ESTIMATIVA DE ALBEDO, TEMPERATURA E NDVI DO ESTADO DE SÃO PAULO ATRAVÉS DE DADOS AVHRR DO SATÉLITE NOAA

Transcrição

1 ESTIMATIVA DE ALBEDO, TEMPERATURA E NDVI DO ESTADO DE SÃO PAULO ATRAVÉS DE DADOS AVHRR DO SATÉLITE NOAA INTRODUÇÃO Tsay Chu Ming Departamento de Ciencias Atomsfericas IAG/USP Rua do Matao, 1226 Cidade Universitária São Paulo SP tsayming@model.iag.usp.br William Tse Horng Liu Centro de Pesquisa, Pós-graduação e Extensão Universidade Católica Dom Bosco Av Tamandaré, 6000, Cx. P. 100 Campo Grande MS E-mai: will@ucdb.br ABSTRACT This work has as objective, to develop a software based on the available methods for estimates and generation of albedo, temperature and NDVI maps for the state of São Paulo, using NOAA AVHRR LAC 10 days composed data set for the period of 01/04/92 to for 10/10/92. The images of these three bioclimatic parameters were produced for April, July and October to demonstrate their seasonal variation. The results showed that low albedo, high temperature and NDVI presented in the images of April indicated high vegetation density at the end of summer rainy season, while as high albedo, low temperature and NDVI in the October images indicated that winter dry season. It is concluded that these parameters can be used to monitor and study the seasonal bioclimatic variability and their impacts on vegetation conditions. Os parâmetros biofísicos tais como albedo, temperatura da superfície(ts), "Normalized Difference Vegetation Index" (NDVI), e os fluxos de radiação líquida (Rn), calor sensíveis (H e S) e Evapotranspiração Real (ETR) são de importância fundamental na estimativa do balanço de energia da superfície terrestre. A precisão da previsão de tempo de curto prazo e mesmo da previsão de mudanças climáticas de longo prazo numa determinada região, são afetadas pelo micro clima local, que se manifesta na variação dinâmica dos fluxos de energia na superfície terrestre. Tem havido grande esforço de pesquisadores na área de modelagem numérica da previsão de tempo e do monitoramento de mudanças climáticas para melhorar seus modelos na quantificação dos parâmetros biofísicos a fim de aumentar a precisão das previsões. Devido à escassez dos dados meteorológicos coletados na superfície terrestre e as vezes freqüentemente incompletos, no tempo e no espaço, a maioria dos modelos de previsão de tempo são operados com os dados com uma resolução de 50 até 200 Km. Recentes avanços na área de sensoriamento remoto via satélite tem fornecido uma alternativa de quantificar os parâmetros biofísicos da superfície terrestre com um fluxo contínuo dos dados de input em altas resoluções, temporal e espacial para os modelos de previsão do tempo. Recentemente, foram desenvolvidas várias técnicas de estimativa destes parâmetros utilizando os dados de satélite NOAA. (Sellers et. al., 1995). Entretanto, nesse projeto de iniciação científica temos a finalidade de desenvolver um software baseado no método de albedo Banda Larga (Valiente et. al., 1995 e Hucek e Jacobowitz, 1995) para calcular e gerar mapa dinâmico do albedo, e no método de split-window (Becker and Li, 1990) para calcular a temperatura da superfície para o estado de São Paulo, utilizando os dados de Advanced Very High Resolution Radiometers (AVHRR) do satélite NOAA com resolução de 1.1 km x 1.1 km. Usando os dados das refletâncias dos canais 1 e 2 do satélite, podemos calcular valores de índice de vegetação (Turcker, 1986), que fornecem uma fonte valiosa para o monitoramento do meio ambiente, tais como: observar a cobertura de vegetação em relação a sazonalidade, determinar o comportamento dos diferentes tipos de vegetação, fazer estimativa de colheita e produtividade, e monitorar o uso da água e solo (Townshend and Justice, 1986). No balanço de energia da superfície terrestre, a estimativa do fluxo de vapor d água ou da evapotranspiração via satélite é um assunto pouco estudado. Eymard e Taconet (1995), fizeram uma revisão detalhada nos métodos disponíveis na estimativa dos fluxos de energia. Eles apontaram que a maioria dos métodos requerem uma estimativa precisa das propriedades da superfície terrestre. Para obter a radiação 3843

2 liquida que envolve ambos os fluxos de onda longa e curta, além de requerer as estimativas precisas dos parâmetros biofísicos tais como albedo, temperatura da superfície e emissividade, as informações corretas das condições atmosféricas em cada pixel são essenciais para alcançar uma estimativa com boa precisão. A maioria destes dados são de difícil acesso e também não são representativas para regiões especificas. Muitos pesquisadores dedicam-se ao desenvolvimento de técnicas alternativas a fim de melhorar a precisão na quantificação destes paramentos. Portanto este projeto teve como objetivo, o desenvolvimento de um software que gera mapas dinâmicos de albedo, temperatura e NDVI para o estado de São Paulo. MATERIAL E MÉTODOS DADOS DE SATÉLITE Foram adquiridos os dados de Global AVHRR 10-day composite data, a partir dos dados NOAA LAC (Local Area Coverage) com uma resolução de 1.1 Km x 1.1 Km, por um período de 01/04/1992 à 30/03/1993. Os dados adquiridos do NOAA Global AVHRR LAC 10-day composite data fornecidos pelo GSFC/ NASA,, correspondem à composição em mosaico das imagens de um período de 10 dias. Esta composição seleciona o valor máximo de NDVI de um período de 10 dias. Foram usadas as imagens digitais do NOAA AVHRR LAC, banda 1, 2, 4 e 5 para uma área que compreende o estado de São Paulo (Lat.: 25.6ºS a 18.7ºS e Lon.: 54.2ºW a 42.5ºW); no período de 1-10 de abril, 1 10 de julho e 1 10 de outubro no ano de A partir disso, os dados foram processados utilizando os métodos aplicativos para a estimativa e geração de mapas dos parâmetros biofísicos como albedo, NDVI e temperatura da superfície terrestre do estado de São Paulo. ESTIMATIVA DE ALBEDO DA SUPERFÍCIE (α) Os dados de refletância das bandas 1 (R1) e 2 (R2) calculados com os dados do satélite NOAA AVHRR LAC com composição de 10 dias foram utilizados para o cálculo do albedo (α) pelo método de banda larga ("Broad Band Method") do Wydick et. Al. (1987). Utilizando os coeficientes propostos por Hucek e Jacobowitz (1995): α = c1 R1 + c2 R2 + c3 (1) Os coeficientes c1, c2 correspondem as refletâncias do canal 1 e 2 do AVHRR, respectivamente e o coeficiente c3 corresponde ao termo de intercepção. Os coeficientes da equação geral de Hucek e Jacobowitz (1995) são apresentados a seguir: c1 = 0.347, c2 = 0.650, c3 = Os coeficientes consideram as variações geográficas e condições de nebulosidade sobre a América do Sul propostos por Hucek e Jacobowitz (1995) em uma segunda equação para a análise. Para as diferentes condições de nebulosidade, os coeficientes propostos pelos Hucek e Jacobowitz (1995) para este estudo são dados conforme a tabela 1: Tabela 1: os coeficientes para as diferentes condições atmosféricas para a região da América do Sul: Condição atmosférica: c1 c2 c3 Céu claro Parcialmente nublado Nublado Totalmente nublado

3 ESTIMATIVA DE ÍNDICE DE VEGETAÇÃO (NDVI) O índice de vegetação ( Normalized Difference Vegetation Index ) NDVI é definido como a razão entre a diferença e a soma das refletâncias de no infravermelho próximo (0,725-1,10 µm) e radiação no visível (0,55-0,68 µm), da seguinte forma: NDVI = R2 - R1 R2 + R1 (2) Onde: R1 = refletância do banda 1 do NOAA AVHRR; R2 = refletância do banda 2 do NOAA AVHRR. ESTIMATIVA DE TEMPERATURA DA SUPERFÍCIE TERRESTRE (TST) Na estimativa da temperatura da superfície terrestre (Tst), é uma tarefa difícil, pois é complexo separar os efeitos atmosféricos e as emissividades dos efeitos da temperatura de superfície, nas medições de radiância. Porém, Becker e Li (1990) aplicaram o método de Local Split - Window com os seus coeficientes dependendo das emissividades espectrais e não das condições atmosféricas. Este procedimento, só funciona em regiões secas, pois o vapor de água afeta a linearidade do método Local Split -Window. Para que se corrija este efeito (não linear), pode-se desenvolver vários coeficientes para diferentes condições atmosféricas (Sobrino, et al. 1994). Os coeficientes das quatro classes de condições atmosféricas para o método Local Split -Window, foram obtidos por Becker e Li (1990), baseados em dados de 60 perfis atmosféricos, com Tst variando de 250K à 320K e o conteúdo de água líquida de 0,15 à 6,71 cm (estes parâmetros cobrem a maioria das condições atmosféricas do globo). O método Local Split-Window (Becker e Li, 1990) é apresentado como : ( Tst A P T 4 + = + T 5) ( + M T 4 T 5) (3) onde : Tst = Temperatura da superfície terrestre; T4 e T5 = Temperatura de brilho do canal 4 e 5; A0 = 1,274 (coeficiente do método que depende apenas da emissividade da superfície e não do estado atmosférico); (1 ε ) ε 1 ε ε P = 1 + 0, ,482 2 ; M = 6,26 + 3, ,33 ; 2 ε ε ε ε ε = emissividade da superfície terrestre; ( ) ε = ε 4 + ε 5 2 ; ε = ε4 ε5. DETERMINAÇÃO DA EMISSIVIDADE DA SUPERFÍCIE TERRESTRE POR VALOR E CASELLES (1996) Valor e Caselles (1996) apresentaram um modelo para a estimativa de emissividade (ε) que é expresso como : ε = 0,985.Pv+0,96.(1-Pv)+0,06.Pv.(1-Pv) (4) onde : 3845

4 1 i ig i ig Pv = ; i 1. 1 k iv i = NDVI; ig = NDVI de solo nu; iv = NDVI de vegetação; Pv = porcentagem da cobertura de vegetação. A correção entre ε4 e ε5, sugerido por Kirdiles (1996), foi aplicada para calcular o valor de ε : RESULTADOS E DISCUSSÃO ε4 - ε5 = -0,016 (caso diurno) (5) Na figura 1, os mapas de albedo, NDVI e temperatura do estado de São Paulo foram gerados para o período de 01/04/1992 à 30/03/1993. Para esse período foram selecionados três imagens decendiais: 1-10 de abril, 1-10 de julho e 1-10 de outubro, todos de Figura 1: Mapas de albedo, NDVI e temperatura do Estado de São Paulo para abril, julho e outubro de

5 MAPAS DE ALBEDO As cores predominantes nas figura 1 são: - verde ( ): característico da vegetação intensa; - amarelo e laranja ( ): característico da vegetação rasteira ou cultivos agrícolas; - vermelho e violeta ( ): áreas urbanas ou regiões mais secas; - branca (> 0.40): nuvens. Devido a presença de nuvens, um algoritmo de banda larga para cálculo de albedo utilizando vários coeficientes que variam de acordo com nebulosidade local foi aplicado para aprimorar a precisão da estimativa. Os valores de albedo obtidos através da equação com correção da nebulosidade de Hucek e Jacobowitz (1995), são mostrados na estatística da tabela 5 e nota-se que em geral o valor do albedo está entre 0.10 à 0.20, só que com uma porcentagem maior (78.4% em abril, 93.6% em julho e 81.8% em outubro). Tabela 5: estatística da porcentagem (%) de albedo usando equação com correção de nebulosidade para cada período. ALBEDO 1 à 10 de abril 1 à 10 de julho 1 à 10 de outubro < , , , , , , , , , , , , > , , , Em geral, os valores obtidos considerando a nebulosidade foram mais baixos que os encontrados através da equação geral. Observou-se a predominância do intervalo , entendendo-se que as regiões com vegetação intensa estavam no interior. Com a correção da variação da nebulosidade os mapas de albedo gerado foram mais detalhados. MAPAS DE NDVI O mapa de NDVI apresentado a seguir, é uma importante ferramenta para análise dos mapas de albedo, pois as duas propriedades estão intimamente relacionadas: a região urbana caracteriza-se pelo albedo alto e NDVI baixo e a região com vegetação, albedo baixo e NDVI alto. A imagem é composta por nove cores relacionadas às magnitudes dos índices de vegetação, distribuídos de acordo com as características da região, salvo a cor azul, colocada na região aquática, ou seja, para cada intervalo de classe de NDVI é atribuída uma cor: - preto (< 0.01): regiões extremamente pobres em área vegetativa ou sem nenhuma vegetação; - marrom ( ): região pobre com relação à área recoberta por vegetação, embora mais presente que na anterior; - vermelho ( ): vegetação começa a se pronunciar; - laranja ( ): cobertura vegetal pouco densa; - amarelo ( ): área disposta de forma adjunta às regiões verdes; - ciano, verde e violeta ( > 0.40): vegetação extremamente pronunciada. Na figura 1, pode-se notar uma área próximo centro entre os litorais norte e sul, a predominância de cores preto e vermelho, ou seja, uma área urbana e pobre em vegetação, na qual localiza-se o capital, São Paulo. O NDVI foi obtido utilizando os dados de refletância dos canais 1 e 2 do satélite NOAA AVHRR LAC, analisando a estatística da tabela 6, observa-se que os valores de NDVI concentram-se entre 0.41 e 0.61 (54.3% em abril, 63.7% em julho), exceto em outubro, no qual 47.6% dos valores obtidos estão entre 0.21 à

6 Tabela 6: estatística da porcentagem (%) de NDVI calculados para cada período. NDVI 1 a 10 de abril 1 a 10 de julho 1 a 10 de outubro < 0 0, , , , , , , , , , , , , , , > , , , MAPAS DE TEMPERATURA DE SUPERFÍCIE TERRESTRE (TST) Análises realizadas para o estado de São Paulo em estudo, os valores de Tst para a escala de cores foram limitados entre 0 e 40 C, uma vez que valores abaixo de 0 C foram considerados como presenças de nuvens: - branco (< 0 C): nuvens; - azul claro e ciano (0-20 C): vegetação e nuvens; - verde (20-25 C): superfície onde a presença de água é marcante - amarelo (25-30 C): regiões onde a vegetação é mais densa; - laranja (30-35 C): regiões onde há mistura de eventos de vegetação com superfícies de solo nu; - rosada (35-40 C): regiões urbanas; - vermelha (> 40 C): regiões com alta densidade de concreto na superfície. Pelas figura 1 tem-se que a temperatura do litoral é mais baixa que o interior do estado. Através do método de Local Split-Window proposto por Becker e Li (1990), obtive-se os coeficientes das 4 classes de condição atmosférica para o método Local Split-Window baseando-se em dados de 60 perfis atmosféricos verificando assim na tabela 7, que os valores obtidos para Tst concentra-se entre 31 C a 40 C (85% em abril, 66.5% em julho e 83.7 % em outubro). Tabela 7: estatística da porcentagem (%) de Tst calculados para cada período. TEMP ( C) 1 a 10 de abril 1 a 10 de julho 1 a 10 de outubro < 0 0, , , a 20 1, , , , , , , , , , , , > 55 0, ,

7 CONCLUSÕES E SUGESTÃO Em geral, os resultados mostraram que os valores de albedo ( ) calculados pelo método de banda larga (Broadband) retratam com satisfatória aproximação esta característica para a região estudada. Conclui-se também que não é simples obter resultados exatos, pois muitos são os fatores que influenciam na informação captada pelo satélite, como por exemplo a condição de nebulosidade, que provoca alterações nos resultados de albedo. Na estação chuvosa, os valores altos (acima de 0.40) podem significar a contaminação de nuvens. Em relação aos métodos de estimativa de albedo, conclui-se que o cálculo proposto por Hucek e Jacobowitz (1995) oferece melhores resultados quando é considerada a condição de nebulosidade, na qual diminui a interferência causada pela presença de nuvens, melhorando a distribuição dos valores de albedo na superfície; e que o coeficiente mais adequado a ser usado na equação, depende de uma noção a respeito das condições do céu (sem nuvens, parcialmente nublado, encoberto) para o período de dados em questão. O método utilizado no cálculo do NDVI mostrou-se bastante satisfatório, visto que os resultados obtidos indicaram as superfícies situadas na área estudada, na qual a tonalidade vai escurecendo conforme há uma aproximação do centro urbano. Apesar do êxito, foi necessário uma filtragem relacionada à resultados espúrios, possivelmente causados por dados obtidos na presença de nuvens. Quanto ao método utilizado para a determinação da temperatura da superfície terrestre, pode-se concluir que para a região do estado de São Paulo, as figuras mostraram que a temperatura é mais elevada no interior e vai diminuindo conforme chega-se ao litoral, portanto é satisfatório. Mas, pela tabela estatística 4, observa-se que há uma concentração de temperatura acima de 31 C, logo o método superestima um pouco a temperatura da superfície do estado de São Paulo, na qual pode ser melhorado aplicando outros métodos de estimativas disponíveis. Na continuidade desse trabalho outros métodos de estimativa de emissividade (Griend e Owe,1993; Kerr, 1992) serão testados e avaliados. Sumarizando, os mapas de albedo, NDVI e Tst gerados com os dados de satélite NOAA que fornecem os dados temporal e espacial contínuos, podem ser utilizados para monitoramento das variabilidades sazonal e espacial das condições bioclimáticas e seus impactos nas condições de vegetação. Estes dados bioclimáticos fornecem uma fonte de dados com alta freqüências espacial e temporal para os modelos de previsão do tempo e da mudança climática em grande escala. AGRADECIMENTOS Ao meu orientador, Professor Doutor William Tse Horng Liu pela disponibilidade durante todo projeto e nos esclarecimentos. Seu apoio foi fundamental. À agencia financiadora CNPq PIBIC, que possibilitou o apoio financeiro e ao DCA IAG USP pelo suporte técnico e acadêmico na realização deste trabalho. À minha família pela compreensão e apoio para que os meus objetivos fossem alcançados. Aos meus amigos e alunos de pós graduação André Luiz Farias de Souza e Robinson Negrón Juarez pela atenção e suportes dados no decorrer do projeto. REFERÊNCIAS BIBLIOGRAFICAS Becker F. and Z.L. Li, Towards a local split window method over land surfaces. International Journal of Remote Sensing, 11 (3): Eymard L., and O. Taconet, The methods for inferring surface fluxes from satellite data, and their use for atmospheric model validation. International Journal of Remote Sensing, 16 (11): Griend A.A. van de and M. Owe, On the relationship between thermal emissivity and the Normalized Difference Vegetation Index for natural surfaces. International Journal of Remote Sensing, 14: Hucek R., H. Jacobowitz, Impact of Scene Dependence on AVHRR Albedo Models. Journal of Atmospheric and Oceanic Technology. 12 (4):

8 Liu, W.T., and F. Kogan, Monitoring regional drought using Vegetation condition Index. International Journal of Remote Sensing. 17: Liu, W.T., and O. Massambani, Satellite recorded Vegetation response to drought in Brazil. International Journal of climatology, 14: Sellers P.J. et. al., Remote sensing of land surface for studies global change: models-algorithmsexperiments. Remote Sensing for environment. 51 (1):3-26. Sobrino J.A., Z.L. Li, M.P. Stoll and F. Becker, Improvements in the split-window technique for land surface temperature determination. IEEE Transactions on Geoscience and Remote Sensing, 32: Townshend J.R.G., C.O. Justice, Analysis of the dynamics of African Vegetation using the Normalized Difference Vegetation Index.. International Journal of Remote Sensing, 7 (11): Turcker C.J., Maximum Normalized Difference Vegetation Index images for sub-sahara Africa for International Journal of Remote Sensing, 7 (11): Valiente J.A., M. Nunez, E. Lopez-Baeza and J.F. Moreno, Narrow-band to broadband conversion for Meteosat-visible channel and broad-band albedo using AVHRR-1 and -2 channels. International Journal of Remote Sensing, 16 (6): Valor E. and V. Caselles, Mapping land surface emissivity from NDVI: application to European, African, and South American Areas. Rem. Sen. for Environment. 57: Wydick, J.E., P. A.Davis, and A. Gruber, Estimation of broadband planetary albedo from operational narrowband satellite measurements. NOAA Tech. Rep. NESDIS 27 (PB /AS), 3850