Balanço hídrico em larga escala com imagens landsat 8 em agros-ecossistemas do submédio São Francisco.

Doze imagens Landsat 8 foram usadas em conjunto com uma rede de onze de estações agrometeorológicas para a modelagem em larga escala de indicadores do balanço hídrico nos agrosecossistemas da bacia hidrográfica do Submédio São Francisco, compostos por vegetação natural e culturas irrigadas. O algoritmo SAFER foi usado para a obtenção da evapotranspiração (ET), a qual foi usada em conjunto com dados de precipitação (P) interpolados. Para a classificação da vegetação e caracterização dos indicadores, o algoritmo SUREAL foi aplicado na determinação da resistência da superfície (rs) sendo valores limites de rs usados na separação em culturas agrícolas e espécies da Caatinga. Nas condições naturais mais úmidas do início do ano, as taxas de evapotranspiração na vegetação natural foram em torno de 30% daquelas para culturas irrigadas, enquanto que nas mais secas estas ficaram em torno de 6%. Considerando-se todo o ano, as culturas irrigadas consumiram cinco vezes mais água que as espécies da Caatinga, uma quantidade extra de 870 mm ano-1. Maiores cautelas com relação ao manejo de irrigação devem ser tomadas no período climaticamente mais seco do ano, devido ao aumento da retirada da água do Rio São Francisco, criando maiores possibilidades de conflitos entre os setores agrícolas e outros usuários da água.

High spatial resolution land use and land cover mapping of the Brazilian Legal Amazon in 2008 using Landsat-5/TM and MODIS data.

Understanding spatial patterns of land use and land cover is essential for studies addressing biodiversity, climate change and environmental modeling as well as for the design and monitoring of land use policies. The aim of this study was to create a detailed map of land use land cover of the deforested areas of the Brazilian Legal Amazon up to 2008. Deforestation data from and uses were mapped with Landsat-5/TM images analysed with techniques, such as linear spectral mixture model, threshold slicing and visual interpretation, aided by temporal information extracted from NDVI MODIS time series. The result is a high spatial resolution of land use and land cover map of the entire Brazilian Legal Amazon for the year 2008 and corresponding calculation of area occupied by different land use classes. The results showed that the four classes of Pasture covered 62% of the deforested areas of the Brazilian Legal Amazon, followed by Secondary Vegetation with 21%. The area occupied by Annual Agriculture covered less than 5% of deforested areas; the remaining areas were distributed among six other land use classes. The maps generated from this project ? called TerraClass - are available at INPE?s web site (http://www.inpe.br/cra/projetos_pesquisas/terraclass2008.php)

Dinâmica espaço-temporal da temperatura de superfície, da bacia do rio Corumbataí, SP utilizando imagens do sensor TM/Landsat.

Neste estudo foram empregados sistemas de informações geográficas e técnicas de sensoriamento remoto para investigar o efeito do uso e cobertura do solo sobre a temperatura da superfície do solo (TSS) nos anos de 1985, 1990, 1995, 1999, 2002 e 2011, na bacia do Rio Corumbataí (BRC), SP. O padrão espacial da TSS foi derivado de imagens do satélite Landsat, por meio da banda termal do sensor TM. Estudou-se a relação entre os índices NDVI, NDBI, MI e da altitude com a TSS. A TSS da BRC foi crescente até o ano de 1999 e reduziu até o ano de 2011. O padrão espacial da TSS foi influenciado pelo uso e cobertura do solo. Houve correlação negativa da TSS com o NDVI e MI e positiva com o NDBI. Áreas de pastagem e áreas de cana-de-açúcar colhidas podem atingir TSS superiores às áreas urbanas, dependendo das condições de umidade do ambiente. Conclui-se que os dados do TM/Landsat associados aos dados coletados em campo, apresentam potencial para identificação de padrões térmico-hídricos em estudos de bacias hidrográficas.

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.

Avaliação temporal de sistemas pecuários usando o Índice de Vegetação NDVI derivado de imagens Landsat.

A pecuária é responsável por mais de 6% do Produto Interno Bruto. Manejos pecuários têm sido estudados para buscar meios mais eficientes de produção. Nosso objetivo neste trabalho foi avaliar o efeito de sistemas pecuários sobre o índice de vegetação Normalized Difference Vegetation Index (NDVI), para indicar os sistemas mais produtivos em temos de forragem. Duas áreas de produção de gado de corte e uma de gado de leite, localizadas na Embrapa Pecuária Sudeste (São Carlos, SP), foram avaliadas no período de abril de 2013 a agosto de 2015. Na área 1, os maiores valores de NDVI ocorreram no sistema integração lavoura-pecuária-floresta em todos os períodos. Os sistemas integrado pecuária-floresta e intensivo apresentaram valores similares, principalmente nos períodos de seca. Nas situações em que a cobertura principal eram as pastagens foi possível, na maior parte do tempo, separar os sistemas mais produtivos (intensivos) do sistema menos vigoroso (extensivo). Na área 2, o sistema intensivo e de alta lotação animal apresentou os maiores valores de índices de vegetação ao longo de todos os períodos avaliados e foi o mais produtivo. Na área 3, os sistemas de produção intensivo em recuperação e intensivo irrigado apresentaram os maior valores de NDVI na maior parte dos período avaliados, o que indica maior produtividade desses sistemas. De acordo com os resultados obtidos, séries temporais de NDVI têm o potencial de discriminar, entre os sistemas pecuários de produção não integrados, os sistemas mais produtivos (intensivos) dos sistemas menos produtivos (extensivos), principalmente nos períodos de seca.

Comparação entre imagens Aster e Landsat 7 na classificação de níveis de degradação de pastagens utilizando redes neurais artificiais.

O presente estudo teve como objetivo comparar a eficiência dos dados dos sensores Aster e ETM+/Landsat 7 na classificação do uso e cobertura da terra, com ênfase nos níveis de degradação das pastagens na Zona da Mata Mineira, através da utilização de redes neurais artificiais. Foram testadas três composições de uma imagem do sensor Aster e uma do ETM+/Landsat 7, para definição das melhores feições discriminantes para o classificador. As classes de uso e cobertura consideradas foram: floresta, café, área urbana/solo exposto e três níveis de degradação das pastagens (moderado, forte e muito forte). Utilizou-se o simulador de redes neurais Java Neural Network Simulator e o algoritmo empregado foi o back-propagation. Dentre as composições de imagens testadas o melhor resultado foi alcançado com a utilização das 9 bandas do Aster (30m) como variáveis discriminantes, que também permitiu uma melhor discriminação dos níveis de degradação das pastagens considerados. Este resultado é atribuído à melhor resolução espectral desta composição de imagem quando comparada às demais. Dentre as classes consideradas, a pastagem no nível de degradação muito forte foi a que apresentou o maior erro de classificação, em todas as composições, sendo bastante confundida com a pastagem no nível de degradação forte.