Universidade Federal do Rio Grande do Sul Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia Programa de Pós-Graduação em Sensoriamento Remoto Relações entre a temperatura mínima do ar e da relva e a temperatura da superfície terrestre, obtida a partir de imagens NOAA, no Rio Grande do Sul. Camila Cossetin Ferreira Porto Alegre, julho de 2005.
Universidade Federal do Rio Grande do Sul Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia Programa de Pós-Graduação em Sensoriamento Remoto Relações entre a temperatura mínima do ar e da relva e a temperatura da superfície terrestre, obtida a partir de imagens NOAA, no Rio Grande do Sul. Camila Cossetin Ferreira Orientador: Denise Cybis Fontana Co-orientador: Moacir Antonio Berlato Dissertação apresentada como requisito parcial para a obtenção do grau de mestre em Sensoriamento Remoto, área de concentração Sensoriamento Remoto Aplicado a Recursos Naturais e do Meio Ambiente. ii
Porto Alegre, julho de 2005. Relações entre a temperatura mínima do ar e da relva e a temperatura da superfície terrestre, obtida a partir de imagens NOAA, no Rio Grande do Sul 1. Autor: Camila Cossetin Ferreira Orientador: Denise Cybis Fontana Co-Orientador: Moarcir Antonio Berlato A temperatura da superfície terrestre (TST) representa um importante papel no entendimento do processo de interação entre a superfície e a atmosfera, visto que boa parte da variação espacial e temporal ocorrida na atmosfera é ocasionada por influência da superfície terrestre. Apesar da importância deste e de outros elementos na maioria das regiões brasileiras a escassez de observações meteorológicas é uma característica evidente. Neste contexto, o sensoriamento remoto orbital é, na escala temporal e espacial, um meio eficaz para o monitoramento do sistema superfície-atmosfera. O objetivo deste trabalho foi avaliar as diferenças entre a temperatura mínima do ar medida no abrigo (Tar) e a temperatura mínima do ar na relva (Trel), medidas em estações meteorológicas de superfície, assim como, estimar a temperatura da superfície terrestre utilizando imagens infravermelhas do satélite NOAA, monitorar as variações temporais e espaciais da TST e comparar estes resultados com a temperatura do ar. Para tanto, foram utilizados dados diários da Tar e da Trel do período de 1980-1990, para oito localidades do Estado do Rio Grande do Sul. Usando estes dados foi calculada a série de diferenças entre a Tar e a Trel para todas as localidades e meses do ano. Para esta nova série foram calculadas as estatísticas básicas (média, máximo, mínimo e variância) e foram feitos os histogramas das distribuições de freqüências. Após, usando as séries originais, foram ajustadas equações de regressão linear entre a Tar e a Trel. Nas análises envolvendo a TST, dois grupos de imagens foram selecionados, um grupo de verão e um de inverno. A TST foi estimada pelo método de Sobrino et al. (1993) e posteriormente comparada com os dados da temperatura do ar obtidos no termógrafo. Os resultados mostraram que as menores diferenças médias entre a Tar e a Trel ocorrem nos meses de verão e nas localidades de maior altitude. A temperatura mínima de relva, que é um dado pouco disponível nas estações meteorológicas convencionais, pode ser estimada a partir da temperatura mínima do ar medida a 1,5m de altura com adequada precisão na estimativa. Verificou-se que as imagens NOAA/AVHRR fornecem medidas adequadas da TST, com valores noturnos menores do que os valores da temperatura do ar obtida no termógrafo. A diferença média entre a TST e a temperatura do ar em janeiro no período noturno é 2,4 o C e no mês de julho é 4,1 o C. Estes resultados demonstram que a TST, obtida a partir de imagens NOAA, representa uma contribuição muito útil aos estudos de monitoramento agrometeorológico, especialmente no que se refere ao estudo da distribuição espacial deste elemento. Os estudos atuais dispõem somente de dados de temperatura obtidos nas estações meteorológicas, distantes muitos quilômetros uma das outras. No caso de imagens de satélite, pode-se iii
criar estações meteorológicas virtuais, cuja distância é dada pela resolução espacial das imagens. 1. Dissertação de mestrado em Sensoriamento Remoto, Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Programa de Pós-Graduação em Sensoriamento Remoto, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS. Julho de 2005. RELATIONSHIP BETWEEN LAND SURFACE TEMPERATURE, FROM NOAA SATELLITE, AND THE AIR TEMPERATURE IN THE STATE OF RIO GRANDE DO SUL, BRAZIL 1 Author: Camila Cossetin Ferreira Advisor: Denise Cybis Fontana Co-Advisor: Moarcir Antonio Berlato The Land Surface Temperature (LST) has an important role in the understanding of the processes of the surface-atmosphere interaction. This comes from the fact that a great part of the spatial and temporal variations in the atmosphere are influenced by the land surface. Although the importance of this parameter, the lack of meteorological observations in Brazil is evident, leading to the need of other sources of data to its derivation. In this context, the orbital remote sensing is, in the temporal and spatial scales, an efficient technique to monitor the surface and atmosphere systems. The objective of this study was to evaluate the differences between the minimum air temperature (Tar) and the minimum temperature near the ground (Trel); to adjust functions to estimate Trel from Tar; and to monitor the temporal and spatial TST variations, using infrared NOAA images, compared to the air temperature measures. Daily Tar and Trel data from 1980 to 1990 was used from eight meteorological stations located in the Rio Grande do Sul State, Brazil. Dayly Tar and Trel difference series were calculated, for all meteorological stations, for the entire period. For this new data series, basic statistics data were calculated (average, maximum, minimum and variance), and frequency histograms were made. After, using the original data series of Tar and Trel, the linear regression between Tar and Trel was adjusted. In the analysis involving TST, two groups of images were selected: summer and winter. The TST, estimated by Sobrino et al. (1993) method using NOAA images, was compared to the air temperature registered by thermograph. The results showed smaller differences between Tar and Trel in the summer months, and in places with higher altitudes. The minimum air temperature near the ground, not a frequently available data in meteorological stations, can be estimated using the minimum air temperature measured at 1.5m, with adequate precision. It was verified that NOAA/AVHRR images provide suitable TST measures, with night values smaller than air temperature at the same time. The average difference in the temperature was 2.4 o C in January and 4.1 o C in July. These results suggest that these TST values, obtained from NOAA images, are useful to agricultural meteorological monitoring systems, especially to studies involving spatial distribution needs. Presently, temperature data is available only from meteorological stations, frequently separated by large distances. Using satellite images, it is possible to create virtual meteorological stations, where these distances are of the order of the spatial resolution of the images. iv
1. M.Sc. Dissertation de mestrado in remote sensing, Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Programa de Pós-Graduação em Sensoriamento Remoto, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS. July 2005. Sumário 1. Introdução...1 2. Revisão Bibliográfica...3 2.1 Processo de Aquecimento do Ar...3 2.1.2 Balanço de Radiação... 3 2.1.2 Balanço de Energia... 4 2.2 Temperatura Mínima do Ar no Abrigo e na Relva... 5 2.3 Imagens AVHRR/ NOAA... 6 2.4 Determinação da Temperatura da Superfície Terrestre Através de Sensores Remotos 8 3. Material e Métodos... 11 3.1 Área de Estudo... 11 3.2 Dados... 11 3.2.1 Temperatura Mínima do Ar no Abrigo e na Relva... 11 3.2.2 Temperatura da Superfície Terrestre... 12 3.3 Análises... 16 3.3.1 Relação Entre a Temperatura Mínima do Ar no Abrigo e na Relva... 16 3.3.2 Relação Entre a Temperatura da Superfície Terrestre e a Temperatura do Ar.. 16 4. Resultados e Discussão... 18 4.1 Relação Entre a Temperatura Mínima do Ar no Abrigo e na Relva... 18 4.2 Relação Entre a Temperatura da Superfície Terrestre e a Temperatura do Ar... 40 5. Conclusões... 58 6. Referências Bibliográficas... 59 ANEXOS... 62 v
Lista de Tabelas Tabela 1. Características gerais dos satélites NOAA...7 Tabela 2. Bandas espectrais do sensor AVHRR/3...7 Tabela 3. Estações meteorológicas do Rio Grande do Sul selecionadas para o estudo...11 Tabela 4. Relação das imagens do mês de janeiro e julho, respectivamente, utilizadas para a estimativa da TST....13 Tabela 5. Estatísticas da diferença, ao longo do ano, entre a temperatura mínima do ar no abrigo e na relva em 8 estações meteorológicas localizadas no Estado do Rio Grande do Sul, 1980-1990...20 Tabela 6. Coeficientes a e b e coeficientes de determinação das equações de regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva durante o ano nas localidades estudadas (1980-1990)...28 Tabela 7. Coeficientes de correlação entre os valores da temperatura mínima de relva estimados e os valores observados, utilizando as equações para cada localidade (r) e para o estado inteiro (r/est)....39 Tabela 8. Coeficientes de correlação (r) entre a temperatura do ar e a temperatura da superfície terrestre, para as imagens noturnas....51 Tabela 9. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST) nas estações meteorológicas de Santa Rosa, São Gabriel e Veranópolis, RS, no período de 25 a 29 de janeiro de 2004...53 Tabela 10. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST) nas estações meteorológicas de Encruzilhada, Santa Rosa, São Gabriel e Veranópolis, RS, no período de 08 a 12 de julho de 2004....54 Tabela 11. Temperatura da superfície terrestre (TST), temperatura mínima do ar (Tar) e temperatura mínima de relva (Trel), estimada a partir da Tar, para o período vi
de 25 a 29 de janeiro de 2004, nas localidades de Cruz Alta, Maquiné, Santa Rosa, São Gabriel, Uruguaiana e Veranópolis, RS....56 Tabela 12. Temperatura da superfície terrestre (TST), temperatura mínima do ar (Tar) e temperatura mínima de relva (Trel), estimada a partir da Tar, para o período de 08 a 12 de julho de 2004, nas localidades de Cruz Alta, Maquiné, Santa Rosa, São Gabriel, Uruguaiana e Veranópolis, RS....57 vii
Lista de Figuras Figura 1. Interação entre os fluxos radiativos e a superfície...3 Figura 2. Perfil de temperatura de uma noite de inversão térmica. Ts é a temperatura da superfície. Fonte: Torsani, 1993...5 Figura 3. Espectro de emissão comparativo de hipotéticos corpos negros a 235K e 263K e a emissão do solo a 288K. Fonte: Ometto, 1981...9 Figura 4. Distribuição espacial das estações meteorológicas...12 Figura 5. Fluxograma dos procedimentos adotados no processamento das imagens NOAA...15 Figura 6. Composição da imagem segundo o critério do máximo valor de NDVI...15 Figura 7. Regressão linear entre a altitude e a diferença média da temperatura mínima do ar (Tar) e da temperatura mínima de relva (Trel) nas localidades estudadas....19 Figura 8. Histogramas das distribuições de frequência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Cruz Alta, RS (1980-1990).....22 Figura 9. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Encruzilhada do Sul, RS (1980-1990)... 22 Figura 10. Histogramas das distribuições de frequência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Maquiné, RS (1980-1990)...23 Figura 11. Histogramas das distribuições de frequência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Rio Grande, RS (1980-1990).....23 Figura 12. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Santa Rosa, RS (1980-1990).....24 viii
Figura 13. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em São Gabriel, RS (1980-1990)...24 Figura 14. Histogramas das distribuições de frequência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Uruguaiana, RS (1980-1990).....25 Figura 15. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Veranópolis, RS (1980-1990)...25 Figura 16. Histogramas das distribuições de frequência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro para todas as localidades do Rio Grande do Sul (1980-1990)...26 Figura 17. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Cruz Alta, RS (1980-1990)...30 Figura 18. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Encruzilhada, RS (1980-1990)...31 Figura 19. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Maquiné, RS (1980-1990)...32 Figura 20. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Rio Grande, RS (1980-1990)...33 Figura 21. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Santa Rosa, RS (1980-1990)...34 Figura 22. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em São Gabriel, RS (1980-1990)......35 ix
Figura 23. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Uruguaiana, RS (1980-1990)......36 Figura 24. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Veranópolis, RS (1980-1990)......37 Figura 25. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro, para todas as localidades do Rio Grande do Sul (1980-1990)...38 Figura 26. Imagens da temperatura da superfície terrestre dos dias 25 às 06:55 (A), 25 às 19:17 (B), 26 às 02:50 (C), 26 às 05:30 (D), 26 às 06:32 (E) e 26 às 15:18 (F) de janeiro de 2004....41 Figura 27. Imagens da temperatura da superfície terrestre dos dias 26 às 18:54 (A), 27 às 02:38 (B), 27 às 05:05 (C), 27 às 15:06 (D), 28 às 02:27 (E) e 28 às 04:41 (F) de janeiro de 2004....42 Figura 28. Imagens da temperatura da superfície terrestre dos dias 28 às 19:47 (A), 29 às 02:15 (B), 29 às 07:01 (C) de janeiro de 2004...43 Figura 29. Imagens da temperatura da superfície terrestre dos dias 08 às 07:02 (A), 08 às 17:27 (B), 08 às 19:23 (C), 09 às 04:41 (D), 09 às 06:38 (E) e 09 às 17:03 (F) de julho de 2004....44 Figura 30. Imagens da temperatura da superfície terrestre dos dias 09 às 19:00 (A), 10 às 04:17 (B), 10 às 06:14 (C), 10 às 18:36 (D), 11 às 03:00 (E) e 11 às 05:33 (F) de julho de 2004....45 Figura 31. Imagens da temperatura da superfície terrestre dos dias 11 às 15:28 (A), 11 às 17:53 (B), 12 às 02:48 (C), 12 às 05:08 (D) e 12 às 15:16 (E) de julho de 2004...46 Figura 32. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), no período de 08 a 12 de julho de 2004 em Encruzilhada do Sul, RS....47 Figura 33. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), nos períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004 em Santa Rosa, RS....48 x
Figura 34. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), nos períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004 em São Gabriel, RS...49 Figura 35. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), nos períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004 em Veranópolis, RS....50 Figura 36. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST) nos períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004...50 xi
1 1. Introdução A temperatura da superfície terrestre (TST) representa um importante papel no entendimento do processo de interação entre a superfície e a atmosfera, visto que boa parte da variação espacial e temporal ocorrida na atmosfera é ocasionada por influência da superfície terrestre. A TST é determinante dentre os fatores que condicionam o ambiente propício aos animais, plantas e ao próprio homem, influenciando as atividades agropecuárias, agindo no desenvolvimento de plantas e em processos físicos, químicos e biológicos. No contexto agronômico, o conhecimento da TST é extremamente útil na detecção e monitoramento do estresse hídrico de culturas, no monitoramento de estiagens e na detecção de queimadas. De uma maneira geral, as plantas têm exigências próprias quanto a variações de temperatura do solo e do ar, requerendo uma faixa ótima, dentro da qual o crescimento e o desenvolvimento ocorrem normalmente. Apesar da importância destes elementos na maioria das regiões brasileiras a escassez de observações meteorológicas é uma característica evidente, o número de estações meteorológicas, geralmente, é pequeno, tornando baixa a densidade geográfica das informações disponíveis. Em muitas situações, embora existam longas séries de dados para algumas localidades, não há registros exatamente naquela localidade em que se está interessado. Neste contexto, o sensoriamento remoto orbital é, na escala temporal e espacial, um meio eficaz para o monitoramento do sistema superfície-atmosfera. A representatividade espacial e temporal da observação obtida por satélites é imprescindível para uma melhor compreensão do comportamento e da interação das variáveis meteorológicas. A coincidência de condições meteorológicas propícias (noites com ausência de nebulosidade e baixa umidade do ar), tanto à ocorrência de baixas temperaturas, quanto ao imageamento através de sensores orbitais, favorece e estimula a concepção de técnicas que busquem estimar a TST através de sensores remotos. Determinada a TST torna-se possível estabelecer relações que permitam estimar também a temperatura do ar. O CEPSRM (Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia) possui uma estação receptora de imagens do satélite NOAA (National Oceanic and Atmospheric Administration). Dados extraídos dessas imagens permitem estimar a TST a partir da energia emitida na porção infravermelha do espectro eletromagnético. 1
2 O objetivo geral deste trabalho é dar continuidade aos estudos relacionados à estimativa da temperatura da superfície terrestre no Estado do Rio Grande do Sul utilizando imagens do satélite NOAA, sensor AVHRR/3 (Advanced Very High Resolution Radiometer). E como objetivos específicos, têm-se: 1. Avaliar as diferenças entre a temperatura mínima do ar medida no abrigo meteorológico e a temperatura mínima do ar na relva. 2. Estimar a temperatura mínima do ar na relva, a partir do ajuste de funções com a temperatura mínima do ar medida no abrigo. 3. Monitorar as variações temporais e espaciais da TST, utilizando imagens infravermelhas do satélite NOAA e comparar estes resultados com a temperatura do ar medida no abrigo meteorológico. 2
3 2. Revisão Bibliográfica 2.1 Processo de aquecimento do ar 2.1.1 Balanço de radiação na superfície Diversos fluxos energéticos determinam a temperatura do ar e do solo próximo à superfície terrestre. Estes fluxos, que podem ser de ondas curtas (0,3 a 3,0µm) ou de ondas longas (>3,0µm), resultam da interação da radiação solar com a atmosfera e a superfície (Figura 1). Figura 1. Interação entre os fluxos radiativos e a superfície. No espectro de ondas curtas, visível e infravermelho próximo, chega à superfície da terra a radiação solar global (Rg) que, ao interagir com a mesma, tem uma parcela refletida para atmosfera (Rr). Por sua vez, dentro da faixa de ondas longas, no infravermelho térmico, tem-se, no sentido da superfície, um fluxo de radiação de origem atmosférica (OL ), concomitantemente com um fluxo de sentido contrário e originado na superfície (OL ). Estas trocas verticais entre a quantidade de energia radiante incidente e a quantidade de energia radiante que emerge do solo constituirá o saldo de radiação da superfície (Rn), dado por: Rn = Rg Rr + OL + OL (1) Os termos referentes ao espectro de ondas curtas no saldo de radiação são conseqüência da radiação solar que alcança a atmosfera, portanto, só existem 3
4 durante o dia. Esses termos são maiores do que os termos do espectro de ondas longas, então o saldo de radiação será positivo durante o dia e máximo no momento da máxima incidência de radiação solar. À noite o saldo de radiação resultante se refere somente aos termos do espectro de ondas longas, sendo negativo. 2.1.2 Balanço de energia A energia resultante do saldo de radiação será fracionada nos fluxos de calor latente de evaporação (LE), de calor sensível no ar (H) e no solo (S), bem como armazenado no sistema e usado no processo de fotossíntese. Não considerando estes dois últimos termos e na ausência de advecção o balanço de energia simplificado será: Rn LE + H + S (2) A maior porção do saldo de radiação é utilizada nas trocas de calor latente e calor sensível com a atmosfera. A distribuição proporcional entre estes dois termos depende da disponibilidade de água para a evaporação. Essa distribuição é influenciada, direta ou indiretamente, pela demanda evaporativa da atmosfera, tipo e grau de cobertura do solo e umidade do solo. Já a menor porção do saldo de radiação é utilizada para o aquecimento do solo. Fontana et al. (1991), trabalhando em superfície coberta com soja, verificaram as diferenças na partição de Rn segundo as condições de umidade e cobertura do solo. Em condições irrigadas, Rn foi particionado em cerca de 95% para LE, restando 3% para H e 2% para S. Nas parcelas não irrigadas os autores observaram que em média 78, 15 e 7% de Rn foram utilizados em LE, H e S, respectivamente. O aquecimento do ar será determinado pelo fluxo de calor sensível para atmosfera, o qual depende da magnitude do gradiente de temperatura entre a superfície e o ar e é expresso por: dt H = ρ Khcp (3) dz onde: ρ é a densidade do ar; K h é o coeficiente de difusividade turbulenta; c p é o calor específico do ar e dt/dz é o gradiente de temperatura entre o nível z 1 e o z 2. Durante o dia, como o saldo de radiação é positivo há aquecimento do ar, fluxo de calor sensível positivo, ou seja, no sentido superfície-atmosfera. À noite 4
5 quando o saldo de radiação é negativo ocorre resfriamento do ar, fluxo de calor sensível negativo. O perfil de temperatura típico de uma noite de intenso resfriamento do ar próximo a superfície e, conseqüentemente, inversão térmica é mostrado na Figura 2. Figura 2. Perfil de temperatura de uma noite de inversão térmica. Ts é a temperatura da superfície. Fonte: Torsani, 1993. 2.2 Temperatura mínima do ar no abrigo e na relva As temperaturas no nível do solo podem diferir consideravelmente dos valores observados no abrigo meteorológico. Em noites de intensa irradiação a diferença entre a temperatura mínima do ar no abrigo (Tar) e na relva (Trel) pode chegar a 5 C (Bootsma, 1976a e 1980). As diferenças entre a Tar e a Trel dependem das condições atmosféricas, da topografia e das características da superfície. As maiores diferenças ocorrem em noites sem nebulosidade, com ventos fracos e baixa umidade do ar, o que possibilita uma intensa emissão de radiação pela superfície favorecendo a inversão térmica. Bootsma (1976b) correlacionou vários elementos meteorológicos com as diferenças entre as temperaturas mínimas do ar no abrigo e na relva, utilizando dados do Canadá e verificou que as variáveis de maior significância na regressão foram a nebulosidade e a velocidade do vento, explicando cerca de 74% das variações das diferenças. Na região sul do Brasil a diferença entre a Tar e a Trel tem sido muito discutida, devido as freqüentes perdas causadas pelas geadas em diversas culturas. Em São Paulo, Sentelhas et al. (1995) verificaram que 78% da variação das diferenças entre as temperaturas mínimas do ar no abrigo e na relva foi explicada pela velocidade do vento. 5
6 Neste mesmo Estado, Fagnani e Pinto (1981) observaram que a diferença média entre a temperatura mínima do ar no abrigo e a mínima do ar na relva foi de 5,6 C. No Estado do Paraná Grodzki et al. (1996) obtiveram diferenças que variaram de 2,8 a 3,8 0 C. Segundo Pola (1993), citado por Silva e Sentelhas (2001), a diferença média abrigo-relva em noites de geada em Caçador (SC) foi 2 C. Um estudo mais abrangente, que levou em consideração oito localidades do Estado de Santa Catarina foi desenvolvido por Silva e Sentelhas (2001). Neste, a diferença média entre a temperatura mínima do ar no abrigo e na relva, em noites de geada, variou de 2,1 a 4,8 C. Os autores destacaram a influência da altitude na magnitude dessa variável. Heldwein et al. (1988) verificaram que a diferença média entre a temperatura mínima do ar no abrigo e na relva, em Santa Maria (RS), variava de 2,3 0 C, em fevereiro, a 3,4 0 C, em abril. Também foi observado que as maiores diferenças estavam associadas aos meses do semestre frio (abril a setembro). Oliveira (1997) estudou as diferenças entre a Tar e a Trel, em todo Estado do Rio Grande do Sul. As diferenças médias variaram, por local, de 1,4 a 3,7 0 C, sendo que a média das diferenças nas dez localidades analisadas foi de, aproximadamente, 3 0 C. Através da análise da distribuição de freqüência das diferenças foi observado, que o valor médio de 3 0 C, está situado no intervalo de 2,1 a 4 0 C, onde se encontraram cerca de 50% das diferenças de temperatura entre os dois níveis. 2.3 Imagens AVHRR/NOAA Atualmente existem cinco satélites da série NOAA em operação, o NOAA- 12, o NOAA-14, o NOAA-15, o NOAA-16 e o NOAA-17 (o NOAA-18 foi lançado neste mês, mas as imagens ainda não estão operacionais). Esta série gera diariamente observações globais de padrões meteorológicos e condições ambientais, que são utilizados em diversas áreas do conhecimento como produção agrícola, uso e cobertura do solo, estudos oceanográficos, hidrológicos e de parâmetros meteorológicos. Estes satélites têm órbitas quase-polares, isto significa que passam nos pólos ou perto deles e heliossíncronas, pois, giram a mesma taxa e direção que a translação média diária da terra em torno do sol. Suas órbitas permanecem sempre no mesmo plano enquanto a Terra gira à razão de 15 graus por hora. Portanto, a cada passagem, a espaçonave observa novas regiões, sobre as quais o sol está 6
7 aproximadamente na mesma posição (na mesma hora solar) que na passagem anterior. O período das órbitas dos satélites NOAA é, aproximadamente, 102 minutos, sendo realizadas 14,1 órbitas por dia (Kidwell, 1995). Estes satélites operam em pares, com órbitas em quadratura, o que permite imageamento completo do globo a cada seis horas (Liu e Ming, 1998). O sensor AVHRR/2 (Advanced Very High Resolution Radiometer), utilizado nos satélites NOAA-12 e NOAA-14, opera em cinco bandas espectrais, as quais se situam nas regiões do visível, infravermelho próximo e infravermelho termal do espectro eletromagnético (Tabela 2). Em sua última modificação houve o implemento de mais uma banda (3A) e aperfeiçoamentos espectrais nos canais visíveis. O novo radiômetro, AVHRR/3, está a bordo das espaçonaves NOAA-15, NOAA-16 e NOAA- 17. Tabela 1. Características gerais dos satélites NOAA. Satélite NOAA-12 NOAA-14 NOAA-15 NOAA-16 NOAA-17 Lançamento 14/05/1991 30/12/1994 13/05/1998 21/09/2000 24/06/2002 Órbita Polar e Polar e Polar e Polar e Polar e heliossíncrona heliossíncrona heliossíncrona heliossíncrona heliossíncrona Altitude 833 km 870 km 833 km 870 km 833 km Inclinação 98,6º 98,9º 98,7º 98,7º 98,7º Tempo de Duração da Órbita 101,2 min 102 min 101 min 102 min 102 min Resolução espacial 1,1 Km 1,1 Km 1,1 Km 1,1 Km 1,1 Km Período de Revisita Diário Diário Diário Diário Diário Instrumentos AVHRR/3 e AVHRR/3 e AVHRR/3 e AVHRR e TOVS AVHRR e TOVS Sensores TOVS TOVS TOVS Tabela 2. Bandas espectrais do sensor AVHRR/3. Comprimento de Banda onda (µm) Bandas do Visível 1 0,58 0,68 Bandas do Infravermelho Próximo Bandas do Infravermelho Fonte: Goodrum et al., 2001. 2 0,73 1,10 3A 1,58 1,64 3 3,50 3,90 4 10,3 11,3 5 11,5 12,5 7
8 2.4 Determinação da temperatura da superfície terrestre através de sensores remotos Sob condições ideais a temperatura de um corpo negro (corpo irradiador ideal) pode ser determinada detectando-se a energia que este emite em um comprimento de onda específico, de acordo com a lei de radiação de Planck (1900), dada por: C M( λ ) = 5 T λ (4) 1 C2 λ ( e 1) onde: M(λ) é a potência irradiada por unidade de área em um dado comprimento de onda λ, que parte da superfície do corpo negro (W m -2 ); λ é o comprimento de onda (m); T é a temperatura do objeto (K); C 1 e C 2 são constantes (C 1 = 3,742x10 8 e C 2 = 1,439x10 4 ). A determinação da TST, através do uso de sensores orbitais, se baseia na medida de radiância. Esta grandeza descreve a energia emitida pela superfície de um corpo aquecido, em equilíbrio térmico, contida em um ângulo sólido e detectada pelo sensor (Bramson, 1968). A radiância é obtida pelo cálculo da média ponderada da função de distribuição de Planck sobre a função resposta do sensor no canal específico, podendo ser expressa na forma de somatório, conforme a expressão: L ( T) M( λφ ) ( λ) d φ( λ) dλ λ = (5) onde: L(T) é a radiância e Φ(λ) é a curva de resposta do sensor como função do comprimento de onda λ. A partir das equações 4 e 5 é possível quantificar a temperatura de brilho dos objetos na superfície, ou seja, a temperatura do objeto estimada a partir da potência irradiada pelo mesmo. No caso do corpo negro, a temperatura de brilho é a própria temperatura do objeto. As superfícies naturais, entretanto, não são capazes de converter toda sua energia térmica em radiação eletromagnética, como é previsto pela Lei de Planck para um corpo negro (Figura 3). Por isso, é necessário a introdução de um parâmetro de correção, denominado emissividade (ε(λ)). A emissividade compara a habilidade dos materiais reais em emitirem energia como um corpo negro, ε(λ) apresenta valores que 8
9 variam de 0 a 1 e depende do comprimento de onda, da rugosidade, umidade e do tipo de cobertura do solo, além de outros parâmetros físicos (Andersen, 1997). Figura 3. Espectro de emissão comparativo de hipotéticos corpos negros a 235K e 263K e a emissão do solo a 288K. Fonte: Ometto, 1981. Além disso, a temperatura de brilho (Becker e Li, 1990) medida na faixa do infravermelho termal pelo sensor a bordo de um satélite, é afetada pelas características de absorção dos componentes atmosféricos e pela emissão da radiação pela atmosfera. Assim, as estimativas da TST obtidas a partir da temperatura de brilho devem, necessariamente, conter correções devidas principalmente à atenuação atmosférica e à natureza heterogênea da emissividade da superfície terrestre. A fim de reduzir as interferências atmosféricas nas medidas feitas pelo sensor AVHRR, Anding (1970) e Mcmillin (1975) propuseram a combinação dos canais 4 e 5 deste sensor, como forma de estimar a atenuação causada pela presença de vapor d água na atmosfera. Sabe-se que este é o principal fator causador de interferências atmosféricas nas estimativas da temperatura da superfície do mar. Esta técnica é usualmente conhecida como janela dividida local, ou split window, e apresenta resultados satisfatórios desde que as emissividades das superfícies estudadas sejam conhecidas. A grande variabilidade espacial da emissividade da superfície terrestre dificulta seu conhecimento e, conseqüentemente a precisão das estimativas da TST. Por este motivo, vários métodos empíricos foram desenvolvidos para a estimativa da emissividade da superfície terrestre. Entre eles, destacam-se os que utilizam como estimador da emissividade o índice de vegetação por diferença normalizada, usualmente expresso como NDVI (Normalized Difference Vegetation Index) (Kerr et al., 1992; Griend e Owe, 1993; Valor e Caselles, 1996). 9
10 O NDVI é utilizado como fator de indicação de características de emissividade da superfície em todo o mundo, sendo considerado mais representativo do que os modelos similares que estimam o tipo de cobertura do solo. Segundo Valor e Caselles (1996) foi encontrada alta correlação entre a emissividade e o NDVI por Van De Griend e Owe (1993) para região de Botswana. Os autores propuseram um método usando as relações entre a emissividade e o NDVI, salientadas por Van De Griend e Owe (1993), associadas a um modelo teórico proposto por Sobrino e Caselles (1991), que utiliza a emissividade média das bandas 4 e 5. Gusso (2003) desenvolveu um estudo no Estado do Rio Grande do Sul usando imagens NOAA para estimar a TST. O autor comparou a temperatura do ar medida em estações meteorológicas de superfície com a TST estimada pelos métodos de Becker e Li (1990), Kerr et al. (1992) e Sobrino et al. (1993). Os resultados mostraram que o método de Sobrino et al. (1993) foi o mais adequado entre os métodos testados para a estimativa das temperaturas noturnas no Estado. Embora, ainda seja necessário um aprofundamento teórico com relação aos efeitos atmosféricos sobre regiões tropicais, especialmente quanto à inclusão da variável vapor d água presente na atmosfera e quanto à identificação dos fatores relacionados à variação temporal da emissividade da superfície terrestre. Gusso (2003), salienta, ainda, que, a acurácia da estimativa de TST comparada a dados de temperatura do ar medida em estação meteorológica, está sujeita a restrições oriundas, entre outros, de diferenças quanto a: natureza da medida (temperatura radiante e temperatura cinética); nível de medição (superfície e 1,5m de altura); resolução espacial (pixel de 1x1km e pontual); tecnologias distintas (sensor eletrônico a bordo de satélite e termômetro de mercúrio). 10
11 3. Material e métodos 3.1 Área de estudo O estudo foi realizado no Estado do Rio Grande do Sul, localizado no extremo sul do Brasil, sendo delimitado pelas latitudes 27 o 05 e 33 o 45 Sul e as longitudes 49 o 43 e 57 o 39 Oeste. As altitudes variam do nível médio do mar até 1.200m na região do Planalto Superior. 3.2 Dados 3.2.1 Temperatura mínima do ar no abrigo e na relva Foram coletados 11 anos (1980/1990) de dados diários da temperatura mínima do ar medida no abrigo e da temperatura mínima do ar na relva provenientes de oito estações meteorológicas distribuídas por todo o Estado do Rio Grande do Sul (Tabela 3 e Figura 4). Tabela 3. Estações meteorológicas do Rio Grande do Sul selecionadas para o estudo. Localidade Altitude (m) Latitude Longitude Cruz Alta 472-28º38-53º36 Encruzilhada do Sul 427-30º32-52º31 Maquiné 32-29º40-50º13 Rio Grande 2-32º01-52º05 Santa Rosa 360-27º51' -54º25' São Gabriel 124-30º10-54º19 Uruguaiana 62-29º45-57º05 Veranópolis 705-28º56-51º33 11
12 Figura 4. Distribuição espacial das estações meteorológicas. A temperatura mínima do ar e a mínima de relva foram obtidas dos registros das leituras do termômetro de mínima (álcool etílico) instalado a 1,5m da superfície (abrigo meteorológico) e a 0,05m do solo gramado, respectivamente. Também foram utilizados dados da temperatura do ar registrados no termógrafo, a 1,5m da superfície, em horário coincidente com o da passagem do satélite NOAA, para as localidades de Encruzilhada do Sul, Santa Rosa, São Gabriel e Veranópolis. Os dados foram obtidos da rede de estações agrometeorológicas da FEPAGRO (Fundação Estadual de Pesquisa Agropecuária/ SCT). 3.2.2 Temperatura da superfície terrestre A TST foi obtida a partir de imagens dos satélites NOAA-12, 15 e 16 de dois períodos: 25 a 29 de janeiro e 9 a 12 de julho de 2004 (Tabelas 4). As etapas do processamento das imagens estão sumarizadas na Figura 5. As imagens NOAA foram adquiridas no formato HRPT (High Resolution Picture Transmission) e, posteriormente, transformadas para o ambiente ERDAS/Image. Nesta transformação são efetuadas as correções para a distorção panorâmica, radiância das bandas 1 e 2 e ângulo de incidência solar. Na correção geométrica foi utilizada, primeiramente, uma transformação polinomial (terceiro grau) com base nos parâmetros da órbita do satélite. Em seguida foi feito um segundo georreferenciamento a partir da coleta nas cartas do exército (1:250.000), de pontos de controle distribuídos homogeneamente sobre o Estado. O erro médio obtido no processo de georreferenciamento foi de um pixel (1x1Km). A 12
13 reconstrução da imagem foi feita por interpolação usando o algoritmo do vizinho mais próximo. Tabela 4. Relação das imagens do mês de janeiro e julho, respectivamente, utilizadas para a estimativa da TST. Imagem Data Hora 04025a15 25/01 06:55 04025b15 25/01 19:17 04026a16 26/01 02:50 04026a12 26/01 05:30 04026a15 26/01 06:32 04026b16 26/01 15:18 04026b15 26/01 18:54 04027a16 27/01 02:38 04027a12 27/01 05:05 04027b16 27/01 15:06 04028a16 28/01 02:27 04028a12 28/01 04:41 04028a15 28/01 19:47 04029a16 29/01 02:15 04029a15 29/01 07:01 Imagem Data Hora 04190a15 08/07 07:02 04190b12 08/07 17:27 04190b15 08/07 19:23 04191a12 09/07 04:41 04191a15 09/07 06:38 04191b12 09/07 17:03 04191b15 09/07 19:00 04192a12 10/07 04:17 04192a15 10/07 06:14 04192b15 10/07 18:36 04193a16 11/07 03:00 04193a12 11/07 05:33 04193b16 11/07 15:28 04193b12 11/07 17:53 04194a16 12/07 02:48 04194a12 12/07 05:08 04194b16 12/07 15:16 As temperaturas de brilho, obtidas através da equação de Planck, foram utilizadas para estimativa da TST pelo método de Sobrino et al. (1993), dado por: TST = T4 + [ 0, 53+ 0, 62(T4 T5)](T4 T5) + 64( 1 ε) (6) onde: T 4 e T 5 são as temperaturas de brilho nas bandas 4 e 5, respectivamente e ε é a emissividade. Para a estimativa da emissividade foram analisadas todas as imagens diurnas dos meses de janeiro e julho, sendo selecionadas as mais adequadas para o procedimento. A emissividade da superfície foi calculada pelo modelo proposto por Valor e Caselles (1996): V ( P ) + 0,06P ( P ) ε = 0,985P + 0,96 1 1 (7) V V V 13
14 Nesta equação Pv é dado por: i 1 ig P V = i 1 k 1 ig i iv (8) e k é dado por: k ρ ρ 2v 1v = (9) ρ2g ρ1g onde: i é o NDVI, ig é o NDVI do solo descoberto, iv é o NDVI da superfície vegetada e ρ 1 e ρ 2 são as reflectâncias nas bandas 1 e 2 do AVHRR. Os valores de NDVI foram calculados de acordo com o modelo proposto por Rouse et al. (1973), onde o NDVI é dado por: NDVI ρ ρ 2 2 ρ + ρ 1 = (10) 1 A partir das imagens de NDVI diárias foi gerada uma composição do máximo valor (CMV), na qual o pixel, geograficamente registrado, correspondente ao maior valor de NDVI, numa série de n dias, é selecionado para compor uma nova imagem em que a interferência da atmosfera é reduzida (Figura 6). O objetivo principal da técnica CMV é minimizar a influência na cena de fatores como: nebulosidade, variações do ângulo de iluminação solar e geometria da visada, assim como da atmosfera (vapor de água, aerossóis) (Ferreira et al., 2004). 14
15 Figura 5. Fluxograma dos procedimentos adotados no processamento das imagens NOAA. Figura 6. Composição da imagem segundo o critério do máximo valor de NDVI. Fonte: Ferreira et al., 2004. Para a identificação das nuvens presentes nas imagens foi utilizado o algoritmo de Chen et al. (2002). Neste, diferenças de temperatura entre a banda 3 e a banda 4 acima de um determinado limiar, indicam as regiões com presença de nuvens. Esse algoritmo auxiliou no processo de escolha das imagens que participaram das análises em cada estação meteorológica. Feita esta seleção foram aplicadas às imagens originais uma máscara do Estado de forma a eliminar as regiões externas ao mesmo e uma escala de cores, associada às faixas de temperatura (azul para as menores temperaturas e vermelho para as maiores temperaturas). 15
16 3.3 Análises 3.3.1 Relação entre a temperatura mínima do ar no abrigo e na relva A partir do conjunto de dados obtidos nas estações meteorológicas foi calculada a série de diferenças entre a Tar e a Trel para todas as localidades e meses do ano. Para esta nova série foram calculadas as estatísticas básicas (média, máximo, mínimo e variância) e foram feitos os histogramas das distribuições de freqüências, adotando intervalos de classe de 1 o C. Após, usando as séries originais foram ajustadas equações de regressão linear (Equação 11) entre a Tar e a Trel através do método dos mínimos quadrados, para as localidades individualmente e também para o conjunto total de dados em todos os meses do ano. Y = ax+ b (11) onde: Y é a temperatura mínima de relva ( 0 C), x é a temperatura mínima do ar ( 0 C) e a e b são o coeficiente angular e o intercepto da equação. O grau de ajuste das equações foi avaliado pelo coeficiente de determinação (R 2 ), que revela a proximidade dos valores estimados na linha de tendência em correspondência com os valores reais. A significância dos coeficientes de determinação foi verificada pelo teste F. As equações ajustadas para cada localidade, assim como para todo Estado, foram testadas usando um novo grupo de dados da Tar e da Trel, para as localidades de Encruzilhada, São Gabriel, Uruguaiana, Veranópolis e Taquari. 3.3.2 Relação entre a temperatura da superfície terrestre e a temperatura do ar Os valores de TST, determinados pelo método de Sobrino et al. (1993), foram extraídos das imagens usando uma janela de amostragem composta por 9 pixels centralizados sobre as estações meteorológicas, onde foram coletados os dados da temperatura do ar. As estimativas da TST em cada estação foram comparadas com os dados obtidos nos termógrafos, em horários simultâneos aos das imagens. Estes dados foram plotados em gráficos mostrando a variação temporal da temperatura do ar e da TST ao longo do período estudado, as diferenças entre essas variáveis foram 16
17 calculadas. Devido a indisponibilidade de gráficos do termógrafo em algumas localidades estas análises foram feitas somente em Encruzilhada do Sul (Julho), Santa Rosa, São Gabriel e Veranópolis. As estimativas da TST para os horários próximos ao de ocorrência da temperatura mínima do dia foram comparadas com a temperatura mínima do ar (relva e abrigo meteorológico) medida nas estações meteorológicas. Os resultados foram mostrados na forma de tabelas e gráficos de dispersão. Não participaram destas análises as localidades de Rio Grande e Encruzilhada do Sul, devido a falta de dados. 17
18 4. Resultados e Discussão 4.1 Relação entre a temperatura mínima do ar no abrigo e na relva Na Tabela 5 são apresentadas as estatísticas (média, máximo, mínimo e variância) da diferença entre a temperatura mínima do ar no abrigo e na relva para os doze meses do ano. As diferenças encontradas entre a Tar e a Trel, foram, geralmente, positivas. Isto é esperado, já que, devido ao fenômeno de inversão térmica que ocorre normalmente durante a noite, a temperatura observada próximo a superfície é menor do que aquela a 1,5m de altura. A média anual das diferenças variou de 1,3 o C (Cruz Alta) a 3,0 o C (São Gabriel), sendo 2,0 o C a diferença média considerando todas as localidades analisadas. Estes resultados concordam com estudos anteriores realizados por outros autores, como por exemplo, o trabalho de Oliveira (1997) que encontrou diferenças médias variando de 1,4 a 3,7 o C, em dez localidades do Estado do Rio Grande do Sul. Silva e Sentelhas (2001) observaram uma diferença média de 3,3 o C em oito localidades de Santa Catarina e Grodzki et al. (1996) obtiveram diferenças médias de 2,8 a 3,8 o C no Estado do Paraná. As menores diferenças médias ocorrem, em geral, nos meses de verão, principalmente janeiro e fevereiro, enquanto as maiores diferenças parecem estar relacionadas aos meses de inverno e primavera. Heldwein et al. (1988), também verificaram que em Santa Maria as diferenças foram mais elevadas no semestre frio, o que foi atribuído ao número maior de dias com ocorrência de inversão térmica nesta época, provavelmente porque as noites são mais longas e a umidade especifica do ar é menor. A variabilidade dos valores das diferenças foi grande, sendo que a variância média ficou entre 1,0 o C, em Veranópolis e 8,0 o C, em Rio Grande. Em Rio Grande foi observado um padrão distinto das outras localidades, sendo a menor diferença média, por exemplo, observada em junho e a maior em setembro e dezembro. A variância, nesta localidade foi muito maior que a observada nas demais. Uma possível explicação para isso pode estar relacionada à alta umidade do ar e velocidade do vento, que são elementos meteorológicos que influenciam nas diferenças entre a Tar e a Trel, como foi mostrado por Bootsma (1976), Heldwein (1988) e Sentelhas et al.(1996). 18
19 Tabela 5. Estatísticas da diferença, ao longo do ano, entre a temperatura mínima do ar no abrigo e na relva em 8 estações meteorológicas localizadas no Estado do Rio Grande do Sul, 1980-1990. Estatística Jan Fev Mar Abr Maio Jun Jul Ago Set Out Nov Dez Ano Cruz Alta Média 1,4 1,0 1,2 1,4 1,4 1,6 1,2 1,6 1,3 1,3 1,2 1,5 1,3 Máximo 14,4 8,7 12,8 15,0 12,6 9,0 6,8 13,8 8,2 10,4-11,2 13,4 15,0 Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0 Variância 3,2 1,9 3,7 2,5 3,2 3,6 2,4 3,8 2,2 3,4 3,5 6,3 3,3 Encruzilhada do Sul Média 1,2 1,1 1,3 1,4 1,6 1,6 1,6 1,5 1,3 1,4 1,1 1,3 1,4 Máximo 4,6 10,6 4,6 4,8 6,8-9,4 6,4-13,4 6,6 5,2-13,6 11,0-13,6 Mínimo 0 0 0,1 0 0,1 0,1 0 0,2 0,2 0 0,1 0,2 0 Variância 0,9 1,7 1,0 1,3 2,3 2,6 1,7 2,4 1,4 1,3 2,3 1,8 1,7 Maquiné Média 2,2 2,3 2,8 3,3 2,8 2,7 2,8 2,7 2,7 3,0 2,8 2,6 2,7 Máximo -14,6 8,4 11 14,4 12,3 10,1 5,8 7,7-9,7 7,2 7,9 8,3-14,6 Mínimo 0 0,2 0,4 0,4-0,3 0 0,1 0,1-0,1-0,2 0,2 0,2 0 Variância 3,3 2,9 5,1 6,7 4,7 1,8 1,2 1,8 2,7 2,4 2,7 2,9 3,2 Rio Grande Média 2,5 2,3 2,4 2,5 2,2 1,9 2,1 2,5 2,6 2,3 2,3 2,6 2,3 Máximo 12,0 20,8-12,8 17,6 13,0 13,4 11,0 14,5 16,0 13,0 13,8 12,0 20,8 Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0 Variância 9,3 9,8 8,9 10,1 8,7 7,1 4,9 5,9 8 8,6 6,8 8,4 8,0 Santa Rosa Média 1,9 1,6 2,1 2,0 2,2 2,0 2,2 2,1 2,2 2,6 2,5 2,6 2,2 Máximo 9,0 8,4 7,6 6,2-8,6 7,8 8,4 8,6 11,8 8,4 8,4 9,6 11,8 Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0 Variância 2,3 2,0 2,5 2,8 4,6 3,4 3,6 3,3 4,0 3,8 3,3 2,8 3,2 São Gabriel Média 2,7 2,6 2,6 2,9 3,2 3,3 3,2 3,1 3,2 3,1 3,1 3,1 3,0 Máximo 6 6,2 5,9 6,7 7,4 8,6 6,9 6,8 8,3 7,4 7,7 9,0 9,0 Mínimo 0,6 0,5 0,6-0,2 0,4 0,4-0,1 0,5 0,2 0,1 0 0,7 0 Variância 1,0 1,1 1,0 1,4 2,2 2,4 2,1 1,5 2,0 1,6 1,7 1,8 1,7 Uruguaiana Média 1,4 1,8 1,8 1,6 2,0 2,4 2,1 2,1 2,2 2,4 1,5 1,5 1,9 Máximo 5,4 8,3 8,0 9,0-14,6 11,1 8,1 10,4 13,0 16,8 9,8 12,6 16,8 Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0 Variância 2,0 2,4 2,6 2,3 4,1 3,3 2,4 2,8 4,1 7,0 3,4 4,7 3,4 Veranópolis Média 1,3 1,2 1,3 1,4 1,5 1,4 1,5 1,4 1,4 1,5 1,3 1,4 1,4 Máximo -9,0 5,6 10,8 10,8 4,8 4,4 5,6 6,0 5,7 6,4 6,2 7,0 10,8 Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0 Variância 0,8 0,6 0,8 1,1 1,1 1,0 1,1 1,1 1,3 1,2 0,9 0,7 1,0 19
20 Comparando as diferenças médias observadas ao longo do ano entre as localidades estudadas, verifica-se que em Maquiné e São Gabriel as diferenças foram superiores às demais localidades. Observa-se, ainda, uma tendência das diferenças serem menores nas localidades de maior altitude como Cruz Alta, Encruzilhada do Sul e Veranópolis. Silva e Sentelhas (2001) observaram um comportamento contrário em Santa Catarina, sendo que as maiores diferenças médias ocorreram nas maiores altitudes e as menores nos locais de menor altitude. Os autores obtiveram um coeficiente de determinação de 0,42 para a regressão linear entre as diferenças de temperatura e a altitude. A Figura 7 ilustra os resultados obtidos para o Rio Grande do Sul, o coeficiente de determinação para equação de regressão linear foi 0,59. Os resultados, em princípio contraditórios, obtidos neste trabalho em relação aos obtidos por Silva e Sentelhas (2001), possivelmente, sejam conseqüência da tentativa de estabelecer um modelo simples (somente altitude) para explicar um processo complexo, onde diversos outros fatores contribuem para a definição da diferença de temperatura entre a superfície e o ar. Figura 7. Regressão linear entre a altitude e a diferença média da temperatura mínima do ar (Tar) e da temperatura mínima de relva (Trel) nas localidades estudadas. 20
21 Os histogramas das distribuições de freqüência relativa da série de dados da diferença entre a Tar e a Trel, para cada localidade, nos meses de janeiro, abril, julho e outubro são apresentados nas Figuras 8 a 16. Nos Apêndices de A a I são mostrados os histogramas para todos os meses do ano. Os histogramas são uma ferramenta importante porque permitem visualizar a distribuição dos dados na série estudada, fornecendo, portanto, mais detalhes sobre os dados do que somente o valor médio. Verifica-se a presença de três grupos com respostas distintas, que foram selecionados pelas semelhanças na forma das suas distribuições de freqüência e pela proximidade de suas médias. O primeiro grupo é caracterizado pelas menores diferenças médias, sendo que as diferenças variaram de 1,0 0 C (Cruz Alta, fevereiro) a 1,6 0 C (Cruz Alta, junho) (Tabela 5) e por distribuições de freqüência semelhantes durante o ano. É importante salientar que as localidades selecionadas para esse grupo, Cruz Alta, Encruzilhada do Sul e Veranópolis (Figuras 8, 9 e 15), têm outra característica em comum, a grande altitude. Em Cruz Alta e Encruzilhada do Sul observa-se distribuições muito semelhantes. Nos meses analisados mais de 40% das ocorrências estão acumuladas na classe de 1 a 2 0 C. Veranópolis teve maior freqüência de ocorrência nas classes de 1 a 2 0 C e 2 a 3 0 C, com mais de 70% das ocorrências acumuladas nestas duas classes. As localidades selecionadas para o segundo grupo têm diferenças médias um pouco maiores do que as do primeiro (Tabela 5) e seus histogramas se distinguem das demais por apresentarem uma distribuição bastante uniforme para todas as classes. Esse grupo é composto pelas localidades de Rio Grande, Santa Rosa e Uruguaiana (Figuras 11, 12 e 14). O terceiro grupo selecionado, do qual fazem parte Maquiné e São Gabriel (Figuras 10 e 13), se caracteriza pelas maiores diferenças médias (Tabela 5), as quais variaram de 2,2 0 C em Maquiné no mês de janeiro a 3,3 0 C em São Gabriel no mês de junho e pelas menores altitudes. Neste grupo as maiores freqüências de ocorrência estão nas classes com maiores diferenças, a classe com maior freqüência na maioria dos meses é a de 3 a 4 0 C. Os histogramas das distribuições de freqüência levando em conta todas as localidades do Estado (Figura 16) têm distribuição homogênea entre as classes, sendo difícil distinguir uma classe que persista em todos os meses com maior freqüência de ocorrência. 21
22 Figura 8. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Cruz Alta, RS (1980-1990). Figura 9. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Encruzilhada do Sul, RS (1980-1990). 22
23 Figura 10. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Maquiné, RS (1980-1990). Figura 11. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Rio Grande, RS (1980-1990). 23
24 Figura 12. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Santa Rosa, RS (1980-1990). Figura 13. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em São Gabriel, RS (1980-1990). 24
25 Figura 14. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Uruguaiana, RS (1980-1990). Figura 15. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Veranópolis, RS (1980-1990). 25
26 Figura 16. Histogramas das distribuições de freqüência relativa da diferença entre a Tar e a Trel, para os meses de janeiro, abril, julho e outubro para todas as localidades do Rio Grande do Sul (1980-1990). Na Tabela 6 são apresentados o coeficiente angular, o intercepto e o coeficiente de determinação das equações de regressão linear ajustadas entre a temperatura mínima do ar no abrigo e na relva, para cada localidade estudada em todos os meses do ano. As Figuras 17 a 25 mostram os gráficos de dispersão entre estas variáveis para os meses representativos de cada estação. O ajuste destas equações torna-se interessante e útil porque num grande número de estações meteorológicas a medida da temperatura mínima de relva não é feita e através do seu uso é possível estimá-la a partir da temperatura mínima do ar, que é uma medida obtida comumente. Os valores de a, inclinação da equação de regressão, em todas as localidades, ficaram em torno de 1, mostrando que variações na temperatura do ar a 1,5m de altura ocorrem em resposta a variações na temperatura próximo a superfície. Já os valores de b, intercepto, foram mais variáveis, ficando compreendidos entre 5,0 e 6,0, sendo que na maioria das localidades esses valores foram negativos. 26
27 Tabela 6. Coeficientes a e b e coeficientes de determinação das equações de regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva durante o ano nas localidades estudadas (1980-1990). Meses a b R 2 Cruz Alta Janeiro 0,85 1,45 0,69 Fevereiro 0,87 1,28 0,72 Março 0,93-0,04 0,71 Abril 0,98-1,08 0,82 Maio 0,98-1,26 0,87 Junho 0,95-1,25 0,85 Julho 0,91-0,49 0,90 Agosto 0,94-0,96 0,81 Setembro 0,97-1,03 0,88 Outubro 0,95-071 080 Novembro 0,96-0,64 0,78 Dezembro 0,96-0,85 0,58 Encruzilhada do Sul Janeiro 1,08-2,64 0,91 Fevereiro 1,00-1,15 0,79 Março 1,05-2,13 0,90 Abril 1,06-2,36 0,90 Maio 1,03-2,01 0,89 Junho 1,04-1,95 0,88 Julho 1,01-1,70 0,91 Agosto 0,97-1,29 0,87 Setembro 1,01-1,42 0,92 Outubro 1,02-1,66 0,92 Novembro 0,94-0,30 0,83 Dezembro 0,99-1,19 0,84 Maquiné Janeiro 0,83 1,08 0,69 Fevereiro 0,77 2,21 0,68 Março 0,67 3,45 0,58 Abril 0,69 1,77 0,65 Maio 0,94-2,08 0,8 Junho 1,07-3,32 0,93 Meses a b R 2 Julho 1,03-3,12 0,94 Agosto 1,04-3,09 0,91 Setembro 1,00-2,79 0,88 Outubro 0,97-2,60 0,87 Novembro 0,92-1,63 0,84 Dezembro 0,89-0,64 0,78 Rio Grande Janeiro 1,05-3,47 0,60 Fevereiro 0,83 1,05 0,49 Março 0,83 0,63 0,50 Abril 0,94-1,64 0,57 Maio 0,85-0,63 0,65 Junho 0,79-0,30 0,60 Julho 0,84-0,88 0,68 Agosto 0,96-2,13 0,70 Setembro 0,93-1,96 0,60 Outubro 1,00-2,38 0,61 Novembro 0,92-1,12 0,61 Dezembro 0,96-1,91 0,57 Santa Rosa Janeiro 0,86 0,96 0,69 Fevereiro 0,95-0,62 0,74 Março 1,08-3,63 0,78 Abril 1,08-3,30 0,83 Maio 1,16-4,23 0,87 Junho 1,06-2,6 0,89 Julho 1,05-2,77 0,89 Agosto 1,04-2,64 0,87 Setembro 1,02-2,5 0,84 Outubro 0,99-2,35 0,79 Novembro 0,91-0,94 0,74 Dezembro 0,91-0,85 0,70 27
28 Tabela 6. Continuação Meses a b R 2 São Gabriel Janeiro 0,89-0,46 0,84 Fevereiro 0,94-1,35 0,84 Março 0,94-1,63 0,89 Abril 1,03-3,42 0,91 Maio 1,10-4,36 0,93 Junho 1,06-3,81 0,92 Julho 1,04-3,55 0,92 Agosto 1,03-3,45 0,93 Setembro 0,99-3,07 0,89 Outubro 0,94-2,27 0,89 Novembro 0,91-1,68 0,85 Dezembro 0,87-0,70 0,76 Uruguaiana Janeiro 1,01-1,70 0,80 Fevereiro 0,78 5,77 0,77 Março 0,99-1,57 0,80 Abril 1,05-2,44 0,88 Maio 1,02-2,24 0,87 Junho 1,06-2,96 0,90 Julho 1,06-2,66 0,93 Agosto 1,04-2,54 0,89 Setembro 1,04-2,60 0,85 Outubro 0,87-0,52 0,64 Novembro 0,97-0,95 0,76 Dezembro 0,90 0,39 0,60 Meses a b R 2 Veranópolis Janeiro 1,01-1,43 0,88 Fevereiro 0,98-0,94 0,90 Março 1,00-1,42 0,89 Abril 1,07-2,40 0,92 Maio 1,06-2,07 0,95 Junho 1,04-1,8 0,96 Julho 1,06-1,91 0,96 Agosto 1,05-1,83 0,95 Setembro 1,07-2,13 0,94 Outubro 1,07-2,30 0,93 Novembro 1,03-1,79 0,92 Dezembro 1,02-1,67 0,92 Rio Grande do Sul Janeiro 0,91-0,21 0,71 Fevereiro 0,85 1,04 0,68 Março 0,97 0,27 0,71 Abril 0,94-1,14 0,76 Maio 1,00-2,15 0,84 Junho 1,01-2,25 0,87 Julho 0,99-2,06 0,88 Agosto 1,00-2,08 0,86 Setembro 0,98-1,95 0,84 Outubro 0,94-1,42 0,78 Novembro 0,91-0,53 0,77 Dezembro 0,90-0,38 0,69 28
29 Os coeficientes de determinação apresentaram valores altos e todos significativos a 95% de probabilidade, o que demonstra um bom ajuste dos dados. Os valores de R 2 variaram de 0,49 em Rio Grande, no mês de fevereiro, a 0,96 em Veranópolis, no mês julho. O mês de abril foi o que apresentou com maior freqüência os menores coeficientes de determinação. Já o mês de julho, freqüentemente, apresentou os maiores valores. Os coeficientes das equações ajustadas são muito próximos dos verificados por Heldwein (1988), em Santa Maria, que obteve valores de R 2 variando de 0,80 a 0,88. Novamente, Rio Grande foi à única localidade que se diferenciou. Nesta estação meteorológica houve uma grande dispersão dos dados (Figura 20), conseqüentemente, os valores dos coeficientes de determinação foram baixos, variando de 0,49 em fevereiro a 0,70 em agosto. Oliveira (1997), também obteve a pior correlação entre Tar e Trel para esta localidade. Usando todas as estações estudadas (Tabela 6 e Figura 25) o coeficiente de determinação das equações ajustadas entre a temperatura mínima do ar medida no abrigo e na relva variou de 0,68 em fevereiro a 0,88 em julho e os valores de a e b ficaram próximos dos observados para cada localidade separadamente. O teste das equações de estimativa da Trel a partir da Tar usando dados independentes (Tabela 7) mostrou coeficientes de correlação também altos e significativos. Os testes foram realizados utilizando tanto as equações especificas de cada mês quanto utilizando as equações representativas de cada estação e os resultados obtidos foram os mesmos. Nos testes com as equações para o Estado e com as equações para cada localidade também foram encontrados os mesmos coeficientes de correlação. Em Taquari, que não participou da estimativa das equações, o teste foi feito a partir das equações para o Estado a correlação entre a temperatura estimada e a observada foi significativa. Os resultados obtidos demonstram que a temperatura mínima de relva pode ser estimada a partir da temperatura mínima do ar medida a 1,5m de altura com adequada precisão. Desta forma, pode-se utilizar a temperatura do ar como elemento meteorológico para verificar a acurácia das estimativas da TST, obtidas através de imagens de satélite, o que será abordado no próximo capítulo. Isto foi testado e é válido para o horário de ocorrência da mínima temperatura do ar. Os gráficos de dispersão entre a Tar e Trel, para todos os meses do ano, são apresentadas nos Anexos J a R. 29
30 Figura 17. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Cruz Alta, RS (1980-1990). 30
31 Figura 18. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Encruzilhada do Sul, RS (1980-1990). 31
32 Figura 19. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Maquiné, RS (1980-1990). 32
33 Figura 20. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Rio Grande, RS (1980-1990). 33
34 Figura 21. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Santa Rosa, RS (1980-1990). 34
35 Figura 22. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em São Gabriel, RS (1980-1990). 35
36 Figura 23. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Uruguaiana, RS (1980-1990). 36
37 Figura 24. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Veranópolis, RS (1980-1990). 37
38 Figura 25. Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro, para todas as localidades do Rio Grande do Sul (1980-1990). 38
39 Tabela 7. Coeficientes de correlação entre os valores da temperatura mínima de relva estimados e os valores observados, utilizando as equações para cada localidade (r) e para o estado inteiro (r/est). Ano Meses r r/est. Encruzilhada do Sul 1999 Janeiro 0,94 0,94 1999 Fevereiro 0,97 0,97 1999 Março 0,95 0,95 1999 Abril 0,96 0,96 1999 Maio 0,88 0,88 1999 Junho 0,95 0,95 1999 Julho 0,96 0,96 1999 Agosto 0,94 0,94 1999 Setembro 0,93 0,93 2000 Janeiro 0,94 0,94 2000 Fevereiro 0,89 0,89 2000 Março 0,94 0,94 2000 Abril 0,88 0,88 2000 Maio 0,93 0,93 São Gabriel 1991 Janeiro 0,96 0,96 1991 Fevereiro 0,97 0,97 1991 Março 0,77 0,77 1991 Abril 0,96 0,96 1991 Maio 0,95 0,95 1991 Junho 0,96 0,96 1991 Julho 0,83 0,83 1991 Agosto 0,93 0,93 1991 Setembro 0,97 0,97 1991 Outubro 0,98 0,98 1991 Novembro 0,95 0,95 1991 Dezembro 0,93 0,93 1992 Janeiro 0,95 0,95 1992 Fevereiro 0,96 0,96 1992 Março 0,99 0,99 1992 Abril 0,97 0,97 1992 Maio 0,99 0,99 1992 Junho 0,96 0,96 1992 Julho 0,84 0,84 1992 Agosto 0,94 0,94 Ano Meses r r/est. Uruguaiana 1999 Janeiro 0,95 0,95 1999 Outubro 0,93 0,93 1999 Novembro 0,96 0,96 1999 Dezembro 0,95 0,95 2000 Janeiro 0,98 0,98 2000 Março 0,99 0,99 2000 Abril 0,97 0,97 2000 Maio 0,91 0,91 2000 Junho 0,90 0,90 2000 Julho 0,89 0,89 2000 Agosto 0,94 0,94 2000 Setembro 0,94 0,94 Veranópolis 1999 Janeiro 0,96 0,96 1999 Fevereiro 0,71 0,71 1999 Março 0,98 0,98 1999 Abril 0,99 0,99 1999 Maio 0,99 0,99 1999 Junho 0,69 0,69 1999 Julho 0,94 0,94 1999 Agosto 0,93 0,93 Taquari 1990 Janeiro 0,94 1990 Fevereiro 0,94 1990 Março 0,98 1990 Abril 0,97 1990 Maio 0,96 1990 Junho 0,96 1990 Julho 0,98 1990 Agosto 0,94 1990 Setembro 0,97 1990 Outubro 0,94 1990 Novembro 0,93 1990 Dezembro 0,97 1999 Outubro 0,93 1999 Novembro 0,96 1999 39 Dezembro 0,95
40 4.2 Relação entre a temperatura da superfície terrestre e a temperatura do ar Nas Figuras 26 a 31 são mostradas as imagens da temperatura da superfície terrestre (TST), nos períodos de verão (25 a 29 de janeiro de 2004) e de inverno (08 a 12 de julho de 2004). Nas imagens a distinção entre estes dois períodos é muito clara. No período de verão, devido às altas temperaturas, predominam os tons amarelosavermelhados. Já no período de inverno há predominância dos tons azuisesverdeados, devido às baixas temperaturas. As regiões com nuvens são facilmente identificadas pela brusca variação de temperatura em relação ao restante da imagem. As nuvens aparecem em tons de azul, associadas a temperaturas abaixo de 0 o C, como conseqüência da altitude do topo das mesmas. No período do verão, percebe-se em três seqüências de imagens a tendência de decréscimo noturno da TST (Figuras 26 (C e D), 27 (B e C) e 27 (E e F)). Nestas seqüências a primeira imagem foi obtida próximo às 2h e a segunda imagem após as 4h e 30min Da primeira para segunda imagem o resfriamento ocorre como conseqüência da emissão noturna de ondas longas pela superfície. Observa-se, ainda, que as menores temperaturas ocorreram no nordeste e sudoeste do Estado, o que corresponde às regiões de maior altitude e menor latitude, respectivamente (Rio Grande do Sul, 1989). Ainda em janeiro, verifica-se que nas duas imagens obtidas no início da tarde (Figuras 26F e 27D) as temperaturas foram muito altas em todo o Estado. Os tons de laranja e vermelho predominaram, estando associados a temperaturas superiores a 30 o C. Em algumas regiões foram observadas temperaturas entre 45 e 50 o C. Nas imagens de inverno pode-se observar, a semelhança do que se verificou nas imagens de verão, o resfriamento durante o período noturno (Figuras 30 (E e F), 31 (A e B) e 31 (C e D)). No dia 11 de julho às 5h e 33min (Figura 30F) ocorreram as menores temperaturas do período, com grande homogeneização das temperaturas em todo o Estado do Rio Grande do Sul. Este período esteve associado à entrada de uma massa polar. 40
41 Legenda: Figura 26. Imagens da temperatura da superfície terrestre dos dias 25 às 06:55 (A), 25 às 19:17 (B), 26 às 02:50 (C), 26 às 05:30 (D), 26 às 06:32 (E) e 26 às 15:18 (F) de janeiro de 2004. 41
42 Legenda: Figura 27. Imagens da temperatura da superfície terrestre dos dias 26 às 18:54 (A), 27 às 02:38 (B), 27 às 05:05 (C), 27 às 15:06 (D), 28 às 02:27 (E) e 28 às 04:41 (F) de janeiro de 2004. 42
43 Legenda: Figura 28. Imagens da temperatura da superfície terrestre dos dias 28 às 19:47 (A), 29 às 02:15 (B), 29 às 07:01 (C) de janeiro de 2004. 43
44 Legenda: Figura 29. Imagens da temperatura da superfície terrestre dos dias 08 às 07:02 (A), 08 às 17:27 (B), 08 às 19:23 (C), 09 às 04:41 (D), 09 às 06:38 (E) e 09 às 17:03 (F) de julho de 2004. 44
45 Legenda: Figura 30. Imagens da temperatura da superfície terrestre dos dias 09 às 19:00 (A), 10 às 04:17 (B), 10 às 06:14 (C), 10 às 18:36 (D), 11 às 03:00 (E) e 11 às 05:33 (F) de julho de 2004. 45