Estudos de demanda hídrica e produtividade da água por meio de técnicas de sensoriamento remoto, modelagem e geoprocessamento: uso em escala regional e o planejamento do uso da água Reinaldo Lúcio Gomide Embrapa Milho e Sorgo Painel 3: Uso de técnicas de mapeamento e sensoriamento remoto na análise de risco de eventos hidroclimatológicos críticos, 19/06/2013 4ª. feira
INTRODUÇÃO Aquisição e acesso de assinaturas espectrais do SOLO+ÁGUA+ PLANTAS+ATMOSFERA com técnicas de SR, visando estudos do status hídrico (Água), da biomassa e de nutrientes (N) de sistemas de produção agrícola (grãos-cereais e leguminosas, fruteiras) irrigados e de sequeiro. Determinação, Caracterização e Espacialização (Mapeamento) de Produtividade de Água, Biomassa, ETc x N x EHC x Produtividade das culturas x WUE. Calibração c/ controle de regime hídrico e níveis de N em parcelas experimentais. Características Meio Ambiente, Cultura e Solo: Irrigação, T a e T c, Vento vel. e dir., UR ar, DPV ar, Rn, LAI, resistências - r a e r c, conteúdo de N e umidade do solo. Boa correlação entre reflectância das folhas das culturas+solo e Produtividade de Água, Biomassa, ETc x N x Produtividade das culturas e estresse hídrico da cultura (EHC).
Interação Vegetação/Culturas x Ambiente Balanço de energia Água Energia Clima Contínuo Solo-Água-Planta-Atmosfera (SAPA) R n Necessidade de Água das Culturas (ETc) Medições e Registros Instrumentos, Equipamentos e Sensores LE H G R n = G + H + LE
Dry surface Wet surface Fonte: Wim Bastiaanssen, 2011 - NLD
Esquema para ilustrar um sensor passivo (A) e um sensor ativo (B) Fonte: Moreira, M. A., 2001. Sistemas Sensores - INPE Sensores Passivos Fonte de radiação externa (mais comum o sol) Não possuem radiação própria Categoria de sensores: SPECTRON-SE590, Mapeador Temático (TM) do Landsat, Haut Resolution Visible (HRV) do SPOT, etc Sensores Ativos Possuem fonte de radiação própria Categoria de sensores: Radares, Lasers, Radiômetros de microondas e Câmaras fotográficas com flash
Sensoriamento Remoto Duas principais fontes de radiação: Radiação Solar Visivel (RGB) Infravermelho próximo (NIR) Infravermelho ondas curtas Superfície da terra Infravermelho termal (TIR) - emitida Microondas - emitida Fonte: Wim Bastiaanssen, 2011 - NLD
Hipóteses Assinaturas espectrais (imagens) e temperaturas de superfície (do dossel de culturas e solos), adquiridas e processadas em porções do espectro visível (RGB), NIR e Termal, podem detectar, caracterizar e mapear a variabilidade espaço-temporal de DEMANDA HÍDRICA E PRODUTIVIDADE DA ÁGUA, até mesmo EHC (função resolução). Satélites usados neste tipo de estudo (c/ banda termal) Landsat5 sensor TM Landsat7 sensor ETM+ Satélites NOAA sensor AVHRR Satélite TERRA sensores ASTER e MODIS Satélite AQUA sensor MODIS Satélite GOES Possíveis satélites de alta resolução, que podem ser utilizados para a calibração do Modelo (SEBAL): Rapid Eye Ikonos Quick Bird
Espectro Eletromagnético EM Spectrum Wavelength ( m) Visible 0.4 to 0.7 Near IR 0.7 to 1.3 Middle IR 1.3 to 3.0 Thermal IR 8.0 to 14.0
Estresses Pré-visual Estresses de uma superfície coberta por vegetação (dossel) podem ser detectados logo no inicio por meio de medidas de assinaturas espectrais (imagens e temperaturas) coletadas c/ sensores multiespectrais digitais de alta resolução, tendo em vista que a reflectância nas bandas do RGB, NIR e TIR reduz quando a estrutura interna das células das folhas inicia o seu processo de destruição ( colapso ) devido ao estresse natural ou induzido resultante da redução do conteúdo de água no solo. Este efeito é aparente e pode ser detectado pelos sensores bem antes da manifestação visual do sintoma no campo, ou seja, mudança visual de arquitetura e coloração das folhas associada com produção de clorofila, que reduz bem mais tarde quando as plantas começam a parar de produzir ( shut down ) fisiologicamente devido ao estresse de água ou N.
Satélite Dirigível Calibração: Área experimental com os sistemas de aquisição automática de imagens e temperatura das folhas das culturas e dos sensores do balanço de energia e de clima
Montagem, Calibração e Teste do Módulo de Aquisição de Imagens Câmera digital de alta resolução RGB & CIR (Duncan Tech 3100) acoplada em um braço de estrutura de metal preso a uma camionete ranger
Sistema modular de aquisição de imagens de superfície: Câmera multispectral MS-4100, Placa de aquisição de vídeo NI (PCI-1428) conectada a notebook, Plataformas de elevação fixa com hidráulico (27 m), Clorofilog CFL 1030 acoplado a GPS Garmin (Fotos: R L Gomide, Embrapa Milho e Sorgo, Sete Lagoas, MG, 2008).
ÁREAS DE ESTUDO Dois Polos de Desenvolvimento da (a) Bacia do Rio São Francisco: Uso de Imagens de satélites em conjunto com dados de Clima de duas Redes de estações agrometeorológicas automáticas (b) Rede já em funcionamento em Petrolina/Juazeiro; (c) Rede a ser instalada no Norte de Minas.
Rede de Estações AgroMeteorológicas Automáticas no Norte de MG
MATERIAIS E MÉTODOS Dados meteorológicos necessários: Ta e UR do ar, Veloc. Vento (2 m), Rs e/ou Rn
SEBAL VALIDATION PARTNERS University of Idaho Idaho, USA USDA Oklahoma, USA International Water Management Institute (IWMI) Gediz Basin, Turkey/Sri Lanka Royal Netherlands Meteorological Institute (KNMI) Cabauw, Netherlands INRA Provence, France Chinese Academy of Sciences Gansu, China Wageningen University Marrakesh, Morroco IHE Sudd wetland, Sudan ITC Okavango delta, Botswana ITSON Sonora, Mexico EMBRAPA Sao Francisco, Brazil USDA California / Oklahoma Imperial Irrigation District / California CSIR / DoA- South Africa CSIRO / SKM Australia New Mexico Tech New Mexico, USA
Global Applications of SEBAL by WaterWatch (--from WaterWatch 2009)
O algoritmo SEBAL A Evapotranspiração é obtida como resíduo da equação clássica do balanço de energia à superfície: LE = Rn -H -G Rn = saldo de radiação (W/m 2 ) LE = fluxo de calor latente (W/m 2 ) H = fluxo de calor sensível (W/m 2 ) G = fluxo de calor no solo (W/m 2 )
Saldo de Radiação (Rn) Balanço de Radiação na superfície (adaptado de Allen et al, 2002)
Fluxograma: Esquema representativo das etapas computacionais para obtenção do saldo de radiação (Rn), utilizando-se o SEBAL
Fluxograma: Esquema representativo do processo iterativo para obtenção do fluxo de calor sensível (H)
Módulo Model Maker do Software ERDAS 11.0 foi usado para implementar os algoritmos dos fluxogramas para calculo de Rn e H $n4_custom_float + ($n5_custom_float -$n4_custom_float) * $n20_memory / 255
Obtenção da ET com o resíduo da equação clássica do Balanço de Energia
Cálculo do Fluxo de Calor Latente SEBAL (Evapotranspiração Horária e Diária) Modelo Gerado com o Model Maker do ERDAS 2011
Reflectância
Crops and natural vegetation Sao Francisco Wine grape Table grape Ph.D. de CastroTeixeira XVI CBA Congresso Brasileiro de AGROMETEOROLOGIA Bele Horizonte Mango Caatinga
SEBAL performance mango and caatinga 4.0 3.5 Daily ET_Field (mmday -1 ) 3.0 2.5 2.0 1.5 1.0 0.5 0.0 1:1 (b) 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 Daily ET_Satellite (mm day -1 ) Agr. And Forest Meteorology, 2008
CONCLUSÕES E CONSIDERAÇÕES FINAIS Os resultados obtidos com as técnicas de sensoriamento remoto via aquisição e obtenção de imagens orbitais (satélites) e suborbitais (Plataformas de superfície), associadas à dados climáticos de superfície, ao modelo SEBAL e ao geoprocessamento vão permitir: Originar mapas temáticos em escala regional de demanda hídrica de culturas (ETc), produtividade da água, biomassa (índices de vegetação), índice de área foliar (IAF) e produtividade de sistemas de produção agrícola (frutas e grãos, etc), tanto os irrigados como os de sequeiro; Suporte ao zoneamento climático, à previsões de safras de culturas e à gestão e gerenciamento das áreas de produção agrícolas (irrigadas e de sequeiro) ; Detecção de mudanças nas áreas de produção agrícola, compondo um quadro comparativo que se destina a subsidiar a gestão ambiental, principalmente nos locais de maior fragilidade do meio ambiente. Treinamento e capacitação de técnicos, alguns produtores, lideranças e estudantes de graduação e pós-graduação de regiões envolvidas.