REFINAMENTO DO PRODUTO TERMAL MODIS A PARTIR DE ÍNDICES DE VEGETAÇÃO

Transcrição

1 REFINAMENTO DO PRODUTO TERMAL MODIS A PARTIR DE ÍNDICES DE VEGETAÇÃO Geissa Samira L. Nascimento 1 2, Célia C. Braga 1, Jonathan C. Amanajás 1, Bernardo B. da Silva 1, Leandro Fontes de Sousa 1 1 Unidade Acadêmica de Ciências Atmosféricas, UFCG. geissa.samira@gmail.com 2 RESUMO: O presente estudo visa aprimorar a resolução espacial da banda termal MODIS de 1 km para 250 m, através do algoritmo para refinar imagem térmica (TsHARP). Os resultados, obtidos por comparação da imagem original MODIS e da imagem refinada, evidenciaram que o método apresentou correlação quadrática de 0,94 e erro médio absoluto de 0,42. ABSTRACT: The present study aims to improve the spatial resolution of MODIS thermal band of 250 m to 1 km, through the algorithm to refine the thermal image (TsHARP). The results obtained by comparing the original image MODIS and the refined image, showed that the method has quadratic correlation of 0.94 and mean absolute error of INTRODUÇÃO A temperatura da superfície da terra (Land Surface Temperature LST) é uma variável utilizada em diversos estudos climáticos, hidrológicos, ecológicos e biológicos (Running et al., 1994). O MODIS (Moderate Resolution Imaging Spectroradiometer) é o principal sensor encontrado nos satélites Terra e Aqua. Ele foi projetado para suprir três campos de estudos diferentes: atmosfera, oceano e terra, com bandas de resolução espectral e espacial selecionadas para o conhecimento de diferentes necessidades observacionais e oferecer uma cobertura global quase diária com resolução espacial das bandas1 e 2 de 250 m, 3 e 7 de 500 m e as demais de 1000 m (Justice et al., 2002; Huete et al., 1997). O MOD11a1 é o produto do MODIS/Terra que contém valores por pixel da LST e da emissividade sobre superfícies terrestres globais nas condições de céu claro. Ele é produzido diariamente na projeção sinusoidal e com resolução espacial de 1 km (MODIS Website). A resolução espacial de imagens orbitais é um dos fatores fundamentais no estabelecimento da legenda de mapas temáticos, pois interfere tanto na definição da área mínima a ser mapeada de um determinado tema, quanto na sua identificação. Tal importância tem sido sempre objeto de discussão e de atenção entre os usuários das técnicas de sensoriamento remoto (Ponzoni et al., 2001). Atualmente buscam-se técnicas para obtenção de um produto LST com melhor resolução espacial. Agam et al. (2007a) afirmaram que em muitas paisagens, a variabilidade na temperatura da superfície radiométrica (T R ) é impulsionada principalmente por variações na quantidade da cobertura vegetal, pois os índices de vegetação

2 apresentam uma melhor resolução espacial e são bastante utilizados em modelos de balanço de energia. O algoritmo utilizado é conhecido como sharpening thermal imagery (TsHARP) e tem como objetivo melhorar a nitidez de imagens térmicas para resoluções mais altas, normalmente associadas com as faixas de ondas curtas (visível e infravermelho próximo), tornando-as úteis para a identificação de características ambientais de muitas paisagens (Agam et al., 2007a). Assim, nesse trabalho utilizou-se tal algoritmo para aperfeiçoar a resolução espacial da banda termal do sensor MODIS de 1 km para 250 m, essa permite monitorar os campos agrícolas individuais. MATERIAL E MÉTODOS O estudo foi realizado nas proximidades de Quixeré, localizada no leste do estado do Ceará. A área selecionada corresponde a Fazenda Frutacor e inclui ainda o Distrito Irrigado Jaguari-Apodi (DIJA). A cobertura vegetal da região é bastante heterogênea formada pela fazenda de agriculturas irrigadas (melão, banana e mamão) e áreas de vegetação nativa (caatinga, representada por espécies como algaroba, mulungu, aroeira, pau branco, juazeiro, sabiá, marmeleiro e pedreiro). Os produtos MODIS/Terra utilizados são MOD09GQ, MOD09GA e MOD11a1, para o dia 16 de setembro de A técnica TsHARP é baseada na suposição de que existe uma única relação NDVI-T R dentro de uma cena em múltiplas resoluções espaciais, em grande parte relacionada com a fração de cobertura vegetal. Nessa técnica, os parâmetros da função de sharpening são determinados no contexto da cena a ser refinada e, portanto refletem a relação local entre a temperatura da superfície e a fração de cobertura vegetal (Agam et al., 2007a). Maiores detalhes da metodologia encontra-se em Agam et al. (2007a). Na Figura 1 estão representadas as etapas e o fluxograma para determinar a relação entre a temperatura e o índice de vegetação. O ajustamento dos dados foi feito a partir do erro médio absoluto (EMA) uma vez que ele apresentou melhores resultados quando comparado com o erro médio quadrático (EMQ) que é sensível tanto pelo tamanho quanto pela variabilidade do erro cometido pelo número de pontos da amostra (Willmott e Matsuura, 2005). O EMA é calculado pela expressão de Willmott (1982): RESULTADOS E DISCUSSÃO O algoritmo exige que haja uma boa correlação entre a temperatura da superfície e o índice de vegetação (Agam et al., 2007b). A Figura 2 ilustra o diagrama de dispersão e a reta de

3 Temperatura (K) Figura 1 - Fluxograma do processamento do algoritmo para o refinamento da banda termal. regressão linear e polinomial entre o EVI e a temperatura da superfície. Os resultados mostraram que a regressão polinomial apresentou coeficiente de determinação R² = 97%, ou seja, 97% da variância total dos dados. Enquanto que com o ajuste linear foi de 0, (a) T = -191,42EVI ,91EVI + 297,02 R² = 0,9756 (b) T = 37,22EVI + 307,55 R² = 0, ,1 0,2 0,3 0,4 0,5 EVI Figura 2 - Gráfico de dispersão da temperatura (K) e do EVI e a comparação dos ajustes polinomial (a) e linear (b). T x EVI (926m) Polinomial Linear A Figura 3 mostra a imagem termal do MODIS/Terra para o recorte do tile V09H14 no dia 16 de setembro de A Figura 3a corresponde à carta de temperatura original e a Figura

4 unit R (K) T refinada (K) 3b mostra a carta com 250 m de resolução espacial, essa última apresenta uma visualização melhorada da original. Observando-se as imagens nota-se que há uma grande semelhança entre as mesmas, com o EMA de 0,4231 K (Figura 4a). Agam et al. (2007a) utilizando dados do satélite Landsat 7 obtiveram o EMA da ordem 1,42 C. Figura 3 - Mapa temático da temperatura com imagens MODIS/Terra. (a) Campo de temperatura original MODIS e (b) Campo de temperatura usando o método TsHARP. Comparando os diagramas de dispersão das Figuras 4a e 4b percebe-se que a técnica TsHARP mostra-se melhor do que a temperatura modelada não refinada. Esse mesmo resultado foi encontrado por Agam et al (2007a) para o campo de temperatura do satélite GOES. Ainda na Figura 4b observam-se pontos com valores baixos quando comparados com a temperatura não refinada pelo método, essa fonte de erro é justificada pelas anomalias na umidade do solo, como já foi verificado por outros autores (Agam et al., 2007a, b). (a) unit R x T Rref R² = 0,9254 EMA = 0, T Rref (K) T refinada x T Rref R² = 0,9424 EMA = 0, T Rref (K) (b) unitr x TRref Polinômio Trefinada x TRref Polinômio Figura 4 - Gráfico de dispersão da temperatura modelada versus a temperatura observada. (a) Temperatura não refinada (unit R ). (b) Temperatura do método TsHARP.

5 CONCLUSÕES A imagem MODIS/Terra estimada pelo método de refinamento TsHARP apresentou resultados bem consistentes com erro médio absoluto de 0,42 e ajuste quadrático com coeficiente de determinação igual 0,94. Diante desses resultados é possível utilizar a metodologia em aplicações locais, por exemplo, manejo agrícola e modelos hidrológicos. Agradecimentos: Os autores agradecem ao CNPq pelo apoio financeiro no que diz respeito à concessão da bolsa de estudo dos alunos de pós-graduação. REFERÊNCIAS BIBLIOGRÁFICAS Agam, N., Kustas, W. P., Anderson, M. C., Li, F., Neale, C. M. U. A vegetation index based technique for spatial sharpening of thermal imagery. Remote Sens Environ. n. 107, p , 2007a. Agam, N.; Kustas, W. P.; Anderson, M. C.; Li, F.; Colaizzi, P. D. Utility of thermal sharpening over Texas high plains irrigated agricultural fields. J Geophys Res, n. 112, (D19110,doi: /2007JD008407), 2007b. Huete, A. R., Liu, H. Q., Batchily, K., vanleeuwen, W. J. D. A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sens Environ, n. 59, p , Justice, C. O., Giglio, B., Korontzi, S., Owens, J., Morisette, J. T., Roy, D. P., Descloitres, J., Alleaume, S., Petitcolin, F., Kaufman, Y. The MODIS fire products. Remote Sens Environ, n. 83, p , MODIS Website. Disponível em: < emissivity/daily_l3_global_1km/mod11a1>. Acesso em: ago Ponzoni, F. J., Galvão, L. S., Epiphanio, J. C. N. Influência da resolução espacial sobre a quantificação de áreas não florestadas em ambiente amazônico. In: Simpósio Brasileiro de Sensoriamento Remoto, 10, Foz do Iguaçu. Anais... Foz do Iguaçu, cdrom. Running, S. W., Justice, C. W., Salomonson, V., Hall, D., Barker, J., Kaufman, Y., Strahler, A., Muller, J. P., Vanderbilt, V., Wan, Z. M., Teilet, P., Carneggie, D. Terrestrial remote sensing science and algorithms planned for EOS/MODIS. Int J Remote Sensing. v.15, n. 17, p Willmott, C. J. Some comments on the evaluation of model performance. B Am Meteorol Soc. n. 63, p , Willmott, C. J., & Matsuura, K. Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Clim Res. n. 30, p , 2005.