Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Estimativa de variáveis biofísicas e do saldo de radiação em um pomar de banana no
Cariri Cearense por sensoriamento remoto
Vanessa Oliveira Teles1
José Alves de Sá1
Carlos Wagner Oliveira1
Vicente de Paulo Ribeiro Silva1
Antônio Erivando Bezerra1
1
Universidade Federal do Ceará - UFC/Cariri
Caixa Postal 63133-610 - Rua Vereador Sebastião Maciel Lopes, S/N, Crato - CE, Brasil
[email protected]
[email protected]
[email protected]
[email protected]
[email protected]
Abstract. In recent decades, with the development of remote sensing products, techniques have been developed
to estimate the radiation balance at the surface, the heat fluxes and evapotranspiration using satellite imagery.
Remote sensing as a source of regular data collection of surface constitutes an important technique for the
systematic monitoring of vegetation dynamics. Developed this work in order to investigate the changes in NDVI,
net radiation, heat flow in the soil, sensible heat flux and Leaf Area Index (LAI) in an orchard of banana (Musa
sp.). The study area comprises an orchard of banana irrigated by micro sprinkler system located in the
municipality of Missão Velha - Ceará. The study was conducted with the aid of images of Thematic Mapper
(TM) Landsat5 in orbit 217 section 65, at June 20, 2009. Clearly identifies the areas of irrigated crops with high
NDVI values, as well as areas of native vegetation, ranging too close to 1. For net radiation (Rn) obtained
average values of 490 W / m², represented by the color green. The lowest values of net radiation to image
occurred mainly due to the greater amount of water vapor and the image acquisition period (June 2009), the
rainy season in the region. The methodology for estimating biophysical was quite satisfactory because to have a
high precision for the surface studied for owning and a method for radiometric calibration fairly consistent for
Landsat TM.
Palavras-chave: reflectance, heat flux NDVI, leaf area index, reflectância, fluxo de calor NDVI, índice de área
foliar
1. Introdução
A banana (Musa sp.) é uma das frutas tropicais mais exploradas mundialmente. Devido ao
seu custo relativamente baixo e alto valor nutritivo. É parte integrante na alimentação,
principalmente, das populações de baixa renda.
A cultura da banana ocupa o segundo lugar em volume de frutas produzidas e consumidas
no Brasil e a terceira posição em área colhida. Ao longo dos últimos 30 anos, a área cultivada
com bananas no Brasil passou de 343,6 mil hectares para 511,6 mil hectares, representando
49% de aumento. De acordo com levantamentos da Secretaria de Política Agrícola Ministério
da Agricultura, Pecuária e Abastecimento (MAPA), entre os maiores estados produtores de
bananas do Brasil, a produtividade anual em 2006 ficava em 22 toneladas por hectare em São
Paulo, 21 toneladas por hectare em Santa Catarina, 14 toneladas por hectare na Bahia, 13
toneladas por hectare no Pará e 15 toneladas por hectare em Minas Gerais (Silva Neto e
Guimarães, 2011).
A produção brasileira de banana está distribuída por todo o território nacional, sendo a
região Nordeste a maior produtora, seguida das Regiões Norte, Sudeste, Sul e Centro-Oeste
(EMBRAPA, 2003).
0735
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Em grande parte das regiões onde a bananeira é cultivada, as precipitações são
insuficientes para atender às necessidades hídricas, tornando-se necessário o uso de irrigação
suplementar, como ocorre no semiárido nordestino (Montenegro et al., 2008).
Sabe-se que as variáveis biofísicas variam de uma região para outra e para um mesmo
local ao longo do tempo, visto que é função das condições climáticas atuais (principalmente
da radiação solar, temperatura, do déficit de pressão de vapor no ar e do vento); e das
condições de manejo do solo (capacidade de armazenamento do solo, cobertura, espaçamento
e densidade da cultura, uso de quebra-vento, uso de cobertura morta, entre outros); além das
condições das culturas exploradas, profundidade de sistema radicular, área foliar, espécie da
planta/ cultivar, altura, albedo.
Dentre as técnicas que podem ser consideradas nesse contexto, o sensoriamento remoto é
uma das que possuem um grande potencial de aplicação, pois representa, segundo Epiphanio
et al. (1994), um avanço significativo no levantamento de dados, no monitoramento e no
planejamento agrícola. Neste contexto, o uso de tecnologia de sensoriamento remoto
permitirá estimar estas variáveis para cultura da Banana.
Nas últimas décadas, com o desenvolvimento dos produtos de sensoriamento remoto,
foram desenvolvidas técnicas de estimativa do balanço de radiação na superfície, dos fluxos
de calor e da evapotranspiração através de imagens de satélite. A grande vantagem desses
métodos é permitir estimativas em escala regional, tornando-se ferramentas de grande
utilidade para o manejo racional da irrigação na bacia hidrográfica (Silva et al., 2005; Silva e
Bezerra, 2006).
O sensoriamento remoto, como fonte regular de obtenção de dados da superfície terrestre,
constitui-se numa importante técnica para o monitoramento sistemático da dinâmica da
vegetação. Um dos índices de vegetação mais utilizados tem sido o Índice de Vegetação da
Diferença Normalizada (NDVI), resultado de combinações lineares de dados espectrais,
realçam o sinal da vegetação, ao mesmo tempo em que minimizam as variações na irradiância
solar e os efeitos do substrato do dossel vegetal (Silva et al., 2012).
No Brasil, a primeira tentativa de se fazer a análise do desempenho da irrigação com base
em imagens de satélite e com o uso do modelo SEBAL é atribuída à Bastiaanssen et al.
(2001).
Mais, recentemente uma atualização deste algoritmo foi proposta por Allen et al., (2010)
chamada de METRIC (Mapeamento da Evapotranspiração em Alta Resolução com
Calibração Interna) que utiliza o método residual da equação do balanço de energia para
estimar a evapotranspiração real com auxílio de dados espectrais contidos nas imagens de
satélite e de poucos elementos meteorológicos disponíveis em estações meteorológicas.
Tomando-se por base o emprego desta ferramenta METRIC, desenvolveu-se este trabalho
com o objetivo de investigar a variação do NDVI, do saldo de radiação, do fluxo de calor no
solo, do fluxo calor sensível e o Índice de Área Foliar (LAI) em um pomar de Banana (Musa
sp.).
2. Metodologia de Trabalho
2.1. Área de estudo
A área de estudo compreende um pomar de banana, irrigado por microaspersão situado no
município de Missão Velha (Figura 1). A cidade está localizada na região sul do Estado do
Ceará, latitude 07º14'59" S e a uma longitude 39º08'35" O, estando a uma altitude de 360
metros acima do nível do mar. Possui clima tropical quente semiárido brando e tropical
quente semiárido, com chuvas de janeiro a abril e precipitação pluviométrica de 987,3 mm
(média histórica).
0736
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Figura 1. Imagem da área estudada, com pomar de banana (FONTE: Google Earth).
2.2. Obtenção e tratamento dos dados
O estudo foi realizado com o auxílio de imagens do Mapeador Temático (TM) do Landsat
5, adquiridas junto à Divisão de Geração de Imagens (DGI) do Instituto Nacional de
Pesquisas Espaciais (INPE), na órbita 217 na seção 65, na data 20/06/2009.
Foram recebidas as sete bandas da imagem separadas, a partir de uma imagem base de
alta resolução espacial a imagem foi georreferenciada, utilizou-se como referência, a imagem
de 2007, que foi recebida com as coordenadas corrigidas. O georreferenciamento foi realizado
utilizando-se o ArcMap 10, onde as imagens foram empilhadas e processadas.
A correção das coordenadas foi feita a partir da localização de pontos em comum entre a
imagem de interesse e a de referência, depois de marcados cinco postos em comum. Em
seguida o programa faz a rotação da imagem para que os pontos sejam alinhados e
representem as mesmas coordenadas.
Neste trabalho, foi utilizado o algoritmo METRIC (Allen et al., 2010), que utiliza o
método residual da equação do balanço de energia com auxílio de dados espectrais contidos
nas imagens de satélite e de poucos elementos meteorológicos disponíveis em estações
meteorológicas. Os dados meteorológicos foram obtidos do INMET (Instituto Nacional de
Meteorologia), da estação Barbalha, distante 7,5 km do pomar de banana. Como o modelo é
aplicado pixel a pixel, a resolução espacial dos mapas é determinada diretamente pela
resolução espacial dos canais de ondas curta (30m x 30m) e longa das imagens (120 m x 120
m), no caso Landsat 5.
2.2.1. Reflectância
A reflectância de cada banda ( ρ λi ) é definida como sendo a razão entre o fluxo de
radiação solar refletido pela superfície e o fluxo de radiação solar global incidente, que é
obtida com através da Equação 1 (Allen et al., 2010):
ρ λi =
π .Lλi
K λi . cos Z .d r
(1)
0737
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Em que: L λi é a radiância espectral de cada banda, k λi é a irradiância solar espectral de
−2
−1
cada banda no topo da atmosfera (Wm µm , Tabela 1), Z é o ângulo zenital solar e d r é o
quadrado da razão entre a distância média Terra-Sol (ro) e a distância Terra-Sol (r) em dado
dia do ano.
2.2.2. Índice de Vegetação por Diferença Normalizada (NDVI)
Para estimar os valores do NDVI é necessário o cômputo da Radiância Espectral e
Reflectância, e os coeficientes de calibração foram proposto por Chander et al. (2009). Após a
obtenção dos valores descritos anteriormente, calcula-se o NDVI com as bandas termal 3
(vermeho) e 4 (infravermelho). O calculo é feito pela razão da diferença do infravermelhopróximo e vermelho e a soma entre eles.
(Equação 2):
NDVI = (ρIV – ρV)/ (ρIV + ρV)
(2)
Em que, ( ρIV) e ( ρv), corresponde, respectivamente, a reflectância das bandas 4 e 3 do
landsat 5 – TM.
2.2.3 Índicie de Área Foliar (LAI)
O LAI é a razão da área total de todas as folhas de uma planta (um dos lados das folhas)
até a área do solo representado pela planta e varia de 0 a 6. LAI é adimensional (m2/m2), e é
um indicador da biomassa e resistência do dossel de vapor de fluxo. Sendo seu valor
considerado igual a 6, para valores de SAVI (Soil Adjusted Vegetation Index) maiores de
0,817.
(Equação 3):
SAVI = (1 + L) (ρiv – ρv)/(L + ρiv + ρv)
(3)
Em que: ρiv refletividade da banda 4 (infravermelho próximo) ρv é a refletividade da
banda 3 (vermelha) e L o fator de ajuste ao solo = 0,5. Para valores de SAVI menores ou
iguais a 0,817 o LAI é obtido conforme:
(Equação 4):
LAI= 11*SAVI 3
(4)
2.2.4. Fluxo de radiação líquida (Rn)
O fluxo de radiação líquida (Rn) é o valor líquido de energia radiante que está disponível
na superfície de aquecimento do solo, o aquecimento do ar, ou evaporação da umidade do
solo.
(Equação 5):
Rn = G+H+LE
(5)
Onde: Rn é a radiação líquida na superfície (W/m2), G é o fluxo de calor no solo (W/m2),
H é afluxo de calor sensível com o ar (W/m2) e LE é o fluxo de calor latente (energia
consumida pela evaporação) (W/m2).
O saldo de radiação (Rn) representa a energia disponível aos processos físicos e
biológicos que ocorrem na superfície terrestre sendo definido como o balanço de radiação de
todos os fluxos radiativos que chegam e saem de uma superfície (Klein et al., 1977;
0738
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Weligepolage, 2005) o qual é um componente fundamental para a estimativa do balanço de
energia na superfície, previsão do tempo e aplicação na agricultura.
2.2.5. Fluxo de calor para solo (G)
Fluxo de calor para solo é a razão de calor armazenado dentro do solo devido
aquecimento por condução da superfície do solo. Ele é obtido da sua relação com saldo de
radiação (G/Rn) equação 6:
G/Rn = Ts (0,0038 + 0,0074α) (1 – 0,98 NDVI4)
(6)
Onde: Ts temperatura da superfície (C), α é o albedo da superfície, e NDVI é o Índice de
Vegetação por Diferença Normalizada
2.2.6. Fluxo de calor sensível (H)
O fluxo de calor sensível (H) é a taxa de perda de calor para o ar por convecção e
condução, devido a uma diferença de temperatura. Ele é calculado usando o seguinte
unidimensional, aerodinâmica, equação gradiente de temperatura base para o transporte de
calor.
(Equação 7):
H=(ρ x Cp x dT)/ rah
(7)
Onde: ρ é a densidade do ar (kg/m3), Cp é o calor específico do ar (1004 J/kg/K), dT (K)
é a diferença de temperatura (T1 – T2) entre duas alturas (z1 e z2), e rah é a resistência
aerodinâmica do transporte de calor (s/m).
3. Resultados e Discussão
Os valores de NDVI variam de -1 (áreas claras) a +1 (áreas mais escuras). Os maiores
valores correspondem respectivamente às características de uma vegetação exuberante. A
vegetação densa, úmida e bem desenvolvida apresenta os maiores valores de NDVI, próximos
a 1, como pode ser visto na figura 2. Claramente identifica-se as áreas de cultivos irrigados
com altos valores de NDVI, assim como, as áreas de vegetação nativa, com valores variando
também próximos de 1.
O Índice de Área Foliar (LAI) varia de 0 a 5 m²/m², onde o valor máximo é representado
pela cor vermelha, caracterizando áreas vegetadas. A cor azul representa áreas de corpos
hídricos ou terra nua.
Para a radiação líquida (Rn), obteve-se valores médio de 490 W/m², representadas pela
cor verde. Os menores valores do saldo de radiação para imagem ocorreram, principalmente,
devido à maior quantidade de vapor d’água e ao período de aquisição da imagem (junho de
2009), período chuvoso na região. O saldo de radiação é responsável pela evapotranspiração
da vegetação nativa e das culturas agrícolas, exerce um papel importante para estudos dos
fenômenos ocorridos na atmosfera, pois é o saldo de radiação que fornece calor para
aquecimento do ar, água e solo.
Neste estudo, as áreas em azul representam os valores de G próximos a 115 W/m². De
acordo com Amanajás et al. (2012), para a vegetação, o estudo do G apresenta grande
importância, uma vez que a temperatura do solo, em nível superficial ou mais abaixo,
influencia no metabolismo celular, no crescimento radicular, assim como na germinação da
planta, sendo bastante importante para o desenvolvimento agrícola.
Para o fluxo de calor sensível (H) observa-se áreas com tonalidade azul, representando
valores de H próximos a 121 W/m², onde há presença de corpos hídricos ou área de solo
0739
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
descoberto e a tonalidade alaranjada representa a área de vegetação com valores de 220 W/m².
474316,427952
474316,427952
Rn
Legenda
Value
High : 1
Low : -1
lai_20090620_p217r65.img
Value
Ü
1 centimeter = 343 meters
High : 5
Low : 0
474316,427952
H
h_20090620_p217r65.img
9185867,663793
ndvi_20090620_p217r65.img
G
9185867,663793
,842202
474315,842202
LAI
474315,842202
474316,427952
NDVI
9185868,175276
474315
9185867,663793
474316,427952
9185868,175276
474315,842202
474316,427952
Value
High : 440
Low : -121
g_20090620_p217r65.img
Value
High : 620
Low : -115
rn_20090620_p217r65.img
Valor
High : 980
Low : 48
Figura 2. Variáveis biofísicas em pomar de banana no município de Missão Velha – CE.
4. Conclusões
A metodologia proposta para estimar as variáveis biofísicas foi bastante satisfatória
devido ter uma alta precisão para a superfície de estudo e por possuir uma metodologia para
0740
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
calibração radiométrica bastante consistente para Landsat TM. Além disso, os valores
estimados possuem uma vasta utilização onde diz respeito à obtenção de outros indicativos
como por exemplos para obtenção do albedo da superfície e evapotranspiração.
5. Agradecimentos
Os autores agradecem ao CNPq pela bolsa de produtividade em pesquisa ao primeiro
autor e ao segundo autor, pelo financiamento da pesquisa processo: 501937/2009-9.
6. Referências Bibliográficas
Allen, R.G.; Tasumi, M.; Trezza, R.; Kjaersgaard, J. Mapping evapotranspiration at high resolution,
application manual for Landsat satellite imagery.Version 2.0.7. Kimberly: University od Idaho. 2010, p.248.
Amanajás, J. C.; Guedes, R. V. de S.; Braga, C. C. Estimativa do balanço de energia à superfície sobre a
cidade
de
Teresina/PIutilizando
o
algoritmo
S-SEBI.
2012.
Disponível
em:
<
http://www.congremet.prmarg.org/upload/amanajasjonathan.pdf> Acesso em: 08 nov. 2012.
Chander, G.; Markham, B. L.; Helder, D. L. Summary of current radiometric calibration coefficients for Landsat
MSS, TM, ETM+, and EO-1 ALI sensors. Remote SensingofEnvironment, v. 113, n. 5, p. 893-903, maio 2009.
EMBRAPA – Empresa Brasileira de Pesquisa Agropecuária. Sistemas de Produção, 2003. Disponível
em<Jan/2003http://sistemasdeproducao.cnptia.embrapa.br/FontesHTML/Banana/
BananaCeara/importancia.htm> Acesso em: 06 out. 2012.
Epiphanio, J.C.N.; Leonardi, L.; Formaggio, A.R. Relações entre parâmetros culturais e resposta espectral
de cafezais. Pesquisa Agropecuária Brasileira, Brasília, v.29, n.3, p.379-386, 1994.
Klein, S. A. Calculation of Monthly Average Insolation on titled surfaces. Solar energy, v.9, p.325-329,
1977.
Montenegro, A. A. T.; Gomes, A. R. M.; Miranda, F. R.; Crisóstomo, L.Evapotranspiração e coeficiente de
cultivo da bananeira para a região litorânea do Ceará, Revista Ciência Agronômica, Fortaleza, v. 39, n. 02, p.
203-208, 2008.
Silva Neto, S. P. da; Guimarães, T. G. Evolução da cultura da banana no Brasil e no mundo. Planaltina, DF:
Embrapa Cerrados, 2011. Disponível em: <http://www.cpac.embrapa.br/noticias/artigosmidia/publicados/287/>.
Acesso em: 17 nov. 2012.
Silva, B. B. da; Mendonça, R. R. de O.; Silva, S. T. A.; Bezerra, B. G. Obtenção do albedo e IVDN em áreas
heterogêneas do estado do Ceará com imagens TM - Landsat 5 e algoritmo SEBAL/METRIC. Anais XIV
Simpósio Brasileiro de Sensoriamento Remoto, Natal, Brasil, 25-30 abril 2009, INPE, p. 475-482.
Silva, F. B. da; Oliveira, C. W.; Ness, R. L. L.; Araújo, R. S.; Araujo, G. P. de. Índice de vegetação da diferença
normalizada (NDVI) na chapada do Araripe através de imagens de satélite(landsat 5 tm), em diferentes
anos, na estação seca. In: VI Encontro Nacional da Anppas, 2012, Belém – PA.Anais... Belém – PA, 2012.
Disponível em: < http://www.anppas.org.br/encontro6/anais/ARQUIVOS/GT14-760-464.pdf> Acesso em: 28
out. 2012.
Weligepolage, K. Estimation of spatial and temporal distribution of evapotranspiration bay satellite
remote sensing – A case study in Hupselse Beek, The Netherlands, p.114, 2005.
0741