USO DE GEOTECNOLOGIAS PARA ESPACIALIZAÇÃO DE DADOS DE PRECIPITAÇÃO, NDVI E TEMPERATURA DE SUPERFÍCIE DA BACIA DO RIO TAPEROÁ

p. 001-009 USO DE GEOTECNOLOGIAS PARA ESPACIALIZAÇÃO DE DADOS DE PRECIPITAÇÃO, NDVI E TEMPERATURA DE SUPERFÍCIE DA BACIA DO RIO TAPEROÁ BÁRBARA BARBOSA TSUYUGUCHI JOHN ELTON DE BRITO LEITE CUNHA IANA ALEXANDRA ALVES RUFINO Universidade Federal de Campina Grande - UFCG Centro de Tecnologia e Recursos Naturais - CTRN Unidade Acadêmica de Engenharia Civil, Campina Grande, PB barbara.tsuyu@gmail.com, johncivilcg@hotmail.com, iana_alex@uol.com.br RESUMO Os processos de mudanças da cobertura e uso do solo são parte das discussões globais sobre o meio ambiente há algumas décadas, pois ocorrem na superfície do planeta e têm influência direta sobre o clima. Este texto aborda a relação existente entre os valores encontrados para precipitação, vegetação e temperatura de superfície na Bacia do Rio de Taperoá, situada no estado da Paraíba. Utilizando informações obtidas através de estudos afins, da coleta de dados hidrológicos e do processamento digital de imagens de satélite, foi possível a análise desses componentes para três períodos, 18 de junho de 1990, 04 de abril de 1999 e 17 de outubro de 1999. Os resultados mostram que houve variações nos mapas de precipitação, índice de vegetação (NDVI) e temperatura da superfície. Nas áreas onde apresentaram os maiores índices pluviométricos, houve aumento do índice de vegetação e diminuição da temperatura da superfície. ABSTRACT Land use changes have been discussed in the global context of environmental impacts in the last decades, because they occur on the earth surface and it influences directly global climate. This article examines the relationship between precipitation, vegetation and surface temperature in the River Taperoá Basin, located in the state of Paraíba. It was analyzed three periods, using information obtained from related studies, hydrological data collection and digital processing of satellite images: June, 1990, April, 1999 and October, 1999. The results presents some variations in precipitation, vegetation index (NDVI) and surface temperature. In areas with highest rainfall, it was observed an increase in the vegetation index and a decrease in surface temperature. 1 INTRODUÇÃO O conhecimento da temperatura de superfície constitui-se num parâmetro notadamente influenciado por variações no clima, e cuja estimativa é de grande utilidade em trabalhos de monitoramento que assegurem o atendimento da demanda hídrica das culturas, podendo contribuir em programas de irrigação e de gestão dos recursos hídricos. Os produtos do sensoriamento remoto termal permitem a identificação da temperatura de superfície dependendo da disponibilidade de imagens para os períodos analisados, detectando mudanças e alterações no fenômeno temperatura ao longo da superfície estudada. Detectar mudanças significa identificar alterações na superfície terrestre por meio da análise de imagens da mesma cena coletadas em diferentes datas. A análise multitemporal de imagens de satélite permite a avaliação de dinâmicas espaciais como os processos de urbanização, catástrofes naturais e outras alterações na paisagem. Neste sentido, o algoritmo SEBAL Surface Energy Balance Algorithm for Land (Bastiaanssen et al.,1998) tem sido amplamente empregado em muitas partes do mundo e proporcionado resultados satisfatórios no âmbito dos recursos naturais e gerenciamento dos recursos hídricos (Bastiaanssen et al., 1998; Allen et al., 2001). Neste algoritmo, a temperatura de superfície é estimada com base na temperatura de brilho e na emissividade de cada pixel. Observa-se na região Nordeste um número crescente de estudos das implicações das variações de temperatura de superfície nos recursos hídricos através de técnicas de geoprocessamento e sensoriamento remoto (Silva et al., 2005b e Di Pace et al., 2008; Folhes, 2005; Lima et al, 2001; Lopes et al, 2005). Considerando a bacia do Rio de Taperoá como área de estudo, tem-se o objetivo de realizar uma análise multi-temporal desta, visando subsidiar estudos

p. 002-009 hidrológicos. Para tanto é apresentada a distribuição é de 24 C, com um máximo em novembro/dezembro (28 espacial da chuva nessas bacias, para os anos das imagens C) e um mínimo em julho/agosto (21 C). Na figura 2, o utilizadas na obtenção de dados de temperatura de mapa de elevação da área de estudo apresenta quase sua superfície e do índice de vegetação (NDVI), 1990 e 1999, totalidade, altitudes variando entre 400 e 700 metros. com vistas ao estabelecimento de uma correlação entre os itens estudados, utilizando-se métodos e técnicas 3 BANCO DE DADOS advindos das novas geotecnologias existentes. 2 ÁREA DE ESTUDO A bacia do Rio de Taperoá está localizada, como mostra a figura 1, na parte central do Estado da Paraíba, na região do Cariri, e se localiza entre as coordenadas geográficas 6 51' 31' e 7 34' 21' de latitude sul e 36 0' 55' e 37 13' 9' de longitude oeste. Seu rio principal, o Taperoá, de regime intermitente, nasce na Serra do Teixeira e desemboca no Rio Paraíba, no açude Epitácio Pessoa (Boqueirão). Figura 1 Localização da área de estudo A bacia do Rio Taperoá drena uma área de 5.667,49 km 2 e seu perímetro é de 435,75 km, estando inserida, segundo o método de Koeppen, numa região semi-árida quente, devido a médias pluviométricas baixas. A disponibilidade gratuita de produtos de Sensoriamento Remoto e de softwares de Geoprocessamento torna possível atualmente a qualquer pessoa ou instituição produzir dados de qualidade a um custo muito baixo (Crepani, 2005). Estes produtos devem ser conhecidos (resolução espacial, hora de passagem, resolução radiométrica, etc.) para sua efetiva utilização em qualquer aplicação. Foram consultadas as datas de passagem dos satélites Landsat 5 e Landsat 7, e descarregadas um número considerável de imagens com informações utilizáveis (pouca cobertura de nuvens) para a área de estudo. As imagens foram obtidas a partir do Catálogo de Imagens da Divisão de Geração de Imagens do Instituto Nacional de Pesquisas Espaciais (DGI/INPE), que foi integralmente concebido e desenvolvido pela Divisão de Processamento de Imagens (DPI) conjuntamente com a Divisão de Geração de Imagens (DGI) do INPE. Integram, presentemente, este Catálogo, imagens da série de satélites americanos Landsat-1, Landsat-2, Landsat-3, Landsat-5, Landsat-7, e dos satélites sino-brasileiros da série CBERS (CBERS-2 e CBERS-2B). A distribuição dessas imagens (via FTP) é gratuita (franqueada a toda comunidade Web). No caso do semi-árido paraibano (área de estudo) há uma grande dificuldade de obtenção de imagens com pouca ou nenhuma cobertura de nuvens. Apesar de não serem todas utilizadas nesta pesquisa, mostrou-se muito importante a elaboração deste banco de imagens da forma mais completa possível para permitir uma utilização eficiente destes dados. No estudo, foram obtidas imagens termais de dois anos com intervalo de quase uma década entre eles, e de duas datas diferentes de um mesmo ano.para a Bacia do Rio de Taperoá: 18 de junho de 1990, 08 de abril de 1999 e 17 de outubro de 1999. 4 PROCESSAMENTO DE IMAGENS Figura 2 Modelo de elevação da área de estudo. Na bacia do rio de Taperoá, de acordo com o Plano Estadual de Recursos Hídricos (AESA, 2008) há uma precipitação média anual de 503 mm e o período chuvoso ocorre de janeiro a maio, correspondendo a 65% da pluviosidade anual. Quanto à temperatura, a média anual Para obter a temperatura da superfície terrestre através de imagens orbitais da região termal, é necessário utilizar técnicas de correção dos efeitos atmosféricos sobre as medidas de temperatura. No caso de dado termal do sensor TM, a correção atmosférica depende da realização de lançamentos de radiossondagem simultaneamente às passagens do satélite, o que nem sempre é feito (Folhes, 2007). Uma alternativa é utilizar modelos que demandem uma mínima quantidade de parâmetros de campo diminuindo assim a quantidade de correções a serem efetuadas. A banda termal assim como as demais bandas do espectro eletromagnético, é representada através de uma

p. 003-009 imagem composta por uma matriz de pixels em tons de superfície, o que permite caracterizar sua distribuição cinza. Cada um dos pixels que compõem a imagem tem espacial, bem como a evolução do seu estado ao longo do um número digital (ou DN número digital de cada pixel) tempo, a qual é determinada pelas variações das associado. Para a transformação DN em temperatura de condições climáticas dominantes, bem como pelos ciclos superfície, precisamos utilizar modelos de conversão. fenológicos anuais (Folhes, 2007). O NDVI é um índice Neste estudo, foi utilizado o modelo desenvolvido que reflete a intensidade do estresse hídrico. Este índice por Bastiaanssen (1995) e utilizados por Allen et al pode variar de -1 a 1. Os valores menores que 0 ocorrem (2007a) ;Tasumi et al (2005);(Silva et al., 2005b e Di em regiões com presença de água, valores entre 0 e 0,3 Pace et al., 2008 ocorre em regiões de solo exposto, e maiores que 0,3 até 1 Segundo Folhes, 2007, dentre os mais recentes, os em regiões vegetadas. modelos Surface Energy Balance Algorithm for Land Os mapas obtidos nesta etapa são apresentados (SEBAL), aqui utilizado, e Mapping Evapotranspiration mais adiante na análise conjunta dos resultados. at High Resolution and with Internalized Calibration (METRIC) vêm sendo aplicados com sucesso mesmo em 5 LEVANTAMENTO DE DADOS HIDROLÓGICOS superfícies heterogêneas, na tentativa de descrever a variação espacial dos fluxos de superfície com base em funções semiempíricas. O diagrama abaixo mostra as etapas metodológicas para a obtenção da temperatura de superfície através do uso do algoritmo SEBAL. Para sua utilização são necessários alguns procedimentos computacionais de processamento digital de imagens, pois todas as operações são realizadas pixel a pixel nas diferentes bandas espectrais das imagens de satélite selecionadas. Para a execução das etapas foram feitos vários modelos utilizando a ferramenta Model Maker do software Erdas na sua versão 9.1. Figura 3 Metodologia aplicada SEBAL Para a obtenção da temperatura da superfície (TS) são utilizados a radiância espectral da banda termal L λ6 e a emissividade ε NB obtida pela aplicação do algoritmo e descritos em Bastiaanssen, (1995), Morse, (2000), Allen et al., (2007a), Silva et al., (2005b) e Di Pace et al., (2008). Dessa forma, obtém-se a temperatura da superfície (K) pela expressão: Para dar suporte à análise comparativa dos componentes agrometeorológicos e temporal, é adicionada uma terceira informação de forte influência, a precipitação. A fim de observar a relação existente entre a precipitação e as demais informações obtidas a partir da manipulação das bandas termais das imagens de satélite, foi realizado um levantamento de dados hidrológicos junto a orgãos competentes, AESA Agência Estadual de Águas e INMET Instituto Nacional de Meteorologia, e também através da aplicação Dados Observados do projeto SegHidro2, acessada na web. O SegHidro2 é um projeto da UFCG, 2008, financiado pelo Ministério de Ciência e Tecnologia, que propõe uma infraestrutura de tecnologia para viabilizar o compartilhamento de dados, conhecimento e poder computacional a serviço de uma melhor gestão dos recursos hídricos do país. Foram coletados dados pluviométricos mensais de postos localizados dentro dos limites e no entorno da Bacia do rio Taperoá (1990 e 1999) para realização da espacialização da chuva (Figuras 4 e 5). Com relação às séries históricas de pluviometria, foi verificado que há postos dos quais faltam registros de precipitação (lacunas ou falhas), principalmente quando se trata de um período superior há dez anos passados. Segundo Chander & Markhan (2003) K1= 607,76 (Wm-2sr-1µm-1) e K2= 1260,56K são constantes de calibração da banda termal do Landsat TM-5. Para análise da vegetação na região, foi utilizado uma das respostas intermediárias do algoritmo, o NDVI. O NDVI (Índice de Vegetação da Diferença Normalizada) é usado para identificar a presença de vegetação verde na Figura 4- Localização Geográfica dos Postos Pluviométricos para o ano de 1990

p. 004-009 (Fonte:AESA). spline, Amorim et al. (2008) recomendou o primeiro método, por ter apresentado melhores resultados. Fi gura 5- Localização Geográfica dos Postos Pluviométricos para o ano de 1999 (Fonte:AESA). 6 ESPACIALIZAÇÃO DA CHUVA A distribuição espacial e quantitativa de precipitação mensal e anual são as mais críticas entradas de modelos que simulam interações entre clima, terra e a biosfera (Amorim, 2005). Segundo Phillips et al. (1992), há uma grande importância no conhecimento da distribuição espacial da precipitação sobre uma determinada região, tanto no planejamento de processos hidrológicos como no manejo de recursos naturais. Dada a importância do conhecimento sobre a distribuição espacial da chuva, foi feita a espacialização dos dados de precipitação para a bacia do Rio Taperoá (1990 e 1999), e pode-se visualizar o comportamento da precipitação (em mm) ao longo do ano nessas áreas do estado da Paraíba (Figuras 18 e 19). Para fazer a interpolação destes dados e produzir os mapas, foi utilizado o módulo de análise espacial do Sistema de Informação Geográficas ArcGIS 9.2, e o método de interpolação escolhido foi o do Inverso do Quadrado da Distância (IQD). Segundo Nicolau (2002), entende-se por interpoladores locais, aqueles que utilizam dentre todos os valores medidos em campo somente as amostras das estações mais próximas, sendo uma das técnicas mais utilizadas para interpolação de chuvas a função do Inverso da medida do quadrado da distancia. (Deus, 2007). O método de interpolação IQD é uma ferramenta de análise espacial que assume que cada amostra de ponto tem influência local que diminui com a distância. Este método admite que os pontos mais próximos, para o processamento da célula, influam mais fortemente que aqueles mais afastados. O uso de interpolador IQD é recomendado quando a variável a ser mapeada diminui com a distância na localização amostrada (Wei e McGuinness, 1973). Em uma avaliação do desempenho de dois métodos de espacialização da precipitação pluvial para o estado de Alagoas, o inverso do quadrado da distância e o 7 - ANÁLISE DOS RESULTADOS As regiões de clima semi-árido apresentam vegetação sensível às mudanças climáticas, respondendo rapidamente à presença ou à falta de chuvas. Os índices de vegetação dentre outras coisas, ressaltam o comportamento espectral da vegetação em relação ao solo e a outros alvos da superfície terrestre (Moreira, 2005). A partir das refletividades das bandas 3 e 4 do TM Landsat 5 foram obtidos os índices de vegetação conforme a metodologia apresentada.(silva et al., 2005b e Di Pace et al., 2008) A partir dos mapas de índice de vegetação apresentados nas Figuras 6 e 8, pode-se observar diferenças entre os anos de 1990 e 1999. Em 18 de junho de 1990 os valores de NDVI estavam mais altos do lado leste da bacia, encontrando valores acima de 0,5. Na imagem de 08 de abril de 1999, os valores de NDVI mais elevados foram encontrados no lado oeste da bacia, apresentando valores entre 0,4 e 0,7. Verifica-se, também, que a vegetação teve um decréscimo para toda a região de estudo, entre abril e outubro de 1999 (Figuras 8 e 10), fato este devido ao período do ano em que as imagens foram adquiridas, chuvoso e seco, respectivamente. As diferenças de temperatura da superfície é função das propriedades físico-químicas dos corpos, atribuindo-lhes comportamento térmico diferenciado. Observam-se, também, através dos mapas das Figuras 12, 14 e 16, as mudanças da temperatura de superfície para os anos em estudo. No mapa de 18 de junho de 1990 (Figura 12), a temperatura estava com valores mais baixos na área leste da bacia, entre 19 C e 23 C e valores com temperatura mais altos do lado oeste, entre 27 C e 30 C. Na imagem de 08 de abril de 1999 (Figura 14), também nota-se uma diferença significativa entre as porções leste e oeste, mas agora estando os valores mais altos ao leste, de 33 C a 35 C) e mais baixos no lado oeste, onde encontramos valores entre 26 C e 28 C. Nesta imagem, observam-se valores mais altos quando compara-se com a imagem de 18 de junho de 1990. Na imagem de 17 de outubro de 1999 (Figura 16), foram encontrados valores mais altos do que os outros períodos analisados, o que justifica-se devido a data de obtenção da imagem (período seco). Analisando os resultados obtidos para a bacia do rio Taperoá, percebemos diferenças acentuadas entre os lados leste e oeste da bacia. Este fato é mais evidente no ano de 1999, que apresenta valores de precipitação mais altos que 1990. Este fato pode ser ocasionado por mudanças nas direções dos ventos e a influência do relevo, provocando diferentes níveis pluviométricos. Pode-se notar que para ambos os anos, a região da bacia de maior precipitação é a mesma de maiores valores de NDVI.

p. 005-009 Através do corte AA nos mapas de NDVI Figura 8 Imagem classificada do NDVI de 08 de abril (Figuras 6, 8 e 10) e de temperatura da superfície (Figuras de 1999. 12, 14 e 16), obtemos os gráficos Distância x NDVI (Figuras 7, 9 e 11) e Distância x temperatura (Figuras 13, 15 e 17), apresentados abaixo, nos quais pode-se observar melhor em termos quantitativos, as conclusões extraídas também através da análise dos mapas: a diferença entre os lados leste e oeste da bacia, assim como a relação inversa entre NDVI e temperatura. Figura 9 - Gráfico Distância x NDVI no corte AA para a data de 08 de abril de 1999. Figura 6 Imagem classificada do NDVI de 18 de junho de 1990. Figura 10 Imagem classificada do NDVI de 17 de outubro de 1999. Figura 7 - Gráfico Distância x NDVI no corte AA para a data de 18 de junho de 1990. Figura 11 - Gráfico Distância x NDVI no corte AA para a data de 17 de outubro de 1999.

p. 006-009 Figura 15 - Gráfico Distância x Temperatura no corte AA para a data de 08 de abril de 1999. Figura 12 Imagem classificada de temperatura de superfície de 18 de junho de 1990. Figura 13 - Gráfico Distância x Temperatura no corte AA para a data de 18 de junho de 1990. Figura 16 Imagem classificada de temperatura de superfície de 17 de outubro de 1999 Figura 17 - Gráfico Distância x NDVI no corte AA para a data de 17 de outubro de 1999. Figura 14 Imagem classificada de temperatura de superfície de 08 de abril de 1999.

p. 007 de 009. Figura 18 - Mapas de precipitação mensal (em mm) da Bacia do Rio Taperoá (1990), usando Inverso do quadrado da distância.

p. 008 de 009 Figura 19 - Mapas de precipitação mensal (em mm) da Bacia do Rio Taperoá (1999), usando Inverso do quadrado da distância.

p. 009 de 009 8 CONCLUSÕES terrain. Tese (Ph.D.). Wageningen Agricultural University, Wageningen, The Netherlands, 1995 Os dados hidrológicos e demais informações pertinentes à pesquisa, além dos dados obtidos por sensoriamento remoto, foram utilizados na produção de mapas e, em conseqüência, na interpretação de resultados que vieram a auxiliar na caracterização da área estudada e na percepção das mudanças que esta vem sofrendo, a fim de que no futuro venha contribuir com as pesquisas e estudos diversos em Recursos Hídricos. A partir dos mapas de espacialização da chuva e dos estudos de NDVI e temperatura, torna-se possível observar o quanto uma variável pode interferir ou influenciar outra variável. Uma análise posterior, considerando as interferências antrópicas no uso e cobertura do solo, pode auxiliar neste estudo, entretanto nesta fase do trabalho estão sendo analisadas apenas as correlações entre chuva, vegetação e temperatura de superfície e pode-se afirmar que as mudanças na cobertura vegetal foram determinantes para explicar as variações de temperatura. AGRADECIMENTOS Ao programa de iniciação científica da UFCG (PIBIC), pela viabilização do projeto. Esta pesquisa se insere no âmbito do projeto Geoprocessamento de dados termais e suas aplicações em estudos do regime pluviométrico no estado da Paraíba, financiado pelo CNPq. Os autores agradecem a todas as instituições mencionadas. REFERÊNCIAS ALLEN, R.G.; TASUMI, M.; TREZZA, R.; Satellite- Based Energy Balance for Mapping Evatranspiration with Internalized Calibration (METRIC)-Model. Journal of Irrigation and Drainage Engineering, p.380-394, 2007a. ALLEN, R. G.; BASTIAANSSEN, W.; TASUMI, M.; MORSE, A., Evapotranspiration on the watershed scale using the SEBAL model and Landsat images. Proc., 2001 ASAE Annual Int. Meeting, ASAE, St. Joseph, Mich., Artigo No. 01-2224. AMORIM, R. C. F.; RIBEIRO, A.;LEITE, C. C.; LEAL, B. G.;SILVA, J. B. G.; Avaliação do desempenho de dois métodos de espacialização da precipitação pluvial para o Estado de Alagoas. Maringá, v. 30, n. 1, p. 87-91, 2008 BASTIAANSSEN, W. G. M.; SEBAL - based sensible and latent heat fluxes in the irrigated Gediz Basin, Turkey. Journal of Hydrology, v.229, p. 87-100. 2000. BASTIAANSSEN W. G. M; MENENTI M.; FEDDES R. A.; HOLTSLAG A. A. M. A remote sensing surface energy balance algorithm for land (SEBAL): 1. formulation. Journal of Hydrology 212 213:198 212, 1998. BASTIAANSSEN, W. G. M. Regionalization of surface flux densites and moisture indicators in composite BELTRAME, Ediliane; BITTENCOURT, Hélio RADKE; Jansen, SUZEL Lisiane. Uma proposta para a detecção de mudanças pós-classificação.in: Simpósio Brasileiro de Sensoriamento Remoto, 14. (SBSR), 2009, Natal. Anais... São José dos Campos: INPE, 2009. p. 1261-1266. DVD, On-line. ISBN 978-85-17-00044-7. Disponível em: <http://urlib.net/dpi.inpe.br/sbsr@80/2008/ 11.17.12.34>. Acesso em: 04 maio 2009. BEZZERA, B. G.; SILVA, B.B.DA; FERREIRA, N. J. Estimativa Da evapotranspiração real diária utilizando-se imagens digitais TM-LANDSAT 5. Revista brasileira de Meteorologia V.23, n.3, 305-317. 2008 CHANDER G.; MARKHAM B. Revised Landsat-5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges. IEEE Transactions on geoscience and remote sensing, v. 41, N. 11, 2003. COLTRI, P. P. Influência do uso e cobertura do solo no clima de Piracicaba, São Paulo: análises de séries históricas, ilhas de calor e técnicas de sensoriamento remoto.. Dissertação (Mestrado) - Escola Superior de Agricultura Luiz de Queiroz - Piracicaba, São Paulo, 2006 DEUS, B.V.; ZEILHOFER, P.; SANTOS, E. S.; Interpolação Espacial de Precipitações Anuais na Bacia do Alto e Médio Teles Pires, MT. In Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 2525-2531. FOLHES, M. T. Modelagem da evapotranspiraçãopara a gestão hídrica de perímetros irrigados combase em sensores remotos. (Tese Doutorado em docurso de Pós-Graduação em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais INPE, São José dos Campos,2007. MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicações. 3º edição. 2005. Editora UFV. MORSE, A., ALLEN, R. G., TASUMI, M., KRAMBER, W. J., TREZZA, R. & WRIGHT, J.; Application of the SEBAL Methodology for Estimating Evapotranspiration and Consumptive Use of Water Through Remote Sensing. Final Report, 220 p, 2000. SILVA, B. B.; LOPES, G. M.; AZEVEDO, P. V.; Balanço de radiação em áreas irrigadas utilizando imagens Landsat 5 TM. Revista Brasileira de Meteorologia, v.20, n.2, p.243-252, 2005. SILVA, B.B. DA, LOPES, G. M., AZEVEDO, P. V. Determinação do albedo de áreas irrigadas com base em imagens Landsat 5 TM. Revista Brasileira de Agrometeorologia. V. 13, p11-21. 2005