UNIVERSIDADE ESTADUAL PAULISTA “JÚLIO DE MESQUITA FILHO” FACULDADE DE CIÊNCIAS AGRONÔMICAS CÂMPUS DE BOTUCATU ASPECTOS TOPOGRÁFICOS NA DINÂMICA ESPAÇO-TEMPORAL DO SALDO DE RADIAÇÃO ROBERTO FILGUEIRAS BOTUCATU-SP Fevereiro- 2016 Dissertação apresentada à Faculdade de Ciências Agronômicas da Unesp- Câmpus de Botucatu, para obtenção do título de Mestre em Agronomia (Irrigação e Drenagem) UNIVERSIDADE ESTADUAL PAULISTA “JÚLIO DE MESQUITA FILHO” FACULDADE DE CIÊNCIAS AGRONÔMICAS CÂMPUS DE BOTUCATU ASPECTOS TOPOGRÁFICOS NA DINÂMICA ESPAÇO-TEMPORAL DO SALDO DE RADIAÇÃO ROBERTO FILGUEIRAS Orientador: Profª. Drª. Célia Regina Lopes Zimback Co-orientador: Dr. Antonio Ribeiro da Cunha BOTUCATU-SP Fevereiro - 2016 Dissertação apresentada à Faculdade de Ciências Agronômicas da Unesp- Câmpus de Botucatu, para obtenção do título de Mestre em Agronomia (Irrigação e Drenagem) FICHA CATALOGRÁFICA ELABORADA PELA SEÇÃO TÉCNICA DE AQUISIÇÃO E TRATA- MENTO DA INFORMAÇÃO – DIRETORIA TÉCNICA DE BIBLIOTECA E DOCUMENTAÇÃO - UNESP – FCA – LAGEADO – BOTUCATU (SP) Filgueiras, Roberto, 1991- F481a Aspectos topográficos na dinâmica espaço-temporal do saldo de radiação / Roberto Filgueiras. – Botucatu : [s.n.], 2016 viii, 82 f. : grafs., ils. color., tabs. Dissertação (Mestrado) - Universidade Estadual Pau- lista, Faculdade de Ciências Agronômicas, Botucatu, 2016 Orientador: Célia Regina Lopes Zimback Coorientador: Antonio Ribeiro da Cunha Inclui bibliografia 1. Radiação solar. 2. Sensoriamento remoto. 3. Pro- cessamento de imagens. 4. Análise de sistemas. I. Zim- back, Célia Regina Lopes. II. Cunha, Antonio Ribeiro da. III. Universidade Estadual Paulista “Júlio de Mesquita Filho” (Câmpus de Botucatu). Faculdade de Ciências Agro- nômicas. IV. Título. III AGRADECIMENTOS À família, em especial a meus país, aos meus irmãos e a Rayssa por, mesmo distantes, estarem sempre presentes na minha vida. Ao corpo docente, direção, administração e técnicos desta universidade por terem dado o suporte necessário na execução desta pesquisa. À minha orientadora, Dra. Célia Regina Lopes Zimback por ter contribuído com a sua sabedoria e experiência nos assuntos relacionados ao trabalho, além das grandes lições que aprendi com ela. Ao meu co-orientador Dr. Antonio Ribeiro da Cunha pelos conselhos e sugestões, que foram de grande valia para a conclusão do mestrado. Aos amigos Donizeti e Tânia pelas contribuições dadas e por todo apoio durante o mestrado. Aos amigos do Grupo de Estudos e Pesquisas Georreferenciadas – GEPAG, assim como os amigos do programa de Irrigação e Drenagem que nunca me desampararam nos momentos de dificuldades. E a todos que direta ou indiretamente contribuíram na minha formação, o meu muitíssimo obrigado IV SUMÁRIO Página LISTA DE FIGURAS ...............................................................................................................VI LISTA DE TABELAS............................................................................................................ VIII 1 RESUMO............................................................................................................................. 1 2 SUMMARY......................................................................................................................... 3 3 INTRODUÇÃO ................................................................................................................... 5 4 REVISÃO DE LITERATURA ........................................................................................... 7 Sensoriamento Remoto ................................................................................................ 7 4.1 4.1.1 Conceitos ................................................................................................................. 7 4.1.2 Sensores Remotos .................................................................................................... 8 Radiação solar e alvos terrestres ................................................................................ 10 4.2 Conversão de números digitais para valores físicos .................................................. 11 4.3 Correções radiométricas ............................................................................................ 12 4.4 4.4.1 Correção atmosférica ............................................................................................. 13 4.4.2 Correção topográfica ............................................................................................. 14 SEBAL....................................................................................................................... 16 4.5 4.5.1 Saldo de radiação ................................................................................................... 18 4.5.2 Albedo ................................................................................................................... 19 4.5.3 Índices de vegetação .............................................................................................. 20 4.5.4 Radiação de ondas curtas ....................................................................................... 21 4.5.5 Radiação de ondas longas ...................................................................................... 21 Aplicações do SEBAL ............................................................................................... 22 4.6 5 MATERIAL E MÉTODOS ............................................................................................... 25 Caracterização da Área de Estudo ............................................................................. 25 5.1 5.1.1 Localização geográfica .......................................................................................... 25 5.1.2 Clima ..................................................................................................................... 26 5.1.3 Vegetação .............................................................................................................. 27 V Página 5.1.4 Relevo .................................................................................................................... 27 5.1.5 Geologia................................................................................................................. 27 Material ...................................................................................................................... 28 5.2 5.2.1 Material Cartográfico ............................................................................................ 28 5.2.2 Imagens de Satélite ................................................................................................ 28 5.2.3 Dados Meteorológicos ........................................................................................... 30 Metodologia ............................................................................................................... 32 5.3 5.3.1 Correção topográfica ............................................................................................. 33 5.3.1.1 Correção Cosseno .......................................................................................... 34 5.3.1.2 Correção C ..................................................................................................... 34 5.3.2 Processo de obtenção do saldo de radiação ........................................................... 35 5.3.2.1 Calibração radiométricas ............................................................................... 35 5.3.2.2 Albedo ........................................................................................................... 39 5.3.2.3 Índices de vegetação ...................................................................................... 40 5.3.2.4 Emissividade .................................................................................................. 41 5.3.2.5 Temperatura da superfície ............................................................................. 42 5.3.2.6 Radiação de onda longa emitida .................................................................... 42 5.3.2.7 Radiação de onda curta incidente .................................................................. 42 5.3.2.8 Radiação de onda longa incidente ................................................................. 43 5.3.2.9 Saldo de radiação ........................................................................................... 43 5.3.3 Método de Validação do saldo de radiação ........................................................... 44 6 RESULTADOS E DISCUSSÃO....................................................................................... 45 Processamento das imagens para a estimativa do saldo de radiação no SEBAL ...... 45 6.1 Saldo de radiação ....................................................................................................... 47 6.2 Validação do saldo de radiação ................................................................................. 69 6.3 Considerações finais .................................................................................................. 71 6.4 7 CONCLUSÕES ................................................................................................................. 73 8 REFERÊNCIAS BIBLIOGRÁFICAS .............................................................................. 74 VI LISTA DE FIGURAS Página 1. Mapa de localização da Fazenda Experimental Edgardia, no município de Botucatu-SP. ... 26 2. Localização das estações meteorológicas automáticas utilizadas na validação dos dados de saldo de radiação. ............................................................................................................. 31 3. Fluxograma geral dos procedimentos realizados nas imagens landsat-5/TM. ...................... 32 4. Histograma polar do ângulo azimutal da superfície inclinada e histograma de declividade da Fazenda Experimental Edgardia. .................................................................. 34 5. Fluxograma dos diferentes caminhos de obtenção do saldo de radiação, realizado na Fazenda Experimental Edgardia, no município de Botucatu-SP. ......................................... 37 6. Fluxograma da metodologia SEBAL para obtenção do saldo de radiação na Fazenda Experimental Edgardia, no município de Botucatu-SP. ....................................................... 38 7. Relevo sombreado da Fazenda Experimental Edgardia, para o dia 11/09/1985. .................. 53 8. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f) referentes às datas de 11/09/1985, 14/09/1986. .............................. 54 9. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 27/09/1988, 12/09/1991. ............................. 55 10. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 30/09/1992, 20/09/1994. ......................... 56 11. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 12/09/1997, 28/09/1997. ......................... 57 12. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 01/08/1999, 02/09/1999. ......................... 58 13 Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 19/08/2000, 06/08/2001. ............................. 59 14. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 12/08/2003, 14/08/2004. ......................... 60 file:///C:/Users/Gigabyte%20Roberto/Dropbox/Projeto%20Mestrado/Dissertação_Filgueiras.docx%23_Toc440749204 VII Página 15. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 17/08/2005, 04/08/2006. ......................... 61 16. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 23/08/2007, 08/09/2007. ......................... 62 17. Imagens saldo de radiação, sem correção topográfica (a, d), com correção cosseno (b, e) e com correção C (c, f), referentes às datas de 25/08/2008, 10/09/2008. ......................... 63 18. Imagens saldo de radiação, sem correção topográfica (a), com correção cosseno (b) e com correção C (c), referente à data de 16/09/2010. ............................................................ 64 19. Correlação linear entre Rg e Rn, mensurados na estação meteorológica instalada na Fazenda experimental Edgardia. ........................................................................................... 69 VIII LISTA DE TABELAS Página 1. Características das imagens utilizadas no estudo. ................................................................. 29 2. Descrição das bandas presentes no sensor TM presente no satélite landsat-5. ..................... 30 3. Especificação dos sensores automáticos usados nas estações metereológicas automática. .. 31 4. Irradiância espectral média no topo da atmosfera para cada banda do sensor TM. .............. 39 5. Estatística descritiva dos mapas de Rn para a FEE para as três metodologias abordadas no estudo. ................................................................................................................................... 47 6. Erro relativo médio dos saldos de radiação corrigidos topograficamente por classes de face de exposição da superfície (Leste e Sul), em funções das classes de declividades. .......... 67 7. Erro relativo médio dos saldos de radiação corrigidos topograficamente por classes de face de exposição da superfície (Oeste e Norte), em funções das classes de declividades. ...... 68 8. Validação dos dados de saldo de radiação estimados pelo algoritmo SEBAL com os estimados utilizando as Estações meteorológicas da FEE e FEL. ............................................. 70 1 1 RESUMO Devido ao fato da morfologia do terreno influenciar nas medidas radiométricas obtidas por sensores orbitais, o presente estudo teve por objetivo geral, analisar a dinâmica espaço- temporal do saldo de radiação (Rn), na Fazenda Experimental Edgárdia (FEE) pertencente a Faculdade de Ciências Agronômicas/ Universidade Estadual Paulista “Júlio de Mesquita Filho” FCA/UNESP, Botucatu-SP, levando-se em consideração a topografia da mesma, a qual apresenta relevo heterogêneo. Para essa análise foram processados dois métodos de correção topográfica, um que considera a superfície como um reflector lambertiano e outro não lambertiano. Para a estimativa do saldo de radiação, por meio das imagens orbitais, foi utilizada a metodologia do algoritmo SEBAL (Surface Energy Balance Algorithm for Land). Com intuito de avaliar a influência da topografia no cômputo do saldo de radiação, foram aplicadas três metodologias: sem correção topográfica (RnSem); correção cosseno (RnCos) e correção C (RnC). Essas metodologias foram aplicadas em 21 imagens da plataforma orbital Landsat-5/TM, durante os anos de 1985 a 2010. Após a correção das imagens, notou-se que as cenas correspondentes ao RnCos apresentaram sobrecorreção dos parâmetros para algumas porções das imagens, devido a essas regiões apresentarem ângulos de iluminação ( , em relação a normal da superfície, superiores a 69,62°, alcançando ângulos de até 76,11°, isto é, condições de pouca luminosidade. Devido à complexidade do relevo da FEE, a correção cosseno não foi eficaz na atenuação da 2 influência topográfica. Já, para os valores de RnC, foi constatada uma redução média do desvio padrão de 5,97% das imagens sem correção, para as corrigidas pela correção C. Esse resultado foi atribuído como um indício da efetiva correção das cenas. Observou-se nas imagens RnSem da FEE que ocorreu uma tendência à valores elevados de saldo de radiação, de noroeste a sudeste dos mapas dos RnSem, região que encontrava-se sombreada. Essa tendenciosidade foi notoriamente reduzida nas imagens RnC, a qual foi uma comprovação qualitativa de que a correção C foi eficaz para atenuar os efeitos relativos a topografia da FEE para as imagens de saldo de radiação. Com o propósito de validar as estimações, os valores de saldo de radiação obtidos nas diferentes datas foram comparados, utilizando duas estações meteorológicas automáticas, os quais não apresentaram erros relativos maiores que 13,73%. Tais resultados evidenciam a importância da consideração do relevo, para atingir maiores precisões nas estimativas de parâmetros biofísicos com imagens orbitais e reiteram o potencial do SEBAL na estimativa de parâmetros relativos ao balanço de energia. ______________________________________ Palavras-chave: correções topográficas, SEBAL, parâmetros biofísicos, sensoriamento remoto. 3 TOPOGRAPHIC ASPECTS IN THE SPATIO-TEMPORAL DYNAMIC OF NET RADIATION, 2016. 82p. Dissertação (Mestrado em Agronomia/Irrigação e Drenagem) – Faculdade de Ciências Agronômicas, Universidade Estadual Paulista. Author: Roberto Filgueiras Adviser: Célia Regina Lopes Zimback Co-adviser: Antonio Ribeiro da Cunha 2 SUMMARY The measurements obtained by remote sensing are influenced by issues related to relief. Based on that, this study aim to analyze the spatial-temporal dynamic of net radiation (Rn), considering the influence of topographic parameters on it, for the experimental farm Edgárdia (FEE), belonging the FCA/UNESP, Botucatu-SP, Brazil. For this analysis it was processed two methodologies, one based in the Lambertian behavior, and the other in non- Lambertian behavior. For estimate the net radiation, by orbital images, it was utilized the metodology based on the SEBAL (Surface Energy Balance Algorithm for Land) algorithm. In order to assess the topographic influence on the compute of net radiation, was applied three methodologies: without topographic correction (RnSem); cosine correction (RnCos) and C correction (RnC). These methodologies were applied on 21 images of the orbital platform Landsat-5/TM, during the years of 1985, until 2010. After the corrections of the images, it noticed that the scenes corresponding to the RnCos showed overcorrection of the parameters, in some areas of the FEE. This happened because these portions showed illumination angles, in relation to the normal of surface, bigger than 69.62°, reaching angles of 76.11°, ie, conditions of low illumination. Due to complex relief of the FEE, the cosine correction did not show effectiveness on the attenuation of topographic influence for the values of RnC, were noticed an average reduction of 5.97% for the standard deviation for the values of RnC, of the images that had been corrected by the C-correction. This result was assigned as indicative of the scenes correction. It was observed on the images of RnSem of FEE that, occurred a tendency of elevated values of net radiation, located of northwest until southeast of the maps of RnSem, shaded regions. This bias was attenuated on the images of RnC, which qualitatively proved the effectiveness of the C- 4 correction, for the effects relief of FEE, on the net radiation images. With the purpose of validated these estimation, the net radiation values, obtained on the dates analyzed, were compared, utilizing two automatic meteorological stations. The results showed standard mean errors no bigger than 13.73%. These results show the importance of considering relief, to achieve higher accuracies on estimates of biophysical parameters with orbital images and confirm the potential of SEBAL in estimating parameters relating to energy balance. ______________________________________ Keywords: topographic correction, SEBAL, biophysical parameters, remote sensing. 5 3 INTRODUÇÃO Conhecer o saldo de radiação é importante para se realizar um manejo hídrico adequado das culturas, além de assessorar na compreensão de inúmeros outros fenômenos da natureza. A mensuração do saldo de radiação é um passo primordial para a estimativa da evapotranspiração (ET), e determiná-la possibilita conhecer a necessidade hídrica das culturas. Podem ser encontradas diversas técnicas e equipamentos para obtê-la, porém, quando há a necessidade de estimá-la para grandes áreas, ou seja, espacializar este parâmetro para uma determinada região torna-se um desafio. Os métodos usuais para mensurar o saldo de radiação são pontuais e válidos para áreas que não apresentem heterogeneidade da superfície terrestre. Esses, quando interpolados para áreas de abrangência regional, podem tornar-se discrepantes, acentuando os erros das estimativas, visto que, esses métodos não possuem a capacidade de considerar as diferenças presentes na superfície de forma espacial, como: regiões com água, solo exposto, vegetação, entre outras. Além disso, exige-se um grande investimento em estações agrometeorológicas (pontuais) para representar espacialmente as interpolações em grandes áreas, o que inviabiliza o cômputo desse parâmetro. Diante dessa problemática, torna-se necessário desenvolver e aplicar técnicas que auxiliem na estimativa do saldo de 6 radiação regional, sem a necessidade da realização de grandes investimentos para suprir a falta de dados na grande maioria das regiões brasileiras. Assim, para analisar as variações espaciais e temporais desses parâmetros com um maior nível de detalhamento, o sensoriamento remoto orbital torna-se uma importante ferramenta, pois, este tem a capacidade de imagear coberturas de abrangência global e regional com grande rapidez e custos reduzidos, visto que, estão disponíveis para obtenção, imagens de satélites gratuitas, com médias e baixas resoluções espaciais. Desta forma, imagens de satélites associada a técnicas de sistemas de informações geográficas e algoritmos, tornam-se ferramentas imprescindíveis para suprir a escassez destes parâmetros biofísicos, principalmente, em locais que necessitam da informação destes indicadores para aperfeiçoar o uso racional da água na agricultura e, até mesmo, realizarem outros estudos ambientais. O SEBAL (Surface Energy Balance Algorithms for Land) é um algoritmo usualmente aplicado para o cômputo dos componentes do balanço de radiação com auxílio de imagens orbitais. Este algoritmo é capaz de realizar com exatidão as estimativas dos parâmetros propostos no seu processamento. Entretanto, quando se propõem mensurar os parâmetros relativos a este complexo de equações, para áreas com relevo relativamente heterogêneo, pode acarretar uma estimativa errônea dos parâmetros, causados, principalmente, devido à diferença do ângulo de incidência solar referente à normal de cada pixel da imagem da área de estudo (variação do relevo). Para atenuar esses erros, deve-se levar em consideração a topografia do terreno no processamento do algoritmo. Tendo como hipótese que a forma do relevo influencia nos componentes da radiação solar, este trabalho teve por objetivo analisar a dinâmica espaço- temporal do saldo de radiação, na Fazenda Experimental Edgárdia da FCA/UNESP Botucatu-SP, levando-se em consideração a topografia da mesma, a qual possui diferentes relevos e considerando-se nessa análise, dois métodos de correção topográfica, um lambertiano e outro não lambertiano. 7 4 REVISÃO DE LITERATURA Sensoriamento Remoto 4.1 4.1.1 Conceitos Existem diversas definições para sensoriamento remoto, propostas por diferentes autores (LORENZZETTI, 2015). Verifica-se que há confluência e divergência entre as definições propostas por esses. A diferença entre os conceitos acontece por se tratar de uma ciência com grande área de atuação e por alguns autores conceituarem a ciência de maneira ampla ou muito restrita (NOVO, 2008). Sob o enfoque histórico, sabe-se que a expressão sensoriamento remoto foi estabelecida para retratar o desenvolvimento de uma nova tecnologia, que faz uso de equipamentos que captam imagens da superfície, a certa distância dessa. Destarte, o conceito mais difundido ou clássico para sensoriamento remoto é o de ser uma técnica de aquisição de informação dos alvos presentes na terra, sem haver contato físico entre o equipamento captador dos dados e o objeto (AGGARWAL, 2004; LILLESAND; KIEFER, 1987; LINTZ JR.: MÄTZLER, 2008; SIMONETT, 1976;). Para essa definição clássica, estabeleceram-se algumas condições, sendo a principal, que o sensor deva estar distante do alvo. Essa circunstância permite uma definição mais técnica, sendo esta gerida de acordo 8 com três cláusulas: a primeira, de exigência, que considera a inexistência de matéria entre o alvo e o sensor; a segunda, de consequência, aborda a possibilidade da informação de ser conduzida pelo espaço; e a última, de processo, que ressalta a radiação eletromagnética como a única forma de energia com capacidade de se transferir no espaço e, portanto, a única maneira de estabelecer ligação entre o alvo e o sensor. Seguindo esse princípio, um conceito com maior embasamento científico para o sensoriamento remoto, seria o de ser uma ciência que se destina à captação de imagens da superfície da terra, por meio da mensuração das respostas provenientes das interações da energia eletromagnética com os mais diferentes objetos presentes na superfície terrestre (MENESES; ALMEIDA, 2012). Para Ebert (2001), o sensoriamento remoto é uma ciência que visa à obtenção de informação de um determinado alvo, sem obter contato físico com o mesmo. Esses alvos podem ser vegetações, culturas agrícolas, solos, formações rochosas, entre outras inúmeras superfícies. Essas informações adquiridas de forma remota pelos sensores são obtidas através do estudo da interação da radiação eletromagnética, emitida por fontes naturais (sol) ou artificiais (radares), com os alvos que se desejam estudar. Já na concepção de Novo (2008), após analisar os conceitos atribuídos ao sensoriamento remoto por diversos autores, definiu esta ciência, como sendo a utilização de um conjunto de sensores, equipamentos para processamento e transmissão de dados à bordo de espectroradiômetros de campo, aviões, satélites ou outros instrumentos, com intuito de captar a energia eletromagnética refletida ou emitida dos alvos, para tornar possível o entendimento de diversos fenômenos presentes no planeta, por meio da interação da energia eletromagnética com as mais diversas superfícies existentes. O procedimento de aquisição de informação, intensidade de energia refletida ou emitida pelos alvos no sensoriamento remoto, é executado por instrumentos denominados sensores remotos, esses são equipamentos capazes de adquirir e compilar a radiação refletida ou emitida pelos diferentes materiais presentes na superfície terrestre (FLORENZANO, 2011). 4.1.2 Sensores Remotos O sensor remoto tem como função principal, captar e quantificar a energia emitida e/ou refletida da superfície terrestre, possuindo desta forma, a finalidade de adquirir as informações a respeito da origem e/ou condições dos alvos que se desejam 9 estudar (EBERT, 2001). Esses também são chamados de radiômetros (radio, radiação, e metro, medida), podendo ser classificados quanto, ao tipo de produto, região espectral em que operam, quanto aos níveis de coleta de dados, resoluções dos sensores e fonte de radiação (MOREIRA, 2011). Os sensores remotos podem ser classificados quanto ao tipo de produto, como instrumentos imageadores e não-imageadores. No primeiro estão os sensores que geram imagens a partir da interação sequencial da energia eletromagnética refletida e/ou emitida pelos alvos durante a trajetória do sensor (MOREIRA, 2011). Os sensores imageadores permitem que sejam criadas imagens bidimensionais, ou até tridimensionais, da superfície em que os mesmos captam as informações. Porém, nem sempre é necessário que o produto final seja uma imagem (não-imageadores), como por exemplo, os radares altimétricos, que captam de maneira consecutiva informações de altitude ao longo de sua trajetória, por meio de um sistema de pulsos de radiação micro- ondas (LORENZZETTI, 2015; NOVO, 2008). Os radiômetros também podem ser classificados, quanto à amplitude espectral, que os mesmos captam com relação à energia refletida e/ou emitida pela superfície. Esses possuem instrumentos capazes de registrar a radiação eletromagnética em diferentes intervalos de ondas, fazendo com que a faixa do espectro assimilada por cada um tenha características que podem ser classificados: os sensores que operam na região do visível, infravermelho próximo e médio, os que operam nas regiões do infravermelho termal e os que captam na região das micro-ondas (MOREIRA, 2011). Essas porções do espectro, no sensoriamento remoto, são conhecidas como bandas espectrais. Quanto mais bandas um sensor possuir, mais detalhadas serão as informações que este obterá das radiações refletidas e/ou emitidas do corpo em estudo, e melhor será a resolução espectral do sensor (EBERT, 2001; MENESES; MADEIRA NETTO, 2001). A complexidade das aquisições aumenta diretamente com a altitude da aquisição, pois, aumenta também, a quantidade de possíveis interferentes entre o alvo e o sensor, além de, não ser possível controlar as questões atmosféricas e de iluminação, podendo apenas atenuar esses fatores por meio de modelos que visam essas correções (NOVO, 2008). Os sensores podem ser caracterizados de acordo com quatros resoluções: resolução espectral, espacial ou geométrica, temporal e radiométrica. Para a 10 escolha do sensor a ser utilizado em determinada pesquisa, devem-se considerar as resoluções dos sensores, para que essas se adequem da melhor forma possível ao objetivo do estudo. Existem à disposição vários satélites com diferentes resoluções, portanto, caso o objetivo seja uma observação com maior nível de detalhamento, com relação a forma e tamanho dos objetos à superfície, deve-se optar por sensores com maior resolução espacial. Por outro lado, se a intenção da pesquisa é a observação de mudanças de um determinado fenômeno, ao longo de um curto período de tempo, deve-se dar prioridade para sensores com alta taxa de revisita, ou alta resolução temporal. No caso de pesquisas voltadas para respostas espectrais mais refinadas de determinado alvo, como por exemplo, estudos que visem determinar diferentes constituintes de minerais e rochas são necessários priorizar os sensores com maiores números de bandas espectrais, isto é, os denominados hiperespectrais (MENESES; ALMEIDA 2012). O satélite Landsat-5/TM possui as seguintes características: resolução temporal de 16 dias, resolução espacial de 30 m, para as bandas do visível e infravermelho próximo e médio, e 120 m para a banda do infravermelho termal. A resolução radiométrica da plataforma é de 8 bits, correspondendo a 256 níveis de cinza (UNITED STATES GEOLOGICAL SURVEY, 2014). Os sensores que captam a energia eletromagnética proveniente do sol são denominados, quanto à fonte de radiação, como sensores passivos (AGGARWAL, 2004; MÄTZLER, 2008). Como exemplos desta categoria têm-se os satélites dos programas Landsat, Cbers e Spot (EHLERS, 2007; MOREIRA, 2011). Radiação solar e alvos terrestres 4.2 Como os sensores passivos são dependentes de energia solar, torna- se necessário conhecer mais detalhadamente a procedência dessa energia eletromagnética e sua interação com os alvos terrestres. Essa interação da radiação eletromagnética promove diferentes comportamentos espectrais nos alvos em que esta incide. Quando a radiação atinge uma superfície, esta pode ser absorvida, refletida, transmitida e emitida pelos alvos, sendo que cada um dos objetos, possuem uma assinatura espectral. Essa seria a quantidade de energia que cada corpo reflete ou emite em diferentes comprimentos de ondas. Estas reações espectrais, após a interação da energia eletromagnética com o alvo, variam de acordo com fatores ambientais e com 11 características de cada objeto. Dessa forma, conhecendo a resposta proveniente da interação da radiação com o corpo receptor, é possível identificar alvos semelhantes por meio do comportamento espectral do mesmo. Portanto, a curva espectral formada pela interação eletromagnética do alvo com o sensor, pode ser utilizada como forma de identificação remota de pontos na superfície terrestre (MOREIRA, 2001). Nas imagens, os alvos encontrados no meio rural com maior frequência são: culturas agrícolas, pastagens, vegetações secundárias e em condições naturais, representados por diferentes aspectos de ordem evolutiva e fitofisionômicas. Outros alvos a serem considerados para a análise da interpretação da interação da energia eletromagnética no sensoriamento remoto agrícola são as superfícies de corpos d'águas e rochas, por serem também encontradas com frequência na paisagem (WATRIN; MACIEL, 2005). De acordo com Moreira (2001), para cada comprimento de onda há respostas de refletâncias diferentes entre os alvos, ou seja, cada um dos alvos (vegetação, solo, água e rocha) apresenta um comportamento espectral característico que diferencia um dos outros. De acordo com Moreira (2007), para melhor entender como a vegetação responde à radiação eletromagnética, é necessário analisar o indivíduo que compõem esse sistema, ou seja, a planta, pois é nela onde os processos físico-químicos e biológicos ocorrem, sendo as folhas o principal órgão para compreensão da relação entre a radiação solar e a vegetação, o que resultará no comportamento espectral desse alvo. As folhas efetuam três funções fisiológicas principais: respiração, transpiração e fotossíntese. No entanto, o único processo diretamente relacionado com a radiação solar é a fotossíntese, pois os outros dois processos (respiração e transpiração) utilizam a energia resultante das reações químicas ocorrentes nas plantas, obtidas por meio da quebra das moléculas produzidas pela fotossíntese (MOREIRA, 2007). Conversão de números digitais para valores físicos 4.3 Quando se realiza a obtenção de imagens, essas estão na forma de ND (Números Digitais), os quais não têm correspondentes físicos, ou seja, não é correta a realização de operações algébricas entre bandas utilizando os mesmos. Os valores de ND são escalonados de maneira singular entre as bandas de um mesmo sensor e entre as bandas de diferentes sensores, tendo a amplitude dos mesmos, variado de acordo com a resolução radiométrica das imagens, o que impossibilita a comparação entre bandas, visto 12 que, os objetos respondem de maneira singular aos diferentes comprimentos de onda (PONZONI et al., 2012). Para solucionar esse problema, faz-se necessário a conversão desses valores (ND) para valores correspondentes que expliquem os objetos físicamente, como, por exemplo, a radiância e a reflectância. A radiância diz respeito ao brilho do objeto, estando relacionado à irradiância, ou seja, a radiação emitida pela fonte, sendo, portanto, uma característica radiométrica, o que faz com que esse parâmetro ainda não seja o mais adequado para comparação ou realização de operações entre bandas (PONZONI et al., 2012). Dessa forma, segundo os mesmos autores, torna-se imprecindível a conversão da radiância para reflectância, principalmente, em estudos que visem a manipulação entre bandas do mesmo sensor ou de sensores diferentes. Assim, é possível realizar operações entre bandas de mesma imagem ou de imagens diferentes, visto que, esse é um parâmeto físico que está representado na mesma escala para as diferentes bandas. Porém, como esses são dados coletados a certa distância dos alvos, podem sofrer interferências. Portanto, para que ocorra a caracterização correta de alvos em diferentes datas, há a necessidade de atenuar ou corrigir as interferências externas nos dados radiométricos. Correções radiométricas 4.4 A obtenção de valores consistentes em imagens orbitais depende da qualidade radiométrica dos dados, a qual está diretamente relacionada com as interferências atmosféricas e das condições de iluminação da superfície (áreas declivosas), no momento da passagem do satélite (LIMA; RIBEIRO, 2014; RITCHER, 1998). Assim, faz-se necessário atenuar essas interferências, principalmente, em estudos multi-temporais que estejam relacionados ao tipo de uso do solo e aos parâmetros biofísicos da vegetação. Portanto, quando o objetivo é avaliar a dinâmica de um determinado fenômeno ao longo do tempo, há a necessidade de homogenizar as condições externas à análise (CHAVEZ JR., 1988; HATSON; CHUVIECO, 2011; PONZONI et al., 2012). 13 4.4.1 Correção atmosférica Para a obtenção de acurácia na estimação de parâmetros geobiofísicos é necessária a remoção de interferentes atmosféricos (JIMÉNEZ-MUÑOZ et al., 2010). Para isso, existem duas linhas, uma baseada na atenuação dos efeitos causados pelo espalhamento atmosférico e outra baseada nos modelos de transferência radiativa. Ambas as linhas são amplamente utilizadas no sensoriamento remoto orbital, apresentando vantagens e desvantagens na aplicação de uma linha sobre a outra (PONZONI et al., 2012). O Dark Object Substraction (DOS) é um método de correção atmosférica baseado na primeira linha de modelos, ou seja, consideram apenas os efeitos provocados por espalhamento causado pelas moléculas de gases e por aerossóis presentes na atmosfera, esse método foi comentado e melhorado por Chavez Jr. (1988). Grande parte dos métodos derivados do DOS supõem que existe uma grande probabilidade de ocorrer alguns pixels nas imagens com reflectância zero. Essa suposição foi embasada no fato de uma imagem possuir milhões de pixels e que alguns desses estariam sombreados por algum motivo (relevo, nuvem, etc). Esses pixels sombreados deveriam possuir valores de Números Digitais (ND’s) iguais à zero, mas por causa do espalhamento que a atmosfera produz na radiação eletromagnética, esses não apresentam valores nulos. Logo, a diferença entre o real valor dos pixels sombreados e o valor em que esses deveriam ter (zero) é considerada como sendo as contribuições do espalhamento causado pela atmosféra para essa banda específica. Seguindo essa linha de pensamento os pixels que deveriam ter o valor zero são selecionados de acordo com o método do histograma. No método padrão do DOS são analisados um histograma por banda, visto que, esse considera que os efeitos de espalhamento são independentes entre as bandas. Já no método proposto por Chavez Jr. (1988), denominado de Improved Dark-object Subtraction Technique, utiliza-se apenas o histograma de uma banda para descrever o espalhamento das demais, utilizando para isso, modelos de espalhamento atmosféricos. Os mesmos autores, utilizando como base informações apresentadas por Curcio, em 1961 e Slater, em 1983, propôs modelos de espalhamento atmosféricos baseados nas relações das condições atmosféricas e os comprimentos de ondas das bandas espectrais. Desde a proposta desse método, inúmeros trabalhos têm sido aplicados com intuito de atenuar os efeitos causados pelo espalhamento atmosféricos. 14 Outra correção radiométrica de grande importância, quando objetiva-se a comparação entre imagens, é a correção topográfica. 4.4.2 Correção topográfica Há alguns anos pesquisadores em diferentes lugares do mundo vêm estudando e propondo métodos para mitigar os efeitos que a topografia do terreno tem na acurácia dos processamentos digitais, com uso de imagens de satélites (BALTHAZAR et al., 2012; KARA et al., 2014; MEYER et al., 1993; SZANTOI; SIMONETTI, 2013; TEILLET et al., 1982). Esses efeitos podem ser observados, devido ao fato da resposta espectral captada pelo sensor, ser dependente não só das características intrínsecas dos alvos, mas também, de condições externas aos mesmos (MEYER et al., 1993). Fatores como a topografia do terreno influenciam no ângulo de incidência solar (normal de cada pixel) e no sombreamento de áreas, contribuindo negativamente na acurácia das respostas da energia eletromagnética que os sensores captam dos alvos, acarretando dessa forma, em interferências nas medições realizadas por sensoriamento remoto orbital (LIMA; RIBEIRO, 2014; TEILLET et al., 1982). As interferências radiométricas sofridas nas imagens em áreas de relevo heterogêneo fazem com que um uma cultura homogênea possa responder de maneiras diferentes no campo, dependendo da posição que a mesma se encontra na superfície. A leitura do sensor orbital, para as áreas sombreadas, subestima a resposta espectral de um objeto, ao passo que as áreas expostas ao sol tendem a apresentar resposta inversa, para valores de reflectância (RIAÑO et al., 2003). De acordo com Schulmann et al. (2015), um mesmo uso de solo sofre variabilidade causada pelo aspecto (azimute da superfície inclinada) e declividade, sendo um empecilho na obtenção das reflectâncias dessas superfícies. Para atenuar os efeitos causados pela topografia, há a necessidade de calcular o ângulo de incidência solar de cada pixel (KOBAYASHI; SANGA-NGOIE, 2009; REESE; OLSSON, 2011), ou seja, angulação formada entre a superfície do terreno inclinado e os raios solares (VIANELLO; ALVES, 2012). Este parâmetro pode ser calculado com auxílio de mapas de declividade, aspecto (azimute da superfície inclinada), ângulo zenital e azimutal solar, os 15 dois últimos presentes nos arquivos metadados das imagens, metodologia essa utilizada por Teillet et al. (1982), Colby (1991), Hantson e Chuvieco (2011), Balthazar et al. (2012), Szantoi e Simonetti (2013) e Moreira e Valeriano (2014), ou levando em consideração, além dos mapas de declividade e aspecto, a declinação solar do dia, a latitude de cada pixel e o ângulo horário no momento da passagem do satélite (DI PACE et al., 2008; IQBAL, 1983). Para obtenção dos dados necessários para o cálculo do ângulo de incidência solar normal de cada pixel, faz-se necessário um modelo digital de terreno (MDT) com a mesma resolução espacial das imagens a serem corrigidas (HANTSON; CHUVIECO, 2011). Subsequente ao ângulo de incidência solar inicia-se os métodos de correção topográfica. Para isso existem vários modelos, desde os mais simples, aos mais complexos, os quais podem ser divididos em dois grupos, os que assumem a superfície como um reflector Lambertiano e os métodos que consideram a superfície como não Lambertiana (LIMA; RIBEIRO, 2014). Um dos métodos mais difundidos é o método do cosseno, o qual foi proposto por Teillet et al. (1982). Esse método é usado frequentemente para atenuar os efeitos da iluminação da superfície em terrenos planos para estudos de séries temporais. O método do cosseno é baseado em leis físicas que assumem a superfície como um reflector Lambertiano, considerando que a irradiância incidente em um pixel é proporcional ao cosseno do ângulo de incidência solar, ou seja, apenas parte da irradiância incide realmente em uma superfície inclinada (MEYER et al., 1993). Esse método apenas considera a irradiância solar direta em sua análise, não computando o irradiância difusa proveniente do céu e a irradiância refletida por pixels vizinhos (BALTHAZAR et al., 2012). Uma das vantagens em se utilizar esse método é a sua aplicabilidade, posto que o mesmo pode ser utilizado de maneira automática no processamento das imagens, além de, não ser necessário a estratificação dos usos da terra. Outro método amplamente utilizado é a correção C, desenvolvido por Teillet et al., (1982), a qual se baseia na correção cosseno com a adição de um fator C, que tem por finalidade atenuar os efeitos causados pela radiação difusa incidente nos pixels e para solucionar problemas com valores pequenos de cosseno do ângulo de incidência solar, ou seja, Cosγi. A radiação difusa é aquela radiação que já sofreu interação com outro ponto na superfície, ou na atmosfera, e vêm a incidir novamente na superfície. O fator C, que minimiza essa questão, é derivado da regressão linear entre o cosseno do ângulo de incidência da radiação solar, no horário de passagem do satélite, com as reflectâncias de 16 cada uma das bandas utilizadas para a data (BALTHAZAR et al., 2012; RICHTER et al., 2009). A correção C está agrupada nos métodos que consideram a anisotropia das superfícies terrestres, ou seja, os métodos não lambertianos (LIMA; RIBEIRO, 2014; RICTHER et al., 2009). Posterior às correções radiométricas, os dados podem ser processados algebricamente, para obtenção dos parâmetros. SEBAL 4.5 O algoritmo SEBAL é um complexo de equações que estima a evapotranspiração por meio de uma série de processamentos que geram o saldo de radiação, fluxo de calor no solo e fluxo de calor sensível. Quando gerados estes parâmetros, é subtraído do saldo de radiação, o fluxo de calor no solo e o fluxo de calor sensível e, assim, é gerado o fluxo de energia residual, ou fluxo de calor latente, que é usado para o cálculo da evapotranspiração - ET (ALLEN et al., 2002). Para que o SEBAL estime o saldo de radiação, este requer algumas informações e pré-requisitos de extrema importância. Para o cômputo das equações do balanço de energia é importante, que a imagem esteja livre de nuvens, pois mesmo com uma fina camada nebulosa, esta pode proporcionar uma leitura inferior na banda termal e acarretar grandes erros nos cálculos. Portanto, são necessárias informações sobre as condições de nebulosidade, informações presentes no cabeçalho da imagem e informações meteorológicas (ALLEN et al., 2002). As informações que devem ser obtidas no arquivo cabeçalho são: data e horário de passagem do satélite, latitude e longitude do centro da imagem do satélite e ângulo de elevação solar no momento da passagem do satélite. O horário de passagem do satélite, no arquivo cabeçalho, é expresso em Greenwich Mean Time (GMT) e deverá ser convertida para o horário local (ALLEN et al., 2002). As informações meteorológicas necessárias para o processamento do SEBAL são: precipitação, umidade (pressão de vapor ou temperatura do ponto de orvalho), radiação solar, temperatura do ar e a velocidade do vento, isto para todo o ciclo de equações do algoritmo (ALLEN et al., 2002). Não são exigidas informações referentes às condições hidrológicas e tipo de solo, pois essas se encontram implícitas nas informações captadas pelas imagens (WATERWATCH, 2014). 17 O SEBAL é a culminância de anos de estudo e validação. Este tem sido comparado com métodos diferentes de estimativa da evapotranspiração, como: o método de Bowen, lisímetro de drenagem, lisímetro de pesagem, balanço hídrico e correlação de Eddy, em diversos países, localizados nos cinco continentes. Esse método foi validado em quatro dos cinco grandes grupos de classificação climática de Köppen, e tem realizado estudos de validação em mais de 15 tipos de vegetação. Nessas estão inclusas a agricultura e pastagem irrigadas, alfafa, pêssegos, tomates, beterraba, vegetação de mata ciliar, pastos, azeitonas, arroz, palmeiras, algodão, trigo, girassol, solo exposto, pastagem e floresta. Os estudos de validação do algoritmo têm demonstrado que a variação dos valores de ET sazonais encontrados no algoritmo, quando comparados com valores de ET sazonais de medições realizadas na superfície, apresentam uma variação não maior do que 5% dos valores. Quando realizada a comparação para períodos mais curtos de tempo, aproximadamente 10 dias, as distorções estão entre 15 a 20% (SEBAL, 2013). O SEBAL estima o saldo de radiação e a evapotranspiração real, pois considera influências da salinidade, do deficit de irrigação, de doenças nas plantas e talhões com plantas mal desenvolvidas. Esses dados são praticamente impossíveis de serem considerados em métodos usuais do cômputo da ET. Além disso, não é necessário considerar o tipo de cultura para a resolução do balanço de energia e há a possibilidade de que os dados encontrados sejam exportados para um SIG (Sistema de Informação Geográfica) e analisados conjuntamente com outros dados de interesse (SEBAL, 2013). O processamento de todo o algoritmo é composto por 25 passos, dentre os quais, pode-se citar, saldo de radiação, evapotranspiração real, entre outros parâmetros relativos à troca de energia entre à superfície terrestre e a atmosfera. A principal fonte de informação para o processamento do algoritmo é a imagem de satélite nos comprimentos de onda do visível, infravermelho próximo, infravermelho médio e infravermelho termal. O algoritmo em questão computa o balanço completo da radiação solar com resistência ao movimento, calor e transporte do vapor d’água. Estas resistências estão diretamente ligadas com as condições da área, como a condição hídrica, velocidade do vento, temperatura do ar, entre outras mudanças ao longo da mensuração (WATERWATCH, 2014). Seguindo a mesma fonte de informação, os passos para estimativa do saldo de radiação no algoritmo, iniciam-se na conversão da radiância para parâmetros 18 da superfície terrestre, como a reflectância, albedo da superfície, índice de área foliar, índices de vegetação e temperatura da superfície. As informações relativas à superfície podem ser extraídas de diferentes plataformas orbitais. A escolha da plataforma dependerá da abrangência espacial e temporal necessária à pesquisa. 4.5.1 Saldo de radiação As formas de transferência de calor (energia) são: condução, convecção e radiação. As duas primeiras necessitam de um meio material para que haja as trocas energéticas, com exceção da radiação que ocorre no espaço vazio por meio de ondas eletromagnéticas (BORGGNAKKE, 2004). O saldo de radiação (Rn) é a energia disponível no sistema, após ter sofrido as trocas radioativas, diferença entre os fluxos totais das radiações incidente e refletida pela superfície, ou seja, as radiações de ondas curtas e longas, sendo que as radiações incidentes na superfície adotam valores positivos e as radiações emitidas pela superfície, valores negativos (CUNHA et al., 2002). Segundo a equação geral do balanço de energia (Rn=LE+H+G), Rn é dependente do fluxo de calor latente (LE), do fluxo de calor sensível (H) e fluxo de calor no solo (G) (CUNHA et al., 2001). O saldo de radiação é o principal responsável pelo fornecimento de energia para os processos físicos, químicos, biológicos e meteorológicos de ocorrência na superfície. Os maiores valores de saldo de radiação são observados no período diurno, devido a radiação solar e os menores valores no período noturno (BATISTA, 2011). Existem inúmeros aparelhos e metodologias capazes de mensurar o saldo de radiação, mas, no entanto, realizam a medida de maneira pontual e, quando espacializados, os vários pontos podem apresentar erros, por não levar em consideração a heterogeneidade da superfície (CUNHA et al., 2008). Se o interesse for de estimar o fenômeno para uma abrangência regional, ou até mesmo global, os produtos provenientes do sensoriamento remoto tornam-se fundamentais, pois fornecem dados espaciais com uma alta frequência e baixo custo operacional, dependendo do sensor (DI PACE et al., 2008). Para a estimativa do saldo de radiação, com o uso de imagens orbitais por meio do algoritmo SEBAL, são necessários os cálculos do albedo da superfície, dos índices de vegetação, das radiações de ondas curtas incidentes na superfície, das radiações de ondas longas incidentes e emitidas pela superfície, além de outros parâmetros (ALLEN et al., 2002). 19 4.5.2 Albedo A parte da radiação que atravessa a atmosfera, ao atingir a superfície terrestre pode ser: absorvida, transmitida ou reflectida pelo alvo na superfície. A porcentagem de energia que será reflectida, absorvida e transmitida pelo objecto, dependerá das características desse, assim como, de fatores característicos da radiação, como o ângulo de incidência dessa na superfície. O albedo, ou reflectância hemisférica total de ondas curtas, pode ser definido como uma propriedade que um determinado objeto possui de refletir a radiação incidente, ou seja, a razão entre o total de radiação refletida, em todos os comprimentos de ondas curtas que chegam nesse objecto, com o total de radiação incidente dos mesmos comprimentos de ondas. Dessa forma, o albedo de um objeto está relacionado a radiação incidente nos objectos e as propriedades físicas dos mesmos (GASH; SHUTTLEWORTH, 1991). De acordo com Ranson et al. (1991), o albedo é um parâmetro de grande importância no entendimento dos fenômenos climatológicas e suas mudanças globais, sendo um componente do balanço de energia na superfície. Esse parâmetro tem sido computado no sensoriamento remoto utilizando os dados de reflectância das bandas dos satélites. A validação dessa estimativa tem sido realizada em campo, utilizando dados adquiridos de pyranometros em diferentes usos da terra. Esses autores estimaram o albedo da superfície por meio de técnicas de imagens orbitais e obtiveram um erro médio quadrático absoluto não maior que 0,5%, entre medidas de campo e técnicas de cálculo do parâmetro por meio de imagens orbitais. Estudos temporais em imagens orbitais tem estimado albedo de superfícies, com intuito de auxiliar a compreensão das ocorrências de mudanças climáticas nas regiões, como é o caso do trabalho de Matos et al. (2015). A estimativa do albedo e sua análise temporal auxilía no entendimento do comportamento do uso da terra ao longo dos anos e, consequentemente, se uma determinada área apresenta preservação ambiental, relaciona-se ao decréscimo dos valores de albedo, ou se a mesma sofre processos de degradação ao longo do tempo, relaciona-se ao aumento do albedo. O estudo desse parâmetro biofísico é recomendado em todos os monitoramentos de mudanças de superfícies da terra (ROBINOVE et al., 1981). 20 4.5.3 Índices de vegetação De acordo com Jensen (2009), parâmetros biofísicos vêm sendo extraídos da vegetação por meio de sensoriamento remoto desde 1960. Esses têm como intuito extrair informações a respeito da vegetação, utilizando informações de reflectâncias das bandas espectrais das imagens de satélites. Existem inúmeros índices de vegetação, que por sua vez, utilizam a relação do comprimento de onda do vermelho e do infravermelho próximo. O NDVI (Normalized Difference Vegetation Index) desenvolvido por Rouse et al. (1974) é um exemplo desses índices, o qual leva em consideração a diferença espectral do comprimento de onda do vermelho e do infravermelho próximo, sendo com isso, sensível a mudanças durante o desenvolvimento vegetativo ao longo do ciclo das plantas e, constantemente, utilizado para caracterização de parâmetros quantitativos e qualitativos da vegetação, como por exemplo o uso desse na estimativa de produtividade, na discriminação de culturas anuáis, na quantificação de radiação fotossiteticamente absorvida, entre outras finalidades (BASTIAANSSEN et al., 2000). Devido à influência que os solos, presentes nos meatos dos dosséis vegetais, causam nas respostas de algumas análises de NDVI, Huete (1988) desenvolveu um índice de vegetação utilizando o NDVI como base. Esse índice, denominado de SAVI (Soil Adjusted Vegetation Index), utiliza um fator L para atenuar as influências que os solos aparentes possam acarretar no cálculo do índice. Caso o valor de L venha a ser zero, o SAVI torna-se idêntico ao NDVI, entretanto, o valor de 0,5 tem sido encontrado constantemente na literatura (ALLEN et al., 2002), sendo observado por Huete e Liu (1994) como um valor que reduz os efeitos externos provocados pelo brilho dos solos. Outro índice amplamente utilizado é o LAI (Leaf Area Index), inicialmente desenvolvido por Watson (1947), o qual faz relação entre a área foliar de uma planta, com a área usada no terreno pela mesma. Foi encontrada uma relação entre esse índice e o SAVI, passando a computá-lo no sensoriamento remoto, utilizando uma relação logarítmica entre os dois. O NDVI, SAVI e LAI são utilizados constantemente na determinação dos componentes do balanço de radiação e evapotranspiração, pois por meio 21 desses pode-se inferir sobre as condições fisiológicas da vegetação e, a partir disso, correlacionar com outros parâmetros, como no caso da estimativa da radiação fotossinteticamente absorvida, da produtividade de culturas (BASTIAANSSEN et al., 2000) e no cálculo da emissividade da superfície, parâmetro esse que faz uso dos índices citados para a sua estimativa no algoritmo SEBAL (ALLEN et al., 2002). 4.5.4 Radiação de ondas curtas O espectro de radiação proveniente do sol que propaga em direção a superfície terrestre pode sofrer nesse caminho, absorção e espalhamento. O grau em que acontecem essas interfêrencias no trajeto da radiação depende das condições em que a atmosfera encontra-se. Grande parte da radiação que atravessa a atmosfera em direção à superfície está compreendida entre os comprimentos de onda de 0,3 µm a 3,0 µm, com predominância do comprimento de onda correspondente a região do visível, mais especificamente o comprimento de 0,48 µm (GASH; SHUTTLEWORTH, 1991). Dessa forma, a radiação de onda curta incidente é determinada por meio da radiação solar que incide à superfície, a qual corresponde a soma da radiação direta, que não sofre nenhuma interfêrencia durante a trajetória até a superfície, e a radiação difusa, que sofreu desvios durante o trajeto até a superfície (VIANELLO; ALVES, 2012). Quando a radiação incide na superfície terrestre parte dessa é refletida, proporcional ao albedo da superfície da qual a radiação incidiu (ALLEN et al., 2002). 4.5.5 Radiação de ondas longas A radiação de ondas longas é dividida em incidente e emitida pela superfície da terra, ou seja, tanto a atmosfera quanto a superfície terrestre emitem radiação, a qual é proporcional a quarta potência da temperatura do corpo emitente. Fato esse demonstrado por Josen Stefan, em 1879 e comprovado por Ludwig Boltzman, em 1884, ficando essa relação conhecida como a Lei de Stefan-Bolztman. A energia emitida pelos corpos é representada por uma parcela da energia emitida por um corpo negro, conhecida como emissividade do corpo. As radiações emitidas pela superfície e pela atmosfera estão compreendidas no intervalo de comprimento de onda do infravermelho, devido as temperaturas dos mesmos. Logo, o saldo de radiação de ondas longas é dado pela diferença 22 da radiação emitida pela atmosfera com a radiação emitida pela superfície, sendo mais frequente, a superfície emitir um maior valor (VAREJÃO-SILVA, 2006). Aplicações do SEBAL 4.6 De acordo com Bastiaanssen et al. (2000), o sensoriamento remoto tem potencialidades de ser aplicado na agricultura irrigada, com objetivos de estimar diversos parâmetros, entre os quais, estão a salinidade do solo, o coeficiente de transpiração, biomassa, produtividade das culturas, área irrigada, índice de área foliar, umidade do solo, precipitação e evapotranspiração real e potencial das culturas. Muitos desses parâmetros utilizam parte ou todas as equações presentes no SEBAL. Estudos utilizando o algoritmo SEBAL vêm sendo realizados, desde sua proposta por Bastiaanssen (1995) e por sua formulação e validação publicada por Bastiaanseen et al. (1998a) e Bastiaanseen et al. (1998b), respectivamente. Desde então, pesquisadores do mundo inteiro tem desfrutado desse complexo de equações para estimar variáveis para suas áreas de estudos, visto o grande potencial do SEBAL para os parâmetros relativos ao balanço de energia. Silva et al. (2005) utilizaram o algoritmo SEBAL para determinar o balanço de radiação à superfície na região de Petrolina-PE e Juazeiro-BA. Esses autores utilizaram duas imagens do satélite Landsat-5/TM, a primeira no ano de 2000 e a segunda no ano de 2001, e constataram que o SEBAL apresentou dados com alta consistência, quando comparados com dados mensurados no campo. O SEBAL foi utilizado também por Di Pace et al. (2008), no mapeamento do saldo de radiação, para a região do Perímetro Irrigado Senador Nilo Coelho, região que abrange parte da área estudada por Silva em 2005. Di Pace et al. (2008) consideraram em seu estudo a topografia da superfície no cálculo dos parâmetros e concluíram que a inserção do MDE nos cálculos produz uma alteração considerável no cômputo do saldo de radiação, destacando a necessidade de considerar a topografia nesses estudos. Menezes et al. (2009) computaram os componentes do balanço de radiação e de energia utilizando o SEBAL, para a região de Santa Bárbara, Minas Gerais. Esses autores consideraram em suas análises o relevo como sendo plano e montanhoso e constataram que as respostas provenientes do algoritmo SEBAL corroboraram com os encontrados na literatura, entretanto, em condições de relevo montanhoso, esses autores 23 sugeriram que os dados devem ser acompanhados de correções, validações e calibrações, devido às interferências do sombreamento em algumas áreas que não sofreram exposição da radiação solar. Dessa forma, os pesquisadores constataram que os valores obtidos para condições montanhosas requerem um olhar mais detalhado, visto que, muitas interferências causadas pela inserção do relevo, podem subestimar ou superestimar o valor da evapotranspiração. A sazonalidade do saldo de radiação foi estudada por Lima et al. (2012), para a região da bacia do rio Paracatu, a qual está localizada nos estados de Minas Gerais e Goiás. Esses autores ressaltaram a importância do SEBAL para estimar o saldo de radiação, pois essa metodologia pode ser executada com eficiência em locais com uma fraca cobertura de estações meteorológicas, caso da região em que os autores realizaram a pesquisa. Oliveira et al. (2014) utilizaram parte da metodologia presente no algoritmo SEBAL para o cálculo de parâmetros biofísicos e analisaram a variação espaço- temporal das áreas verdes e da qualidade ambiental, no município de Recife, Pernambuco. O SEBAL foi usado para estimar o balanço de radiação e de energia por Sousa et al. (2015), no extremo noroeste do sertão Sergipano, no município de Canindé do São Francisco, utilizando duas imagens do Landsat-5/TM. Esses autores utilizaram parte desses dados (fluxo de calor latente) para inferir na relação do manejo da irrigação do perímetro irrigado com a precipitação dessa área. O algoritmo SEBAL, juntamente com imagens de satélite, tem sido usado para estimar, também, a produtividade de culturas, como por exemplo, o estudo realizado por Andrade et al. (2014), que empregaram essa metodologia para estimar a produtividade de cana-de-açúcar na região do Triângulo Mineiro, Minas Gerais. Esses autores destacaram o potencial do SEBAL para estimar esse parâmetro e pontuaram como um ponto positivo do algoritmo a possibilidade de aplicar a metodologia para áreas extensas com poucas informações meteorológicas. Santos et al. (2014) estudaram processos de desertificação na região do município de Irauçuba, Ceará, com intuito de relacionar esses processos com variáveis ambientais (albedo da superfície, NDVI, temperatura da superfície, balanço de radiação e energia e a fração não-evaporativa), estimados por técnicas de sensoriamento remoto acopladas aos algoritmos SEBAL e S-SEBI (A simple remote sensing algorithm to estimate the surface energy balance). Os autores constataram que, em áreas onde houve 24 retirada da vegetação, ou seja, áreas com indícios de desertificação ou degradação ambiental ocorreram um decréscimo dos valores de saldo de radiação. Resultado adverso foi encontrado para os parâmetros fluxo de calor no solo e temperatura, simultaneamente ao déficit de umidade do solo nessas regiões. Li et al. (2013) aplicaram o SEBAL na região noroeste do Platô Tibetano, na China, com intuito de analisar os padrões dos componentes do balanço de energia, para inferir com relação as condições hidrológicas e climatológicas do local de estudo. Esses pesquisadores, após a execução do estudo, sugeriram um projeto de restauração da flora, com plantas nativas, objetivando favorecer as condições da evapotranspiração da região pesquisada. Pesquisas que visão o aprimoramento do modelo, também tem sido realizadas, como por exemplo, o estudo executado por Tang et al. (2013) em que analisaram, na região norte da China, qual seria o tamanho mais apropriado da área de estudo e do pixel da imagem, quando o intuito é a otimização do SEBAL na estimativa dos componentes do balanço de energia. Esses autores ainda propuseram equações que analisam o impacto das modificações das variáveis intermediárias, na estimativa dos componentes do balanço de energia, sem a necessidade de processar todo o algoritmo novamente. Um método simplificado do SEBAL foi proposto por Zhang et al. (2011) para estimar a evapotranspiração com o uso de imagens Modis. Esses autores propuseram a determinação do fluxo de calor sensível por meio da interpolação de dados de velocidade do vento para 34 estações, com intuito de gerar um mapa de velocidade do vento e, assim, estabelecer um único pixel frio e quente para toda uma vasta área de estudo. Os resultados foram comparados com o método de Tasumi (2003), o qual separa a grande área em várias áreas pequenas e processa o modelo SEBAL para cada uma dessas áreas. Os resultados obtidos por esses autores indicaram um forte coeficiente de determinação (r² =0,966) entre os dois métodos, indicando que o método simplificado, proposto por esses autores, apresenta potencial de aplicação. 25 5 MATERIAL E MÉTODOS Caracterização da Área de Estudo 5.1 5.1.1 Localização geográfica O estudo foi realizado na Fazenda Experimental Edgardia, localizada no município de Botucatu, estado de São Paulo (Figura 1). Esta pertence à Faculdade de Ciências Agronômicas, da Universidade Estadual Paulista (FCA/UNESP), apresenta uma área de 1.200,32 ha, com altitude variando entre 475 a 725 metros. A área é limitada pelos pares de coordenadas geográficas sexagesimais: 48°25'36,25"W e 22°48'2,80"S; 22°49'52,36"S e 48°22'37,46"W, DATUM WGS - 84. 26 5.1.2 Clima De acordo com Cunha e Martins (2009), o clima da região é Cfa, temperado quente (mesotérmico) úmido, com uma temperatura média anual de 20,3 °C e uma precipitação média anual de 1.428 mm. A temperatura média anual do mês mais frio (Julho) igual a 17,1 °C, e do mês mais quente (Fevereiro), 23,1 °C. Durante a série temporal estudada (36 anos) para a classificação climática, os mesmos autores constataram que os meses com características pluviométricas extremas são, o mês de Janeiro (mais chuvoso) e o de Agosto (mais seco). Figura 1. Mapa de localização da Fazenda Experimental Edgardia, no município de Botucatu- SP. 27 5.1.3 Vegetação De acordo com Carvalho et al. (1991), há ocorrência de excedentes de formações vegetais nativas na Fazenda Experimental Edgardia, representadas pelas fitofisionomias de floresta, cerrado e campo. Jorge e Sartori (2002) estratificaram a ocupação florestal da Fazenda Experimental em duas classes, Floresta Estacional Semidecidual e Cerradão, as quais apresentaram aumento de área durante a análise temporal (1978 a 1997) realizada por esses autores. A primeira classe ocupava uma área de 437,04 ha em 1978 e passou a ocupar uma área de 613,99 ha em 1997. Já, a segunda classe florestal ocupava em 1978 uma área de 120,07 ha, passando a ocupar em 1997 uma área de 132,79 ha. Esses autores destacam a ocorrência de vegetação natural na frente da Cuesta inserida no perímetro da Fazenda Experimental. 5.1.4 Relevo A Fazenda Experimental Edgardia apresenta grande amplitude nos valores referentes à altitude (geoidal). São encontrados valores no entorno do rio Capivara de aproximadamente 475 m, local caracterizado por relevo plano, com declividade variando de 0 a 3 %, com ocorrência de Neossolos Flúvicos e Gleissolos (atualizado de acordo com normas da Empresa Brasileira de Pesquisas Agropecuária - EMBRAPA, 2013). No sentido da Cuesta, a declividade torna-se, gradativamente, mais elevada. O relevo plano da várzea modifica-se para suave ondulado e ondulado, variando os valores de altitudes entre 475 a 650 metros, apresentando classes de declive de 3 a 20%, ocorrendo Latossolos e Argissolos. Já, na Cuesta, o relevo torna-se forte ondulado, caracterizados por Neossolos Litólicos e declividade de 20 a 45%, ocorrendo relevos com declives superiores a 45%, quando há ocorrência de afloramento de rochas (CARVALHO et al., 1991). 5.1.5 Geologia De acordo com o mapa geológico do estado de São Paulo, na área de estudo ocorrem as Formações geológicas Pirambóia, Botucatu e Serra Geral, pertencentes ao grupo São Bento, de ocorrência do período Triássico e Jurássico a Cretáceo, da Era Mesozóica (LANDIM, 1984). 28 A Formação Pirambóia é composta por depósitos fluviais, sendo encontrados arenitos finos a médios, avermelhados, síltico-argilosos com estratificação cruzada ou plano-paralela, com níveis de folhelhos e arenitos argilosos de cores matizadas e pouquíssimas intercalações de natureza areno-argilosa. Já, a Formação Botucatu apresenta arenitos eólicos avermelhados, com uma granulometria de fina a média (LANDIM, 1984). A Formação Serra Geral, é constituída por rochas vulcânicas apresentando uma coloração em tons de cinza a negro, com cristais de pequenas dimensões, sem forma definidas, caracterizando assim uma textura afanítica. (LANDIM, 1984). Material 5.2 Todo o processamento dos dados, assim como a elaboração do banco de dados da pesquisa, foi realizado utilizando como ferramentas de apoio os sistemas de informações geográficas: Sistema de Processamento de Informações Geográficas SPRING 5.1.8 (CÂMARA et al. 1996); Geographic Resources Analysis Support System GRASS GIS 7.0 (GRASS DEVELOPMENT TEAM, 2015) e QGIS 2.8 (QGIS DEVELOPMENT TEAM, 2015). 5.2.1 Material Cartográfico Foi utilizado como material cartográfico a carta planialtimétrica do Instituto Geográfico Cartográfico, do Estado de São Paulo, folha SF-22-Z-B-VI-3-NO-D com escala de 1:10.000 com equidistância vertical entre as curvas de nível de 5 metros. 5.2.2 Imagens de Satélite Para a realização do estudo foram utilizadas 21 imagens (Tabela 1) do satélite LANDSAT-5, sensor TM (Thematic Mapper), em dias de céu claro, correspondendo a órbita/ponto 220/076, segundo o sistema de notação global de aquisição de dados WRS-2 (Worldwide Reference System) do programa Landsat. As imagens foram adquiridas no banco de dados da USGS (United States Geological Survey), as quais se 29 encontravam ortorretificadas ao nível de processamento Standart Terrain correction Level 1T ou Level 1G (EUA, 2014a). Tabela 1. Características das imagens utilizadas no estudo A plataforma Landsat-5 foi lançada no dia 1 de março de 1984 pela NASA (National Aeronautics and Space Administration) na base de lançamento de Vandenberg, na Califórnia, Estados Unidos. Essa percorreu o globo terrestre durante 29 anos, tendo sua missão terminada no dia 5 de junho de 2013, quando a equipe responsável realizou o último comando ao satélite, desligando o mesmo (USGS, 2013). Esse possuía Data Dia Juliano Quantidade de nuvens Ângulo azimutal Ângulo de elevação solar Horário de passagem 11/09/1985 254 1% 57,582221 44,379727 09:39:52 14/09/1986 257 0% 60,373394 43,498855 09:31:06 27/09/1988 271 0% 63,492553 49,529615 09:41:11 12/09/1991 255 0% 59,017933 43,424096 09:34:23 30/09/1992 274 13% 66,612381 48,552371 09:32:18 20/09/1994 263 0% 63,443100 44,447519 09:26:57 12/09/1997 255 4% 57,305842 45,293179 09:42:52 28/09/1997 271 4% 63,320894 50,236599 09:43:19 01/08/1999 213 24% 45,006724 34,822973 09:48:14 02/09/1999 245 0% 52,890045 42,970770 09:47:41 19/08/2000 232 15% 49,213651 39,207511 09:48:14 06/08/2001 218 1% 45,584059 36,380783 09:50:51 12/08/2003 224 7% 47,508150 37,096533 09:47:26 14/08/2004 227 0% 46,787438 38,823931 09:53:31 17/08/2005 229 0% 46,329274 40,366362 09:58:34 04/08/2006 216 29% 42,195881 37,981874 10:03:49 23/08/2007 235 2% 46,308687 42,855137 10:03:49 08/09/2007 251 0% 50,802846 47,798591 10:03:41 25/08/2008 238 0% 48,877939 42,353729 09:56:11 10/09/2008 253 1% 53,725209 47,215360 09:55:44 16/09/2010 259 5% 54,396282 49,899622 10:00:43 30 dois sensores a bordo, o MSS (Multispectral Scanner), que foi desativado em 1995 e reativado em 2012, captando imagens até janeiro de 2013 e o TM (Thematic Mapper) que foi desativado em novembro de 2011 (EUA, 2014b). O satélite encontrava-se em uma órbita quase polar, heliossíncrona, com inclinação de 98,2°, realizava 14,5 órbitas por dia a uma altitude de 705 km, com um período de revisita de 16 dias (EUA, 2015; LOVELAND; DWYER, 2012). O sensor utilizado no estudo foi o TM, o qual possui sete bandas espectrais, caracterizadas na Tabela 2. Tabela 2. Descrição das bandas do sensor TM presente no satélite landsat-5 Landsat-5 Bandas Espectro Resolução espacial (m) Comprimento de onda (µm) Banda 1 Azul 30 0,45-0,52 Banda 2 Verde 30 0,52-0,60 Banda 3 Vermelho 30 0,63-0,69 Banda 4 Infravermelho Próximo 30 0,76-0,90 Banda 5 Infravermelho Médio 30 1,55-1,75 Banda 6 Infravermelho Termal 120 10,4-12,5 Banda 7 Infravermelho Médio 30 2,08-2,35 Fonte: adaptado EUA (2014c). 5.2.3 Dados Meteorológicos Para a validação dos saldos de radiação obtidos utilizando as imagens de satélite, para o estudo, fez-se necessário o uso de duas estações meteorológicas (Figura 2). Uma presente na área na Fazenda Experimental Edgardia (FEE) da FCA/UNESP, coordenadas 766.767 m E e 7.474.671 m N e altitude ortométrica de 652 m, projeção UTM zona 22S Datum WGS-84, e outra localizada na Fazenda Experimental Lageado (FEL) da FCA/UNESP, coordenadas 763.588 m E e 7.471.166 m N e altitude ortométrica de 787 m, projeção UTM zona 22S Datum WGS-84. Ambas as estações são da Campbell Scientific Inc., sendo a estação meteorológica da FEL modelo CR21X e a estação meteorológica da FEE modelo CR23X. As duas estações possuem em seu interior um elemento sensor Termopilha, modelo CM3, com resolução de 0,01 MJ m -2 , da Kipp & 31 Zonen. Somente a estação FEE possue um elemento sensor Termopilha com resolução de 0,01 MJ m -2 , modelo NR LITE da Kipp & Zonen, conforme Tabela 3. Tabela 3. Especificação dos sensores automáticos usados nas estações meteorológicas automáticas Elemento meteorológico Elemento sensor Resolução Fabricante Modelo Tar Termistor 0,1 ºC Vaisala HMP45C URar Capacitor 0,2 % Vaisala HMP45C Pp Pulso eletrônico 1 % Texas TE 525 Rg Termopilha 0,01 MJ m -2 Kipp & Zonen CM3 α Termopilha 0,01 MJ m -2 Kipp & Zonen CM3 Rn * Termopilha 0,01 MJ m -2 Kipp & Zonen NR LITE Ts Termopar (Cu-Co) 0,1ºC - - * Somente para a estação FEE Figura 2. Localização das estações meteorológicas automáticas ( ) utilizadas na validação dos dados de saldo de radiação. 32 Metodologia 5.3 Para compreensão dos procedimentos realizados na pesquisa, bem como a ordem em que esses foram executados, apresenta-se o fluxograma geral na Figura 3. A estimativa da série espaço-temporal de saldo de radiação foi processada em três etapas, uma sem as características topográficas do terreno, ou seja, sem os produtos derivados do modelo digital de elevação e duas outras com a utilização dos mesmos. Dessa forma, foram aplicados nas imagens dois métodos de correção topográfica, o método do cosseno e o da correção C, ambos desenvolvidos por Teillet et al. (1982). Figura 3. Fluxograma geral dos procedimentos realizados para obtenção do saldo de radiação a partir das imagens landsat-5/TM e carta planialtimétrica. 33 5.3.1 Correção topográfica As correções topográficas foram aplicadas nos dados de reflectância da superfície de todas as bandas, exceto da banda 6 relativa ao comprimento de onda do termal, das 21 imagens da série temporal. Primeiramente, para realização do processo de correção topográfica nas imagens, fez-se necessário o cálculo do ângulo de incidência solar, o qual é relativo à normal de cada pixel da superfície. Para isso, foi necessário a construção de um modelo digital de elevação, elaborado a partir da carta planialtimétrica do IGC, na escala de 1:10.000. Para a elaboração do modelo foi necessário a vetorização das curvas de níveis da área de estudo, para que em seguida, fosse utilizado o método de interpolação TIN (Triangular Irregular Network), com resolução espacial compatível às imagens do sensor TM. Posterior a obtenção do MDE, foi necessário gerar produtos derivados do mesmo, sendo estes, o ângulo de inclinação e o ângulo azimutal da superfície inclinada, ambos calculados de acordo com a metodologia de Horn (1961). O ângulo de incidência solar, para cada pixel, foi computado de acordo com a Equação 1 (COLBY, 1991; MOREIRA; VALERIANO, 2014). (1) em que θs representa o ângulo zenital solar, no momento da passagem do satélite; ηi o ângulo de inclinação da superfície; ϕa o ângulo azimutal solar e ϕo o ângulo de orientação da superfície inclinada. Os ângulos azimutal e zenital solar foram obtidos nos arquivos metadados das imagens, considerando um único par de ângulos para cada imagem, visto que os mesmos variam pouco em uma cena do sensor TM do satélite Landsat-5 (HANTSON; CHUVIECO, 2011). A distribuição do ângulo azimutal da superfície inclinada (aspecto) e da declividade na área de estudo está apresentada na Figura 4. 34 Figura 4. Histograma polar do ângulo azimutal da superfície inclinada e histograma de declividade da Fazenda Experimental Edgardia. 5.3.1.1 Correção Cosseno A correção Cosseno foi uma metodologia proposta por Teillet et al. (1982) e desde então tem sido utilizada para correção topográfica em imagens de satélite. A obtenção das imagens corrigidas por esse método foi realizada de acordo com a Equação 2. (2) em que ρh é definido como sendo a reflectância em uma superfície horizontal, isto é, após a remoção dos efeitos topográficos; ρT a reflectância em superfície com a interferência do relevo, ou seja, antes do processo de correção topográfica; θz o ângulo zenital solar, no momento da passagem do satélite e γi o ângulo de incidência solar para cada ponto na superfície terrestre. 5.3.1.2 Correção C A correção C é uma metodologia semi empírica proposta por Teillet et al. (1982) similar à correção Cosseno, porém, utiliza um fator C para considerar a irradiância difusa incidente na superfície. A metodologia da correção C pode ser aplicada por meio da Equação 3. (3) 35 onde o fator C é uma constante (Equação 4) derivada da correlação entre Cosγi e cada uma das bandas espectrais das imagens utilizadas no estudo, sendo necessário estratificar por data das imagens as superfícies com similaridade espectral. (4) sendo m o coeficiente angular da equação gerada a partir da correlação entre os dois fatores e b o intercepto no eixo y dessa correlação (Equação 5). (5) em que ρT é a variável dependente e Cosγi a variável independente. Para estratificar as superfícies com maior similaridade espectral em cada data, utilizaram-se imagens NDVI, para as 21 datas, em que se estabeleceu um limiar de 0,4 como sendo a mudança, de ausência para a presença de vegetação em um pixel, metodologia essa utilizada nos trabalhos de Hantson e Chuvieco em 2011; Lima e Ribeiro em 2014. 5.3.2 Processo de obtenção do saldo de radiação Para obtenção do saldo de radiação foram utilizadas as bandas do azul (B1), verde (B2), vermelho (B3), infravermelho próximo (B4), infravermelho médio (B5 e B7) e infravermelho termal (B6) das imagens do sensor TM – Landsat-5, sob condição de céu claro. Uma vez disponibilizados os dados referentes às imagens, procedeu-se com a conversão dos ND para correspondentes físicos, necessário para a estimativa espaço- temporal dos parâmetros. 5.3.2.1 Calibração radiométricas A calibração radiométrica consiste na conversão dos ND de cada pixel da imagem em valores físicos. Primeiro, faz-se necessário à conversão dos valores em radiância espectral monocromática. Este parâmetro foi obtido segundo a Equação 6. (6) 36 em que: L i é a radiância espectral monocromática em W m -2 sr -1 μm -1 ; Lmaxi e Lmini são as radiâncias máxima e mínima; Qmaxi e Qmini são as radiâncias máxima e mínima escalonada em ND; i refere-se ao número da banda utilizada. Todos esses parâmetros estão nos arquivos metadados de cada imagem. Após o cálculo da radiância monocromática, fez-se necessário o cálculo da reflectância (Equação 7), neste caso, da superfície, visto que, juntamente a esse passo corrigiram-se as interferências da atmosfera, pelo método DOS1, para todas as bandas, excluindo apenas as termais, bandas 6, desta etapa. (7) em que ρ i refere-se a reflectância monocromática da superfície; K i é a irradiância solar média da atmosfera para cada banda, de acordo com Tabela 3; θs remete-se ao ângulo zenital solar no momento da passagem do satélite; dr é o quadrado da razão da distância média terra sol ̅ com distância terra sol (Dn) da data da imagem, em unidades astronômicas, calculado de acordo com Equação (8) desenvolvida por Spencer (VIANELLO; ALVES, 2012). ( ̅ ) (8) onde que x está representa em radianos e pode ser calculado pela Equação 9, em que n representa o dia Juliano (Tabela 1) correspondente a data da imagem. (9) Ressalta-se também, que os métodos de correções topográficas foram aplicados posterior a obtenção da reflectância, ramificando a pesquisa em três linhas (Figura 5): saldo de radiação sem correção topográfica (RnSem); saldo de radiação com correção cosseno (RnCos) e saldo de radiação com correção C (RnC). 37 Figura 5. Fluxograma dos diferentes caminhos de obtenção do saldo de radiação, realizado na Fazenda Experimental Edgárdia, no município de Botucatu-SP. Após a estratificação das metodologias de correção topográfica deu-se procedimento à obtenção do saldo de radiação nas diferentes metodologias, utilizando para isso a metodologia do SEBAL, processo demonstrado por meio de um fluxograma na Figura 6. 38 Figura 6. Fluxograma da metodologia SEBAL para obtenção do saldo de radiação na Fazenda Experimental Edgardia, no município de Botucatu-SP. Observados os passos da metodologia aplicada, segue abaixo os detalhes da obtenção de cada parâmetro apresentado no fluxograma da Figura 6. ALBEDO NO TOPO DA ATMOSFERA (atoa) TRANSMISSIVIDA DE ATMOFÉRICA (τsw) ALBEDO CORRIGIDO PELA ATMOSFERA (a) DOWENS LANDSAT-5/TM D LANDSAT- 5/TM REFLECTÂNCIAS COM CORREÇÃO ATMOSFÉRICA DOWENS LANDSAT-5/TM D LANDSAT- 5/TM REFLECTÂNCIAS SEM CORREÇÃO ATMOSFÉRICA NDVI SAVI LAI EMISSIVIDADES DA SUPERFÍCIE (ɛNB e ɛ0) TEMPERATURA DA SUPERFÍCIE (Ts) RADIAÇÃO DE ONDA LONGA EMITIDA (RL↑) RADIAÇÃO DE ONDA CURTA INCIDENTE (Rs↓) RADIAÇÃO DE ONDA LONGA INCIDENTE (RL↓) TEMPERATURA DO AR (Ta) TRANSMISSIVIDA DE ATMOFÉRICA (τsw) SALDO DE RADIAÇÃO (Rn) TEMPERATURA DO AR ESTAÇÃO METEOROLÓGICA EMISSIVIDADE ATMOSFÉRICA (ɛa) 39 5.3.2.2 Albedo O albedo planetário (Equação 10) foi obtido com base nas refletâncias das bandas (1, 2, 3, 4, 5 e 7), segundo procedimento utilizado por Allen et al. (2002). (10) onde: ρ1, ρ2, ρ3, ρ4, ρ5 e ρ7 são as reflectâncias monocromáticas das bandas 1, 2, 3, 4, 5 e 7, respectivamente. As constantes de multiplicação da equação são referentes a irradiância solar espectral de cada banda utilizada na equação do sensor TM (Tabela 4), divididas pelo somatório das irradiâncias, seguindo a Equação 11 proposta por Allen et al. (2002). ∑ (11) em que: ω é a constante referente ao cálculo do albedo, sendo o número da banda e ESUN a irradiância solar média no topo da atmosfera. Tabela 4. Irradiância espectral média no topo da atmosfera para cada banda do sensor TM Bandas Irradiância espectral no topo da atmosfera (wm -2 μm -1 ) 1 (azul) 1957 2 (verde) 1829 3 (vermelho) 1557 4 (IVpróximo) 1047 5 (IV médio) 219,3 6 (IV termal) - 7 (IV médio) 74,52 Fonte: Adaptada de (CHANDERS; MARKHAM, 2003). 40 Considerando que a atmosfera terrestre produz interferências nas radiações solar global e refletida, o albedo que será calculado no topo da atmosfera carece de correções, devido aos processos de absorção e espalhamento. Essas correções foram obtidas pela Equação (12). (12) onde: atoa: albedo no topo da atmosfera; ap é a radiação solar refletida pela atmosfera que varia de 0,025 a 0,04, o valor adotado foi 0,03 de acordo com Bastiaassen (2000) e tsw é a transmissividade atmosférica, calculada pela Equação (13). (13) em que: τsw é a transmissividade atmosférica, e z a altitude do pixel em relação ao nível médio dos mares. Para z utilizou-se o MDE gerado a partir da carta planialtimétrica. Como o algoritmo SEBAL apresenta para o albedo, uma equação específica para a influência atmosférica, não foi necessária a correção atmosférica realizada, juntamente com o passo de conversão dos ND para valores físicos. Assim, as bandas utilizadas para o cômputo do albedo não foram corrigidas pelo método DOS1. 5.3.2.3 Índices de vegetação Após o cálculo do albedo da superfície foram estimados os índices de vegetação (NDVI, SAVI e IAF) pelas Equações 14, 15 e 16, respectivamente. Esses índices, de acordo com Allen et al. (2002), podem ser usados para obter diversas características das vegetações, nesse caso, esses foram usados para auxiliar no cálculo das emissividades da superfície. O NDVI serviu também, como parâmetro para separação de classes com similaridades espectrais, adotando um limiar de 0,4 para a separação, ou seja, NDVI menor que 0,4 pertence a uma classe e NDVI maior que 0,4 em outra classe. Essa estratificação foi utilizada para a correção topográfica tipo C, que necessita de discriminação do uso da terra. – (14) 41 onde: NDVI é o índice de vegetação da diferença normalizada, ρiv é a reflectância da banda do infravermelho próximo e ρv a reflectância na banda do vermelho. Esse índice possui uma amplitude de valores que varia de -1,0 a 1,0. De acordo com Allen et al. (2002), vegetação verde possui valores que variam de 0,0 a 1,0, enquanto que, água e nuvens apresentam valores menores que zero. – – (15) em que ρiv e ρv são as reflectâncias na banda do infravermelho próximo e do vermelho, respectivamente e L é uma constante do fator de ajuste do índice, tendo o valor alterado dependendo da cobertura do solo. O IAF é a razão da área total de folhas de uma planta e a área correspondente ao terreno ocupado pela planta, sendo valor máximo de 6,0, quando também, atinge-se o máximo SAVI de 0,687 (ALLEN et al. 2002). (16) em que, IAF é o índice de área foliar e o SAVI é o índice de vegetação ajustado para o solo. 5.3.2.4 Emissividade As emissividades podem ser definidas como a razão entre a energia termal incidente e a energia termal radiada de um corpo negro, em uma mesma temperatura. Para o cálculo da emissividade termal utilizou-se a expressão em que a emissividade é em função do IAF, dada pela Equação (17), seguindo metodologia proposta por Allen et al., (2002): (17) em que ɛNB é a emissividade que representa o comportamento emissor da banda termal, ou seja, do comprimento de onda de 10,4 a 12,5 μm, respectivo a Banda 6. A emissividade foi definida como a emissão radiativa, na amplitude de comprimento de onda de 6,0 a 14,0 µm de cada pixel e foi obtida segundo Equação 18 propostas por Allen et al. (2002): 42 (18) As equações 12 e 13 são válidas para NDVI > 0 e IAF < 3. Para valores de IAF ≥ 3, considerou-se ɛNB e ɛ0 igual a 0,98. Para NDVI menor que 0, considerou-se ɛNB igual a 0,99 e ɛ0 0,985 (ALLEN et al., 2002). ɛNB foi utilizado para o cálculo da temperatura de superfície, já ɛ0 para o cálculo da emissão de radiação de onda longa. Para satisfazer essas condições foi implementado operações booleanas no LEGAL/SPRING. 5.3.2.5 Temperatura da superfície A temperatura de superfície (Ts), para as datas, foi obtida com base na radiância espectral da banda termal. A obtenção da temperatura de superfície foi por meio da Equação 19, em que Ts é encontrada em Kelvin (K). (19) K1 e K2 são constantes de calibração da banda termal do sensor TM, no valor de 607,76 e 1260,56, respectivamente (CHANDERS; MARKHAN, 2003) e Rad 6 é a radiância espectral referente a banda termal. 5.3.2.6 Radiação de onda longa emitida Radiação de onda longa emitida (RL↑) foi calculada segundo Bastiaassen (1995) e Allen et al. (2002), pela Equação 20. (20) em que εo é a emissividade, Ts a temperatura da superfície de cada pixel da imagem eé a constante de Stefan-Boltzmann (5,67x10 -8 W m -2 K -4 ). 5.3.2.7 Radiação de onda curta incidente A radiação de onda curta incidente (Rs↓) foi estimada segundo a Equação 21 (Allen et al., 2002), para condições de céu claro. 43 (21) em que: S é a constante solar (1.367 W.m -2 ); θ é o ângulo zenital solar; dr é o quadrado da razão entre a distância média Terra-Sol e a distância Terra-Sol em determinado dia do ano (DJ) e τsw é a transmissividade atmosférica. 5.3.2.8 Radiação de onda longa incidente Radiação de onda longa incidente (RL↓) é a radiação termal emitida pela atmosfera que chega a superfície. Para o cálculo deste parâmetro utilizou-se a equação de Stefan-Boltzmann, representada pela Equação 22, abaixo: (22) onde: é a emissividade atmosférica obtida por Equação 23; σ é a constante de Stefan- Boltzman (5,67x10 -8 Wm -2 K -4 ) e Ta a temperatura do ar (K). (23) em que τsw é a transmissividade da atmosfera. A temperatura do ar foi obtida por meio de uma correlação linear entre dados da estação meteorológica, situada na FCA/UNESP, com os dados de temperatura de superfície obtidos nas imagens de satélites da série temporal do estudo. 5.3.2.9 Saldo de radiação O saldo de radiação foi obtido utilizando a Equação 24, proposta por Allen et al. (2002): (24) 44 onde: Rs é a radiação de onda curta incidente; α o albedo corrigido do pixel; RL é a radiação de onda longa emitida pela atmosfera; RL a radiação de onda longa emitida pelo pixel e εo a emissividade do pixel. 5.3.3 Método de Validação do saldo de radiação Os saldos de radiação obtidos por meio das imagens de satélites foram validados com dados da estação meteorológica da Fazenda Experimental Lageado (FEL) da FCA/UNESP, a qual apresentou dados de Rg (Radiação global) para as datas superiores a 1994, ou seja, 15 datas referentes a série temporal analisada. Essa estação não dispunha de dados de Rn para nenhuma das datas. Dessa forma, para viabilizar a validação dos dados, houve a necessidade de instalar na área de estudo, Fazenda Experimental Edgardia da FCA/UNESP, uma estação meteorológica automática (Campbell Scientific Inc. modelo CR23X). A estação meteorológica automática mensurava dados de Rg e Rn em intervalos de 5 minutos, durante dezembro de 2014 à agosto de 2015. Com esses dados modelou-se uma equação para estimar os dados de Rn para os horários de passagem do satélite nas datas da série temporal analisada para a estação localizada na FEL. 45 6 RESULTADOS E DISCUSSÃO Processamento das imagens para a estimativa do saldo de radiação no 6.1 SEBAL Para computar o saldo de radiação referente à série temporal de 1985 a 2010, utilizada no estudo, foram processadas 21 imagens do Landsat-5/TM, sendo que cada imagem desse sensor possui sete bandas, das quais, uma refere-se ao comprimento de onda do infravermelho termal. Durante o processamento dos dados foram geradas 126 imagens de reflectância no topo da atmosfera (sem correção atmosférica) e outras 126 imagens da superfície (com correção atmosférica). Posterior à correção atmosférica, realizou-se dois métodos de correção topográfica, gerando 252 imagens da superfície com correção topográfica, ou seja, 126 imagens de reflectância da superfície com correção cosseno e 126 imagens da superfície com correção C, além das 252 imagens de reflectância no topo da atmosfera com correção cosseno (126) e com correção C (126). As imagens de reflectância no topo da atmosfera foram necessárias para o cálculo do albedo, visto que, esse parâmetro, no algoritmo SEBAL, apresenta um método de correção atmosférica específico. Dessa forma, apenas para a reflectância obteve-se um total de 756 imagens, das quais, 378 tinham correção atmosférica e a outra 46 metade não. A partir do momento que foram geradas essas imagens iniciou-se o cômputo do saldo de radiação. O primeiro produto gerado no processamento do saldo de radiação, utilizando o algoritmo SEBAL, foi o albedo no topo da atmosfera, onde foram geradas 63 imagens. Para corrigir a atmosfera no produto albedo houve a necessidade de gerar uma imagem de transmissividade atmosférica para, posteriormente, gerar mais 63 imagens de albedo da superfície. Na sequência do processamento foram gerados os índices de vegetação, NDVI e SAVI, para os quais, geraram-se mais 63 imagens de cada índice, ou seja, mais 126 imagens. A partir das imagens SAVI processou-se mais 63 imagens de IAF. Na sequência do processamento, fazendo uso das imagens índices de vegetação, geraram-se dois produtos de emissividade, num total de 126 imagens. Após processadas as imagens de emissividade, gerou-se 21 imagens de radiância termal, computada com a banda 6 do satélite Landsat-5/TM, com intuito de computar a temperatura de superfície, na qual se originou mais 63 imagens. Utilizando os dados de temperatura de superfície com os dados de temperatura do ar da estação meteorológica automática da FEL, realizou-se um regressão linear com objetivo de modelar o comportamento da temperatura do ar em função da temperatura da superfície, permitindo estimar a temperatura do ar por meio de operações algébricas que deram como resposta 21 imagens de temperatura do ar. Posterior aos cálculos de temperatura seguiu-se com o cômputo das imagens de radiação de onda longa incidente e emitida pela superfície, sendo que para a primeira fez-se necessário o cálculo da emissividade atmosférica (21 imagens), para permitir a geração de 126 imagens de radiação de onda longa (emitida e incidida). Na etapa seguinte geraram-se 63 imagens de radiação de onda curta incidida, para finalmente gerar o produto final de saldo de radiação (63 imagens), sendo 21 sem correção topográfica, 21 com correção Cosseno e 21 com correção C. Devido ao fato de trabalhar com diferentes tipos de correção topográfica, foram gerados 1578 produtos, durante todo o processo de estimativa do saldo de radiação no SEBAL. 47 Saldo de radiação 6.2 Realizou-se um estudo temporal dos dados de saldo de radiação computados por meio do algoritmo SEBAL, para a FEE durante os anos de 1985 a 2010. Os mapas de saldo de radiação encontrados para a série temporal nesse estudo foram submetidos a três metodologias: a primeira, sem considerar os aspectos relativos ao relevo da área (RnSem) e as duas últimas metodologias considerando o relevo da FEE (RnCos e RnC). A estatística descritiva dos saldos de radiação para as diferentes épocas e metodologias aplicadas na FEE seguem apresentadas na Tabela 5. Tabela 5. Estatística descritiva dos mapas de Rn para a FEE para as três metodologias abordadas no estudo Data Metodologia Máximo (W m - ²) Médio (W m - ²) Mínimo (W m - ²) Desvio padrão 11/09/1985 RnSem 513,311 469,835 368,395 14,328 RnCos 514,262 472,132 308,424 17,080 RnC 506,034 471,308 368,395 12,678 14/09/1986 RnSem 483,236 441,027 374,595 13,468 RnCos 491,256 443,806 248,699 18,459 RnC 478,576 443,284 376,284 12,450 27/09/1988 RnSem 518,414 486,536 432,078 13,611 RnCos 532,981 488,805 341,579 18,848 RnC 522,960 488,391 433,180 14,515 12/09/1991 RnSem 485,041 440,290 383,086 14,466 RnCos 493,746 442,975 216,036 21,961 RnC 486,602 441,565 387,618 13,525 30/09/1992 RnSem 565,065 512,241 447,535 14,410 RnCos 566,750 515,119 376,688 19,134 RnC 565,948 514,099 459,645 14,373 20/09/1994 RnSem 506,837 452,650 328,681 20