Região Metropolitana de Curitiba, para o
período de 1997 a 2000. Os métodos utilizados foram o do balanço hídrico simplificado e de
Penman Modificado. Para o método de Penman Modificado, os autores encontraram valores
69
médios diários de ETP, de aproximadamente 2,8 a 5,0 mm.d-1 para os meses de janeiro a
março, com predominância de ETP entre 4,0 e 5,0 mm.d-1 principalmente para os meses de
janeiro e fevereiro. Assim, os resultados obtidos por esse estudo estão de acordo com
Kobiyama & Vestena (2007), pois obtiveram-se valores de ETP entre 3,7 e 5,2 mm.d-1, com
predominância de ETP entre 4,0 e 5,0 mm.d-1, conforme pode ser observado na Figura 23.
Tabela 23. ETP obtida pelo método aplicado, para os dias de verão de 2009.
ETP
ETP
ETP
Data
Data
Data
(mm.d-1)
(mm.d-1)
(mm.d-1)
1/1
4.65
1/2
3.76
1/3
4.82
2/1
3.91
2/2
4.44
2/3
4.67
3/1
3.89
3/2
4.09
3/3
4.67
4/1
3.76
4/2
4.44
4/3
4.59
5/1
3.70
5/2
4.27
5/3
5.10
6/1
3.81
6/2
4.44
6/3
4.84
7/1
4.20
7/2
4.42
7/3
4.29
8/1
4.52
8/2
4.56
8/3
4.31
9/1
4.62
9/2
4.59
9/3
4.28
10/1
4.16
10/2 4.32
10/3
4.18
11/1
4.21
11/2 4.29
11/3
4.09
12/1
4.76
12/2 4.16
12/3
4.31
13/1
4.51
13/2 4.02
13/3
4.31
14/1
4.53
14/2 3.81
14/3
4.13
15/1
4.73
15/2 3.89
15/3
3.85
16/1
4.31
16/2 3.94
16/3
3.99
17/1
3.98
17/2 4.23
17/3
4.45
18/1
4.75
18/2 4.64
18/3
3.96
19/1
4.35
19/2 4.49
19/3
3.82
20/1
4.31
20/2 4.35
20/3
3.89
21/1
4.02
21/2 4.08
22/1
3.92
22/2 4.46
23/1
4.09
23/2 4.68
24/1
4.16
24/2 4.31
25/1
4.39
25/2 3.83
26/1
4.35
26/2 3.99
27/1
4.29
27/2 4.33
28/1
4.40
28/2 4.38
29/1
4.52
30/1
5.27
31/1
5.13
70
Tabela 24. ETP obtida pelo método aplicado, para os dias de inverno de 2009.
ETP
ETP
ETP
ETP
Data
Data
Data
Data
(mm.d-1)
(mm.d-1)
(mm.d-1)
(mm.d-1)
21/6
2.99
1/7
2.74
1/8
2.83
1/9
3.87
22/6
2.86
2/7
2.83
2/8
3.19
2/9
4.19
23/6
2.84
3/7
2.63
3/8
3.35
3/9
3.31
24/6
2.89
4/7
2.46
4/8
2.55
4/9
3.75
25/6
2.69
5/7
2.59
5/8
3.25
5/9
3.60
26/6
2.69
6/7
2.94
6/8
3.57
6/9
3.31
27/6
2.61
7/7
3.58
7/8
2.90
7/9
3.28
28/6
2.75
8/7
3.31
8/8
4.06
8/9
3.15
29/6
4.15
9/7
3.08
9/8
3.13
9/9
3.21
30/6
3.38
10/7
3.12
10/8 3.47
10/9 3.03
11/7
3.29
11/8 2.90
11/9 3.15
12/7
2.53
12/8 2.85
12/9 3.12
13/7
2.61
13/8 3.17
13/9 3.56
14/7
2.93
14/8 3.25
14/9 3.19
15/7
2.71
15/8 3.40
15/9 3.19
16/7
2.82
16/8 3.72
16/9 3.38
17/7
3.44
17/8 3.42
17/9 3.61
18/7
3.38
18/8 3.06
18/9 3.09
19/7
2.86
19/8 3.54
19/9 4.12
20/7
2.80
20/8 3.66
20/9 3.18
21/7
2.73
21/8 2.98
21/9 3.23
22/7
2.76
22/8 2.72
22/9 3.38
23/7
2.45
23/8 2.93
24/7
2.68
24/8 2.95
25/7
2.42
25/8 3.21
26/7
2.72
26/8 3.10
27/7
2.75
27/8 3.11
28/7
2.75
28/8 3.06
29/7
3.09
29/8 3.22
30/7
2.60
30/8 3.51
31/7
2.37
31/8 3.47
As Figuras 20 e 21 mostram a ETP diária, estimada com os dados da estação de Rio
Negrinho, segundo o método aplicado, método de Penman Modificado e Penman Monteith. A
partir da Figura 20, comparando o método aplicado com método de Penman Modificado, para
o período de verão de 2009, constata-se uma diferença relativa de +7,00% para todos os dias,
visto que, para extrapolação dos resultados, foi considerado que todos os demais dias teriam
uma proporção de +7,00% em relação ao método de Penman Modificado (valor da diferença
relativa entre os dois métodos, para o dia 01 de fevereiro). O mesmo comportamento é
71
verificado para o período de inverno (conforme Figura 21), visto que o valor da diferença
relativa para o dia 28 de agosto (5,60%) foi extrapolado para os demais dias.
Realizando uma comparação em relação ao método de Penman Monteith, verificou-se
que, a partir dos dados apresentados na Figura 20, o método aplicado apresentou resultados
inferiores como tendência, com diferença relativa máxima de -38,25% (em 01 de fevereiro),
mínima de -0,17% (em 20 de março) e média de -11,19%. No entanto, conforme pode ser
observado na Figura 21, no período de 21 de junho a 22 de setembro, os valores de ETP
resultaram mais elevados para o método aplicado, com diferença relativa máxima de +55,85%
(em 6 de julho), mínima de +0,61% (em 29 de agosto) e média de +26,49%. Para a maioria
dos dias, de 21 de junho a 25 de agosto, a diferença relativa entre os métodos foi superior a
+25,00%.
ETP - 01/01/2009 a 20/03/2009
7.00
6.00
Método
Aplicado
ETP (mm/dia)
5.00
Método de
Penman
modificado
4.00
Método de
Penman
Monteith
3.00
2.00
1.00
0.00
1/1
8/1
15/1
22/1
29/1
5/2
12/2
19/2
26/2
5/3
12/3
19/3
Data (dia/mês/ano)
Figura 20. Resultados de ETP diária pelo método aplicado, método de Penman Modificado e PenmanMonteith, para o período de 01 de fevereiro a 20 de março de 2009.
72
ETP - 21/06/2009 a 22/09/2009
4.50
4.00
Método
Aplicado
3.50
ETP (mm/dia)
3.00
Método de
Penman
modificado
2.50
Método de
Penman
Monteith
2.00
1.50
1.00
0.50
0.00
21/6 28/6 5/7 12/7 19/7 26/7 2/8
9/8 16/8 23/8 30/8 6/9 13/9 20/9
Data (dia/mês/ano)
Figura 21. Resultados de ETP diária pelo método aplicado, método de Penman Modificado e PenmanMonteith, para o período de 21 de junho a 22 de setembro de 2009.
A Tabela 25 mostra os resultados dos somatórios mensais de ETP para os dias de verão
e inverno, obtidos pelo método aplicado, para a estação de Rio Negrinho A862.
Kobiyama & Vestena (2004), estimaram a evapotranspiração potencial pelo método de
Penman Modificado, para quatro estações meteorológicas do Estado do Paraná: Piraquara
(Pinhais), Cascavel, Guarapuava e Paranavaí, no período de 1990 a 2000. Analisando o
método aplicado, constata-se que os resultados obtidos para os meses de janeiro e fevereiro
estão próximos aos obtidos pelos autores, para a estação de Pinhais (janeiro: 137 mm.d-1 e
fevereiro: 117 mm.d-1, março: 70 mm.d-1 e setembro: 62 mm.d-1), com diferença relativa ao
método aplicado de -2,08% e -1,88%, 20,26% e 17,22% respectivamente. Os valores obtidos
para janeiro e fevereiro também estão de acordo com Fill et al. (2005). Os autores
estabeleceram o balanço hídrico mensal da bacia do rio Barigüi, situada na região
metropolitana de Curitiba-PR, para o período de 1985 a 2000. Para tanto, os autores
utilizaram o método de Penman Modificado para cálculo da ETP, obtendo 120,7 mm.d-1 para
o mês de janeiro e para fevereiro 97,8 mm.d-1, o que corresponde a uma diferença relativa ao
método aplicado de 10,03% e 17,81%, respectivamente.
73
Tabela 25. Somatório mensal de ETP diária, obtida pelo método aplicado.
Data
ETP (mm)
01/01 a 31/01
134.21
01/02 a 28/02
119.24
01/03 a 20/03
86.57
21/06 a 30/06
29.84
01/07 a 31/07
87,99
01/08 a 31/08
99,53
01/09 a 22/09
74.90
Para comparação em escala mensal, os dias representativos de verão e inverno foram
divididos em três períodos cada, conforme mostram as Figuras 22 e 23.
Realizando a comparação em relação ao método de Penman Monteith, verificou-se,
segundo dados mostrados nas Figuras 22 e 23, que o método aplicado apresentou resultados
inferiores, com diferença relativa máxima de -41,81% (no período de 21 de junho a 20 de
julho) e mínima de -11,61% (no período de 22 de janeiro a 21 de fevereiro). Em comparação
ao método de Thornthwaite verificou-se as maiores diferenças, com 32,29%, 26,58% e
22,90% para os períodos de 01 a 21 de janeiro, 22 de janeiro a 21de fevereiro e 22 de
fevereiro a 20 de março, respectivamente. Para os períodos relativos à Figura 23, as diferenças
relativas obtidas podem ser consideradas discrepantes, com valores de 52,9%, 55,6% e 45,6%,
respectivamente.
74
ETP - 01/01/2009 a 20/03/2009
160
140
Método
Aplicado
ETP (mm)
120
Método de
Penman
Modificado
100
80
60
Método de
Penman
Monteith
40
Método de
Thornthwaite
20
0
01/01/09 a 21/01/09
22/01/09 a 21/02/09
22/02/09 a 20/03/09
Data
Figura 22. Resultados de ETP em escala mensal, pelo método aplicado, Penman Modificado, PenmanMonteith e Thornthwaite, para o período de 01 de fevereiro a 20 de março de 2009.
ETP - 21/06/2009 a 22/09/2009
120
110
100
90
Método
Aplicado
ETP (mm)
80
70
Método de
Penman
Modificado
Método de
Penman
Monteith
Método de
Thornthwaite
60
50
40
30
20
10
0
21/06/09 a 20/07/09
21/07/09 a 20/08/09
21/08/09 a 22/09/09
Data
Figura 23. Resultados de ETP em escala mensal, pelo método aplicado, Penman Modificado, PenmanMonteith e Thornthwaite, para o período de 21 de junho a 22 de setembro de 2009.
75
CONCLUSÕES
Os resultados permitem concluir que:
O método aplicado obteve bom ajuste, evidenciando uma alta relação entre
índice de vegetação da diferença normalizada e evapotranspiração potencial
pelos elevados coeficientes de determinação (r2 = 0,9364 e 0,9193).
Para as imagens LandSat-TM5, datadas de 01 de fevereiro e 28 de agosto de
2009, o NDVI variou de -1 a 1 na bacia do rio Negrinho, indicando que existem
áreas sem cobertura vegetal e com densa cobertura de vegetação,
respectivamente.
Na bacia do rio Negrinho, a vegetação tem grande influência no comportamento
da evapotranspiração, visto que corresponde a mais de 75% de sua área.
A evapotranspiração média distribuída na bacia do rio Negrinho, de acordo com
o uso e ocupação do solo atual, está entre 4,26 e 5,09mm.d -1 (01 de fevereiro de
2009) e entre 2,97 e 3,60mm.d -1 (28 de agosto de 1009).
Salienta-se que o método utilizado está condicionado a data de obtenção das imagens e
a qualidade das mesmas com relação a presença de nuvens. Desta forma, a análise sazonal da
evapotranspiração foi realizada somente para o verão e inverno, uma vez que foi possível
obter imagens LandSat-TM5, sem presença de nuvens, referentes a 01 de fevereiro e 28 de
agosto de 2009.
76
RECOMENDAÇÕES
• Utilização de imagens com melhor resolução espacial e espectral, possibilitando
uma distinção mais refinada dos alvos da superfície terrestre, para que se
obtenha um melhor resultado na confecção dos mapas de uso e ocupação do
solo, imagens NDVI mais refinadas e um estudo mais apurado da
evapotranspiração.
• Utilização de imagens com melhor resolução temporal, aumentando a
probabilidade de obtenção de imagens sem a presença de nuvens e um melhor
detalhamento do comportamento temporal da evapotranspiração.
• Aplicação em regiões com mais dados meteorológicos disponíveis, favorecendo
a análise estatística da relação NDVI x ETP.
77
REFERÊNCIAS BIBIOGRÁFICAS
ALLEN, R.G.; PEREIRA, L.S.; RAES, D.; SMITH, M. Crop evapotranspiration:
Guidelines for computing crop water requirements. Rome: FAO, 1998. 300 p. (Irrigation
and Drainage Paper, 56).
BRUTSAERT, W.H. Evapotranspiration into the atmosphere. New York: Springer, 1982.
316p.
BRUTSAERT, W.H. Hydrology An Introduction. Cambrigde University Press. New York,
2005. 605p.
CAMARGO, A.P. de; CAMARGO, M.B.P. de. Uma Revisão Analítica Da Evapotranspiração
Potencial. Bragantia, Campinas, p. 125-137, julho 2000.
CAMPBELL, J.B. Introduction to Remote Sensing. New York: Guilford Press, 1987. 550 p.
CHANDER, G.;. HELDER, D.L.; MARKHAM, B.L.; DEWALD, J.D.; KAITA, E.;
THOME, K.J.; MICIJEVIC, E.; RUGGLES,T.A. Landsat-5 TM Reflective-Band Absolute
Radiometric Calibration. IEEE Transactions on Geoscience And Remote Sensing, vol. 42,
no. 12, dezembro 2004.
CHUVIECO, E. Teledetección Ambiental: La Observación de La Tierra Desde El
Espacio. 3ª edição. Barcelona, Ariel Ciência, 2007.
CROSTA, A.P. Processamento Digital de Imagens de Sensoriamento Remoto.
IG/Unicamp, edição revisada, Campinas (SP), 1992. 170p.
DALPOSSO, G.H.; OPAZO, M.A.U.; MERCANTE, E.; LAMPARELLI, R.A.C.; ROCHA,
J.V. Autocorrelação espacial do índice NDVI de imagens TM para cultura da soja no Oeste
Paranaense, no ano agrícola 2004/2005. Anais XIV Simpósio Brasileiro de Sensoriamento
Remoto, Natal, Brasil, 25-30 abril 2009, INPE, p. 1299-1306.
EASTMAN, J.R. Idrisi Andes – Guide to GIS and Image Processing. Clark Laboratory.
Clark Labs, Clark university, Worcester/MA. USA. 2006. 284p.
Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina S.A. – EPAGRI /
CENTRO
DE
INFORMAÇÕES
DE
RECURSOS
AMBIENTAIS
E
DE
HIDROMETEOROLOGIA DE SANTA CATARINA - CIRAM. Zoneamento
Agroecológico.
Disponível
em:
<http://ciram.epagri.rctsc.br/portal/website/index.jsp?url=jsp/agricultura/zoneAgroecologico.jsp
&tipo=agricultura>. Acesso em: junho de 2009.
EPIPHANIO, J.C.N.; ALMEIDA JÚNIOR, A.C.; FORMAGGIO, A.R. Desenvolvimento do
trigo avaliado com dois índices de vegetação. [CD-ROM] In: Simpósio Brasileiro de
Sensoriamento Remoto, 8, Salvador, 1996, Anais Simpósio Brasileiro de Sensoriamento
Remoto, São Paulo: Imagem Multimídia.
78
FILL, H.D.; SANTOS, I. dos; FERNANDES, C.; TOCZECK, A.; OLIVEIRA, M.F. de.
Balanço Hídrico da Bacia do Rio Barigüi, PR. R. RA´E GA. Editora UFPR. Curitiba, n. 9, p.
59-67, 2005.
FOLHES, M. T. Modelagem da evapotranspiração para a gestão hídrica de perímetros
irrigados com base em sensores remotos. 189 f. Tese (Doutorado em Sensoriamento
Remoto). INPE. São José dos Campos, 2007.
GIACOMONI, H.M. Estimativa da evapotranspiração regional por meio de técnicas de
sensoriamento remoto integradas a modelos de balanço de energia: aplicação no estado
do Rio Grande do Sul. 172 f. Dissertação (Mestrado em Recursos Hídricos). UFRGS. Porto
Alegre, 2005.
GIACOMONI, H. M.; MENDES, C. A. B. Estimativa de Evapotranspiração Regional por
meio de Técnicas de Sensoriamento Remoto Integradas a Modelo de Balanço de Energia.
Revista Brasileira de Recursos Hídricos, vol 13, n. 4. p. 33-42. out/dez 2008.
Instituto Nacional de Pesquisas Espaciais – INPE. http://www.dgi.inpe.br/CDSR. Acesso em:
outubro de 2009.
JENSEN, J. R. (1949) Sensoriamento remoto do ambiente: uma perspectiva em recursos
terrestres / tradução José Carlos Neves Epiphanio et al. São José dos Campos, SP. 2009
JÚNIOR, R. M. de C. Introdução ao Sensoriamento Remoto. Apostila de aula. Laboratório
de Topografia e Cartografia. UFES. 2001.
KAN, A. Estimativa de Evapotranspiração Real com Base na Análise de Recessão dos
Hidrogramas. 257 f. Tese (Doutorado em Ciências, pós graduação em Métodos Numéricos
em Engenharia dos Setores de Tecnologia e Ciências Exatas). Universidade Federal do
Paraná. Curitiba. 2005.
KARAM, H.A.; FILHO, A. J. P. Revisão dos Métodos de Penman e Penman-Monteith e sua
Aplicação a Cânions Urbanos. Revista Brasileira de Meteorologia, v.21, n.1, 86-106, 2006.
KLEIN, R.M. Mapa Fitogeográfico do Estado de Santa Catarina. Flora Ilustrada
Catarinense. V Parte. 1978.
KOBIYAMA, M. Curso de capacitação em hidrologia e hidrometria para conservação de
mananciais. 1a edição. Florianópolis: UFSC/CTC/ENS/LabHidro, 2009. p 152, 156, 157.
KOBIYAMA, M.; CHAFFE, P.L.B. Water balance in Cubatão-Sul river catchment,
Santa Catarina, Brazil. Revista Ambiente e Água, Taubaté, v.3, p.5-17, 2008.
LI, F.; LYONS, T. J. Estimation of Regional Evapotranspiration through Remote Sensing.
Journal of Applied Meteorology. Vol 38. p. 1644-1654. nov. 1999.
LIU, W. T. H. Aplicações de Sensoriamento Remoto. Editora UNIDERP. Campo Grande,
2006. p 217, 218, 220, 417, 811.
79
MEIRELES, M. Estimativa da Evapotranspiração Real pelo Emprego do Algoritmo
SEBAL e Imagem Landsat 5 - TM na Bacia do Acaraú – CE. 89f. Dissertação (Mestrado
em Agronomia, Centro de Ciências Agrárias, Universidade Federal do Ceará, Área de
Irrigação e Drenagem). Universidade Federal do Ceará. Fortaleza, 2007.
MELLO, C.R. de; LIMA, J.M. de; SILVA, A.M. da. Evapotranspiração em microbacia
hidrográfica de fluxo efêmero associada à umidade do solo. Revista Brasileira de
Agrometeorologia. Santa Maria, v. 12, n. 1, p. 95-102, 2004.
MENEZES, S. J. M. da C. et al. Evapotranspiração Regional Utilizando o SEBAL em
Condições de Relevo Montanhoso. XIII Simpósio de Sensoriamento Remoto. 2007.
Florianópolis. Anais XIII Simpósio de Sensoriamento Remoto. p. 3475-3482.
MERCANTE, E.; LAMPARELLI, R.A.C.; URIBE-OPAZ, M.A.; ROCHA, J.V.
Características Espectrais da Soja ao Longo do Ciclo Vegetativo com Imagens Landsat 5/TM
em Área Agrícola no Oeste do Paraná. Eng. Agríc., Jaboticabal, v.29, n.2, p.328-338,
abr./jun. 2009.
MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicação.
1ª Edição. INPE, São José dos Campos, 2001.
MÜLLER, I. I. Métodos de Avaliação da Evaporação e Evapotranspiração – Análise
Comparativa para o Estado do Paraná. Dissertação. Universidade Federal do Paraná,
Curitiba, 1995.
NOVO, E. M. L. de Moraes. Sensoriamento Remoto – Princípios e Aplicações. 3a edição.
São Paulo. Editora Blucher, 2008.
PEREIRA, A. R.; ANGELOCCI, L.R.; SENTELHAS, P.C. Agrometeorologia –
Fundamentos e Aplicações Práticas. Guaíba. Editora Agropecuária Ltda, 2002.
PEREIRA, A. R., NOVA, N. A. V., SEDIYAMA, G. C. Evapo(transpi)ração. Piracicaba,
SP. Editora FAELQ, 1997.
PEREIRA, J.L.G.; BATISTA, G.T.; ROBERTS, D. Reflectância de Coberturas Vegetais na
Amazônia. Anais VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador, Brasil,
14-19 abril 1996, INPE, p. 551-556.
PINEDA, L.A.C. Estudo Observacional e de Modelagem Hidrológica de uma MicroBacia em Floresta Não Perturbada na Amazônia Central. 241f. Tese (Doutorado em
Meteorologia). INPE. São José dos Campos, 2008.
PONZONI, F.J.; REZENDE, A.C.P. Caracterização Espectral de Estágios Sucessionais de
Vegetação Secundária Arbórea em Altamira (PA), através de Dados Orbitais. Revista
Árvore, Viçosa, MG, v.28, n.4, p.535-545, 2004.
PONZONI, F.J.; SHIMABUKURO, Y.E. Sensoriamento Remoto no Estudo da Vegetação.
São José dos Campos, SP. Editora Parêntese, 2007.
80
PONZONI, F. J. Sensoriamento Remoto no Estudo da Vegetação: Diagnosticando a Mata
Atlântica. INPE. São José dos Campos, 2002.
RIGHETTO, A.M. Hidrologia e Recursos Hídricos. 1a edição. São Carlos. EESC/USP,
1998. p 125.
RODERJAN, C.V.; GALVÃO, F.; KUNIYOSHI, Y.S.; HATSCHBACH, G.G. As unidades
fitogeográficas do Estado do Paraná. Ciência & Ambiente. UFSM. v. 24, p. 75-92, jan/junh
2002.
SANTA CATARINA. Secretaria de Estado do Desenvolvimento Rural e da Agricultura.
Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina. Centro Integrado de
Informações de Recursos Ambientais. Dados e Informações Biofísicas da Unidade de
Planejamento Regional do Planalto Norte Catarinense. Florianópolis, 2002.
SHIMABUKURO, Y. E. et al. O Sensor MODIS e suas Aplicações Ambientais no Brasil.
Editora Parêntese. São José dos Campos, 2007. p. 28.
SCHIRMBECK, J.; SCHIRMBECK, L.W.; RIVAS, R.; COELHO, O.G.W. Estimativa de
Evapotranspiração em Área de Ocorrência do Sistema Aqüífero Guarani - desde Imagens
Modis. Anais XIV Simpósio Brasileiro de Sensoriamento Remoto, Natal, Brasil, 25-30
abril 2009, INPE, p. 4859-4866.
TUCCI, E. M. et al. Hidrologia: Ciência e Aplicação. 4a edição. Porto Alegre. Editora da
UFGRS/ABRH, 2007. p 269, 270, 277, 278.
VESTENA, L. R. Balanço Hídrico da Bacia do Rio Ribeirão da Onça, no Município de
Colombo – PR. 103f. Dissertação (Mestrado em Geografia) - Setor Ciências da Terra,
Universidade Federal do Paraná. Curitiba, 2002.
VESTENA, L.R.; KOBIYAMA, M. Balanço hídricos em área carste: O caso da bacia do rio
Ribeirão da Onça, no município de Colombo-PR. In: IV Simpósio Nacional de
Geomorfologia (2002: São Luiz) São Luiz: UFMA, Anais, 2004. 7p. (CD-rom)
VESTENA, L.R.; KOBIYAMA, M. Water balance in karst: Case study of the Ribeirão da
Onça catchment in Colombo City, Paraná State – Brazil. Brazilian Archives of Biology and
Technology. Curitiba, v.50, p.905-912, 2007.
81
ANEXOS
Tabela 9. Duração máxima da insolação diária (N), em horas, nos meses e latitude de 10ºN a 40ºS. Os
valores correspondem ao 15º dia de cada mês.
Latitude Jan
Fev
Mar Abr Mai Jun Jul Ago Set Out Nov Dez
10oN
11,6 11,8 12,1 12,4 12,6 12,7 12,6 12,4 12,2 11,9 11,7 11,5
8oN
11,7 11,9 12,1 12,3 12,5 12,6 12,5 12,4 12,2 12,0 11,8 11,6
6oN
11,8 11,9 12,1 12,3 12,4 12,5 12,4 12,3 12,2 12,0 11,9 11,7
4oN
11,9 12,0 12,1 12,2 12,3 12,4 12,3 12,2 12,0 12,0 11,9 11,9
o
2N
12,0 12,0 12,1 12,2 12,2 12,2 12,2 12,2 12,1 12,1 12,0 12,0
Equador 12,1 12,1 12,1 12,1 12,1 12,1 12,1 12,1 12,1 12,1 12,1 12,2
2oS
12,2 12,1 12,1 12,1 12,0 12,0 12,0 12,0 12,1 12,1 12,2 12,2
4oS
12,3 12,2 12,1 12,0 11,9 11,8 11,9 12,0 12,1 12,2 12,3 12,4
o
6S
12,4 12,3 12,1 12,0 11,9 11,7 11,8 11,9 12,1 12,2 12,4 12,5
8oS
12,5 12,4 12,1 11,9 11,7 11,6 11,7 11,9 12,1 12,3 12,5 12,6
10oS
12,6 12,4 12,1 11,9 11,7 11,5 11,6 11,8 12,0 12,3 12,6 12,7
o
12 S
12,7 12,5 12,2 11,8 11,6 11,4 11,5 11,7 12,0 12,1 12,7 12,8
14oS
12,8 12,6 12,2 11,8 11,5 11,3 11,4 11,6 12,0 12,1 12,8 12,9
16oS
13,0 12,7 12,2 11,7 11,4 11,2 11,2 11,6 12,0 12,1 12,9 13,1
o
18 S
13,1 12,7 12,2 11,7 11,3 11,1 11,1 11,5 12,0 12,5 13,0 13,2
20oS
13,2 12,8 12,2 11,6 11,2 10,9 11,0 11,4 12,0 12,5 13,2 13,3
22oS
13,4 12,8 12,2 11,6 11,1 10,8 10,9 11,3 12,0 12,6 13,2 13,5
o
24 S
13,5 12,9 12,3 11,5 10,9 10,7 10,8 11,2 11,9 12,6 13,3 13,6
26oS
13,6 12,9 12,3 11,5 10,8 10,5 10,7 11,2 11,9 12,7 13,4 13,8
28oS
13,7 13,0 12,3 11,4 10,7 10,4 10,6 11,1 11,5 12,0 12,5 13,0
o
30 S
13,9 13,1 12,3 11,4 10,6 10,3 10,4 11,0 11,9 12,8 13,6 14,1
32oS
14,0 13,2 12,3 11,3 10,5 10,0 10,3 10,9 11,9 12,9 13,7 14,2
34oS
14,2 13,3 12,3 11,3 10,3
9,8 10,1 10,9 11,9 12,9 13,9 14,4
36oS
14,3 13,4 12,4 11,2 10,2
9,7 10,0 10,7 11,9 13,0 14,0 14,6
o
38 S
14,5 13,5 12,4 11,1 10,1
9,5
9,8 10,6 11,8 13,1 14,2 14,8
40oS
14,7 13,6 12,4 11,1
9,9
9,3
9,6 10,5 11,8 13,1 14,3 15,0
Dados interpolados da Tabela meteorológica de Smithsonian. 6a edição. 1951 - Quadro 171
Fonte: Pereira et at., 1997.
82
Tabela 12. Valores para o fator de peso (W) para o efeito da radiação na ET em diferentes temperaturas e
altitudes.
Temperatura (oC)
2
4
6
8
10
12
14
16
18
20
0,49
0,52
0,55
0,58
0,61
0,64
0,66 0,69
W por altitude 0 (m) 0,43 0,46
0,51
0,54
0,57
0,6
0,62
0,65
0,67 0,7
500 0,44 0,48
0,52
0,55
0,58
0,61
0,64
0,66
0,69 0,71
1000 0,46 0,49
0,55
0,58
0,61
0,64
0,66
0,69
0,71 0,73
2000 0,49 0,52
0,58
0,61
0,64
0,66
0,69
0,71
0,73 0,75
3000 1,52 0,55
0,61
0,64
0,66
0,69
0,71
0,73
0,75 0,77
4000 0,54 0,58
Temperatura (oC)
W por altitude 0 (m)
500
1000
2000
3000
4000
22
0,71
0,72
0,73
0,75
0,77
0,79
24
0,73
0,74
0,75
0,77
0,79
0,81
26
28
30
0,75
0,77
0,78
0,76
0,78
0,79
0,77
0,79
0,80
0,79
0,81
0,82
0,81
0,82
0,84
0,82
0,84
0,85
Fonte: Kobiyama, 2009.
32
0,80
0,81
0,82
0,84
0,85
0,86
34
0,82
0,82
0,83
0,85
0,86
0,87
36
0,83
0,84
0,85
0,86
0,87
0,89
38
0,84
0,85
0,86
0,87
0,88
0,90
40
0,85
0,86
0,87
0,88
0,89
0,90
Tabela 13. Albedo para algumas superfícies.
Superfície
Albedo (%)
Superfície
Albedo (%)
Água
5
Milho
16 a 23
Areia seca
35 a 45
Arroz
12
Areia úmida
20 a 30
Batata
20
Solo claro seco
25 a 45
Trigo
24
Solo cinza
10 a 20
Feijão
24
Solo escuro
5 a 15
Tomate
23
Gramado
20 a 30
Abacaxi
15
Algodão
20 a 22
Sorgo
20
Alface
22
Floresta
10 a 15
Fonte: Adaptado de Rosenberg et al. (1983) e de Vianello & Alves (1991) apud Pereira et a., 2002.
Tabela 14. Radiação solar extraterrestre (mm.d-1).
Hemisfério Sul
Latitude
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov
17,3 16,5 15,0 13,0 11,0 10,0 10,4 12,0 13,9 15,8 17,0
20 o
17,4 16,5 14,8 12,6 10,6 9,6 10,0 11,6 13,7 15,7 17,0
22 o
17,5 16,5 14,6 12,3 10,2 9,1 9,5 11,2 13,4 15,6 17,1
24 o
17,6 16,4 14,4 12,0 937,0 8,7 9,1 10,9 13,2 15,5 17,2
26 o
o
17,7 16,4 14,3 11,6
9,3 8,2 8,6 10,4 13,0 15,4 17,3
28
17,8 16,4 14,0 11,3
8,9 7,8 8,1 10,1 12,7 15,3 17,2
30 o
Fonte: Doorenbos & Pruit (1979, p. 25) apud Vestena, 2002.
Dez
17,4
17,5
17,7
17,8
17,9
18,1
83
Tabela 15. Pressão de saturação se vapor d’água (mmHg).
Fonte: Ometto (1981, p. 178) apud Vestena, 2002.