Detecção e avaliação de seca agronômica através da análise de séries temporais de dados MODIS e PERSIANN

• Ano de defesa: 2015
• Autor(a) principal: Denis Araujo Mariano
• Orientador(a): Maurício Alves Moreira
• Banca de defesa: Antônio Roberto Formaggio, Ieda Del'Arco Sanches, Lênio Soares Galvão, Jurandir Zullo Júnior
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: Drought events strike Brazilian agriculture causing yield losses, being the south region often stricken by this phenomenon. These occurrences lead to negative impacts in the agricultural chain by causing commodities prices fluctuation and hampering farmers and companies finances condition. A need for a system for monitoring and retrieving drought on time and spatialized information regarding the agriculture emerges in this context. The present study aimed at measuring and quantify the intensity and geographical spreading of the agricultural drought phenomena occurred in Paraná state between the 2002 and 2013 summer seasons, considering maize and soybean crops. Remote sensed reflectance and thermal data from Moderate Resolution Imaging Spectroradiometer (MODIS) sensors and precipitation from the Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN) were used as input for the methods. Several vegetation indices (VI) were tested and generally, they were better correlated to accumulated precipitation in October for dry years and January for normal years, showing that these months are crucial for the vegetation condition regarding these kind of years. Using phenology and historical data, baselines for each index were created in a median basis. The VIs were then analyzed in order to better assess the agricultural drought occurrences being the Land Surface Water Index (LSWI) the most well suited for this task. LSWI showed better correlation to precipitation metrics and estimated yield. The relationships between LSWI and Land Surface Temperature (LST) were studied as well, showing an inverse correlation between then. The wavelet transform (WT) were used in each variable and the cross WT (XWT) and WT coherence (WCT) methods were applied for testing these relations. Cause-effect relationships were not found, instead, LST and LSWI simply mirrored each other, this means that other variables govern the LST and LSWI behavior, according to the literature, the main factor is the soil moisture which is also well correlated to LSWI. Finally, the accumulated differences between LSWI for each season and the baseline (LSWI-dif ) were spatialized and mapped being possible to visualize the coherence between precipitation and LSWI-dif maps. The proposed method proved itself on being well suitable for agricultural monitoring needs, however, the main hurdle was the spatial resolution of the input data.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21b/2015/02.12.20.29

Eventos de seca causam grande prejuízo para a agricultura brasileira, sendo a região Sul frequentemente castigada por esse fenômeno. Essas ocorrências prejudicam gravemente a cadeia agrícola nacional, o que causa oscilação de preços, onera produtores e empresas. Tais ocorrências evidenciam a necessidade de sistemas para monitorar e quantificar a seca com informações precisas e espacializadas. O presente trabalho objetivou mensurar em termos de intensidade e abrangência os eventos de seca agronômica ocorridos no Paraná para as safras de verão de 2002 a 2013, considerando milho e soja. Foram utilizados dados dos espectros visível, infravermelho e termal do \emph{Moderate Resolution Imaging Spectroradiometer} (MODIS) e de precipitação estimada por sensoriamento remoto (SR) oriundos do produto \emph{Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks} (PERSIANN). Vários índices de vegetação (IV) foram avaliados, tendo estes em geral apresentado maior correlação com a precipitação de outubro para os anos secos e janeiro para os normais, indicando que, para o desempenho da vegetação, estes meses foram os mais relevantes para os respectivos tipos de anos. Foram criadas linhas de base para cada IV, considerando a mediana histórica para cada data fenológica. Os IVs foram então avaliados para caracterização da seca, tendo o \emph{Land Surface Water Index} (LSWI) se destacado, apresentando maior correlação com métricas de precipitação e produtividade agrícola. Foram estudadas as relações entre o LSWI e \emph{Land surfasse temperature} (LST), sendo detectada uma relação inversa entre as variáveis. Foram analisadas as transformadas de \emph{wavelet [wavelet transform} (WT)] para cada variável e utilizado os métodos da WT cruzada (XWT) e coerência de WT (WCT). Não foi verificada relação de causa-efeito entre as variáveis, mas sim, uma relação de espelho, ou seja, outros fatores governam o comportamento de LSWI e LST. Segundo a literatura, o principal fator é a umidade do solo, a qual é bem correlacionada com o LSWI. Por fim, as diferenças acumuladas entre LSWI de cada safra e sua linha de base (LSWI-dif) foram espacializadas na forma de mapas para cada ano-safra, o que visualmente foi bastante coerente com os mapas de precipitação acumulada. O método de mensuração de seca agronômica proposto se mostrou eficiente e potencialmente aplicável para fins de monitoramento agrícola, tendo como maior limitação a resolução espacial dos dados utilizados.