relações entre a temperatura mínima do ar e da relva e a
Post on 09-Jan-2017
216 Views
Preview:
TRANSCRIPT
1
1. Introdução
A temperatura da superfície terrestre (TST) representa um importante
papel no entendimento do processo de interação entre a superfície e a atmosfera,
visto que boa parte da variação espacial e temporal ocorrida na atmosfera é
ocasionada por influência da superfície terrestre. A TST é determinante dentre os
fatores que condicionam o ambiente propício aos animais, plantas e ao próprio
homem, influenciando as atividades agropecuárias, agindo no desenvolvimento de
plantas e em processos físicos, químicos e biológicos.
No contexto agronômico, o conhecimento da TST é extremamente útil na
detecção e monitoramento do estresse hídrico de culturas, no monitoramento de
estiagens e na detecção de queimadas. De uma maneira geral, as plantas têm
exigências próprias quanto a variações de temperatura do solo e do ar, requerendo
uma faixa ótima, dentro da qual o crescimento e o desenvolvimento ocorrem
normalmente.
Apesar da importância destes elementos na maioria das regiões brasileiras
a escassez de observações meteorológicas é uma característica evidente, o número
de estações meteorológicas, geralmente, é pequeno, tornando baixa a densidade
geográfica das informações disponíveis. Em muitas situações, embora existam longas
séries de dados para algumas localidades, não há registros exatamente naquela
localidade em que se está interessado.
Neste contexto, o sensoriamento remoto orbital é, na escala temporal e
espacial, um meio eficaz para o monitoramento do sistema superfície-atmosfera. A
representatividade espacial e temporal da observação obtida por satélites é
imprescindível para uma melhor compreensão do comportamento e da interação das
variáveis meteorológicas.
A coincidência de condições meteorológicas propícias (noites com
ausência de nebulosidade e baixa umidade do ar), tanto à ocorrência de baixas
temperaturas, quanto ao imageamento através de sensores orbitais, favorece e
estimula a concepção de técnicas que busquem estimar a TST através de sensores
remotos. Determinada a TST torna-se possível estabelecer relações que permitam
estimar também a temperatura do ar. O CEPSRM (Centro Estadual de Pesquisas em Sensoriamento Remoto e
Meteorologia) possui uma estação receptora de imagens do satélite NOAA (National
Oceanic and Atmospheric Administration). Dados extraídos dessas imagens permitem
estimar a TST a partir da energia emitida na porção infravermelha do espectro
eletromagnético.
2
O objetivo geral deste trabalho é dar continuidade aos estudos
relacionados à estimativa da temperatura da superfície terrestre no Estado do Rio
Grande do Sul utilizando imagens do satélite NOAA, sensor AVHRR/3 (Advanced Very
High Resolution Radiometer).
E como objetivos específicos, têm-se:
1. Avaliar as diferenças entre a temperatura mínima do ar medida
no abrigo meteorológico e a temperatura mínima do ar na relva.
2. Estimar a temperatura mínima do ar na relva, a partir do ajuste
de funções com a temperatura mínima do ar medida no abrigo.
3. Monitorar as variações temporais e espaciais da TST, utilizando
imagens infravermelhas do satélite NOAA e comparar estes resultados
com a temperatura do ar medida no abrigo meteorológico.
3
2. Revisão Bibliográfica
2.1 Processo de aquecimento do ar 2.1.1 Balanço de radiação na superfície Diversos fluxos energéticos determinam a temperatura do ar e do solo
próximo à superfície terrestre. Estes fluxos, que podem ser de ondas curtas (0,3 a
3,0µm) ou de ondas longas (>3,0µm), resultam da interação da radiação solar com a
atmosfera e a superfície (Figura 1).
Figura 1. Interação entre os fluxos radiativos e a superfície.
No espectro de ondas curtas, visível e infravermelho próximo, chega à
superfície da terra a radiação solar global (Rg) que, ao interagir com a mesma, tem
uma parcela refletida para atmosfera (Rr). Por sua vez, dentro da faixa de ondas
longas, no infravermelho térmico, tem-se, no sentido da superfície, um fluxo de
radiação de origem atmosférica (OL↓), concomitantemente com um fluxo de sentido
contrário e originado na superfície (OL↑).
Estas trocas verticais entre a quantidade de energia radiante incidente e a
quantidade de energia radiante que emerge do solo constituirá o saldo de radiação da
superfície (Rn), dado por:
Rn = Rg – Rr + OL↓ + OL↑ (1)
Os termos referentes ao espectro de ondas curtas no saldo de radiação
são conseqüência da radiação solar que alcança a atmosfera, portanto, só existem
4
durante o dia. Esses termos são maiores do que os termos do espectro de ondas
longas, então o saldo de radiação será positivo durante o dia e máximo no momento
da máxima incidência de radiação solar. À noite o saldo de radiação resultante se
refere somente aos termos do espectro de ondas longas, sendo negativo.
2.1.2 Balanço de energia A energia resultante do saldo de radiação será fracionada nos fluxos de
calor latente de evaporação (LE), de calor sensível no ar (H) e no solo (S), bem como
armazenado no sistema e usado no processo de fotossíntese. Não considerando estes
dois últimos termos e na ausência de advecção o balanço de energia simplificado
será:
Rn ≅ LE + H + S (2)
A maior porção do saldo de radiação é utilizada nas trocas de calor latente
e calor sensível com a atmosfera. A distribuição proporcional entre estes dois termos
depende da disponibilidade de água para a evaporação. Essa distribuição é
influenciada, direta ou indiretamente, pela demanda evaporativa da atmosfera, tipo e
grau de cobertura do solo e umidade do solo. Já a menor porção do saldo de radiação
é utilizada para o aquecimento do solo. Fontana et al. (1991), trabalhando em
superfície coberta com soja, verificaram as diferenças na partição de Rn segundo as
condições de umidade e cobertura do solo. Em condições irrigadas, Rn foi
particionado em cerca de 95% para LE, restando 3% para H e 2% para S. Nas
parcelas não irrigadas os autores observaram que em média 78, 15 e 7% de Rn foram
utilizados em LE, H e S, respectivamente.
O aquecimento do ar será determinado pelo fluxo de calor sensível para
atmosfera, o qual depende da magnitude do gradiente de temperatura entre a
superfície e o ar e é expresso por:
dzdTcKH phρ−= (3)
onde: ρ é a densidade do ar; Kh é o coeficiente de difusividade turbulenta; cp é o calor
específico do ar e dT/dz é o gradiente de temperatura entre o nível z1 e o z2.
Durante o dia, como o saldo de radiação é positivo há aquecimento do ar,
fluxo de calor sensível positivo, ou seja, no sentido superfície-atmosfera. À noite
5
quando o saldo de radiação é negativo ocorre resfriamento do ar, fluxo de calor
sensível negativo. O perfil de temperatura típico de uma noite de intenso resfriamento
do ar próximo a superfície e, conseqüentemente, inversão térmica é mostrado na
Figura 2.
Figura 2. Perfil de temperatura de uma noite de inversão térmica. Ts é a
temperatura da superfície. Fonte: Torsani, 1993.
2.2 Temperatura mínima do ar no abrigo e na relva As temperaturas no nível do solo podem diferir consideravelmente dos
valores observados no abrigo meteorológico. Em noites de intensa irradiação a
diferença entre a temperatura mínima do ar no abrigo (Tar) e na relva (Trel) pode
chegar a 5°C (Bootsma, 1976a e 1980).
As diferenças entre a Tar e a Trel dependem das condições atmosféricas,
da topografia e das características da superfície. As maiores diferenças ocorrem em
noites sem nebulosidade, com ventos fracos e baixa umidade do ar, o que possibilita
uma intensa emissão de radiação pela superfície favorecendo a inversão térmica.
Bootsma (1976b) correlacionou vários elementos meteorológicos com as
diferenças entre as temperaturas mínimas do ar no abrigo e na relva, utilizando dados
do Canadá e verificou que as variáveis de maior significância na regressão foram a
nebulosidade e a velocidade do vento, explicando cerca de 74% das variações das
diferenças. Na região sul do Brasil a diferença entre a Tar e a Trel tem sido muito
discutida, devido as freqüentes perdas causadas pelas geadas em diversas culturas.
Em São Paulo, Sentelhas et al. (1995) verificaram que 78% da variação das diferenças
entre as temperaturas mínimas do ar no abrigo e na relva foi explicada pela velocidade
do vento.
6
Neste mesmo Estado, Fagnani e Pinto (1981) observaram que a diferença
média entre a temperatura mínima do ar no abrigo e a mínima do ar na relva foi de
5,6°C.
No Estado do Paraná Grodzki et al. (1996) obtiveram diferenças que
variaram de 2,8 a 3,8 0C.
Segundo Pola (1993), citado por Silva e Sentelhas (2001), a diferença
média abrigo-relva em noites de geada em Caçador (SC) foi 2°C. Um estudo mais
abrangente, que levou em consideração oito localidades do Estado de Santa Catarina
foi desenvolvido por Silva e Sentelhas (2001). Neste, a diferença média entre a
temperatura mínima do ar no abrigo e na relva, em noites de geada, variou de 2,1 a
4,8°C. Os autores destacaram a influência da altitude na magnitude dessa variável.
Heldwein et al. (1988) verificaram que a diferença média entre a
temperatura mínima do ar no abrigo e na relva, em Santa Maria (RS), variava de
2,30C, em fevereiro, a 3,40C, em abril. Também foi observado que as maiores
diferenças estavam associadas aos meses do semestre frio (abril a setembro).
Oliveira (1997) estudou as diferenças entre a Tar e a Trel, em todo Estado
do Rio Grande do Sul. As diferenças médias variaram, por local, de 1,4 a 3,70C, sendo
que a média das diferenças nas dez localidades analisadas foi de, aproximadamente,
30C. Através da análise da distribuição de freqüência das diferenças foi observado,
que o valor médio de 30C, está situado no intervalo de 2,1 a 40C, onde se encontraram
cerca de 50% das diferenças de temperatura entre os dois níveis.
2.3 Imagens AVHRR/NOAA
Atualmente existem cinco satélites da série NOAA em operação, o NOAA-
12, o NOAA-14, o NOAA-15, o NOAA-16 e o NOAA-17 (o NOAA-18 foi lançado neste
mês, mas as imagens ainda não estão operacionais). Esta série gera diariamente
observações globais de padrões meteorológicos e condições ambientais, que são
utilizados em diversas áreas do conhecimento como produção agrícola, uso e
cobertura do solo, estudos oceanográficos, hidrológicos e de parâmetros
meteorológicos.
Estes satélites têm órbitas quase-polares, isto significa que passam nos
pólos ou perto deles e heliossíncronas, pois, giram a mesma taxa e direção que a
translação média diária da terra em torno do sol. Suas órbitas permanecem sempre no
mesmo plano enquanto a Terra gira à razão de 15 graus por hora. Portanto, a cada
passagem, a espaçonave observa novas regiões, sobre as quais o sol está
7
aproximadamente na mesma posição (na mesma hora solar) que na passagem
anterior.
O período das órbitas dos satélites NOAA é, aproximadamente, 102
minutos, sendo realizadas 14,1 órbitas por dia (Kidwell, 1995). Estes satélites operam
em pares, com órbitas em quadratura, o que permite imageamento completo do globo
a cada seis horas (Liu e Ming, 1998).
O sensor AVHRR/2 (Advanced Very High Resolution Radiometer), utilizado
nos satélites NOAA-12 e NOAA-14, opera em cinco bandas espectrais, as quais se
situam nas regiões do visível, infravermelho próximo e infravermelho termal do
espectro eletromagnético (Tabela 2). Em sua última modificação houve o implemento
de mais uma banda (3A) e aperfeiçoamentos espectrais nos canais visíveis. O novo
radiômetro, AVHRR/3, está a bordo das espaçonaves NOAA-15, NOAA-16 e NOAA-
17.
Tabela 1. Características gerais dos satélites NOAA.
Satélite NOAA-12 NOAA-14 NOAA-15 NOAA-16 NOAA-17
Lançamento 14/05/1991 30/12/1994 13/05/1998 21/09/2000 24/06/2002
Órbita Polar e
heliossíncrona
Polar e
heliossíncrona
Polar e
heliossíncrona
Polar e
heliossíncrona
Polar e
heliossíncrona
Altitude 833 km 870 km 833 km 870 km 833 km
Inclinação 98,6º 98,9º 98,7º 98,7º 98,7º
Tempo de Duração
da Órbita 101,2 min 102 min 101 min 102 min 102 min
Resolução espacial 1,1 Km 1,1 Km 1,1 Km 1,1 Km 1,1 Km
Período de Revisita Diário Diário Diário Diário Diário
Instrumentos
Sensores AVHRR e TOVS AVHRR e TOVS
AVHRR/3 e
TOVS
AVHRR/3 e
TOVS
AVHRR/3 e
TOVS
Tabela 2. Bandas espectrais do sensor AVHRR/3.
Banda
Comprimento de
onda (µm) 1 0,58 – 0,68 Bandas do Visível
Bandas do Infravermelho
Próximo 2 0,73 – 1,10
3A 1,58 – 1,64
3 3,50 – 3,90
4 10,3 – 11,3
Bandas do Infravermelho 5 11,5 – 12,5
Fonte: Goodrum et al., 2001.
8
2.4 Determinação da temperatura da superfície terrestre através de sensores remotos
Sob condições ideais a temperatura de um corpo negro (corpo irradiador
ideal) pode ser determinada detectando-se a energia que este emite em um
comprimento de onda específico, de acordo com a lei de radiação de Planck (1900),
dada por:
( ) ( )1251
−=
TCeC
Mλλ
λ (4)
onde: M(λ) é a potência irradiada por unidade de área em um dado comprimento de
onda λ, que parte da superfície do corpo negro (W m-2); λ é o comprimento de onda
(m); T é a temperatura do objeto (K); C1 e C2 são constantes (C1= 3,742x108 e C2=
1,439x104).
A determinação da TST, através do uso de sensores orbitais, se baseia na
medida de radiância. Esta grandeza descreve a energia emitida pela superfície de um
corpo aquecido, em equilíbrio térmico, contida em um ângulo sólido e detectada pelo
sensor (Bramson, 1968). A radiância é obtida pelo cálculo da média ponderada da
função de distribuição de Planck sobre a função resposta do sensor no canal
específico, podendo ser expressa na forma de somatório, conforme a expressão:
( ) ( ) ( )( ) λλφ
λλφλ
ddM
TL∑
∑= (5)
onde: L(T) é a radiância e Φ(λ) é a curva de resposta do sensor como função do
comprimento de onda λ.
A partir das equações 4 e 5 é possível quantificar a temperatura de brilho
dos objetos na superfície, ou seja, a temperatura do objeto estimada a partir da
potência irradiada pelo mesmo. No caso do corpo negro, a temperatura de brilho é a
própria temperatura do objeto.
As superfícies naturais, entretanto, não são capazes de converter toda sua
energia térmica em radiação eletromagnética, como é previsto pela Lei de Planck para
um corpo negro (Figura 3). Por isso, é necessário a introdução de um parâmetro de
correção, denominado emissividade (ε(λ)). A emissividade compara a habilidade dos
materiais reais em emitirem energia como um corpo negro, ε(λ) apresenta valores que
9
variam de 0 a 1 e depende do comprimento de onda, da rugosidade, umidade e do
tipo de cobertura do solo, além de outros parâmetros físicos (Andersen, 1997).
Figura 3. Espectro de emissão comparativo de hipotéticos corpos negros a
235K e 263K e a emissão do solo a 288K. Fonte: Ometto, 1981.
Além disso, a temperatura de brilho (Becker e Li, 1990) medida na faixa do
infravermelho termal pelo sensor a bordo de um satélite, é afetada pelas
características de absorção dos componentes atmosféricos e pela emissão da
radiação pela atmosfera.
Assim, as estimativas da TST obtidas a partir da temperatura de brilho
devem, necessariamente, conter correções devidas principalmente à atenuação
atmosférica e à natureza heterogênea da emissividade da superfície terrestre.
A fim de reduzir as interferências atmosféricas nas medidas feitas pelo
sensor AVHRR, Anding (1970) e Mcmillin (1975) propuseram a combinação dos
canais 4 e 5 deste sensor, como forma de estimar a atenuação causada pela presença
de vapor d’água na atmosfera. Sabe-se que este é o principal fator causador de
interferências atmosféricas nas estimativas da temperatura da superfície do mar. Esta
técnica é usualmente conhecida como janela dividida local, ou split window, e
apresenta resultados satisfatórios desde que as emissividades das superfícies
estudadas sejam conhecidas.
A grande variabilidade espacial da emissividade da superfície terrestre
dificulta seu conhecimento e, conseqüentemente a precisão das estimativas da TST.
Por este motivo, vários métodos empíricos foram desenvolvidos para a estimativa da
emissividade da superfície terrestre. Entre eles, destacam-se os que utilizam como
estimador da emissividade o índice de vegetação por diferença normalizada,
usualmente expresso como NDVI (Normalized Difference Vegetation Index) (Kerr et
al., 1992; Griend e Owe, 1993; Valor e Caselles, 1996).
10
O NDVI é utilizado como fator de indicação de características de
emissividade da superfície em todo o mundo, sendo considerado mais representativo
do que os modelos similares que estimam o tipo de cobertura do solo. Segundo Valor
e Caselles (1996) foi encontrada alta correlação entre a emissividade e o NDVI por
Van De Griend e Owe (1993) para região de Botswana. Os autores propuseram um
método usando as relações entre a emissividade e o NDVI, salientadas por Van De
Griend e Owe (1993), associadas a um modelo teórico proposto por Sobrino e
Caselles (1991), que utiliza a emissividade média das bandas 4 e 5.
Gusso (2003) desenvolveu um estudo no Estado do Rio Grande do Sul
usando imagens NOAA para estimar a TST. O autor comparou a temperatura do ar
medida em estações meteorológicas de superfície com a TST estimada pelos métodos
de Becker e Li (1990), Kerr et al. (1992) e Sobrino et al. (1993). Os resultados
mostraram que o método de Sobrino et al. (1993) foi o mais adequado entre os
métodos testados para a estimativa das temperaturas noturnas no Estado. Embora,
ainda seja necessário um aprofundamento teórico com relação aos efeitos
atmosféricos sobre regiões tropicais, especialmente quanto à inclusão da variável
vapor d’água presente na atmosfera e quanto à identificação dos fatores relacionados
à variação temporal da emissividade da superfície terrestre.
Gusso (2003), salienta, ainda, que, a acurácia da estimativa de TST
comparada a dados de temperatura do ar medida em estação meteorológica, está
sujeita a restrições oriundas, entre outros, de diferenças quanto a: natureza da medida
(temperatura radiante e temperatura cinética); nível de medição (superfície e 1,5m de
altura); resolução espacial (pixel de 1x1km e pontual); tecnologias distintas (sensor
eletrônico a bordo de satélite e termômetro de mercúrio).
11
3. Material e métodos
3.1 Área de estudo
O estudo foi realizado no Estado do Rio Grande do Sul, localizado no
extremo sul do Brasil, sendo delimitado pelas latitudes 27o05’ e 33o45’ Sul e as
longitudes 49o43’ e 57o39’ Oeste. As altitudes variam do nível médio do mar até
1.200m na região do Planalto Superior.
3.2 Dados
3.2.1 Temperatura mínima do ar no abrigo e na relva Foram coletados 11 anos (1980/1990) de dados diários da temperatura
mínima do ar medida no abrigo e da temperatura mínima do ar na relva provenientes
de oito estações meteorológicas distribuídas por todo o Estado do Rio Grande do Sul
(Tabela 3 e Figura 4).
Tabela 3. Estações meteorológicas do Rio Grande do Sul selecionadas
para o estudo.
Localidade Altitude (m) Latitude Longitude
Cruz Alta 472 -28º38’ -53º36’ Encruzilhada do
Sul 427 -30º32’ -52º31’
Maquiné 32 -29º40’ -50º13’
Rio Grande 2 -32º01’ -52º05’
Santa Rosa 360 -27º51' -54º25'
São Gabriel 124 -30º10’ -54º19’
Uruguaiana 62 -29º45’ -57º05’
Veranópolis 705 -28º56’ -51º33’
12
Figura 4. Distribuição espacial das estações meteorológicas.
A temperatura mínima do ar e a mínima de relva foram obtidas dos
registros das leituras do termômetro de mínima (álcool etílico) instalado a 1,5m da
superfície (abrigo meteorológico) e a 0,05m do solo gramado, respectivamente.
Também foram utilizados dados da temperatura do ar registrados no
termógrafo, a 1,5m da superfície, em horário coincidente com o da passagem do
satélite NOAA, para as localidades de Encruzilhada do Sul, Santa Rosa, São Gabriel e
Veranópolis.
Os dados foram obtidos da rede de estações agrometeorológicas da
FEPAGRO (Fundação Estadual de Pesquisa Agropecuária/ SCT).
3.2.2 Temperatura da superfície terrestre A TST foi obtida a partir de imagens dos satélites NOAA-12, 15 e 16 de
dois períodos: 25 a 29 de janeiro e 9 a 12 de julho de 2004 (Tabelas 4). As etapas do
processamento das imagens estão sumarizadas na Figura 5.
As imagens NOAA foram adquiridas no formato HRPT (High Resolution
Picture Transmission) e, posteriormente, transformadas para o ambiente
ERDAS/Image. Nesta transformação são efetuadas as correções para a distorção
panorâmica, radiância das bandas 1 e 2 e ângulo de incidência solar.
Na correção geométrica foi utilizada, primeiramente, uma transformação
polinomial (terceiro grau) com base nos parâmetros da órbita do satélite. Em seguida
foi feito um segundo georreferenciamento a partir da coleta nas cartas do exército
(1:250.000), de pontos de controle distribuídos homogeneamente sobre o Estado. O
erro médio obtido no processo de georreferenciamento foi de um pixel (1x1Km). A
13
reconstrução da imagem foi feita por interpolação usando o algoritmo do vizinho mais
próximo.
Tabela 4. Relação das imagens do mês de janeiro e julho, respectivamente, utilizadas
para a estimativa da TST.
Imagem Data Hora
04025a15 25/01 06:55
04025b15 25/01 19:17
04026a16 26/01 02:50
04026a12 26/01 05:30
04026a15 26/01 06:32
04026b16 26/01 15:18
04026b15 26/01 18:54
04027a16 27/01 02:38
04027a12 27/01 05:05
04027b16 27/01 15:06
04028a16 28/01 02:27
04028a12 28/01 04:41
04028a15 28/01 19:47
04029a16 29/01 02:15
04029a15 29/01 07:01
Imagem Data Hora
04190a15 08/07 07:02
04190b12 08/07 17:27
04190b15 08/07 19:23
04191a12 09/07 04:41
04191a15 09/07 06:38
04191b12 09/07 17:03
04191b15 09/07 19:00
04192a12 10/07 04:17
04192a15 10/07 06:14
04192b15 10/07 18:36
04193a16 11/07 03:00
04193a12 11/07 05:33
04193b16 11/07 15:28
04193b12 11/07 17:53
04194a16 12/07 02:48
04194a12 12/07 05:08
04194b16 12/07 15:16
As temperaturas de brilho, obtidas através da equação de Planck, foram
utilizadas para estimativa da TST pelo método de Sobrino et al. (1993), dado por:
ε)()T)](TT(T,,[TTST −+−−++= 164620530 54544 (6)
onde: T4 e T5 são as temperaturas de brilho nas bandas 4 e 5, respectivamente e ε é a
emissividade.
Para a estimativa da emissividade foram analisadas todas as imagens
diurnas dos meses de janeiro e julho, sendo selecionadas as mais adequadas para o
procedimento. A emissividade da superfície foi calculada pelo modelo proposto por
Valor e Caselles (1996):
( ) ( )VVVV PPPP −+−+= 106,0196,0985,0ε (7)
14
Nesta equação Pv é dado por:
−−
−
−
=
ivik
igi
igi
PV11
1 (8)
e k é dado por:
gg
vv
ρρρρ
k12
12
−−
= (9)
onde: i é o NDVI, ig é o NDVI do solo descoberto, iv é o NDVI da superfície vegetada e
ρ1 e ρ2 são as reflectâncias nas bandas 1 e 2 do AVHRR.
Os valores de NDVI foram calculados de acordo com o modelo proposto
por Rouse et al. (1973), onde o NDVI é dado por:
12
12
ρρ
ρρNDVI
+
−= (10)
A partir das imagens de NDVI diárias foi gerada uma composição do
máximo valor (CMV), na qual o pixel, geograficamente registrado, correspondente ao
maior valor de NDVI, numa série de n dias, é selecionado para compor uma nova
imagem em que a interferência da atmosfera é reduzida (Figura 6). O objetivo principal
da técnica CMV é minimizar a influência na cena de fatores como: nebulosidade,
variações do ângulo de iluminação solar e geometria da visada, assim como da
atmosfera (vapor de água, aerossóis) (Ferreira et al., 2004).
15
Figura 5. Fluxograma dos procedimentos adotados no processamento das
imagens NOAA.
Figura 6. Composição da imagem segundo o critério do máximo valor de
NDVI. Fonte: Ferreira et al., 2004.
Para a identificação das nuvens presentes nas imagens foi utilizado o
algoritmo de Chen et al. (2002). Neste, diferenças de temperatura entre a banda 3 e a
banda 4 acima de um determinado limiar, indicam as regiões com presença de
nuvens. Esse algoritmo auxiliou no processo de escolha das imagens que participaram
das análises em cada estação meteorológica. Feita esta seleção foram aplicadas às
imagens originais uma máscara do Estado de forma a eliminar as regiões externas ao
mesmo e uma escala de cores, associada às faixas de temperatura (azul para as
menores temperaturas e vermelho para as maiores temperaturas).
16
3.3 Análises
3.3.1 Relação entre a temperatura mínima do ar no abrigo e na relva A partir do conjunto de dados obtidos nas estações meteorológicas foi
calculada a série de diferenças entre a Tar e a Trel para todas as localidades e meses
do ano. Para esta nova série foram calculadas as estatísticas básicas (média, máximo,
mínimo e variância) e foram feitos os histogramas das distribuições de freqüências,
adotando intervalos de classe de 1oC.
Após, usando as séries originais foram ajustadas equações de regressão
linear (Equação 11) entre a Tar e a Trel através do método dos mínimos quadrados,
para as localidades individualmente e também para o conjunto total de dados em
todos os meses do ano.
baxY += (11)
onde: Y é a temperatura mínima de relva (0C), x é a temperatura mínima do ar (0C) e a
e b são o coeficiente angular e o intercepto da equação.
O grau de ajuste das equações foi avaliado pelo coeficiente de
determinação (R2), que revela a proximidade dos valores estimados na linha de
tendência em correspondência com os valores reais. A significância dos coeficientes
de determinação foi verificada pelo teste F.
As equações ajustadas para cada localidade, assim como para todo
Estado, foram testadas usando um novo grupo de dados da Tar e da Trel, para as
localidades de Encruzilhada, São Gabriel, Uruguaiana, Veranópolis e Taquari.
3.3.2 Relação entre a temperatura da superfície terrestre e a temperatura do ar
Os valores de TST, determinados pelo método de Sobrino et al. (1993),
foram extraídos das imagens usando uma janela de amostragem composta por 9
pixels centralizados sobre as estações meteorológicas, onde foram coletados os
dados da temperatura do ar.
As estimativas da TST em cada estação foram comparadas com os dados
obtidos nos termógrafos, em horários simultâneos aos das imagens. Estes dados
foram plotados em gráficos mostrando a variação temporal da temperatura do ar e da
TST ao longo do período estudado, as diferenças entre essas variáveis foram
17
calculadas. Devido a indisponibilidade de gráficos do termógrafo em algumas
localidades estas análises foram feitas somente em Encruzilhada do Sul (Julho), Santa
Rosa, São Gabriel e Veranópolis.
As estimativas da TST para os horários próximos ao de ocorrência da
temperatura mínima do dia foram comparadas com a temperatura mínima do ar (relva
e abrigo meteorológico) medida nas estações meteorológicas. Os resultados foram
mostrados na forma de tabelas e gráficos de dispersão. Não participaram destas
análises as localidades de Rio Grande e Encruzilhada do Sul, devido a falta de dados.
18
4. Resultados e Discussão
4.1 Relação entre a temperatura mínima do ar no abrigo e na relva
Na Tabela 5 são apresentadas as estatísticas (média, máximo, mínimo e
variância) da diferença entre a temperatura mínima do ar no abrigo e na relva para os
doze meses do ano.
As diferenças encontradas entre a Tar e a Trel, foram, geralmente,
positivas. Isto é esperado, já que, devido ao fenômeno de inversão térmica que ocorre
normalmente durante a noite, a temperatura observada próximo a superfície é menor
do que aquela a 1,5m de altura.
A média anual das diferenças variou de 1,3oC (Cruz Alta) a 3,0oC (São
Gabriel), sendo 2,0oC a diferença média considerando todas as localidades
analisadas. Estes resultados concordam com estudos anteriores realizados por outros
autores, como por exemplo, o trabalho de Oliveira (1997) que encontrou diferenças
médias variando de 1,4 a 3,7oC, em dez localidades do Estado do Rio Grande do Sul.
Silva e Sentelhas (2001) observaram uma diferença média de 3,3oC em oito
localidades de Santa Catarina e Grodzki et al. (1996) obtiveram diferenças médias de
2,8 a 3,8oC no Estado do Paraná.
As menores diferenças médias ocorreram, em geral, nos meses de verão,
principalmente janeiro e fevereiro, enquanto as maiores diferenças parecem estar
relacionadas aos meses de inverno e primavera. Heldwein et al. (1988), também
verificaram que em Santa Maria as diferenças foram mais elevadas no semestre frio, o
que foi atribuído ao número maior de dias com ocorrência de inversão térmica nesta
época, provavelmente porque as noites são mais longas e a umidade especifica do ar
é menor.
A variabilidade dos valores das diferenças foi grande, sendo que a
variância média ficou entre 1,0 oC, em Veranópolis e 8,0 oC, em Rio Grande.
Em Rio Grande foi observado um padrão distinto das outras localidades,
sendo a menor diferença média, por exemplo, observada em junho e a maior em
setembro e dezembro. A variância, nesta localidade foi muito maior que a observada
nas demais. Uma possível explicação para isso pode estar relacionada à alta umidade
do ar e velocidade do vento, que são elementos meteorológicos que influenciam nas
diferenças entre a Tar e a Trel, como foi mostrado por Bootsma (1976b), Heldwein
(1988) e Sentelhas et al.(1996).
19
Tabela 5. Estatísticas da diferença, ao longo do ano, entre a temperatura mínima do ar no abrigo e na relva em 8 estações meteorológicas localizadas no Estado do Rio Grande do Sul, 1980 - 1990.
Estatística Jan Fev Mar Abr Maio Jun Jul Ago Set Out Nov Dez Ano Cruz Alta
Média 1,4 1,0 1,2 1,4 1,4 1,6 1,2 1,6 1,3 1,3 1,2 1,5 1,3
Máximo 14,4 8,7 12,8 15,0 12,6 9,0 6,8 13,8 8,2 10,4 -11,2 13,4 15,0
Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0
Variância 3,2 1,9 3,7 2,5 3,2 3,6 2,4 3,8 2,2 3,4 3,5 6,3 3,3 Encruzilhada do Sul
Média 1,2 1,1 1,3 1,4 1,6 1,6 1,6 1,5 1,3 1,4 1,1 1,3 1,4
Máximo 4,6 10,6 4,6 4,8 6,8 -9,4 6,4 -13,4 6,6 5,2 -13,6 11,0 -13,6
Mínimo 0 0 0,1 0 0,1 0,1 0 0,2 0,2 0 0,1 0,2 0
Variância 0,9 1,7 1,0 1,3 2,3 2,6 1,7 2,4 1,4 1,3 2,3 1,8 1,7 Maquiné
Média 2,2 2,3 2,8 3,3 2,8 2,7 2,8 2,7 2,7 3,0 2,8 2,6 2,7
Máximo -14,6 8,4 11 14,4 12,3 10,1 5,8 7,7 -9,7 7,2 7,9 8,3 -14,6
Mínimo 0 0,2 0,4 0,4 -0,3 0 0,1 0,1 -0,1 -0,2 0,2 0,2 0
Variância 3,3 2,9 5,1 6,7 4,7 1,8 1,2 1,8 2,7 2,4 2,7 2,9 3,2 Rio Grande
Média 2,5 2,3 2,4 2,5 2,2 1,9 2,1 2,5 2,6 2,3 2,3 2,6 2,3
Máximo 12,0 20,8 -12,8 17,6 13,0 13,4 11,0 14,5 16,0 13,0 13,8 12,0 20,8
Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0
Variância 9,3 9,8 8,9 10,1 8,7 7,1 4,9 5,9 8 8,6 6,8 8,4 8,0 Santa Rosa
Média 1,9 1,6 2,1 2,0 2,2 2,0 2,2 2,1 2,2 2,6 2,5 2,6 2,2
Máximo 9,0 8,4 7,6 6,2 -8,6 7,8 8,4 8,6 11,8 8,4 8,4 9,6 11,8
Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0
Variância 2,3 2,0 2,5 2,8 4,6 3,4 3,6 3,3 4,0 3,8 3,3 2,8 3,2 São Gabriel
Média 2,7 2,6 2,6 2,9 3,2 3,3 3,2 3,1 3,2 3,1 3,1 3,1 3,0
Máximo 6 6,2 5,9 6,7 7,4 8,6 6,9 6,8 8,3 7,4 7,7 9,0 9,0
Mínimo 0,6 0,5 0,6 -0,2 0,4 0,4 -0,1 0,5 0,2 0,1 0 0,7 0
Variância 1,0 1,1 1,0 1,4 2,2 2,4 2,1 1,5 2,0 1,6 1,7 1,8 1,7 Uruguaiana
Média 1,4 1,8 1,8 1,6 2,0 2,4 2,1 2,1 2,2 2,4 1,5 1,5 1,9
Máximo 5,4 8,3 8,0 9,0 -14,6 11,1 8,1 10,4 13,0 16,8 9,8 12,6 16,8
Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0
Variância 2,0 2,4 2,6 2,3 4,1 3,3 2,4 2,8 4,1 7,0 3,4 4,7 3,4 Veranópolis
Média 1,3 1,2 1,3 1,4 1,5 1,4 1,5 1,4 1,4 1,5 1,3 1,4 1,4
Máximo -9,0 5,6 10,8 10,8 4,8 4,4 5,6 6,0 5,7 6,4 6,2 7,0 10,8
Mínimo 0 0 0 0 0 0 0 0 0 0 0 0 0
Variância 0,8 0,6 0,8 1,1 1,1 1,0 1,1 1,1 1,3 1,2 0,9 0,7 1,0
20
Comparando as diferenças médias observadas ao longo do ano entre as
localidades estudadas, verifica-se que em Maquiné e São Gabriel as diferenças foram
superiores às demais localidades. Observa-se, ainda, uma tendência das diferenças
serem menores nas localidades de maior altitude como Cruz Alta, Encruzilhada do Sul
e Veranópolis. Silva e Sentelhas (2001) observaram um comportamento contrário em
Santa Catarina, sendo que as maiores diferenças médias ocorreram nas maiores
altitudes e as menores nos locais de menor altitude. Os autores obtiveram um
coeficiente de determinação de 0,42 para a regressão linear entre as diferenças de
temperatura e a altitude. A Figura 7 ilustra os resultados obtidos para o Rio Grande do
Sul, o coeficiente de determinação para equação de regressão linear foi 0,59.
Os resultados, em princípio contraditórios, obtidos neste trabalho em
relação aos obtidos por Silva e Sentelhas (2001), possivelmente, sejam conseqüência
da tentativa de estabelecer um modelo simples (somente altitude) para explicar um
processo complexo, onde diversos outros fatores contribuem para a definição da
diferença de temperatura entre a superfície e o ar.
Figura 7. Regressão linear entre a altitude e a diferença média da
temperatura mínima do ar (Tar) e da temperatura mínima de relva (Trel) nas localidades estudadas.
21
Os histogramas das distribuições de freqüência relativa da série de dados
da diferença entre a Tar e a Trel, para cada localidade, nos meses de janeiro, abril,
julho e outubro são apresentados nas Figuras 8 a 16. Nos Apêndices de A a I são
mostrados os histogramas para todos os meses do ano. Os histogramas são uma
ferramenta importante porque permitem visualizar a distribuição dos dados na série
estudada, fornecendo, portanto, mais detalhes sobre os dados do que somente o valor
médio.
Verifica-se a presença de três grupos com respostas distintas, que foram
selecionados pelas semelhanças na forma das suas distribuições de freqüência e pela
proximidade de suas médias.
O primeiro grupo é caracterizado pelas menores diferenças médias, sendo
que as diferenças variaram de 1,00C (Cruz Alta, fevereiro) a 1,60C (Cruz Alta, junho)
(Tabela 5) e por distribuições de freqüência semelhantes durante o ano. É importante
salientar que as localidades selecionadas para esse grupo, Cruz Alta, Encruzilhada do
Sul e Veranópolis (Figuras 8, 9 e 15), têm outra característica em comum, a grande
altitude. Em Cruz Alta e Encruzilhada do Sul observa-se distribuições muito
semelhantes. Nos meses analisados mais de 40% das ocorrências estão acumuladas
na classe de 1 a 20C. Veranópolis teve maior freqüência de ocorrência nas classes de
1 a 20C e 2 a 30C, com mais de 70% das ocorrências acumuladas nestas duas
classes.
As localidades selecionadas para o segundo grupo têm diferenças médias
um pouco maiores do que as do primeiro (Tabela 5) e seus histogramas se distinguem
das demais por apresentarem uma distribuição bastante uniforme para todas as
classes. Esse grupo é composto pelas localidades de Rio Grande, Santa Rosa e
Uruguaiana (Figuras 11, 12 e 14).
O terceiro grupo selecionado, do qual fazem parte Maquiné e São Gabriel
(Figuras 10 e 13), se caracteriza pelas maiores diferenças médias (Tabela 5), as quais
variaram de 2,20C em Maquiné no mês de janeiro a 3,30C em São Gabriel no mês de
junho e pelas menores altitudes. Neste grupo as maiores freqüências de ocorrência
estão nas classes com maiores diferenças, a classe com maior freqüência na maioria
dos meses é a de 3 a 40C.
Os histogramas das distribuições de freqüência levando em conta todas as
localidades do Estado (Figura 16) têm distribuição homogênea entre as classes, sendo
difícil distinguir uma classe que persista em todos os meses com maior freqüência de
ocorrência.
22
Figura 8. Histogramas das distribuições de freqüência relativa da diferença entre a Tar
e a Trel, para os meses de janeiro, abril, julho e outubro, em Cruz Alta, RS (1980-1990).
Figura 9. Histogramas das distribuições de freqüência relativa da diferença entre a Tar
e a Trel, para os meses de janeiro, abril, julho e outubro, em Encruzilhada do Sul, RS (1980-1990).
23
Figura 10. Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Maquiné, RS (1980-1990).
Figura 11. Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Rio Grande, RS (1980-1990).
24
Figura 12. Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Santa Rosa, RS (1980-1990).
Figura 13. Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em São Gabriel, RS (1980-1990).
25
Figura 14. Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Uruguaiana, RS (1980-1990).
Figura 15. Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e a Trel, para os meses de janeiro, abril, julho e outubro, em Veranópolis, RS (1980-1990).
26
Figura 16. Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e a Trel, para os meses de janeiro, abril, julho e outubro para todas as localidades do Rio Grande do Sul (1980-1990).
Na Tabela 6 são apresentados o coeficiente angular, o intercepto e o
coeficiente de determinação das equações de regressão linear ajustadas entre a
temperatura mínima do ar no abrigo e na relva, para cada localidade estudada em
todos os meses do ano. As Figuras 17 a 25 mostram os gráficos de dispersão entre
estas variáveis para os meses representativos de cada estação. O ajuste destas
equações torna-se interessante e útil porque num grande número de estações
meteorológicas a medida da temperatura mínima de relva não é feita e através do seu
uso é possível estimá-la a partir da temperatura mínima do ar, que é uma medida
obtida comumente.
Os valores de a, inclinação da equação de regressão, em todas as
localidades, ficaram em torno de 1, mostrando que variações na temperatura do ar a
1,5m de altura ocorrem em resposta a variações na temperatura próximo a superfície.
Já os valores de b, intercepto, foram mais variáveis, ficando compreendidos entre –5,0
e 6,0, sendo que na maioria das localidades esses valores foram negativos.
27
Tabela 6. Coeficientes a e b e coeficientes de determinação das equações de regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva durante o ano nas localidades estudadas (1980-1990).
Meses a b R2
Julho 1,03 -3,12 0,94
Agosto 1,04 -3,09 0,91
Setembro 1,00 -2,79 0,88
Outubro 0,97 -2,60 0,87
Novembro 0,92 -1,63 0,84
Dezembro 0,89 -0,64 0,78
Rio Grande Janeiro 1,05 -3,47 0,60
Fevereiro 0,83 1,05 0,49
Março 0,83 0,63 0,50
Abril 0,94 -1,64 0,57
Maio 0,85 -0,63 0,65
Junho 0,79 -0,30 0,60
Julho 0,84 -0,88 0,68
Agosto 0,96 -2,13 0,70
Setembro 0,93 -1,96 0,60
Outubro 1,00 -2,38 0,61
Novembro 0,92 -1,12 0,61
Dezembro 0,96 -1,91 0,57
Santa Rosa
Janeiro 0,86 0,96 0,69
Fevereiro 0,95 -0,62 0,74
Março 1,08 -3,63 0,78
Abril 1,08 -3,30 0,83
Maio 1,16 -4,23 0,87
Junho 1,06 -2,6 0,89
Julho 1,05 -2,77 0,89
Agosto 1,04 -2,64 0,87
Setembro 1,02 -2,5 0,84
Outubro 0,99 -2,35 0,79
Novembro 0,91 -0,94 0,74
Dezembro 0,91 -0,85 0,70
Meses a b R2
Cruz Alta Janeiro 0,85 1,45 0,69
Fevereiro 0,87 1,28 0,72
Março 0,93 -0,04 0,71
Abril 0,98 -1,08 0,82
Maio 0,98 -1,26 0,87
Junho 0,95 -1,25 0,85
Julho 0,91 -0,49 0,90
Agosto 0,94 -0,96 0,81
Setembro 0,97 -1,03 0,88
Outubro 0,95 -071 080
Novembro 0,96 -0,64 0,78
Dezembro 0,96 -0,85 0,58
Encruzilhada do Sul Janeiro 1,08 -2,64 0,91
Fevereiro 1,00 -1,15 0,79
Março 1,05 -2,13 0,90
Abril 1,06 -2,36 0,90
Maio 1,03 -2,01 0,89
Junho 1,04 -1,95 0,88
Julho 1,01 -1,70 0,91
Agosto 0,97 -1,29 0,87
Setembro 1,01 -1,42 0,92
Outubro 1,02 -1,66 0,92
Novembro 0,94 -0,30 0,83
Dezembro 0,99 -1,19 0,84
Maquiné Janeiro 0,83 1,08 0,69
Fevereiro 0,77 2,21 0,68
Março 0,67 3,45 0,58
Abril 0,69 1,77 0,65
Maio 0,94 -2,08 0,8
Junho 1,07 -3,32 0,93
28
Tabela 6. Continuação
Meses a b R2
São Gabriel Janeiro 0,89 -0,46 0,84
Fevereiro 0,94 -1,35 0,84
Março 0,94 -1,63 0,89
Abril 1,03 -3,42 0,91
Maio 1,10 -4,36 0,93
Junho 1,06 -3,81 0,92
Julho 1,04 -3,55 0,92
Agosto 1,03 -3,45 0,93
Setembro 0,99 -3,07 0,89
Outubro 0,94 -2,27 0,89
Novembro 0,91 -1,68 0,85
Dezembro 0,87 -0,70 0,76
Uruguaiana Janeiro 1,01 -1,70 0,80
Fevereiro 0,78 5,77 0,77
Março 0,99 -1,57 0,80
Abril 1,05 -2,44 0,88
Maio 1,02 -2,24 0,87
Junho 1,06 -2,96 0,90
Julho 1,06 -2,66 0,93
Agosto 1,04 -2,54 0,89
Setembro 1,04 -2,60 0,85
Outubro 0,87 -0,52 0,64
Novembro 0,97 -0,95 0,76
Dezembro 0,90 0,39 0,60
Meses a b R2
Veranópolis Janeiro 1,01 -1,43 0,88
Fevereiro 0,98 -0,94 0,90
Março 1,00 -1,42 0,89
Abril 1,07 -2,40 0,92
Maio 1,06 -2,07 0,95
Junho 1,04 -1,8 0,96
Julho 1,06 -1,91 0,96
Agosto 1,05 -1,83 0,95
Setembro 1,07 -2,13 0,94
Outubro 1,07 -2,30 0,93
Novembro 1,03 -1,79 0,92
Dezembro 1,02 -1,67 0,92
Rio Grande do Sul Janeiro 0,91 -0,21 0,71
Fevereiro 0,85 1,04 0,68
Março 0,97 0,27 0,71
Abril 0,94 -1,14 0,76
Maio 1,00 -2,15 0,84
Junho 1,01 -2,25 0,87
Julho 0,99 -2,06 0,88
Agosto 1,00 -2,08 0,86
Setembro 0,98 -1,95 0,84
Outubro 0,94 -1,42 0,78
Novembro 0,91 -0,53 0,77
Dezembro 0,90 -0,38 0,69
29
Os coeficientes de determinação apresentaram valores altos e todos
significativos a 95% de probabilidade, o que demonstra um bom ajuste dos dados. Os
valores de R2 variaram de 0,49 em Rio Grande, no mês de fevereiro, a 0,96 em
Veranópolis, no mês junho. O mês de abril foi o que apresentou com maior freqüência
os menores coeficientes de determinação. Já o mês de julho, freqüentemente,
apresentou os maiores valores. Os coeficientes das equações ajustadas são muito
próximos dos verificados por Heldwein (1988), em Santa Maria, que obteve valores de
R2 variando de 0,80 a 0,88.
Novamente, Rio Grande foi à única localidade que se diferenciou. Nesta
estação meteorológica houve uma grande dispersão dos dados (Figura 20),
conseqüentemente, os valores dos coeficientes de determinação foram baixos,
variando de 0,49 em fevereiro a 0,70 em agosto. Oliveira (1997), também obteve a pior
correlação entre Tar e Trel para esta localidade.
Usando todas as estações estudadas (Tabela 6 e Figura 25) o coeficiente
de determinação das equações ajustadas entre a temperatura mínima do ar medida no
abrigo e na relva variou de 0,68 em fevereiro a 0,88 em julho e os valores de a e b
ficaram próximos dos observados para cada localidade separadamente.
O teste das equações de estimativa da Trel a partir da Tar usando dados
independentes (Tabela 7) mostrou coeficientes de correlação também altos e
significativos. Os testes foram realizados utilizando tanto as equações especificas de
cada mês quanto utilizando as equações representativas de cada estação e os
resultados obtidos foram os mesmos. Nos testes com as equações para o Estado e
com as equações para cada localidade também foram encontrados os mesmos
coeficientes de correlação. Em Taquari, que não participou da estimativa das
equações, o teste foi feito a partir das equações para o Estado a correlação entre a
temperatura estimada e a observada foi significativa.
Os resultados obtidos demonstram que a temperatura mínima de relva
pode ser estimada a partir da temperatura mínima do ar medida a 1,5m de altura com
adequada precisão. Desta forma, pode-se utilizar a temperatura do ar como elemento
meteorológico para verificar a acurácia das estimativas da TST, obtidas através de
imagens de satélite, o que será abordado no próximo capítulo. Isto foi testado e é
válido para o horário de ocorrência da mínima temperatura do ar.
Os gráficos de dispersão entre a Tar e Trel, para todos os meses do ano,
são apresentadas nos Anexos J a R.
30
Figura 17. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Cruz Alta, RS (1980-1990).
31
Figura 18. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Encruzilhada do Sul, RS (1980-1990).
32
Figura 19. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Maquiné, RS (1980-1990).
33
Figura 20. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Rio Grande, RS (1980-1990).
34
Figura 21. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Santa Rosa, RS (1980-1990).
35
Figura 22. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em São Gabriel, RS (1980-1990).
36
Figura 23. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Uruguaiana, RS (1980-1990).
37
Figura 24. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro em Veranópolis, RS (1980-1990).
38
Figura 25. Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para os meses de janeiro, abril, julho e outubro, para todas as localidades do Rio Grande do Sul (1980-1990).
39
Tabela 7. Coeficientes de correlação entre os valores da temperatura mínima de relva estimados e os valores observados, utilizando as equações para cada localidade (r) e para o estado inteiro (r/est).
Ano Meses r r/est.
Uruguaiana 1999 Janeiro 0,95 0,95
1999 Outubro 0,93 0,93
1999 Novembro 0,96 0,96
1999 Dezembro 0,95 0,95
2000 Janeiro 0,98 0,98
2000 Março 0,99 0,99
2000 Abril 0,97 0,97
2000 Maio 0,91 0,91
2000 Junho 0,90 0,90
2000 Julho 0,89 0,89
2000 Agosto 0,94 0,94
2000 Setembro 0,94 0,94
Veranópolis 1999 Janeiro 0,96 0,96
1999 Fevereiro 0,71 0,71
1999 Março 0,98 0,98
1999 Abril 0,99 0,99
1999 Maio 0,99 0,99
1999 Junho 0,69 0,69
1999 Julho 0,94 0,94
1999 Agosto 0,93 0,93
Taquari 1990 Janeiro 0,94
1990 Fevereiro 0,94
1990 Março 0,98
1990 Abril 0,97
1990 Maio 0,96
1990 Junho 0,96
1990 Julho 0,98
1990 Agosto 0,94
1990 Setembro 0,97
1990 Outubro 0,94
1990 Novembro 0,93
1990 Dezembro 0,97
1999 Outubro 0,93
1999 Novembro 0,96
1999 Dezembro 0,95
Ano Meses r r/est.
Encruzilhada do Sul 1999 Janeiro 0,94 0,94
1999 Fevereiro 0,97 0,97
1999 Março 0,95 0,95
1999 Abril 0,96 0,96
1999 Maio 0,88 0,88
1999 Junho 0,95 0,95
1999 Julho 0,96 0,96
1999 Agosto 0,94 0,94
1999 Setembro 0,93 0,93
2000 Janeiro 0,94 0,94
2000 Fevereiro 0,89 0,89
2000 Março 0,94 0,94
2000 Abril 0,88 0,88
2000 Maio 0,93 0,93
São Gabriel 1991 Janeiro 0,96 0,96
1991 Fevereiro 0,97 0,97
1991 Março 0,77 0,77
1991 Abril 0,96 0,96
1991 Maio 0,95 0,95
1991 Junho 0,96 0,96
1991 Julho 0,83 0,83
1991 Agosto 0,93 0,93
1991 Setembro 0,97 0,97
1991 Outubro 0,98 0,98
1991 Novembro 0,95 0,95
1991 Dezembro 0,93 0,93
1992 Janeiro 0,95 0,95
1992 Fevereiro 0,96 0,96
1992 Março 0,99 0,99
1992 Abril 0,97 0,97
1992 Maio 0,99 0,99
1992 Junho 0,96 0,96
1992 Julho 0,84 0,84
1992 Agosto 0,94 0,94
40
4.2 Relação entre a temperatura da superfície terrestre e a temperatura do ar
Nas Figuras 26 a 31 são mostradas as imagens da temperatura da
superfície terrestre (TST), nos períodos de verão (25 a 29 de janeiro de 2004) e de
inverno (08 a 12 de julho de 2004).
Nas imagens a distinção entre estes dois períodos é muito clara. No
período de verão, devido às altas temperaturas, predominam os tons amarelos-
avermelhados. Já no período de inverno há predominância dos tons azuis-
esverdeados, devido às baixas temperaturas.
As regiões com nuvens são facilmente identificadas pela brusca variação
de temperatura em relação ao restante da imagem. As nuvens aparecem em tons de
azul, associadas a temperaturas abaixo de 0oC, como conseqüência da altitude do
topo das mesmas.
No período do verão, percebe-se em três seqüências de imagens a
tendência de decréscimo noturno da TST (Figuras 26 (C e D), 27 (B e C) e 27 (E e F)).
Nestas seqüências a primeira imagem foi obtida próximo às 2h e a segunda imagem
após as 4h e 30min Da primeira para segunda imagem o resfriamento ocorre como
conseqüência da emissão noturna de ondas longas pela superfície. Observa-se, ainda,
que as menores temperaturas ocorreram no nordeste e sudoeste do Estado, o que
corresponde às regiões de maior altitude e menor latitude, respectivamente (Rio
Grande do Sul, 1989).
Ainda em janeiro, verifica-se que nas duas imagens obtidas no início da
tarde (Figuras 26F e 27D) as temperaturas foram muito altas em todo o Estado. Os
tons de laranja e vermelho predominaram, estando associados a temperaturas
superiores a 30oC. Em algumas regiões foram observadas temperaturas entre 45 e
50oC.
Nas imagens de inverno pode-se observar, a semelhança do que se
verificou nas imagens de verão, o resfriamento durante o período noturno (Figuras 30
(E e F), 31 (A e B) e 31 (C e D)). No dia 11 de julho às 5h e 33min (Figura 30F)
ocorreram as menores temperaturas do período, com grande homogeneização das
temperaturas em todo o Estado do Rio Grande do Sul. Este período esteve associado
à entrada de uma massa polar.
41
Figura 26. Imagens da temperatura da superfície terrestre dos dias 25 às 06:55 (A), 25 às 19:17 (B), 26 às 02:50 (C), 26 às 05:30 (D), 26 às 06:32 (E) e 26 às 15:18 (F) de janeiro de 2004.
Legenda:
42
Figura 27. Imagens da temperatura da superfície terrestre dos dias 26 às 18:54 (A), 27 às 02:38 (B), 27 às 05:05 (C), 27 às 15:06 (D), 28 às 02:27 (E) e 28 às 04:41 (F) de janeiro de 2004.
Legenda:
43
Legenda:
Figura 28. Imagens da temperatura da superfície terrestre dos dias 28 às 19:47 (A), 29
às 02:15 (B), 29 às 07:01 (C) de janeiro de 2004.
44
Legenda:
Figura 29. Imagens da temperatura da superfície terrestre dos dias 08 às 07:02 (A), 08
às 17:27 (B), 08 às 19:23 (C), 09 às 04:41 (D), 09 às 06:38 (E) e 09 às 17:03 (F) de julho de 2004.
45
Legenda:
Figura 30. Imagens da temperatura da superfície terrestre dos dias 09 às 19:00 (A), 10
às 04:17 (B), 10 às 06:14 (C), 10 às 18:36 (D), 11 às 03:00 (E) e 11 às 05:33 (F) de julho de 2004.
46
Legenda:
Figura 31. Imagens da temperatura da superfície terrestre dos dias 11 às 15:28 (A), 11
às 17:53 (B), 12 às 02:48 (C), 12 às 05:08 (D) e 12 às 15:16 (E) de julho de 2004.
47
As Figuras 32 a 35 apresentam a evolução temporal da temperatura do ar (Tterm), medida no abrigo meteorológico a 1,5m de altura (termógrafo) e da temperatura da superfície terrestre (TST), média da área de 9km2, centrada sobre cada estação meteorológica. As figuras são restritas as localidades de Encruzilhada do Sul, Santa Rosa, São Gabriel e Veranópolis, dado que nas demais estações meteorológicas os gráficos do termógrafo não estavam disponíveis. Nestas figuras pode-se acompanhar a onda diária da temperatura do ar. O padrão de maiores temperaturas diurnas e menores temperaturas noturnas é resultante do balanço de energia da superfície, mas pode ser perturbado pela penetração de massas de ar.
Observa-se que a TST mostrou tendência semelhante de evolução temporal, mas sempre com valores menores do que a Tterm, com exceção das imagens diurnas, quando a TST foi mais alta. Esse comportamento é esperado, visto que tanto o resfriamento noturno, como o aquecimento diurno ocorrem a partir da superfície do solo, como abordado anteriormente.
Os dados das Figuras 32 a 35 podem ser também visualizados na forma de um gráfico de dispersão (Figura 36), relacionando a Tterm e a TST em todos os locais, nas imagens noturnas, disponíveis para os meses de janeiro e julho. Verifica-se que, em ambos os meses, existe uma relação diretamente proporcional e linear entre estes dois elementos, ou seja, aumentos na TST correspondem a aumentos na Tterm. Aparentemente esta relação não apresenta qualquer dependência espacial.
Os coeficientes de correlação entre a temperatura do ar e a temperatura da superfície terrestre para as imagens noturnas são mostrados na Tabela 8. Os valores variaram de 0,69 (Veranópolis em janeiro) a 0,97 (Santa Rosa em julho) sendo todos significativos a 95% de probabilidade.
Figura 32. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), no período de 08 a 12 de julho de 2004 em Encruzilhada do Sul, RS.
48
Figura 33. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), nos
períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004 em Santa Rosa, RS.
49
Figura 34. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), nos
períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004 em São Gabriel, RS.
50
Figura 35. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST), nos
períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004 em Veranópolis, RS.
Figura 36. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST) nos
períodos de 25 a 29 de janeiro e 08 a 12 de julho de 2004.
51
Tabela 8. Coeficientes de correlação (r) entre a temperatura do ar e a temperatura da superfície terrestre, para as imagens noturnas.
r Localidades Janeiro
Julho
Encruzilhada do Sul 0,89
Santa Rosa 0,88 0,97
São Gabriel 0,81 0,91
Veranópolis 0,69 0,89
As Tabelas 9 e 10 mostram os dados da temperatura do ar (Tterm) e da
temperatura da superfície terrestre (TST), para o horário da passagem do satélite e as
diferenças entre estas temperaturas, nos meses de janeiro e julho, respectivamente.
Nas imagens diurnas, tanto em janeiro (dia 26 as 15:18 e dia 27 as 15:06)
quanto em julho (dia 11 as 15:28 e dia 12 as 15:16) a diferença entre a temperatura do
ar e a temperatura da superfície terrestre é negativa, ou seja, a temperatura na
superfície é maior que a temperatura no abrigo. Em janeiro essa diferença é maior do
que em julho, dado que a densidade do fluxo da radiação solar neste mês também é
maior, determinando que o aquecimento da superfície seja superior.
No período noturno, em janeiro, as diferenças entre a Tterm e a TST
variaram de 0,1oC em Santa Rosa a 7,4 oC em São Gabriel. Em julho a menor
diferença encontrada foi de 1,2oC em Santa Rosa e a maior de 7,1 em São Gabriel.
A diferença média entre a temperatura do ar e a temperatura da superfície
terrestre no período noturno em janeiro foi 2,4 oC. No mês de julho a diferença média
foi 4,1 oC, quase o dobro da observada em janeiro, possivelmente devido as inversões
térmicas serem mais intensas no inverno conforme apontado por Buriol et al. (1989).
Os valores médios das diferenças não apresentaram grande variação de uma
localidade para outra nos dois meses analisados.
Trabalhos similares desenvolvidos em diversas regiões têm mostrado
associações significativas entre a temperatura do ar e a temperatura da superfície
terrestre. As diferenças entre a Tterm e a TST são variáveis entre os estudos como
decorrência dos métodos utilizados e das condições locais. No Estado do Rio Grande
do Sul, o primeiro estudo usando imagens de satélite para a determinação da TST foi
desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (INPE) em parceria com o
Instituto de Pesquisas Agronômicas (IPAGRO). A Diferença média encontrada no
inverno pelos autores (Almeida et al., 1982) foi de 1K.
52
Posteriormente, Gusso (2003), aproveitando a disponibilidade de uma
estação de recepção de imagens NOAA localizada no Centro Estadual de Pesquisas
em Sensoriamento Remoto e Meteorologia (CEPSRM) deu continuidade a estes
estudos. O autor analisou as diferenças entre a temperatura do ar e a TST, estimada
pelo método de Sobrino et al. (1993), encontrando valores que variaram entre 0,95oC e
4,57oC. As maiores diferenças foram observadas também no mês de julho.
As diferenças entre a Tterm e a TST observadas neste trabalho são
esperadas e oriundas principalmente da diferença de altura (superfície e 1,5m) na
obtenção das temperaturas e da própria natureza das medições. A TST foi obtida pela
radiância média de uma área de aproximadamente 9Km2 (janela de amostragem de
3x3 pixels), enquanto a temperatura do ar foi medida pontualmente em um termógrafo
a 1,5m na posição do abrigo meteorológico, representando a energia cinética da
massa de ar dentro do abrigo meteorológico. Além disso, algumas características
inerentes ao cálculo da TST usando satélites, como o dimensionamento da
emissividade da superfície e a interferência atmosférica devida especialmente à
absorção pelo vapor d’água, podem introduzir erros importantes nas estimativas
(Becker e Li, 1990).
53
Tabela 9. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST) nas estações meteorológicas de Santa Rosa, São Gabriel e Veranópolis, RS, no período de 25 a 29 de janeiro de 2004.
Dia Hora TST Tterm. Diferença Tterm-TST
Santa Rosa 25 06:55 19,6 18,5 -1,1 25 19:17 24,7 29,0 4,3 26 02:50 20,4 22,5 2,1 26 05:30 19,0 21,5 2,5 26 06:32 19,5 21,0 1,5 27 02:38 21,3 22,5 1,2 27 05:05 20,0 21,5 1,5 28 02:27 21,9 22,0 0,1 28 04:41 20,1 21,0 0,9
Média (Notur.) 20,7 22,2 1,4 São Gabriel
25 06:55 21,5 21,0 -0,5 25 19:17 24,6 32,0 7,4 26 02:50 20,4 24,0 3,6 26 05:30 18,6 23,0 4,4 26 06:32 20,4 21,5 1,1 26 15:18 42,2 32,0 -10,2 27 02:38 17,6 20,5 2,9 27 05:05 16,3 19,5 3,2 27 15:06 42,8 31,0 -11,8 28 04:41 19,0 21,0 2,0 29 02:15 21,2 23,5 2,3 29 07:01 20,2 22,0 1,8
Média (Notur.) 20,0 22,8 2,8 Veranópolis
26 02:50 17,7 22,0 4,3 26 05:30 16,5 21,5 5,0 26 15:18 35,7 28,5 -7,2 27 02:38 17,3 19,0 1,7 27 05:05 15,9 18,0 2,1 29 02:15 21,5 22,0 0,5 29 07:01 20,3 23,5 3,2
Média (Notur.) 18,2 21,0 2,8
54
Tabela 10. Temperatura do ar (Tterm) e temperatura da superfície terrestre (TST) nas estações meteorológicas de Encruzilhada do Sul, Santa Rosa, São Gabriel e Veranópolis, RS, no período de 08 a 12 de julho de 2004.
Dia Hora TST Tterm Diferença Tterm-TST
São Gabriel 08 07:02 6,7 9,5 2,8
08 17:27 7,0 12,5 5,5
09 04:41 1,2 4,0 2,8
09 06:38 0,6 3,0 2,4
10 04:17 5,6 9,0 3,4
10 06:14 4,9 8,0 3,1
10 18:36 3,9 11,0 7,1
11 03:00 0,3 3,5 3,2
11 05:33 -1,0 2,5 3,5
11 15:28 15,3 11,5 -3,8 11 17:53 4,8 11,5 6,7
12 02:48 2,0 5,5 3,5
12 05:08 2,4 5,5 3,1
Média (Notur.) 3,2 7,1 3,9 Veranópolis
09 04:41 0,7 4,5 3,8
09 06:38 1,6 5,5 3,9
09 17:03 9,4 13,0 3,6
09 19:00 6,4 12,5 6,1
10 04:17 1,8 8,5 6,7
10 06:14 2,9 8,5 5,6
10 18:36 4,6 6,0 1,4
11 03:00 -1,1 2,0 3,1
11 05:33 -2,5 1,0 3,5
11 15:28 10,8 6,0 -4,8 11 17:53 2,0 9,5 7,5
12 02:48 1,6 5,0 3,4
12 05:08 0,7 5,0 4,3
12 15:16 16,1 16,0 -0,1 Média (Notur.) 2,3 6,8 4,4
Dia Hora TST Tterm Diferença Tterm-TST
Encruzilhada do Sul 08 07:02 6,3 10,0 3,7
08 17:27 6,0 10,5 4,5
08 19:23 2,4 7,0 4,6
10 06:14 2,6 8,0 5,4
10 18:36 2,9 8,0 5,1
11 03:00 0,6 3,5 2,9
11 05:33 -0,02 3,5 3,5
11 15:28 12,8 11,5 -1,3 11 17:53 2,7 10,0 7,3
12 02:48 1,0 5,5 4,5
12 05:08 0,6 4,5 3,9
Média (Notur.) 2,5 7,1 4,5
Santa Rosa 08 17:27 9,3 12,5 3,2
08 19:23 5,2 10,0 4,8
09 04:41 0,5 2,0 1,5
09 06:38 0,8 2,0 1,2
09 17:03 11,6 15,0 3,4
09 19:00 6,8 13,0 6,2
10 18:36 5,0 9,0 4,0
11 03:00 -0,8 2,0 2,8
11 05:33 -1,6 0,5 2,1
11 15:28 16,1 11,0 -5,1 11 17:53 4,7 10,5 5,8
12 02:48 0,9 3,5 2,6
12 05:08 0 3,5 3,5
Média (Notur.) 3,5 7,0 3,4
55
As Tabelas 11 e 12 mostram os valores das diferenças entre a temperatura
mínima de relva (Trel) e a temperatura da superfície terrestre (TST). A temperatura
mínima de relva foi estimada a partir da temperatura mínima do ar (Tar), usando as
equações ajustadas no capítulo anterior desta dissertação.
Ao contrário do que era esperado, pela teoria de aquecimento do ar, a
diferença Tar-TST foi menor que a diferença Trel-TST. Na maioria dos casos os
valores da TST foram superiores aos valores da temperatura mínima do ar e,
conseqüentemente, aos valores da temperatura mínima de relva. Este comportamento
pode ser decorrência do fato de que as imagens foram obtidas em horários,
geralmente, próximos dos horários de ocorrência da temperatura mínima do ar, mas
nem sempre coincidentes. Comparando os dados da temperatura do ar (Tabelas 8 e
9) no horário da passagem do satélite, com os dados da temperatura mínima do ar
(Tabelas 11 e 12), essa diferença torna-se clara.
A análise somente dos dias em que a temperatura do ar registrada no
termógrafo no momento da passagem do satélite foi igual à temperatura mínima do ar,
auxiliou a interpretação dos resultados. Esta situação ocorreu em Santa Rosa, no dia
26 de janeiro (Tabela 11) e 09 de julho (Tabela 12) e em São Gabriel, no dia 28 de
janeiro (Tabela 11). Nestes três casos, a TST foi menor do que a temperatura mínima
do ar, conforme era esperado em função da inversão térmica noturna. Ao estimar a
temperatura de relva para estes casos, utilizando a equação ajustada a partir da
temperatura mínima do ar, obtiveram-se valores muito próximos aos da TST.
Os resultados obtidos neste trabalho demonstram que a TST, obtida a
partir de imagens NOAA pode integrar programas de monitoramento
agrometeorológico. Os estudos atuais dispõem somente de dados de temperatura
obtidos nas estações meteorológicas, distantes muitos quilômetros uma da outra. No
caso de imagens de satélite, pode-se criar estações meteorológicas virtuais, cuja
distância é dada pela resolução espacial das imagens.
56
Tabela 11. Temperatura da superfície terrestre (TST), temperatura mínima do ar (Tar) e temperatura mínima de relva (Trel), estimada a partir da Tar, para o período de 25 a 29 de janeiro de 2004, nas localidades de Cruz Alta, Maquiné, Santa Rosa, São Gabriel, Uruguaiana e Veranópolis, RS.
Dia Hora TST Tar Trel Diferença Tar-TST
Diferença Trel-TST
Cruz Alta 25 06:55 18,5 16,4 15,3 -2,1 -3,2
26 06:32 18,7 17,2 16,0 -1,5 -2,7
27 05:05 18,1 18,4 17,0 0,3 -1,0
28 04:41 19,2 18,8 17,4 -0,4 -1,8
Maquiné 25 06:55 19,4 17,8 15,8 -1,6 -3,6
28 04:41 18,5 16,8 15,0 -1,7 -3,6
29 07:01 21,8 17,2 15,3 -4,6 -6,5
Santa Rosa 25 06:55 19.6 18.0 16.4 -1.6 -3.2
26 06:32 19.5 21.0 19.0 1.5 -0.5
27 05:05 20.0 20.0 18.1 0.0 -1.8
28 04:41 20.1 20.0 18.1 -0.1 -2.0
São Gabriel 25 06:55 21,5 20,0 17,3 -1,5 -4,2
26 06:32 20,4 20,0 17,3 -0,4 -3,1
27 05:05 16,3 20,6 17,8 4,3 1,6
28 04:41 19,0 21,0 18,2 2,0 -0,8
29 07:01 20,2 19,6 17,0 -0,6 -3,2
Uruguaiana 25 06:55 20,3 18,8 17,4 -1,5 -2,9
26 06:32 20,4 18,8 17,4 -1,6 -3,0
27 05:05 20,4 19,2 17,8 -1,2 -2,6
28 04:41 20,6 18,9 17,5 -1,7 -3,1
29 07:01 23,2 21,6 20,2 -1,6 -3,0
Veranópolis 27 05:05 15,9 15,0 13,7 -0,9 -2,3
29 07:01 20,3 19,4 18,1 -0,9 -2,2
57
Tabela 12. Temperatura da superfície terrestre (TST), temperatura mínima do ar (Tar) e temperatura mínima de relva (Trel), estimada a partir da Tar, para o período de 08 a 12 de julho de 2004, nas localidades de Cruz Alta, Maquiné, Santa Rosa, São Gabriel, Uruguaiana e Veranópolis, RS.
Dia Hora TST Tar Trel Diferença Tar-TST
Diferença Trel-TST
Cruz Alta 08 07:02 7,5 2,6 1,9 -4,9 -5,6
09 06:38 1,4 5,5 4,5 4,1 3,1
11 05:33 -1,0 -0,8 -1,2 0,2 -0,2
12 05:08 1,2 5,5 4,5 4,3 3,3
Maquiné 09 06:38 3,0 5,5 2,6 2,5 -0,5
10 06:14 6,9 5,4 2,5 -1,5 -4,5
11 05:33 2,8 -0,8 -4,0 -3,6 -6,8
12 05:08 2,4 5,5 2,6 3,1 0,2
Santa Rosa 09 06:38 0,8 2,0 -0,7 1,2 -1,5
11 05:33 -1,6 -2,0 -4,9 -0,4 -3,3
12 05:08 0 2,0 -0,7 2,0 -0,6
São Gabriel 08 07:02 6,7 5,0 1,6 -1,7 -5,0
09 06:38 0,6 4,0 0,6 3,4 0,0
10 06:14 4,9 1,4 -2,1 -3,5 -7,0
11 05:33 -1,0 1,8 -1,7 2,8 -0,7
12 05:08 2,4 1,4 -2,1 -1,0 -4,5
Uruguaiana 08 07:02 6,9 5,2 2,9 -1,7 -4,0
09 06:38 4,9 1,0 -1,6 -3,9 -6,5
10 06:14 6,5 3,0 0,5 -3,5 -6,0
11 05:33 2,9 -1,0 -3,7 -3,9 -6,7
12 05:08 2,3 -1,0 -3,7 -3,3 -6,0
Veranópolis 09 06:38 1,6 -1,0 -0,2 -1,8 -2,6
10 06:14 2,9 2,0 1,2 -1,7 -0,9
11 05:33 -2,5 -2,2 -4,5 -2,0 0,3
12 05:08 0,7 0,2 -1,2 -1,9 -0,5
58
5. Conclusões
A magnitude das diferenças entre a temperatura mínima do ar e a
temperatura mínima de relva, que em média é de 2oC, sofre influência da época do
ano e da altitude. As menores diferenças médias ocorrem nos meses de verão,
principalmente janeiro e fevereiro, enquanto as maiores diferenças estão relacionadas
aos meses de inverno e primavera. As menores diferenças médias ocorrem nas
localidades de maior altitude e as maiores diferenças, nas localidades de menor
altitude.
A temperatura mínima de relva pode ser estimada através das equações
de regressão linear ajustadas a partir da temperatura mínima do ar medida a 1,5m de
altura com adequada precisão na estimativa. Os coeficientes de determinação das
equações de regressão linear apresentam valores altos e significativos a 95% de
probabilidade. O mês de abril é o que apresenta, com maior freqüência, os menores
coeficientes de determinação. Já o mês de julho, freqüentemente, apresenta os
maiores coeficientes.
A aplicação da equação proposta por Sobrino et al. (1993) em imagens
NOAA/AVHRR fornece medidas adequadas da temperatura da superfície terrestre.
Nas imagens diurnas, tanto em janeiro quanto em julho, a diferença entre a
temperatura do ar e a temperatura da superfície terrestre é negativa.
Os valores noturnos da temperatura da superfície terrestre são menores do
que os valores da temperatura do ar obtida no termógrafo. A diferença média entre a
temperatura do ar e a temperatura da superfície terrestre em janeiro no período
noturno é 2,4 oC. Já no mês de julho a diferença média é 4,1 oC.
Estes resultados demonstram que a temperatura da superfície terrestre,
obtida a partir de imagens NOAA pelo método de Sobrino et al. (1993), representa
uma contribuição muito útil aos estudos de monitoramento agrometeorológico,
especialmente no que se refere ao estudo da distribuição espacial deste elemento.
59
6. Referências Bibliográficas
ALMEIDA, F. C., FORTUNE, M., CAVALCANTI, I. F.A. Operação inverno: O uso de satélites na detecção e acompanhamento de geadas. In: Congresso Brasileiro de Meteorologia, 2, 1982, Pelotas. Resumos. Rio de Janeiro: Sociedade Brasileira de Meteorologia, 1982. p. 1-20.
ANDERSEN, H. S. Land surface estimation based on NOAA-AVHRR data during the
HAPEX-Sahel experiment. Journal of Hydrology, Amsterdan, v. 189, p. 788-814, 1997.
ANDING, D., KAUTH, R. Estimation of sea surface temperature from space. Remote
Sensing of Environment, New York, v. 1, p. 217-220, 1970. BECKER, F., Z. L. LI. Towards a local split window method over land surfaces.
International Journal of Remote Sensing, London, v. 11, n. 3, p. 369-393, 1990. BOOSTMA, A. Estimating grass minimum temperatures from screen minimum values
and other climatological parameters. Agricultural Meteorology, Amsterdam, v. 16, p. 103-113, 1976a.
BOOSTMA, A. Estimating minimum temperature and climatological freeze risk in hilly
terrain. Agricultural Meteorology, Amsterdam, v. 16, p. 425-443, 1976b. BOOSTMA, A. Frost risk survey of Prince Edward Island. Otawa, Canadá: P.E.I.
Department of Agriculture and Forestry, 1980. BRAMSON, MIKAÉL A. Infrared Radiation: A handbook for aplications. New York:
Plenun Press, 1968. BURIOL, G. A., SACCOL, A. V., SCHNEIDER, F.M. et al. Análise das temperaturas
mínimas do ar registradas em Santa Maria/ RS. III. Caracterização do comportamento das temperaturas mínimas diárias do ar ao longo do ano. Revista do Centro de Ciências Rurais, Santa Maria, v. 19, n.1-2, p. 93-11, 1989.
CHEN, P. Y., SRINIVASAN, R., FEDOSEJEVS, G., NARASIMHAN, B. An automated
cloud detection method for daily NOAA AVHRR data for Texas, USA. International Journal of Remote Sensing, London, v. 23, n. 15, p. 2939-2950, 2002.
FAGNANI, M. A., PINTO, H.S. Simulação de temperaturas de folhas de cafeeiros em
noites sujeitas a geadas de irradiação. In: Congresso Brasileiro de Agrometeorologia, 2., 1981, Pelotas. Anais. Pelotas: Sociedade Brasileira de Agrometeorologia, 1981. p. 139-142.
FERREIRA, N. J. et al. Aplicações ambientais Brasileiras dos satélites NOAA e
TIROS-N. São Paulo: Oficina de Textos, 2004. FONTANA, D.C., BERLATO, M.A., BERGAMASCHI, H. Balanço de energia em soja
irrigada e não irrigada. Pesquisa Agropecuária Brasileira, Brasília, v.26, n.3, p.403-410, 1991.
GOODRUM, G., KIDWELL, K. B., WINSTON, W. NOAA KLM Users Guide.
Washington: NOAA/ NESDIS/ NCDC/ CSD/ SSB, 2001.
60
GRIEND, A. A. VAN, OWE, M. On the relationship between thermal emissivity and NDVI for natural surfaces. International Journal of Remote Sensing, London, v. 6, p. 1119-1131, 1993.
GRODZKI, L., CARAMORI, P. A., BOOTSMA A. et al. Riscos de ocorrência de geada
no Estado do Paraná. Revista Brasileira de Agrometeorologia, Santa Maria, v. 4, n. 1, p. 213-220, 1996.
GUSSO, A. Monitoramento de temperaturas da superfície terrestre noturna no
Estado do Rio Grande do Sul com uso do sensor orbital AVHRR/NOAA. Porto Alegre: UFRGS, 2003. Dissertação (Mestrado em Sensoriamento Remoto), Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Universidade Federal do Rio Grande do Sul, 2003.
HELDWEIN, A. B., ESTEFANEL, V., MANFRON, P. A. et al. Análise das temperaturas
mínimas do ar registradas em Santa Maria, RS. I - Estimativa das temperaturas mínimas do ar a 5cm do solo relvado e solo desnudo. Ciência Rural, Santa Maria, v. 18, n. 3, p. 3-14, 1988.
KERR, Y. H., LAGOUARDE, J. P., IMBERNOM, J. Accurate land surface temperature
retrieval from AVHRR data with use of an improved split window algorithm. Remote Sensing of Environment, New York, v. 40, p. 1-20, 1992.
KIDWELL, K. B. NOAA polar orbiter data users guide. Washington: NOAA/
NESDIS/ NCDC/ CSD/ SSB, 1995. LIU, W. T. H., MING, T. C. Geração de mapas globais de parâmetros biofísicos
a partir de imagens NOAA/AVHRR-GLASS. In: Congresso Brasileiro de Meteorologia, 10, 1998, Brasília. Anais... Rio de Janeiro: Sociedade Brasileira de Meteorologia, 1998. CD-ROM.
MC. MILLIN, L. M. Estimation of sea surface temperatures from two infrared window
measurements with different absorption. Journal of Geophysics Research, v. 80, p. 5113-5117, 1975.
OMETTO, J. C. Bioclimatologia Vegetal. São Paulo: Ed. Agronômica Ceres, 1981. OLIVEIRA, H. T. Climatologia das temperaturas mínimas e probabilidade de
ocorrência de geada no Estado do Rio Grande do Sul. Porto Alegre: UFRGS, 1997. Dissertação (Mestrado em Fitotecnia), Programa de Pós-Graduação em Agronomia, Universidade Federal do Rio Grande do Sul, 1997.
POLA, A. C. Probabilidade de ocorrência de geadas em Caçador, SC. Agropecuária
Catarinense, Florianópolis, v. 6, p. 46-49, 1993. RIO GRANDE DO SUL. Secretaria da agricultura e abastecimento. Atlas
agroclimático do Estado do Rio Grande do Sul. Porto Alegre: Instituto de pesquisas agronômicas, 1989.
ROUSE, J. W., HASS, R. H., SCHELL J. A., DEERING, D. W. Monitoring vegetation
systems in the great plains with ERTS. In: ERTS Symposium, 3. NASA 351, p. 309-317, 1973.
61
SENTELHAS, P. C., ORTOLANI, A. A., PEZZOPANE, J. R. M. Diferença de temperatura entre o abrigo e a relva, em noites de geada, no Estado de São Paulo. Bragantia, Campinas, v. 54, n. 2, p. 437-445, 1995.
SENTELHAS, P. C., ORTOLANI, A. A., PEZZOPANE, J. R. M. Estimativa da
temperatura mínima de relva e da diferença entre o abrigo e a relva em noites de geada no Estado de São Paulo. In: Congresso Brasileiro de Meteorologia, 9, 1996, Campos do Jordão. Anais... Rio de Janeiro: Sociedade Brasileira de Meteorologia, 1996. p. 228-231.
SILVA, J. G.da, SENTELHAS, P. C. Diferença de temperatura mínima do ar medida no
abrigo e na relva e probabilidade de sua ocorrência em eventos de geada no Estado de Santa Catarina. Revista Brasileira de Agrometeorologia, Santa Maria, v. 9, n. 2, p. 9-15, 2001.
SOBRINO, J. A., CASELLES, V. A methodology for obtaining the crop temperature
from NOAA-9 AVHRR data. International Journal of Remote Sensing, London, v.12, n. 12, p. 2461- 2475, 1991.
SOBRINO, J. A., CASELLES, V., COLL, C. Theoretical split window algorithms for
determining the actual surface temperature. II Nuovo Cimento, Verona, v. 16C, n. 3, p. 219-236, 1993.
TORSANI, J. A. Prediction of damaging radiation frost in the southern Brazil.
London: University of London, 1993. Thesis (Doctor of Philosophy), Space and Atmospheric Physics Group, University of London, 1993.
VALOR, E., CASELLES, V. Mapping land surface emissivity from NDVI: application to
European, African and south American areas. Remote Sensing of Environment, New York, v. 57, p. 167-184, 1996.
62
ANEXOS ANEXO A - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em Cruz Alta, RS (1980-1990).
ANEXO B - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em Encruzilhada do Sul, RS (1980-1990).
ANEXO C - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em Maquiné, RS (1980-1990).
ANEXO D - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em Rio Grande, RS (1980-1990).
ANEXO E - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em Santa Rosa, RS (1980-1990).
ANEXO F - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em São Gabriel, RS (1980-1990).
ANEXO G - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em Uruguaiana, RS (1980-1990).
ANEXO H - Histogramas das distribuições de freqüência relativa das diferenças entre
a Tar e a Trel, para os 12 meses do ano, em Veranópolis, RS (1980-1990).
ANEXO I - Histogramas das distribuições de freqüência relativa da diferença entre a
Tar e Trel, para os doze meses do ano, em todas as localidades do Rio Grande do Sul (1980-1990).
ANEXO J - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano em Cruz Alta, RS
(1980-1990).
ANEXO K - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano em Encruzilhada do Sul, RS (1980-1990).
ANEXO L - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano em Maquiné, RS
(1980-1990).
ANEXO M - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos meses do ano em Rio Grande, RS
(1980-1990).
ANEXO N - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano em Santa Rosa, RS
(1980-1990).
63
ANEXO O - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano em São Gabriel, RS
(1980-1990).
ANEXO P - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano em Uruguaiana, RS
(1980-1990).
ANEXO Q - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano em Veranópolis, RS
(1980-1990).
ANEXO R - Regressão linear entre a temperatura mínima do ar medida no abrigo e a
temperatura mínima do ar na relva, para todos os meses do ano, em todas as localidades do Rio Grande do Sul (1980-1990).
64
ANEXO A - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em Cruz Alta, RS (1980-1990).
65
ANEXO A - Continuação.
66
ANEXO B - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em Encruzilhada do Sul, RS (1980-1990).
67
ANEXO B - Continuação.
68
ANEXO C - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em Maquiné, RS (1980-1990).
69
ANEXO C – Continuação.
70
ANEXO D - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em Rio Grande, RS (1980-1990).
71
ANEXO D - Continuação.
72
ANEXO E - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em Santa Rosa, RS (1980-1990).
73
ANEXO E - Continuação.
74
ANEXO F - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em São Gabriel, RS (1980-1990).
75
ANEXO F - Continuação.
76
ANEXO G - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em Uruguaiana, RS (1980-1990).
77
ANEXO G - Continuação.
78
ANEXO H - Histogramas das distribuições de freqüência relativa das diferenças entre a Tar e a Trel, para os 12 meses do ano, em Veranópolis, RS (1980-1990).
79
ANEXO H - Continuação.
80
ANEXO I - Histogramas das distribuições de freqüência relativa da diferença entre a Tar e Trel, para os doze meses do ano, em todas as localidades do Rio Grande do Sul (1980-1990).
81
ANEXO I - Continuação.
82
ANEXO J - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano em Cruz Alta, RS (1980-1990).
83
ANEXO J - Continuação.
84
ANEXO K - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano em Encruzilhada do Sul, RS (1980-1990).
85
ANEXO K - Continuação.
86
ANEXO L - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano em Maquiné, RS (1980-1990).
87
ANEXO L - Continuação.
88
ANEXO M - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos meses do ano em Rio Grande, RS (1980-1990).
89
ANEXO M - Continuação.
90
ANEXO N - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano em Santa Rosa, RS (1980-1990).
91
ANEXO N - Continuação.
92
ANEXO O - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano em São Gabriel, RS (1980-1990).
93
ANEXO O - Continuação.
94
ANEXO P - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano em Uruguaiana, RS (1980-1990).
95
ANEXO P - Continuação.
96
ANEXO Q - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano em Veranópolis, RS (1980-1990).
97
ANEXO Q - Continuação.
98
ANEXO R - Regressão linear entre a temperatura mínima do ar medida no abrigo e a temperatura mínima do ar na relva, para todos os meses do ano, em todas as localidades do Rio Grande do Sul (1980-1990).
99
ANEXO R - Continuação.
top related