Avaliação de Dados Hiperespectrais como Preditores para Biomassa de Campos Nativos

  • Marildo Guerini Filho Universidade Federal do Rio Grande do Sul
  • Tatiana Mora Kuplich Instituto Nacional de Pesquisas Espaciais. Universidade Federal do Rio Grande do Sul.
Palavras-chave: campos nativos, biomassa vegetal, dados remotos, espectrorradiômetria, geociência

Resumo

O Bioma Pampa representa 63% do território do Rio Grande do Sul – Brasil. Em função da contínua incorporação de monoculturas de espécies exóticas, cultivos agrícolas e a práticas por vezes inadequadas de produção pecuária, os campos nativos estão rapidamente sendo degradados, fragmentados e descaracterizados. Buscando colaborar no desenvolvimento de novas estratégias de manejo e monitoramento adequado dos campos nativos, com vistas à minimização de esforços para coletas de campo, esta pesquisa objetivou caracterizar e quantificar a relação entre dados hiperespectrais coletados por espectrorradiômetro como preditores de biomassa campestre em duas alternativas de manejo pastoril com o auxílio de dados de campo. A área de estudo são parcelas pastoreadas por bovinos em duas alternativas de manejo (375 e 750 graus dia - GD) de onde foram adquiridas curvas espectrais de reflectância com espectrorradiômetro ao longo do intervalo de 350-2500 nm de comprimento de onda (CO). Foram calculados 10 índices de vegetação e utilizados juntamente com 11 intervalos de CO nas análises de regressão. Os dados espectrais simularam os CO utilizados nas bandas do sensor MSI do satélite Sentinel 2, disponíveis gratuitamente desde 2015. Os resultados mostraram excelentes correlações entre as variáveis e verificou-se que nas regiões espectrais do Azul, Red edge e os índices NDLI e DMCI diferiram estatisticamente entre as alternativas de manejo. As regiões espectrais do Azul, NIR e SWIR foram significativamente maiores no tratamento 750 GD. O modelo mais preciso para estimar biomassa envolveu os índices EVI e CAI com R²ajustado = 0.72 e RMSE = 0.10.

Downloads

Não há dados estatísticos.

Biografia do Autor

Marildo Guerini Filho, Universidade Federal do Rio Grande do Sul
Engenheiro Ambiental. Ms. em Sensoriamento Remoto
Tatiana Mora Kuplich, Instituto Nacional de Pesquisas Espaciais. Universidade Federal do Rio Grande do Sul.
Doutorado em Geografia Física pela University of Southampton, Inglaterra (2002). Tecnologista Senior do Instituto Nacional de Pesquisas Espaciais, Brasil

Referências

BARRACHINA, M., CRIST

BOLFE,

BRANTLEY, S.T., ZINNERT, J.C., YOUNG, D.R. Application of hyperspectral vegetation indices to detect variations in high leaf area index temperate shrub thicket canopies. Remote Sensing Environmental. 115, 514

CHO, M.A., SKIDMORE, A.K. Hyperspectral predictors for monitoring biomass production in Mediterranean mountain grasslands: Majella National Park, Italy. International Journal Remote Sensing. 30, 499

CLEVERS, J.G.P.W., VAN DER HEIJDEN, G.W. A. M., VERZAKOV, S., SCHAEPMAN, M.E. Estimating grassland biomass using SVM band shaving of hyperspectral data. Photogrammetric Engineering and Remote Sensing. 73, 1141

CORDEIRO, J.L.P., HASENACK, H. Cobertura vegetal atual do Rio Grande do Sul. In: Pillar, V. D.; Müller, S. C.; Castilhos, Z. M. S.; Jacques, A. V. A. Campos Sulinos: conservação e uso sustentável da biodiversidade. Ministério do Meio Ambiente, Brasilia - DF, pp. 285

CRUZ, P., DE QUADROS, F.L.F., THEAU, J.P., FRIZZO, A., JOUANY, C., DURU, M., CARVALHO, P.C.F. Leaf traits as functional descriptors of the intensity of continuous grazing in native grasslands in the South of Brazil. Rangeland Ecology & Management. 63, 350

GITELSON, A., MERZLYAKB, M.N. Quantitative experiments estimation of chlorophyll-u using reflectance with autumn chestnut and maple leaves and spectra. Journal Photochemistry Photobiology B: Biology. 22, 247

GONZÁLEZ-DUGO, M.P., MATEOS, L. Spectral vegetation indices for benchmarking water productivity of irrigated cotton and sugarbeet crops. Agricultural Water Management. 95, 48

HAYDOCK, K.P., SHAW, N.H. The comparative yield method for estimating dry matter yield of pasture. Aust. J. Agric. Anim. 15, 66

HILL, M.J. Vegetation index suites as indicators of vegetation state in grassland and savanna: An analysis with simulated SENTINEL 2 data for a North American transect. Remote Sensing Environmental. 137, 94

HMIMINA, G., DUFR

HUETE, A.R. ET AL, A Comparison of Vegetation Indices over a Global Set of TM Images for EOS-MODIS. Remote Sensing Environmental. 59, 440

KAMPE, T.U., GOOD, W.S. Pathway to future sustainable land imaging: the compact hyperspectral prism spectrometer. SPIE 10402. 2017. https://doi.org/10.1117/12.2270932

LI, F., CHEN, W., ZENG, Y., ZHAO, Q., WU, B., Improving estimates of grassland fractional vegetation cover based on a pixel dichotomy model: A case study in Inner Mongolia, China. Remote Sensing. 6, 4705

MARABEL, M., ALVAREZ-TABOADA, F. Spectroscopic determination of aboveground biomass in grasslands using spectral transformations, support vector machine and partial least squares regression. Sensors (Switzerland). 13, 10027

MASELLI, F., ARGENTI, G., CHIESI, M., ANGELI, L., PAPALE, D. Simulation of grassland productivity by the combination of ground and satellite data. Agric. Ecosystems Environmental. 165, 163

MERZLYAK, M.N., GITELSON, A.A., CHIVKUNOVA, O.B., RAKITIN, V.Y. Non-destructive optical detection of leaf senescence and fruit ripening. Physiologia Plantarum. 106, 135. 1999.

MOREIRA, A., FONTANA, D.C., KUPLICH, T.M. Aplicação de ondaleta em série temporal NDVI/MODIS para avaliação da fenologia de fisionomias campestres no Rio Grande do Sul. Anais do XVII Simpósio Bras. Sensoriamento Remoto (SBSR), João Pessoa-PB, 7, 6381

NAGLER, P.L., INOUE, Y., GLENN, E.P., RUSS, A.L., DAUGHTRY, C.S.T. Cellulose absorption index (CAI) to quantify mixed soil-plant litter scenes. Remote Sensing Environmental. 87, 310

NUMATA, I., ROBERTS, D.A., CHADWICK, O.A., SCHIMEL, J., SAMPAIO, F.R., LEONIDAS, F.C., SOARES, J. V., Characterization of pasture biophysical properties and the impact of grazing intensity using remotely sensed data. Remote Sensing Environmental. 109, 314

OVERBECK, G.E., M

PALUBINSKAS, G., BACHMANN, M., CARMONA, E., GERASCH, B., KRAWCZYK, H., MAKARAU, A., SCHNEIDER, M., SCHWIND, P. Image products from a new german hyperspectral mission enmap. 2017.

REN, S., CHEN, X., AN, S. Assessing plant senescence reflectance index-retrieved vegetation phenology and its spatiotemporal response to climate change in the Inner Mongolian Grassland. International Journal Biometeorol. 61, 601

ROMERO, A., AGUADO, I., YEBRA, M. Estimation of dry matter content in leaves using normalized indexes and prospect model inversion. International Journal Remote Sensing. 33, 396

SERRANO, L., PENUELAS, J., USTIN, S.L. Remote sensing of nitrogen and lignin in Mediterranean vegetationrfrom AVIRIS data:rDecomposing biochemical from structural signals. Remote Sensing Environmental. 81, 355

SIMS, D.A., GAMON, J.A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages. Remote Sensing Environmental. 81, 337

STRECK, E. V. Solos do Rio Grande do Sul, 2a. ed. Revista e ampl. Porto Alegre: Emater-RS, Porto Alegre. 2008.

TRENTIN, A.B., KUPLICH, T.M., MOREIRA, A., GARAGORY, F., QUADROS, F. Relação da biomassa aérea com a resposta espectral de parcelas de campo com diferentes tipos de manejo. Anais do XV Simpósio Bras. Sensoriamento Remoto (SBSR), Curitiba, PR, Brasil, 30 abril a 05 maio 2011, INPE 1555

TUCKER, C.J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing Environmenyal. 8, 127

ULLAH, S., SI, Y., SCHLERF, M., SKIDMORE, A.K., SHAFIQUE, M., IQBAL, I.A. Estimation of grassland biomass and nitrogen using MERIS data. International Journal of Applied Earth Observation. 19, 196

WANG, L., HUNT, E.R., QU, J.J., HAO, X., DAUGHTRY, C.S.T. Towards estimation of canopy foliar biomass with spectral reflectance measurements. Remote Sens. Environ. 115, 836

WANG, L., QU, J.J., HAO, X., HUNT, E.R, Estimating dry matter content from spectral reflectance for green leaves of different species. International Journal Remote Sensing. 32, 7097

XU, D., GUO, X., LI, Z., YANG, X., YIN, H, Measuring the dead component of mixed grassland with Landsat imagery. Remote Sensing Environmental. 142, 33

YANG, X., XU, B., JIN, Y., QIN, Z., MA, H., LI, J., ZHAO, F., CHEN, S., ZHU, X. Remote sensing monitoring of grassland vegetation growth in the Beijing-Tianjin sandstorm source project area from 2000 to 2010. Ecological Indicators. 51, 244

ZHOU, Y., ZHANG, L., XIAO, J., CHEN, S., KATO, T., ZHOU, G. A comparison of satellite-derived vegetation indices for approximating gross primary productivity of grasslands. Rangeland Ecology & Management. 67, 9

Publicado
2019-09-25
Como Citar
GUERINI FILHO, M.; KUPLICH, T. M. Avaliação de Dados Hiperespectrais como Preditores para Biomassa de Campos Nativos. Revista Brasileira de Cartografia, v. 71, n. 3, p. 856-877, 25 set. 2019.
Seção
Artigos Originais