Aprimorando a estimativa global da interceptação da precipitação por meio da modelagem da estrutura vegetal.

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: OLIVEIRA, Sabrina Holanda.
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Campina Grande
Brasil
Centro de Tecnologia e Recursos Naturais - CTRN
PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL E AMBIENTAL
UFCG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/33405
Resumo: Estimativas precisas de perda de interceptação de chuva são cruciais para modelar o balanço hídrico de áreas florestais. No entanto, existe uma variabilidade regional considerável no processo de interceptação e muita incerteza permanece. Este estudo aprimora a estimativa da perda de interceptação de chuva em escala global, integrando produtos de sensoriamento remoto na parametrização do modelo analítico de Gash. Essa configuração aprimorada é chamada de Modelo de interceptação global (GIM). Imagens de satélite de alta resolução foram usadas para obter índices de vegetação e refletância espectral, que foram então empregados em modelos de regressão linear para estimar a fração de cobertura do dossel (c) e a capacidade de armazenamento de água da vegetação (Sv). A sua importância nos processos ecológicos e na gestão dos recursos hídricos e terrestres torna a modelagem destes parâmetros de particular interesse. Os outros dois parâmetros necessários para executar o modelo Gash, as taxas médias de precipitação e de evaporação sob condições de dossel saturado, foram obtidos através da integração dos produtos meteorológicos MWSEP e ERA5-Land. O desempenho da modelagem foi avaliado usando medições in situ e conjuntos de dados em grade. As estimativas do GIM exibiram uma estatística de desempenho superior quando comparadas ao PMLv2 e GLEAMv3.7a. Nossos resultados demonstram o alto potencial desta abordagem para melhorar a precisão das estimativas de perda de interceptação de chuva de escalas locais a globais.