157
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
DETERMINAÇÃO DOS VALORES DE TEMPERATURA DE SUPERFÍCIE A
PARTIR DO SENSOR TIRS DO LANDSAT 8
PATRÍCIA TINOCO SANTOS1 BRUNNA FRANCINETE DA SILVA CRUZ2
RESUMO: Este trabalho teve como objetivo mostrar a aplicabilidade das faixas térmicas do
TIRS/Landsat 8, executando técnicas indicadas pelo USGS para a obtenção de valores de
temperatura de superfície em sete pontos do Estado de Goiás. Foi possível comparar
valores de temperatura do ar obtidos por estações automáticas e convencionais fornecidas
pelo INMET, em relação aos valores de temperatura de superfície adquiridos por meio do
processamento digital de imagens nas Bandas 10 e 11 e se observou que parte dos
resultados atendeu ao que estava previsto na literatura, em que os dados das temperaturas
de superfície seriam maiores dos que os das temperaturas do ar e que os gradientes
térmicos estariam próximos a 1,5°C ou 7%. O procedimento deve auxiliar o desenvolvimento
de novas fontes de estudo sobre temperatura de superfície.
Palavras-chave: sensor, temperatura, superfície, imagens.
ABSTRACT: This study aimed to show the applicability of thermal bands of TIRS/Landsat 8,
running techniques indicated by the USGS to obtain surface temperature values in seven
points of the State of Goiás. Was possible to compare air temperature values obtained by
automatic and conventional stations provided by the INMET, in relation to the surface
temperature values acquired by the digital image processing in the Bands 10 and 11 and it
was observed that some of the results attended the which was predicted in the literature , in
which the data of surface temperatures would be greater than that of air temperatures and
thermal gradients would be close to 1,5°C or 7%. The procedure should assist the
development of new sources of study on surface temperature.
Key words: sensor, temperature, surface, images.
.
1 – Introdução
Devido aos avanços tecnológicos das últimas décadas e a partir de sensores
imageadores, é possível monitorar o meio ambiente em uma escala global e obter
1 Tecnol.ª em Agrimensura e Geoprocessamento pelo IFG, Mestranda em Geografia pela UFG, Prof.ª Coord. Curso Téc. em Agrimensura no IFG, [email protected]. 2 Tecnol.ª em Geoprocessamento pelo IFG, [email protected].
158
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
resultados cada vez mais precisos. O sensoriamento remoto possibilita estudos
relacionados ao comportamento espectral dos alvos imageados por tais sensores, e sua
análise mostra-se uma importante ferramenta para tomada de decisões.
Segundo Coelho (2013) uma das formas de se obter dados de temperatura de uma
determinada região é utilizando técnicas de sensoriamento remoto, essas técnicas são
empregadas destes 1972, onde foram utilizados dados tomados na faixa do infravermelho
termal, posteriormente, vários estudiosos como Nascimento (2011), Mendonça (2003) e
Weng (2003), também utilizam a mesma técnica para documentar e analisar dados de
temperatura.
Neste contexto o presente trabalho apresenta a aplicabilidade do Thermal Infrared
Sensor - TIRS, à bordo do satélite Landsat-8, a partir da análise das bandas 10 e 11, em
sete pontos do estado de Goiás distribuídos nas regiões Sudeste, Sul Goiano e região do
Entorno do Distrito Federal, evidenciando as informações necessárias destas bandas para
auxiliar no desenvolvimento de novas fontes de obtenção de temperatura de superfície.
Procurou-se avaliar o balanço de energia emitida pelo TIRS, através de técnicas de
geoprocessamento e dados coletados de estações meteorológicas convencionais e
automáticas de campo, com objetivo de verificar se a resposta espectral de tal sensor
atende a determinado padrão, segundo a literatura pesquisada, que possibilite a utilização
dos dados que serão processados para fins de planejamento e gerenciamento.
2 – Material e métodos
A metodologia empregada para esta pesquisa primeiramente constituiu-se em uma
revisão bibliográfica da qual foram retirados os conceitos e métodos empregados para
análise de temperatura de superfície obtidas a partir da utilização de técnicas de
processamento digital de imagens. Também foram feitas abordagens a técnicos
responsáveis pela coleta e distribuição dos dados coletados nas estações meteorológicas,
automáticas e convencionais, e disponibilizados pelo Instituto Nacional de Meteorologia -
INMET.
Formada a base teórica, o próximo passo foi escolher as imagens do Satélite
Landsat 8, para realizar a conversão dos valores de brilho para radiância redimensionada
para o topo da atmosfera e, posteriormente, temperatura de brilho efetiva.
Ao disponibilizar os dados, calibrados e quantizados, o Serviço Geológico Americano
- USGS não faz distinção de regiões para aplicação da técnica, podendo ser utilizada
159
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
qualquer imagem fornecida pelo satélite Landsat 8, desde que sejam observados os
parâmetros aplicados as fórmulas, os quais dependem da cena analisada. Para este
trabalho, optou-se pela análise das Bandas 10 e 11 do sensor TIRS.
O presente trabalho faz referência à aplicação das técnicas sugeridas em sete
estações meteorológicas localizadas nos municípios de Catalão, Cristalina, Ipameri,
Morrinhos, Pires do Rio e Silvânia. Conforme pode ser observado na figura 1.
Figura 1: Distribuição espacial das estações meteorológicas em estudo.
Foram selecionadas duas imagens do Satélite Landsat 8, órbita 221, ponto 72,
bandas 10 e 11, datadas de 13 e 29 de maio de 2014, conforme Tabelas 1 e 2, para a
aplicação das fórmulas de conversão dos valores de brilho para radiância redimensionada
para o topo da atmosfera. As datas para aquisição das imagens foram escolhidas levando
em consideração que, segundo Costa et. al. (2012) o estado de Goiás possui um clima
tropical com período seco entre os meses de maio a setembro, deste modo, pode-se evitar a
ocorrência de nuvens sobre a área de estudo.
Para se calcular a radiância espectral do sensor, utilizou-se a Equação 1, adaptada
pelo USGS e também analisada por Allen et al. (2002):
160
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
Onde: Lλ = radiância espectral do sensor de abertura redimensionado ao topo da atmosfera (Watts / (m2 * srad * μm)); ML = fator multiplicativo redimensionado da banda 10 ou 11. Qcal = valor de pixel, produto padrão quantizados e calibrados (DN); e AL = fator aditivo redimensionando da banda 10 ou 11.
Após o cálculo da radiância espectral pela Equação 1, aplicou-se a Equação 2 para
obter-se o valor da temperatura de brilho efetiva no sensor. A Equação 2, proposta pelo
USGS, pode ser obtida pela equação modificada de Plank, conforme Allen et al. (2002):
Onde: T = Temperatura de brilho efetiva no sensor (°K); K1 = conversão térmica da banda específica, constante de calibração contida no metadados (K1_CONSTANT_BAND_x, onde x é o número da banda, 10 ou 11); K2 = conversão térmica da banda específica, constante de calibração contida no metadados (K2_CONSTANT_BAND_x, em que x é o número da banda 10 ou 11); e Lλ = radiância espectral do sensor de abertura redimensionado ao topo da atmosfera (Watts / (m2 * srad * μm)).
As constantes térmicas da Equação 2 foram obtidas no arquivo de metadados,
extensão *_MTL.txt., existente em cada cena.
Foi criado um arquivo de pontos, segundo a Figura 1, no programa ArcGis, no qual
foi representado as sete estações meteorológicas analisadas, referenciadas ao mesmo
datum da imagem, WGS 84. A coleta dos dados referente ao valor digital do pixel (ND) foi
realizada a partir da inserção das bandas em análise no programa ArcGis juntamente com o
arquivo de pontos, devido esta ser uma análise pontual.
A temperatura de superfície obtida pela Equação 2 foi comparada com os dados de
temperatura das estações meteorológicas. Os dados das estações meteorológicas podem
ser extrapolados para um raio de 100 km.
Para determinar os valores de temperatura de superfície a partir das Equações
disponibilizadas pelo USGS para os pontos em estudo, foram analisadas quatro situações
de comparações.
(1)
(2)
161
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
A primeira e a segunda análise consistiram em comparar as temperaturas estimadas
por sensoriamento remoto das bandas 10 e 11 com temperaturas instantâneas estimadas
pelas estações meteorológicas de campo nos dias 13 e 29 de maio de 2014. Para a terceira
e a quarta análise, comparou-se as Ts das bandas 10 e 11 com os valores de temperaturas
máximas e mínimas, respectivamente.
3 – Resultados e Discussão
Por meio dos parâmetros para validação dos produtos extraídos dos arquivos
metadados das cenas e usando as Equações 1 e 2 disponibilizadas pelo USGS, calculou-se
a temperatura de superfície em graus Celsius (Ts), usando um pixel no qual está localizado
na mesma coordenada da estação, a partir das bandas 10 e 11, conforme Equações 3 e 4:
Onde: Ts = Temperatura de Superfície (°C); DN = Número digital do pixel.
As Equações 3 e 4 foram acrescentadas o fator de subtração (-273,15) referente à
conversão de temperatura, de graus Kelvin para graus Celsius (°C). Deste modo, foi
possível calcular a Ts para os pixel referentes às sete estações meteorológicas nos dias 13
e 29 de maio de 2014, conforme pode ser observado nas Tabelas 1 e 2.
Tabela 1: Valores de ND e temperatura de superfície (Ts) para as bandas 10 e 11, para as diferentes
estações meteorológicas analisadas em 13 de maio de 2014.
Imagem do dia 13/05/2014 ND USGS - Ts (°C)
Estações Automáticas Código INMET BANDA 10 BANDA 11 BANDA 10 BANDA 11
CATALÃO A034 27499 25110 24,7 23,1
CRISTALINA A036 26800 24453 23,0 21,3
MORRINHOS A003 26210 24136 21,6 20,4
PIRES DO RIO A033 27548 24968 24,8 22,7
SILVÂNIA A037 25745 23204 20,4 17,6
Imagem do dia 13/05/2014 ND USGS - Ts (°C)
(3)
(4)
162
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
Estações Convencionais Código INMET BANDA 10 BANDA 11 BANDA 10 BANDA 11
CATALÃO 83526 27727 25195 25,2 23,4
IPAMERI 83522 27504 24912 24,7 22,6
Tabela 2: Valores de ND e temperatura de superfície (Ts) para as bandas 10 e 11, para as diferentes estações meteorológicas analisadas em 29 de maio de 2014.
Imagem do dia 29/05/2014 ND USGS - Ts (°C)
Estações Automáticas Código INMET BANDA 10 BANDA 11 BANDA 10 BANDA 11
CATALÃO A034 27849 25625 25,5 24,6
CRISTALINA A036 28478 26172 27,0 26,1
MORRINHOS A003 27003 25037 23,5 22,9
PIRES DO RIO A033 27099 24933 23,7 22,6
SILVÂNIA A037 27157 24952 23,9 22,7
Imagem do dia 29/05/2014 ND USGS - Ts (°C)
Estações Convencionais Código INMET BANDA 10 BANDA 11 BANDA 10 BANDA 11
CATALÃO 83526 28057 25699 26 24,8
IPAMERI 83522 27007 24751 23,5 22,1
Utilizando os metadados das imagens, observou-se que a passagem do sensor e a
tomada da imagem ocorreu no intervalo entre 13:00 e 14:00 UTC (Tempo Universal
Coordenado) nos dois dias em estudo. A partir desta informação, buscaram-se no site do
INMET os dados de temperatura do ar (Ta) instantânea, máxima e mínima referentes às
estações meteorológicas. Conforme pode ser observado nas Tabelas 3, 4, 5 e 6.
Tabela 3: Valores de temperatura do ar coletadas (instantânea, máxima e mínima) nos intervalos 13 e 14 UTC para as diferentes estações automáticas no dia 13 de maio de 2014.
Medição do dia 13/05/2014 INMET - Ta (°C) 13UTC INMET - Ta (°C) 14UTC
Estações Automáticas Código INMET INST. MAX. MIN. INST. MAX. MIN.
CATALÃO A034 21,6 21,6 19,5 22,6 23,0 21,1
CRISTALINA A036 18,9 19,0 17,3 19,9 20,3 18,7
MORRINHOS A003 22,4 22,7 19,3 23,5 23,7 22,4
PIRES DO RIO A033 22,1 22,3 20,2 24,2 24,3 22,1
SILVÂNIA A037 21,0 21,4 19,4 22,7 22,7 20,9
163
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
Tabela 4: Valores de temperatura do ar coletadas (instantânea, máxima e mínima) nos intervalos 13 e 14 UTC para as diferentes estações convencionais no dia 13 de maio de 2014.
Medição do dia 13/05/2014 INMET - Ta (°C)
Estações Convencionais Código INMET INST. 12UTC MAX. 00UTC MIN. 12UTC
CATALÃO 83526 20,5 26,4 14,7
IPAMERI 83522 20,3 27,1 13,4
Tabela 5: Valores de temperatura do ar coletadas (instantânea, máxima e mínima) nos
intervalos 13 e 14 UTC para as diferentes estações automáticas no dia 29 de maio de 2014.
Medição do dia 29/05/2014 INMET - Ta (°C) 13UTC INMET - Ta (°C) 14UTC
Estações Automáticas Código INMET INST. MAX. MIN. INST. MAX. MIN.
CATALÃO A034 20,6 20,6 18,5 22,7 22,7 20,5
CRISTALINA A036 22,4 22,4 19,4 23,8 23,9 21,9
MORRINHOS A003 19,1 19,1 16,0 21,8 22,1 19,0
PIRES DO RIO A033 18,1 18,1 15,3 21,7 21,7 17,9
SILVÂNIA A037 18,6 19,2 16,2 20,6 20,9 18,5
Tabela 6: Valores de temperatura do ar coletadas (instantânea, máxima e mínima) nos intervalos 13 e 14 UTC para as diferentes estações convencionais no dia 29 de maio de 2014.
Medição do dia 29/05/2014 INMET - Ta (°C)
Estações Convencionais Código INMET INST. 12UTC MAX. 00UTC MIN. 12UTC
CATALÃO 83526 18,3 27,2 10,8
IPAMERI 83522 15,7 28,1 8,4
Os valores de temperatura de superfície dos pixel no momento da passagem do
sensor (Ts) foram usados como referência para os cálculos e comparados com os valores
de temperatura das estações meteorológicas (Ta). Confrontando-se os dados dos dias 13 e
29 de maio de 2014, analisaram-se quatro situações:
A primeira análise consistiu em comparar as temperaturas estimadas por
sensoriamento remoto da banda 10 com temperaturas instantâneas estimadas pelas
estações meteorológicas de campo e observou-se que a temperatura de superfície
calculada a partir da banda 10, se aproxima mais com a temperatura instantânea medida
pela estação meteorológica às 14:00 UTC.
Segundo Weng (2003), as Ts normalmente apresentam valores mais elevados que
as Ta. Para o dia 13 de maio, esta teoria se confirmou em apenas 60% das amostras
referentes às estações automáticas.
164
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
Analisando a diferença entre as temperaturas, determinaram-se os gradientes
térmicos (Ts – Ta). Comparando-se Ts com Ta às 13:00 UTC do dia 13, verificou-se
diferenças entre as temperaturas variando de 2,9% a 17,8%, para as 14:00 UTC este
intervalo é menor, variando de 2,4% a 13,5%. Ao fazer esta mesma análise, agora para o
dia 29, verificou-se diferenças entre as temperaturas variando de 17,0% a 23,6% às 13:00
UTC, para as 14:00 UTC este intervalo varia de 7,2% a 13,8%.
Para as estações convencionais, se confirmou em todas as amostras que a Ts
apresentou valores mais elevados que a Ta. Para este tipo de estação, o INMET
disponibiliza a temperatura instantânea coletada às 12:00 UTC.
A diferença de tempo entre a tomada da cena (entre 13:00 e 14:00 UTC) e a coleta
dos dados pelas estações meteorológicas (12:00 UTC) mostrou-se bastante significativa
quando observamos os gradientes térmicos, de modo que a diferença entre as temperaturas
para a estação convencional de Catalão foi de 18,7%, enquanto que para a estação de
Ipameri foi de 17,8% no dia 13. Fazendo esta mesma análise para o dia 29, esta diferença
foi de 29,6% para Catalão e 33,2% para Ipameri.
A segunda análise consistiu em comparar as temperaturas estimadas por
sensoriamento remoto da banda 11 com temperaturas instantâneas estimadas pelas
estações meteorológicas de campo.
Observou-se que as Ts calculadas a partir da banda 11 para o dia 13, se aproximam
mais com as temperaturas instantâneas medidas às 13:00 UTC, e que as Ts apresentaram
valores mais elevados que as Ta em 60% das amostras. Assim como para a banda 10, as
estações de Morrinhos e Silvânia não atenderam o padrão de Ts>Ta. No dia 29, as Ts
calculadas a partir da banda 11, se aproximam mais com as temperaturas instantâneas
medidas pela estação meteorológica às 14:00 UTC e, para todas as amostras, as Ts
apresentaram valores mais elevados que as Ta.
A partir da análise dos gradientes térmicos no dia 13, comparando-se as Ts com as
Ta às 13:00 UTC, verificou-se que diferenças entre as temperaturas variam-se de 2,6% a
19,3%. Para as 14:00 UTC este intervalo é maior variando de 2,2% a 29,0%.Analisando os
gradientes térmicos no dia 29, comparando-se as Ts com as Ta às 13:00 UTC, verificou-se
diferenças entre as temperaturas variam de 14,2% a 19,9%. Para às 14:00 UTC este
intervalo é menor varia de 4,0% a 9,3%.
Para as estações convencionais, em 100% das amostras as Ts calculadas pelas
bandas 11 apresentaram valores mais elevados que as temperaturas instantâneas. Para o
dia 13, a diferença entre as temperaturas da estação convencional de Catalão foi de 12,4%,
165
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
enquanto que para a estação de Ipameri foi de 10,2%. No dia 29, a diferença entre as
temperaturas da estação convencional de Catalão foi de 26,2%, enquanto que para a
estação de Ipameri foi de 29,0%.
A comparação entre os dados de temperatura coletados e calculados também nos
possibilitaram outras análises, desta vez comparando as Ts das bandas 10 e 11 com os
valores de temperaturas máximas e mínimas, respectivamente.
Em relação às estações automáticas, foram comparadas as Ts somente com os
valores das Ta referente às 13:00 UTC, pois as temperaturas máximas e mínimas
representam a seleção das mesmas entre todas as temperaturas coletadas no intervalo
entre 13:00 e 14:00 UTC. Já para as estações convencionais, as temperaturas máximas são
coletadas às 00:00 UTC, e as mínimas às 12:00 UTC.
Na terceira análise, comparando as Ts com as temperaturas máximas, observou-se
que a as Ts apresentaram valores mais elevados que as Ta em 60% das amostras
referentes às estações automáticas (Catalão, Cristalina e Pires do Rio) no dia 13. No dia 29,
os dados apresentaram comportamento padrão, onde Ts>Ta.
A partir da análise dos gradientes térmicos no dia 13, comparando-se as Ts com as
temperaturas máximas às 13:00 UTC, verificou-se diferenças entre as temperaturas
variando de 4,9% a 17,4%. Analisando os gradientes térmicos no dia 29, comparando-se as
Ts com as temperaturas máximas às 13:00 UTC, verificou-se diferenças entre as
temperaturas variando de 17,0% a 23,6%.
Para este caso, no dia 13, a diferença de tempo entre a tomada da cena (entre 13:00
e 14:00 UTC) e a coleta dos dados pelas estações meteorológicas (00:00 UTC) não
mostrou-se tão significativa quando observamos os gradientes térmicos, de modo que a
diferença entre as temperaturas da estação convencional de Catalão foi de 4,8%, enquanto
que para a estação de Ipameri foi de 9,7% no dia 13. No dia 29, esta diferença foi de 4,6%
para Catalão e 19,6% para Ipameri.
Na quarta análise, comparando as Ts com as temperaturas mínimas, observou-se
que a as Ts apresentaram valores mais elevados que as Ta em 60% das amostras
referentes as estações automáticas (Catalão, Cristalina e Pires do Rio) referente ao dia 13.
No dia 29, os dados apresentaram comportamento padrão, onde Ts>Ta.
Por meio da análise dos gradientes térmicos no dia 13, comparando-se Ts com as
temperaturas mínimas às 13:00 UTC, verificou-se diferenças entre as temperaturas variando
de 5,4% a 18,8%. No dia 29, comparando-se Ts com as temperaturas mínimas às 13:00
UTC, verificou-se diferenças entre as temperaturas variando de 24,8% a 32,3%.
166
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
Para as estações convencionais, se confirmou em 100% das amostras que as Ts
calculadas pela banda 11 apresentaram valores mais elevados que as temperaturas
mínimas.
A diferença de tempo entre a tomada da cena (entre 13:00 e 14:00 UTC) e a coleta
dos dados pelas estações meteorológicas (12:00 UTC) mostrou-se bastante significativa
quando observamos os gradientes térmicos, de modo que a diferença entre as temperaturas
da estação convencional de Catalão foi de 37,2%, enquanto que para a estação de Ipameri
foi de 40,7%, no dia 13. Esse mesmo raciocínio se aplica para o dia 29, pois para Catalão
esta diferença foi de 56,5% enquanto que para Ipameri foi de 62,0%.
4 – Conclusões
O desenvolvimento deste trabalho foi importante no que diz respeito à validação das
informações prestadas aos usuários que utilizam o sensoriamento remoto como meio de
obtenção de valores de temperatura de superfície.
A partir das análises realizadas pode-se inferir que as etapas que envolvem a coleta
e análises dos dados devem ser realizadas cuidadosamente. Se tratando das imagens de
satélite o USGS vem fazendo uma série de reprocessamento das imagens que o mesmo
disponibiliza, a fim de readequar os dados de calibração do sensor e validar as fórmulas
utilizadas neste trabalho para o cálculo de temperatura de superfície. Estas informações
estão disponíveis aos usuários no site do USGS.
Ao se coletar dados das estações meteorológicas é necessário que se observe o real
posicionamento de tais estações. Neste trabalho deparou-se com o fato de os dados
disponibilizados pelo INMET apontarem discrepâncias e não apresentarem o sistema de
referência no qual foram coletadas as coordenadas que indicam a localização das estações.
Foi necessário entrar em contato pessoalmente com os responsáveis pela disponibilização
dos dados que, ao observarem as discrepâncias, se prontificaram a corrigir os erros e nos
encaminharam dados atualizados das estações.
Comparando-se as duas bandas foi possível observar que as diferenças entre as Ts
e as Ta para as estações automáticas foram maiores para a banda 10 enquanto que para as
estações convencionais foram maiores para a banda 11. Foi possível observar também que
para estas duas análises, no dia 13 as estações automáticas de Morrinhos e Silvânia
apresentaram inconformidades em seus dados que culminaram em valores de Ts menores
dos que os das Ta.
167
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
Ao processar os dados observa-se que os dados das Ta máximas se aproximaram
mais com os dados das Ts obtidos pela banda 10, enquanto que das Ta mínimas se
aproximaram com as Ts da banda 11. Esta observação se baseia nos dados
especificamente destas duas imagens os quais não são previstas pelo USGS. Sugerimos
que sejam realizados novos testes a fim de confirmar tal situação com base em dados de
outras cenas.
Observou-se que a temperatura do ar sofre alterações significativas nos intervalos de
1 hora em todo o dia, sendo assim, é necessário que se observe a hora de aquisição da
cena em estudo, a partir dos metadados da imagem, para fins de validação deste produto
usando como método a comparação entre tais informações.
Comparando os dados deste trabalho com outros estudos sobre o tema, foi possível
observar que parte dos resultados atendeu ao que estava previsto na literatura, em que os
dados das Ts seriam maiores dos que os das Ta, e que os gradientes térmicos estariam
próximos a 1,5°C ou 7%. Entretanto, foi possível observar discrepâncias significativas
comparando-se as cenas em dias diferentes.
Tal fato pode estar relacionado à umidade do ar, visto que diz respeito a quantidade
de vapor de água presente na atmosfera e que varia de um dia para o outro, pois esse fator
provoca interferências nos valores dos pixels. Sendo assim, para validação do método aqui
apresentado, recomendam-se novos trabalhos tomando como rumo esta linha de raciocínio.
É atribuída também a altitude das regiões em que estão localizadas as estações
meteorológicas em estudo, o fato de não ter sido possível obter os valores prescritos como
prováveis pela literatura para alguns pontos amostrais, isso porque, quanto mais elevada é
uma região, menor será o raio de abrangências dos dados meteorológicos coletados pelas
estações meteorológicas.
Os resultados aqui apresentados podem servir como ferramenta para gestão de
áreas urbanas e agrícolas, visando despertar o interesse no meio acadêmico para
pesquisas nesta área e garantir a manutenção e preservação do ecossistema.
5 – Referências
ALLEN, R. G.; TASUMI, M.; TREZZA, R.; WATERS, R.; BASTIAANSSEN. W. Surface Energy Balance Algorithm for Land (SEBAL) – Advanced training and Users Manual, Idaho, 2002, p.13-23. COELHO, A. L. N. Distribuição das Classes de Temperatura de Superfície a Partir da Faixa do Infravermelho Termal do Sensor TM/Landsat-5 no Município de Vitória (ES).
168
VARIABILIDADE E SUSCEPTIBILIDADE CLIMÁTICA: Implicações Ecossistêmicas e Sociais
de 25 a 29 de outubro de 2016 Goiânia (GO)/UFG
XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 -18 de abril de 2013, INPE. COELHO, A. L. N.; CORREA, W. S. C. (2013). Temperatura de Superfície Celsius do Sensor TIRS/LANDSAT-8: Metodologia e Aplicações. Revista Geográfica Acadêmica, v. 7, n. 1, p. 31 - 45. COSTA, H. C.; MARCUZZO, F. F. N.; FERREIRA, O. M.; ANDRADE, L.R. (2012). Espacialização e Sazonalidade da Precipitação Pluviométrica do Estado de Goiás e Distrito Federal. Revista Brasileira de Geografia Física, v. 5, n. 1, p. 87 - 100. EMBRAPA. Monitoramento por satélite, Autenticação. Disponível em <http://www.sat.cnpm.embrapa.br/conteudo/missao_landsat.php> Acesso em: 16 ago. 2014. IMB. Instituto Mauro Borges de Estatística e Estudos Socioeconômicos, Perfil Socioeconômico dos Municípios Goianos. Disponível em: <http://www.imb.go.gov.br/>. Acesso em 07 de out. 2014. INMET. Instituto Nacional de Meteorologia. Dados Meteorológicos. Disponível em: <http://www.inmet.gov.br/portal/>Acesso em: 16 ago. 2014. INPE. Instituto Nacional de Pesquisas Espaciais. DGI. Divisão de Geração de Imagens. Disponível em<http://www.dgi.inpe.br/index.php> Acesso em: 16 ago. 2014. MENDONÇA, F. de A. (2003). O clima e planejamento urbano de cidades de porte médio e pequeno. Proposição metodológica para estudo e sua aplicação à cidade de Londrina / PR. Tese (Doutorado em Geografia Física) – Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo, São Paulo. NASCIMENTO, D. T. F. (2011). Emprego de técnicas de sensoriamento remoto e de geoprocessamento na análise multitemporal do fenômeno de ilhas de calor no município de Goiânia-GO (1986/2010). Dissertação (Mestrado em Geografia) – Instituto de Estudos Sociais – Universidade Federal de Goiás, Goiânia, 96f. USGS, Science For a Changing Wold, U.S. Department of the Interior: U.S. Geological Survey. Disponível em: <http://landsat.usgs.gov>. Acesso em: 07 de out. 2014. WENG, Q. (2003). Fractal analysis of satellite-detected urban heat island effect. Photogrammetric Engineering and Remote Sensing, Bethesda, v.69.