Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/11385
Tipo do documento: Dissertação
Title: Comparação da Produtividade Primária Bruta entre os Sensores OLI/TIRS e MODIS
Authors: Chagas, Mariana Campista
Orientador(a): Delgado, Rafael Coll
Primeiro membro da banca: Delgado, Rafael Coll
Segundo membro da banca: Antunes, Mauro Antonio Homem
Terceiro membro da banca: Chagas, Cesar da Silva
Keywords: Produtividade Primária Bruta;Sensoriamento Remoto;Landsat 8;Gross Primary Productivity;Remote Sensing;Landsat 8
Área(s) do CNPq: Recursos Florestais e Engenharia Florestal
Idioma: por
Issue Date: 21-Mar-2018
Publisher: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto de Florestas
Programa: Programa de Pós-Graduação em Ciências Ambientais e Florestais
Citation: CHAGAS, Mariana Campista. Comparação da Produtividade Primária Bruta entre os Sensores OLI/TIRS e MODIS. 2018. 43 f. Dissertação (Mestrado em Ciências Ambientais e Florestais) - Instituto de Florestas, Universidade Federal Rural do Rio de Janeiro, Seropédica - RJ, 2018.
Abstract: O sequestro de carbono por biomas terrestres desempenha um papel significativo no ciclo global do carbono para mitigar o aumento de CO2 atmosférico e as consequências das mudanças climáticas. A Produção Primária Bruta (PPB) é um importante parâmetro biofísico de qualquer ecossistema e desempenha um papel fundamental na dinâmica espaço-temporal de CO2. A incerteza na captação bruta de carbono e seu entendimento em escalas locais, regionais e globais podem ser superados através do monitoramento dos processos de superfície da terra em altas resoluções espaciais e temporais. As metodologias de superfície para o cálculo da PPB fornecem estimativas precisas, porém seu custo de implantação e operacionalidade é alto, e sua representatividade limitada, salvo em áreas extensas e homogêneas. Neste sentido, métodos que empregam o sensoriamento remoto se apresentam como vantagem para expandir a cobertura espacial da estimativa da PPB, fornecer observações sintéticas e consistentes da vegetação em áreas heterogêneas e com baixo custo. Diversos sensores orbitais têm sido empregados na determinação da PPB e para extrapolar as medições locais. Destacam-se os sensores dos satélites Landsat que fornecem registros temporais mais longos de observação da superfície da terra e o lançamento do satélite Landsat 8 OLI/TIRS em 2013 continua esse legado. O objetivo deste estudo é apresentar um algorítimo para estimar a PPB por técnicas de sensoriamento remoto, a partir de imagens do sensor, em diferentes usos do solo. A metodologia baseia-se no modelo de estimativa da radiação fotossinteticamente ativa absorvida – RFFA pela vegetação, combinado ao modelo de eficiência do uso da luz. Para isso, foram realizadas as correções atmosféricas e radiométricas das imagens previamente e como entrada básica para o modelo, foi calculado o saldo de radiação e demais componentes do balanço de energia através do algoritmo SEBAL (Surface Energy Balance Algorithm for Land). Posteriormente, foram comparadas a estimativa da PPB através do sensor OLI/TIRS, com o produto MOD17A2. A comparação foi baseada no Erro Médio (EM), Raiz do Erro Médio Quadrático (REMQ). As análises estatísticas foram realizadas no software R, versão 3.4.2. A PPB estimada pelo sensor possibilitou analisar as distinções espaciais entre os usos do solo na região. A imagem representativa da estação seca, apresentou os maiores valores de PPB indicando que o algorítimo extrapola a PPB quando oferta de radiação, valores de NDVI e umidade da superfície são altos. Porém a imagem representativa do período chuvoso, apresentou maior correlação Spearman com o produto MOD17A2, ainda com subestimativa para todos os usos do solo. As diferenças entre a resolução temporal e espacial de cada sensor também influenciam na comparação, pois apresentam dados de superfície específicos da data de imageamento. O algorítimo proposto, devido a sua aplicabilidade ao sensor OLI/TIRS, pode ser útil para a análise mais precisa da PPB em áreas de estudo locais. No entanto, é necessário averiguar melhor as estimativas temporais para os sensores OLI/TIRS com dados de superfície, que integrados poderão determinar valores mais precisos de PPB, principalmente nas áreas mais remotas.
Abstract: Carbon sequestration by terrestrial biomes plays a significant role in the global carbon cycle to mitigate the increase in atmospheric CO2 and the consequences of climate change. Gross Primary Production (PPP) is an important biophysical parameter of any ecosystem and plays a key role in the spatio-temporal dynamics of CO2. Uncertainty in gross carbon sequestration and its understanding at local, regional and global scales can be overcome by monitoring the surface processes of the earth at high spatial and temporal resolutions. Surface methodologies for PPB calculation provide accurate estimates, but their implementation and operational costs are high and their representativeness limited, except in large and homogeneous areas. In this sense, methods that use remote sensing are presented as an advantage to expand spatial coverage of PPB estimation, provide synthetic and consistent observations of vegetation in heterogeneous and low cost areas. Several orbital sensors have been used to determine PPB and to extrapolate local measurements. Of particular note are the Landsat satellite sensors that provide longer time records of earth surface observations and the launch of the Landsat 8 OLI / TIRS satellite in 2013 continues this legacy. The objective of this study is to present an algorithm to estimate PPB by remote sensing techniques, from sensor images, in different soil uses. The methodology is based on the estimative model of the absorbed photosynthetically active radiation - RFFA by the vegetation, combined with the light efficiency model. For this, the atmospheric and radiometric corrections of the images were performed previously and as basic input for the model, the balance of radiation and other components of the energy balance were calculated through the SEBAL (Surface Energy Balance Algorithm for Land) algorithm. Subsequently, the estimation of PPB was compared through the OLI / TIRS sensor, with the product MOD17A2. The comparison was based on the Mean Error (EM), Root Mean Square Error (REMQ). Statistical analyzes were performed in software R, version 3.4.2. The PPB estimated by the sensor made it possible to analyze the spatial distinctions between the land uses in the region. The representative image of the dry season presented the highest values of PPB indicating that the algorithm extrapolates to PPB when radiation supply, NDVI values and surface humidity are high. However, the representative image of the rainy season presented a higher Spearman correlation with the product MOD17A2, still underestimating for all soil uses. The differences between the temporal and spatial resolution of each sensor also influence the comparison, since they present specific surface data of the imaging date. The proposed algorithm, due to its applicability to the OLI / TIRS sensor, can be useful for the more accurate analysis of PPB in local study areas. However, it is necessary to better investigate temporal estimates for OLI / TIRS sensors with surface data, which integrated can determine more accurate values of PPB, especially in the more remote areas.
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/11385
Appears in Collections:Mestrado em Ciências Ambientais e Florestais

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
2018 - Mariana Campista Chagas.pdf2018 - Mariana Campista Chagas1.54 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.