Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
O aumento da concentração de gases de efeito estufa (GEE), especialmente o CO₂, reforça a necessidade de monitorar ecossistemas terrestres, como a vegetação campestre, que cobre entre 14% e 26% da superfície terrestre, incluindo o bioma Pampa. Apesar dos avanços na estimativa da Produtividade Primár...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Estado: | Versão publicada |
| Data de publicação: | 2025 |
| País: | Brasil |
| Recursos: | Universidade Federal do Rio Grande do Sul (UFRGS) |
| Repositório: | Biblioteca Digital de Teses e Dissertações da UFRGS |
| Idioma: | português |
| OAI Identifier: | oai:www.lume.ufrgs.br:10183/293345 |
| Acesso em linha: | http://hdl.handle.net/10183/293345 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Sensoriamento remoto Covariância de vórtices Bioma Pampa GPP Eddy covariance Sentinel-2 Red Edge Pampa biome Brazil |
| Resumo: | O aumento da concentração de gases de efeito estufa (GEE), especialmente o CO₂, reforça a necessidade de monitorar ecossistemas terrestres, como a vegetação campestre, que cobre entre 14% e 26% da superfície terrestre, incluindo o bioma Pampa. Apesar dos avanços na estimativa da Produtividade Primária Bruta (GPP) com sensoriamento remoto (SR) e Covariância de Vórtices (MCV), a integração com medições de campo, como biomassa de forragem e SR, ainda é limitada. Este estudo avaliou a consistência das estimativas de GPP combinando dados de MCV, SR e biomassa, utilizando modelos de regressão baseados em imagens do Sentinel-2. Conduzido em um sítio experimental em Santa Maria, Sul do Brasil (2019-2022), o estudo comparou diferentes abordagens: (i) GPP derivado de torres de fluxo (GPP_uStar_f e GPP_DT_uStar_f), (ii) GPP estimado a partir de biomassa e SR (GPP_TB), e (iii) GPP obtido por regressão linear entre dados da torre e o índice EVI-8 (Banda NIR), do Sentinel-2 (GPP_torre-EVI8). Os resultados mostraram que GPP_uStar_f teve os maiores valores e menor variabilidade, relacionado a extrapolacao dos parâmetros nocturnos ou diurnos, enquanto GPP_DT_uStar_f apresentou valores mais conservadores, já que utiliza parâmetros diurnos na geração do GPP. O GPP_TB registrou os menores valores e menor variabilidade devido a escala temporal do metodo, enquanto o GPP_torre-EVI8 capturou melhor as variações sazonais. A produtividade foi maior no verão e menor no inverno, refletindo a fenologia da vegetação campestre. Os achados confirmam a eficácia do sensoriamento remoto, especialmente dos índices EVI e das bandas 5 e 8 do Sentinel-2, na estimativa da GPP. A escolha da metodologia mais adequada depende dos objetivos do estudo, da escala temporal e das variáveis ambientais dominantes. |
|---|