Vitor Paiva Alcoforado Rebello
Título
EFEITO DA SECA NA VEGETAÇÃO COM SUPORTE DE SENSORIAMENTO REMOTO EM BIOMAS SITUADOS NO NORDESTE E NO SUDESTE DO BRASIL
Resumo
O trabalho investiga o efeito da seca nas plantas via monitoramento da vegetação por sensoriamento remoto, envolvendo aspectos como sazonalidade, produtividade e fenologia. A região de estudo foi a porção leste do Brasil, onde se observou uma severa seca no período de 2013 a 2015, com enfoque sobretudo nos biomas de mata atlântica, cerrado, caatinga e porção da Amazônia. O índice de vegetação NDVI, obtido do sensor MODIS, foi empregado no estudo do comportamento da vegetação. Adicionalmente, o estudo incorporou dados de modelos de superfície GLDAS, dados de reanálise, índices de seca e dados observados de redes de estação meteorológica para melhor compreensão do efeito climático sobre a vegetação. Análises mediante componentes principais e decomposição por valor singular apontaram para a capacidade preditiva de variáveis hidrológicas como precipitação, umidade do solo e evapotranspiração, nessa respectiva ordem, quanto a anomalias na vegetação. A caatinga mostrou-se como a região mais susceptível à seca e com maior potencial para predição de anomalias. Os parâmetros sazonais do NDVI, como amplitude, integral da curva, máximo anual e valor basal da curva do perfil de variação temporal do NDVI, foram sensíveis à severidade da seca, mas também dependente da duração total da seca e da sua persistência ao longo do tempo, mostrando que esses dois últimos fatores são relevantes na consideração do impacto do déficit hídrico na cobertura do solo.
Abstract
The research work investigates the effect of drought on plants by monitoring vegetation based on remote sensing, involving aspects such as seasonality, productivity and phenology. The study region was the eastern portion of Brazil, where there was a severe drought from 2013 to 2015, mainly focusing on the biomes of atlantic forest, cerrado, caatinga and a portion of the Amazon forest. The vegetation index NDVI obtained with the MODIS sensor was employed. In addition, the study incorporated GLDAS surface model data, reanalysis data, drought indices and observed data from ground meteorological network of weather stations for improved comprehension with respect to climatic effect on vegetation. Evaluation by means of principal components and singular value decomposition pointed out to the impact of the behavior of hydrological variables such as precipitation, soil moisture and evapotranspiration, in that order, to predict vegetation anomalies.
Caatinga revealed to be the most susceptible region to drought and with the highest potential for anomaly prediction. The NDVI seasonal parameters such as amplitude, integral curve, annual maximum and baseline profile curve of NDVI temporal variation were sensitive to drought severity, but also dependent on the total duration of drought and its temporal persistence, showing that these two last factors are relevant in considering the impact of water deficit on soil cover.
