Spatio-temporal modeling of data imputation for daily rainfall series in homogeneous zones.

Spatio-temporal modelling is an area of increasing importance in which models and methods have often been developed to deal with specific applications. In this study, a spatio-temporal model was used to estimate daily rainfall data. Rainfall records from several weather stations, obtained from the Agritempo system for two climatic homogeneous zones, were used. Rainfall values obtained for two fixed dates (January 1 and May 1, 2012) using the spatio-temporal model were compared with the geostatisticals techniques of ordinary kriging and ordinary cokriging with altitude as auxiliary variable. The spatio-temporal model was more than 17% better at producing estimates of daily precipitation compared to kriging and cokriging in the first zone and more than 18% in the second zone. The spatio-temporal model proved to be a versatile technique, adapting to different seasons and dates.

Sistemas de produção em pecuária espacializados quanto ao Índice de Vegetação da Diferença Normalizada (NDVI) derivado de imagens do satélite Landsat 8.

Nosso objetivo neste estudo foi avaliar espacialmente, usando geoestatística, a variação do Índice de Vegetação da Diferença Normalizada (NVDI) em dois tipos de sistemas de pastejo: rotacionado e contínuo. A obtenção do NDVI ocorreu por meio de imagens do satélite Landsat 8 de 2013 a 2015, tratadas usando o software ArcGIS 10.3. Os valores de NDVI foram atribuídos a cada pixel (30 x 30 m) da imagem. As datas das imagens foram agrupadas em duas estações, seca (de abril a setembro) e chuvosa (de outubro a março), e os valores de NDVI foram analisados usando estatística descritiva e geoestatística, incluindo análise dos semivariogramas e interpolação por krigagem ordinária em uma grade de 1 x 1 m. Os parâmetros de dependência espacial obtidos pelo ajuste do semivariograma foram utilizados para a interpolação por krigagem ordinária, e os mapas foram elaborados. Houve dependência espacial para o NDVI nos dois sistemas de produção de pecuária, com melhor representação da variabilidade na estação seca de 2013, pois o padrão de variabilidade espacial do semivariograma escalonado indica maior homogeneidade dos dados da área de estudo nessa época em relação às demais. Os mapas resultantes da krigagem permitiram identificar, com maior precisão, a interferência da condição de estresse hídrico no desenvolvimento da pastagem, mais vigorosa no sistema rotacionado. A utilização de NDVI obtido por imagens de satélite Landsat 8 demonstrou potencial para o acompanhamento do vigor da vegetação em áreas de pastagem.