Sensoriamento remoto e análise espacial na determinação de processos hidrológicos no bioma Cerrado.

Abstract

Este trabalho avaliou o uso de sensoriamento remoto e análise espacial no diagnóstico da precipitação (P), da evapotranspiração real (ETr), e de vazões (Q) no Bioma Cerrado. Foram avaliadas estimativas de P por sensoriamento remoto (Psr), obtidas pelo Tropical Rainfall Measuring Mission (TRMM) (TRMM Multi-satellite Precipitation Analysis (TMPA 3B42)) e pelo Global Precipitation Measurement (GPM) (Integrated Multi-satellitE Retrievals for GPM (IMERG) e o Global Satellite Mapping of Precipitation (GSMaP)). Também foram avaliadas estimativas de ETr do modelo Operational Simplified Surface Energy Balance (SSEBop) feitas com dados do Moderate resolution Imaging Spectroradiometer (MODIS), do Enhanced Thematic Mapper Plus (ETM+) e do Thermal Infrared Sensor (TIRS). As estimativas de Psr e ETr foram validadas em diferentes condições e também foram utilizadas no modelo hidrológico Soil and Water Assessment Tool (SWAT) para simular Q e ETr em bacia hidrográfica agrícola. Os resultados demonstram que a geração de produtos de Psr obtidos a partir de dados da missão GPM (IMERG e GSMaP) é capaz de garantir a continuidade no monitoramento de P no Brasil central, com o IMERG apresentando as melhores correlações com a rede de pluviômetros na maior parte dos cenários avaliados. De modo geral, as simulações de Q pelo modelo SWAT utilizando dados do IMERG superou o uso do TMPA e do GSMaP e até mesmo, em alguns casos, as simulações feitas com os dados da rede de pluviômetros, apresentando coeficiente Nash & Sutcliffe (NS) > 0,75. O modelo SSEBop conseguiu estimar a ETr de forma satisfatória em áreas de pastagem, reflorestamento e com vegetação nativa utilizando dados provenientes do ETM+ e do TIRS, com coeficiente de determinação (R 2 ), respectivamente, iguais a 0,8, 0,59 e 0,91 nos melhores cenários avaliados. Por fim, a série temporal de ETr proveniente de dados do MODIS contribuiu positivamente na simulação de Q e ETr pelo modelo SWAT ao nível de sub-bacia, com NS > 0,6 nos cenários de validação que calibraram ambas as variáveis em conjunto com o algoritmo de otimização SUFI-2, e que apresentaram melhores níveis de incertezas na estimativa dos parâmetros.