Modelagem da produtividade primária líquida utilizando dados coletados de sensores remotos : avaliação de impactos e perdas em área agrícola

• Ano de defesa: 2020
• Autor(a) principal: Rodigheri, Grazieli
• Orientador(a): Fontana, Denise Cybis
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Sensoriamento remoto; NDVI
• Palavras-chave em Inglês: TVDI; ERA-Interim; Google Earth Engine; Carbon; Soybean; Superficial Temperature
• Link de acesso: http://hdl.handle.net/10183/209913

A Produtividade Primária Líquida (Net Primary Productivity - NPP) é um parâmetro de importância global, devido ao papel que desempenha no ciclo do carbono. Muitos modelos têm sido desenvolvidos nos últimos anos, principalmente para integrar dados de sensores remotos e facilitar a estimativa de NPP. No entanto, alguns ajustes ainda são necessários para que estes modelos consigam representar eficientemente os dados reais na superfície. Assim, o objetivo desta pesquisa foi o teste e o desenvolvimento de metodologias capazes de quantificar e mapear a NPP através de dados coletados de sensores remotos, nas condições ambientais do Noroeste do Rio Grande do Sul. Sendo assim, foram feitas estimativas de NPP potencial, através do modelo Thornthwaite, para um período de 10 anos, incorporando dados climáticos obtidos de Estações Meteorológicas e dados de reanálise do ERA-Interim. As estimativas de NPP potencial foram similares aquelas obtidas com dados medidos na superfície, indicando que estes podem ser utilizados nas estimativas do potencial de NPP. Para a estimativa de NPP real, utilizou-se o modelo Carnegie-Ames-Stanford Approach (CASA), baseado em dados de superfície e de sensores remotos. O modelo CASA produziu estimativas acuradas da NPPreal quando comparadas aos dados medidos de superfície e se mostraram adequadas para representar o perfil temporal da soja durante o ciclo de desenvolvimento da cultura. Além disso, utilizouse o Índice de Umidade de Superfície (TVDI) como alternativa ao coeficiente de estresse hídrico para compor o modelo CASA, o que produziu estimativas acuradas de NPP em relação ao modelo original. Existe vantagem no uso da abordagem que introduz o TDVI, em função dos resultados com maior detalhamento espacial, além de utilizar dados exclusivamente de sensores remotos para rodar o modelo CASA. O uso do sensoriamento remoto ajuda a capturar pequenas mudanças hídricas e seus efeitos sobre a vegetação de forma mais precisa e com maior detalhamento. As estimativas de NPP potencial e NPP real foram comparadas para verificar as mudanças causadas na produção agrícola na região de estudo. Observou-se que quando realizado apenas um cultivo agrícola anual, a apropriação poder chegar a até 28% da NPP potencial. A quantificação da HANPP permite verificar se existem perdas ou ganhos de NPP potencial e, assim, subsidiar a busca de estratégias de gerenciamento para incremento da produtividade dos cultivos e minimização da demanda de terras novas de produção agrícola.