RELAÇÃO PRELIMINAR ENTRE IVDN OBTIDOS DO AVHRR/NOAA E TM/LANDSAT

Transcrição

1 RELAÇÃO PRELIMINAR ENTRE IVDN OBTIDOS DO AVHRR/NOAA E TM/LANDSAT Célia Campos Braga 2,Arnaldo de Sena Santos 1, Fabiane Regina da Cunha Dantas 3, Bernardo Barbosa da Silva 2 RESUMO O objetivo do trabalho foi encontrar uma relação entre dados de IVDN obtidos dos sensores/satélites AVHRR/NOAA e TM/LANDSAT. Utilizou-se um conjunto de dados de IVDN em Caatinga e outra em Caatinga e Área irrigada, na região do submédio do rio São Francisco, setor Pernambuco, no dia 24 de setembro de Para a área da Caatinga, os resultados indicam um relacionamento significativo do índice obtido com os dois sensores, resultando em coeficiente de correlação r = 0,78 e erro padrão da estimativa de 0,87%. Para a área de vegetação mista os resultados indicam relacionamento significativo entre as relações do IVDN, com r = 0,71 e erro padrão da ordem de 7%. Apesar de terem resoluções espaciais muito diferentes o modelo apresentou resultados satisfatórios. Palavras-chave: Índice de vegetação, satélite, regressão linear. PRELIMINARY RELATIONSHIP BETWEEN GOTTEN IVDN OF AVHRR/NOAA AND ABSTRACT TM/LANDSAT The objective of this work was to find a relationship between NDVI data obtained from AVHRR/NOAA and TM/LANDSAT sensors/satelittes. A set of data covering Caatinga and Caatinga and Irrigated spots, in the area of San Francisco river, in Pernambuco State sector, obtained on September 24, 2003, were used. The results indicate a significant relationship between the two sets of NDVI, with correlation coefficient r = 0,78 and standard error of estimate of 0,87% in the Caatinga area. In the other area (Caatinga and Irrigated areas) r = 0.71 and standard error of estimate of 7%. Despite of having different spacial resolutions, the model presented satisfactory results. Keywords: Vegetation Index, satellite, linear regression. INTRODUÇÃO O sensoriamento remoto é definido por LILLESAND & KIEFER (1987) como "... a ciência e a arte de receber informações sobre um objeto, uma área ou fenômeno pela análise dos dados obtidos de uma maneira tal que não haja contato direto com este objeto, esta área ou este 1 Aluno do Curso de Meteorologia, Unidade Acadêmica de Ciências Atmosféricas, UFCG, Campina Grande, PB, E- mail: arnaldosena@yahoo.com.br 2 Professores Doutores, Unidade Acadêmica de Ciências Atmosféricas, UFCG, Campina Grande, PB, celia@dca.ufcg.edu.br, bernardo@dca.ufcg.edu.br. 3 Aluna da Pós-Graduação em Meteorologia, Unidade Acadêmica de Ciências Atmosféricas, UFCG, Campina Grande, PB, fabiane@dca.ufcg.edu.br.

2 fenômeno". Os dados de sensoriamento remoto têm sido de fundamental importância em pesquisas direcionadas em estudar o comportamento dinâmico da vegetação. Tal abordagem procura tornar mais operacional o sistema de monitoramento da vegetação principalmente de extensas áreas, tendo como apoio informações coletadas de satélites meteorológicos e ambientais, tais como, TM/Landsat e AVHRR/NOAA. Os dados obtidos dos sistemas de sensores da alta resolução temporal e espacial AVHRR (Advance Very High Resolution Radiometer) e TM (Thematic Mapper) instalados nestes satélites são capazes de fazer o monitoramento da resposta espectral da vegetação de uma determinada área geográfica. A resposta espectral detectada pelos sensores na banda do visível (VIS) e no infravermelho próximo (NIR), em particular dos satélites meteorológicos da série NOAA (National Oceanic and Atmosphere Administration) e LANDSAT informam sobre a refletância da superfície vegetada, o que possibilita identificar e mapear áreas de cobertura vegetada no globo terrestre. A combinação das reflectâncias dos dois canais é denominada Índice de Vegetação por Diferença Normalizada (IVDN) (PARKINSON, 1997). Dados multitemporais obtidos de sensoriamento remoto de diferentes satélites meteorológicos e ambientais têm sido amplamente utilizados com diferentes finalidades em todo mundo. SRIVASTAVA et al. (1997) utilizou os dados remotos para estudar a relação entre IVDN e totais sazonais da precipitação e transpiração no estado de Karnataka (Índia). SANTOS et al. (1991) comparam o índice de vegetação do AVHRR / NOAA e TM / LANDSAT em áreas com ação antrópica na Amazônia. Os autores encontram uma relação significativa da relação entre os dados do AVHRR e TM estimados da área de ação antrópica possível de ser identificada pelo AVHRR em comparação ao TM. GUTMAN & IGNATOV (1998) utilizaram dados mensais do IVDN para produzir fração vegetação e encorparam estes em modelos numéricos de previsão de tempo e clima. BRAGA et al. (2003) utilizou séries temporais do IVDN para determinar o tempo de resposta da vegetação às precipitações. WESSEL et al. (2004) utilizou dados do IVDN para identificar a quantidade de áreas degradadas e não degradadas. Considerando as inúmeras aplicações envolvendo dados obtidos remotamente, o objetivo deste estudo é encontrar uma relação entre índices de vegetação obtidos dos sensores AVHRR/NOAA e TM/LANDSAT para Caatinga e Caatinga e agricultura irrigada localizada na região submédio do São Francisco em Pernambuco. MATERIAL E METODOLOGIA Foram utilizados dados IVDN obtidos do sensor AVHRR do satélite NOAA com resolução espacial de 1,0 x 1,0 Km² no nadir e dados do Mapeador Temático (TM) com resolução espacial no nadir 30 x 30 m 2, do dia 24 de setembro de 2003 (céu claro na região). Selecionou-se duas áreas

3 localizadas na região do sub médio do São Francisco entre os estado de Pernambuco e Bahia, uma com cobertura vegetal Caatinga e outra mista, ou seja, Caatinga mais agricultura irrigada, conforme ilustrada na Figura 2 (a e b). A Imagem do AVHRR / NOAA é convertida em unidades de reflectância usando a calibração de pré-vôo fornecida pela NOAA. Figura 1. Área de estudo localizada entre os Estados de Pernambuco e Bahia. O processamento da imagem do TM/ LANDSAT foi feito com Software ERDAS utilizando a Calibração radiométrica, proposta por Markham & Baker (1987): L λ = a i bi ai xnd em que, a i e b i são as radiâncias espectrais mínimas e máxima (W m -2 sr -1 μm -1 ), ND é a intensidade do pixel (número inteiro de 0 a 255), i=1, 2,..., 7, corresponde às bandas do TM / Landsat. A reflectância espectral planetária em cada banda empregou-se a expressão de Bastiaansen (1995) dada por: rp i L xπ λ K xcoszxd = em que r pi é a reflectância planetária da banda i, K λ é a irradiância no topo da λ r atmosfera, Z é o ângulo zenital do Sol e dr é o inverso do quadrado da distância relativa Terra-Sol. A partir das reflectâncias dos canais 1 e 2 do AVHRR e 3 e 4 do TM calculou-se o IVDN pela seguinte proporção: IVDN = I - R / I + R, em que I é medida da reflectância no infravermelho próximo e R, é a medida da reflectância no visível do NOAA e LANDSAT respectivamente. Na análise estatística dos dados para encontrar a relação existente entre o IVDN estimado pelo AVHRR/NOAA e pelo TM/LANDSAT, utilizou-se o método da regressão linear segundo critério dos Mínimos Quadrados.

4 Seja Y = α + βx o modelo linear escolhido para ajustar os pares de dados (X i, Y i ) da amostra estudada. Designaremos por a e b ao estimados de α eβ, respectivamente. A estimativa de Y do modelo ajustado compondo a e b da equação linear da reta é ˆ em que os Y = a + bx coeficientes da regressão a e b, Y é variável dependente e X a variável independente. Encontrou-se o coeficiente de correlação linear r entre o conjunto de dados AVHRR/NOAA e TM/LANDSAT, através da expressão: xy r = em que, x = X X e y = Y Y 2 2 ( x )( y ) A quantidade r é adimensional e varia entre 1 r 1. Efetuou-se o teste de Student em r para avaliar a significância estatística de r. Adotou-se o nível de significânciaα = 0,005. Maiores detalhes da metodologia encontram-se em WILKS (1995), FONSECA et al. (1982). RESULTADOS E DISCUSSÃO A Figura 2 (a e b) apresenta a distribuição da variabilidade espacial do IVDN obtida pelos satélites LANDSAT e NOAA e áreas selecionadas. A região escura corresponde a barragem de Sobradinho (IVDN negativo). Os valores comumente encontrados do IVDN são da ordem de 0,6 para florestas tropicais, 0,05 para desertos e -0,3 para nuvens que não precipitam (PARKINSON, 1997). Na área selecionada com vegetação predominante de Caatinga (retângulo maior) para o dia 24 de setembro de 2003, os valores do índice de vegetação variaram entre 0,1 a 0,32, enquanto que para área Caatinga mais agricultura irrigada o IVDN 0,1 a 0,66. Isso já era esperado tanto para Caatinga quanto para Agricultura irrigada. Figura 2 a e b. Áreas selecionadas do IVDN para Caatinga e Caatinga mais agricultura irrigada. As Figuras 3 (a e b) mostram os diagramas de dispersão e a reta de regressão, envolvendo o IVDN do AVHRR e do TM nas áreas de estudos, cuja cobertura vegetal é a Caatinga e conjunta (Caatinga e Caatinga irrigada). As equações de regressão linear obtida para a Caatinga e vegetação mista são iguais a:

5 Vegetação Caatinga Vegetação Caatinga e agricultura irrigada IVDN NOAA = 0, , IVDN LNAD IVDN NOAA = 0, , 794 IVDN LNAD com erro padrão da estimativa de 0,87% e coeficiente de correlação linear igual 0, 78, o que implica num coeficiente de determinação (r 2 ) de 0,602. O modelo linear utilizado explica portanto, 60,2% da variação total da variável dependente. A significância do coeficiente de correlação linear (r) baseou-se no teste de Student (t), para o nível de significância de 0,005 com 2998 graus de liberdade da amostra (ν ), o que resultou em t tabelado = 2,58 contra t cal = 65,76. Logo, t cal > t tabelado a hipótese nula, qual seja, de que o r amostra foi obtido em população com ρ = 0, foi rejeitada. Observando o coeficiente de correlação pode-se afirmar que neste conjunto de dados da vegetação do tipo Caatinga 60,2% das variações encontradas no IVDN NOAA do modelo linear são explicados pela variável independente (IVDN LAND ). Este baixo percentual pode ser atribuído ao fato da capacidade do sensor AVHRR, considerando, sobretudo, a característica de resolução espacial (1Km) pouco adequada à identificação de determinados alvos tais como, área de entropismo, áreas agrícolas, pastagem e definição dos contornos entre alvos. É evidente que o sensor TM de resolução espacial mais fina (30m) associado a uma ampla resolução espectral permite melhor caracterização das áreas pequenas com diferentes alvos, facilitando assim a identificação mais precisa da cobertura. Para a vegetação mista encontrou-se um r 2 = 0,5041 (r = 0,71) e erro padrão de 7 %, explicando apenas 50,4% da variância total dados e t cal = 37,67 e t tabelado = 2,58 para 1397 graus de liberdade. A hipótese nula de que o r amostral foi obtido em população com ρ = 0, foi rejeitada, pois t cal > t tabelado. Analisando o coeficiente amostral podemos afirmar que também neste conjunto de dados de vegetação Caatinga e Caatinga mais agricultura irrigada 50,4% das variações encontradas no IVDN NOAA do modelo linear são explicados pela variável independente (IVDN LAND ). As mesmas considerações atribuídas para o caso Caatinga são feitas para a segunda amostra estudada. CONCLUSÃO A análise comparativa entre os dados do AVHRR e TM, através do modelo de regressão de mínimos quadrados sobre a Caatinga mostrou um relacionamento significativo (r=0,78) entre as informações com erro de estimativa baixo da ordem de 0,87%, enquanto que na vegetação Caatinga e Caatinga mais agricultura irrigada mostrou um relacionamento significativo (r=0,71) entre as informações com erro de estimativa da ordem de 7%. Embora o estudo tenha sido feito apenas com uma imagem e levando em consideração a resolução espacial dos sensores, características singulares da Caatinga em consonância com áreas agrícolas, os resultados preliminares sem dúvidas foram bastante satisfatórios.

6 AGRADECIMENTO Os autores agradecem ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pelo apoio financeiro concedido para elaboração desta pesquisa. 0,35 0,3 0,25 0,2 0,15 0,1 0,05 TM = 0,8728 AVHRR + 0,0948 R = 0,6015 n= ,05 0,1 0,15 0,2 0,25 AVHRR/NOAA TM/LANDSAT 0,7 0,6 0,5 0,4 0,3 0,2 0,1 TM = AVHRR R = 0.71 n= ,1 0,2 0,3 0,4 0,5 0,6 AVHRR/NOAA Figura 3a e 3b. Relação funcional do IVDN obtida pelo AVHRR e TM para a Caatinga e Caatinga e mais agricultura irrigada REFERÊNCIAS BIBLIOGRÁFICAS BASTIAANSSEN, W.G.M., 1995.Regionalization of surface flux densities and moisture indicators in composite terrain. Ph. D. Thesis, Wageningen Agricultural. University, Wageningen, The Netherlands. BRAGA, C.C; BRITO, J.I. B; SANSIGOLO, C.A e RAO; T. V. R. Tempo de resposta da vegetação às variabilidades sazonais da precipitação no Nordeste do Brasil. Revista Brasileira de Agrometeorologia, Santa Maria-RS, v.11, n.1, p , FONSECA, J.S; MARTINS G.A.; TOLEDO, G.L.; Estatística Aplicada, Editora Atlas, São Paulo, p. GUTMAN, G., IGNATOV, A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models. International Journal of Remote Sensing, v.19, n.8, p , LILLESAND, T.M. & KIEFER (1979). Remote sensing and image interpretation. New York. MARKHAM, B.L. and J.L. BARKER, Thematic Mapper bandpass solar exoatmospherical radiances. Int. J. of. Remote Sensing 8(3): PARKINSON, C. L. Earth from above. University Sciences Books, Sansalito. Land vegetation, , SANTOS dos, J.R., LEE, D.C.L., SHIMABUKURO, Y.E. Análise relacional de dados AVHRR/NOAA e TM/LANDSAT na avaliação do antropismo em região de contato floresta/savana. MEMORIAS DEL 5 o SIMPOSIO LATINOAMERICANO DE PERCEPCION REMOTA. 1991, Cusco. Editores, SELPER. Peru. SRIVASTAVA, S.K., JAYRAMAN, V., NAGESWARA RAO, P.P., MANIKIAM, B., CHANDRASEKHAR, M. G. Interlinkages of NOAA/AVHRR derived integrated NDVI to seasonal precipitation and transpiration in dryland tropics. International Journal of Remote Sensing, v.18, n.14, p , WESSELS, K.J.; PRINCE, S.D.; FROST, P.E.; ZYL, D. van. Assessing the effects of humaninduced land degradation in the former homelands of northern South Africa with a 1 Km AVHRR NDVI time-series. Remote Sensing of Environment. v.91, p , 2004.