Comportamento sazonal da cobertura do vegetal no estado de Mato Grosso do Sul

Transcrição

1 Comportamento sazonal da cobertura do vegetal no estado de Mato Grosso do Sul Fábio Almeida Coelho 1 Antonio Conceição Paranhos Filho 1 Leila Maria Mercê de Albuquerque 1 1 Departamento de Hidráulica e Transportes CCET Universidade Federal de Mato Grosso do Sul UFMS Cidade Universitária s/n - Caixa Postal 549 Campo Grande, MS, Brasil fabioalmeidacoelho@yahoo.com.br paranhos@nin.ufms.br leilamma@nin.ufms.br Resumo: O presente estudo tem como objetivo avaliar a resposta do índice da vegetação ao ciclo de chuvas sob a região do Estado de Mato Grosso do Sul, durante um ano de simulação, representando o vigor da vegetação através do Índice de Vegetação por Diferença Normalizada (NDVI). O NDVI está correlacionado com algumas variáveis biofísicas, tais como: área e massa de folhas verdes, conteúdo de água das folhas e clorofila total. Desta forma este índice pode ser empregado para monitorar a biomassa fotossinteticamente ativa. Os valores de NDVI variam de -1 a +1, sendo que nesta análise este índice variou de -,16 a +,13. Os resultados mostraram que o tempo de resposta da vegetação à precipitação é de um mês. Palavras-Chave: NDVI, pluviosidade, sensoriamento remoto. 327

2 Abstract: The present study has as objective to evaluate the response of the vegetation index to the rain cycle in the region of Mato Grosso do Sul State (Brazil), during one year of simulation, being represented the vegetation vigor through the Normalized Difference Vegetation Index (NDVI). Tucker (1979) affirmed that the NDVI is correlated with some biophysics variables, such as: green leaf area and biomass, water contents of the leaves and total chlorophyll. In such a way this index can be used to monitor the photosynthetic active biomass. The values of NDVI vary from -1 to +1, in this analysis this index has varied from -,16 + to,13. The results have shown that the vegetation response time to the precipitation is of one month. Key words: NDVI, remote sensing, rainfall. 1. Introdução Os índices de vegetação são um tipo de operação aritmética, que consiste na razão de valores digitais, de voltagem, de reflectância ou de radiância de duas ou mais bandas, referentes à mesma cena, para formar uma nova imagem, denominada imagem índice de vegetação. Esta operação aritmética é a mais conhecida e utilizada atualmente, por ser de simples implementação e interpretação e por fornecer informações satisfatórias a respeito da vegetação. Shimabukuro (1995). Os principais objetivos de uma operação aritmética são a redução da dimensionalidade dos dados, a geração de índices de vegetação, a redução dos efeitos multiplicativos e aditivos presentes nas imagens (sombra, solo e atmosfera) e o monitoramento de mudanças ocorridas numa área durante um período de tempo (Shimabukuro, 1995), além da redução do efeito da topografia. Richards (1986). O princípio dos índices consiste na exploração do comportamento espectral da vegetação na região do vermelho, que apresenta baixa reflectância e na região do infravermelho próximo, que apresenta alta reflectância. Shimabukuro et al.(1995). Com o aumento quantitativo da vegetação, a reflectância na região do vermelho tende a diminuir, enquanto no infravermelho próximo, tende a aumentar. Os índices de vegetação exploram este dinamismo, caracterizado por contrates nos valores de reflectância destas duas bandas. Jackson e Huete (1991); Myneni et al. (1995). O Índice de Vegetação por Diferença Normalizada (NDVI) - França e Cracknell, (1995) - tem sido empregado para avaliar o vigor da vegetação, monitorar a cobertura vegetal, auxiliar na detecção de desmatamentos, avaliação de áreas queimadas, dar suporte a previsão da produtividade agrícola, entre outras aplicações. A base física dos índices de vegetação é atribuída à absorção pela clorofila da planta, pela absorção de radiação na região espectral do vermelho (VER) e ao espalhamento pelas folhas das plantas da radiação na região espectral do infravermelho próximo (IVN). Desta forma, cada banda é um indicador do total de vegetação, porém contribuições do solo e da atmosfera farão que ocorra uma incerteza na estimativa dos parâmetros biofísicos da vegetação. Liu e Huete (1995). O NDVI ou IDVN é gerado a partir de imagens de satélite e sua fórmula é dada por: onde: R2 = reflectância na banda referente ao infravermelho próximo; R1 = reflectância na banda referente ao vermelho. O NDVI foi desenvolvido por Rouse et al. (1974) citado por Baret et al. (1995) e utilizado por Deering (1978) citado por Jackson e Huete (1991). O NDVI pode ser obtido a partir de dados de sensores que possuam bandas nestas duas regiões do Espectro Eletromagnético (EEM). 328

3 Os valores de NDVI oscilam entre -1 e +1, que correspondem às características de estresse hídrico (próximo a -1) a uma vegetação exuberante. A água tem reflectância R1 maior que R2, portanto valores negativos de NDVI. As nuvens refletem de forma semelhante no VIS e no NIR. Espera-se que o valor do pixel seja em torno de zero. O solo nu e com vegetação rala apresenta valores positivos, mas não muito elevado. A vegetação densa, úmida e bem desenvolvida apresenta os maiores valores de NDVI. Atualmente, grande parte dos satélites está equipada de sensores com bandas na região do vermelho e do infravermelho próximo, possibilitando a obtenção de índices de vegetação, como por exemplo, Landsat 5, SPOT ( Système Probatoire d Observation de la Terre ), CBERS ( China-Brazil Earth Resources Satellite ), MODIS ( Moderate Resolution Imaging Spectro-Radiometer ) e NOAA ( National Oceanic and Atmospheric Administration ). A escolha do sensor dependerá basicamente dos objetivos do estudo. No sensoriamento remoto é de extrema importância saber como a radiação eletromagnética interage com a superfície da Terra. Curran (1983). Diversos fatores influenciam na radiação refletida pela superfície, tais como: óxido de ferro, mineralogia, umidade, matéria orgânica, granulometria e o material de origem Curran (1983).Portanto a quantidade de energia refletida por um tipo de solo é dada em função desses fatores. O índice de vegetação NDVI é largamente utilizado para o mapeamento da vegetação visando a detecção de mudanças temporais. Esse índice é capaz de distinguir diferentes características sazonais na fenologia da cobertura vegetal. Wang e Tenhunen (24). De acordo com trabalhos anteriores - Liw e Ayres(24)-, o NDVI relaciona o vigor da vegetação com a umidade e por conseqüência influencia a formação de nuvens e chuva. 2. Objetivo O objetivo deste trabalho é avaliar a resposta do ciclo de chuvas sob a região de Mato Grosso do Sul, durante um ano de simulação, representando o vigor da vegetação através do Índice de Vegetação por Diferença Normalizada (NDVI). 3. Materiais e Método O Estado de Mato Grosso do Sul está situado ao sul da região Centro-Oeste, limita-se com os Estados de: Mato Grosso - Norte, Goiás e Minas Gerais - Nordeste, São Paulo - Leste, Paraná - Sudeste e com o Paraguai - Sul e Sudoeste e com a Bolívia - Oeste. Com uma área total de ,962 km², o que corresponde a 4,19% do território nacional, apresenta uma população de habitantes (censo 2 fonte: IBGE 2); distribuídos em 78 municípios. 329

4 Figura 1. Imagem NDVI CBERS-2 WFI cena 163/124 de 26/7/24 (fonte: INPE 24) Nos procedimentos computacionais foi utilizado o software ERDAS IMAGINE 8.4 (ERDAS, 1999). O Estado do Mato Grosso do Sul foi imageado pela câmera WFI do sistema CBERS-2 por meio da órbita 163 e ponto 124, no período de de 24 a de 25..Essas cenas estão disponíveis gratuitamente pelo catálogo do INPE ( Os dados pluviométricos do Estado foram obtidos do Sistema de Monitoramento Agrometeorológico, os quais continham seis estações pluviométricas com dados disponíveis para os anos de 24 e 25. O total mensal de chuvas é mostrado na figura abaixo (figura 2). Os meses de junho a dezembro apresentaram as menores precipitações. precipitação média (mm) maio junho julho agosto setembro outubro novembro dezembro janeiro fevereiro março Figura 2. Precipitação média mensal do Mato Gross do Sul, no período de 24/25. 33

5 4. Resultados e Discussão O índice de vegetação NDVI possui valores que variam entre +1 a -1, de acordo com a densidade de vegetação. Enquanto os solos sem cobertura vegetal (áreas secas e de baixa precipitação) apresentam NDVIs negativos, regiões com vegetação mais densa apresentam NDVIs positivos, próximos a +1. NDVI,15,1,5 -,5 -,1 maio junho julho agosto setembro outubro novembro dezembro janeiro fevereiro março -,15 -,2 Figura 3. Valores de NDVIs médios mensais de Mato Grosso do Sul. O valor mínimo de NDVI observado ocorreu no mês de setembro. Os maiores valores observados ocorreram nos meses de dezembro e fevereiro. O máximo vigor vegetativo é caracterizado por uma atividade fotossintética máxima. A resposta da vegetação nessa fase é um alto conteúdo de clorofila nas folhas, absorvendo grande quantidades de energia na região do vermelho. Já no infravermelho, a folha saudável apresenta uma alta reflectância devido o arranjo dos espaços intercelulares e conteúdo de água na folhas. A radiação que penetra nas folhas é espalhada em grande parte devido a combinação da reflexão interna, decorrente das irregularidades das paredes externas das células, e da diferença entre os índices de refração ar/água nas células túrgidas. Ponzoni (21). Baixos valores de reflectância no vermelho e altos no infravermelho próximo resultam em um alto NDVI. Quando a folha passa por um estresse hídrico, há perda de parte da clorofila, o que dá aparência amarela às folhas. O pico de reflectância não ocorre mais no verde, ele caminha para a região do vermelho, aumentando a reflectância nessa faixa do espectro. Ponzoni (21). Na região do infravermelho, a vegetação em situação de estresse pode refletir menos devido as alterações nos índices de refração ou pela perda da estrutura interna da folha, decorrente da falta de água. Essas diferenças da vegetação seca e saudável é que permitem a aplicação de índices de vegetação para o monitoramento de mudanças na paisagem. Jensen (1996). A figura 4 faz uma comparação entre sazonalidades da precipitação com valores de NDVI no Estado do Mato Grosso do Sul no período de /24 a /

6 Precipitação X NDVI precipitação (mm) ,15,1,5 -,5 -,1 -,15 -,2 NDVI junho agosto outubro dezembro fevereiro precipitação NDVI Figura 4. Valores de NDVI relacionados com pluviosidade média nos anos de 24 e 25. O mês com maior índice pluviométrico apresentado foi o mês de janeiro de 25, resultando em um maior valor de NDVI encontrado foi no mês de fevereiro. O período de seca inicia-se em junho, sendo outubro o mês com menor precipitação média. O valor de NDVI mais baixo apresentado ocorreu no mês de setembro de 24. Em outubro de 24 o NDVI apresentou valor próximo a zero devido a grande quantidade de nuvens na imagem. 5. Conclusão O sistema CBERS-2 com seu sensor WFI permitiu investigar como a pluviosidade se manifesta sobre a vegetação e como é a variação sazonal da atividade fotossintética. O produto imagem-índice de vegetação mostrou-se sensível às variações fenológicas apresentadas no Estado de Mato Grosso do Sul. Com base nos dados do período analisado, os valores de NDVI são influenciados após um mês de uma precipitação e no início da estação seca. 6. Referência: AGRITEMPO. Sistema de Monitoramento Agrometeorológico. Disponível em: http: // Último acesso em: 12 de setembro de 26. CBERS-2 Satélite Sino Brasileiro de Recursos Terrestres sensor WFI Bandas 1e 2. São José dos Campos: Instituto Nacional de Pesquisa Espaciais. Imagens de Satélite. Órbita 163 ponto 124. Disponível em: Último acesso em:8 de setembro de 26. Curran, P.J.; Dungan, J.L.; Gholz, H.L. Seasonal LAI in Slash Pine estimated with Landsat TM. Remote Sensing of Environment, 39(1):3-13, Jan., França, G. B.; Cracknell, A. P. A simple cloud masking approach using NOAA AVHRR daytime data for tropical areas. International Journal of Remote Sensing. V.9, p , Gevaerd, R., Freitas, S., 26. Estimativa Operacional da Umidade de Solo para Iniciação de Modelos de Previsão Numérica da Atmosfera - Parte I: Descrição da Metodologia e Validação, Revista Brasileira de Meteorologia - Volume Especial da LBA, in press. Huete, A.R.; Jackson, R.D.; Post, D.F. Spectral response of a plant canopy with different soil backgrounds. Remote Sensing of Environment, 17(1):37-53, Feb.,

7 IBGE Instituto Brasileiro de Geografia e Estatística. Censo 2. Disponível em Ultimo acesso em: 9 de agosto de 26. INPE Instituto Nacional de Pesquisas Espaciais. Programa CBERS. Satélites. CBERS 2. Câmeras. Disponível em Último acesso em 9 de agosto de 26. Jensen, J.R. Introductory digital image processing: a remote sensing perspective. Ed. 2, USA p Moreira, M. A., Shimabukuro, Y., E. Cálculo do Índice de Vegetação a partir do sensor AVHRR. In: Ferreira, N.J. Aplicações Ambientais Brasileiras dos Satélites NOAA e TIROS-N. São Paulo p. Ponzoni, F.J. Comportamento espectral da vegetação. In: Meneses, P.R.; Madeira Neto, J.S. Sensoriamento Remoto: reflectância de alvos naturais. Brasília, DF: UNB Planaltina Embrapa Cerrados, p. Shimabukuro, Y.E.; Novo, E.M.L.M.; Ponzoni, F.J. Índice de vegetação e imagensfrações derivadas do modelo linear de mistura espectral para monitoramento da região do Pantanal In: Encontro Sobre Sensoriamento Remoto Aplicado a Estudos No Pantanal, 1., 9-12, 1995, Corumbá. São José dos Campos: INPE, 25. Resumo, p Tucker, C.J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2):