Navegando por Autor "Silva, Iara Bezerra da"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Estimativa da produtividade primária bruta em uma floresta tropical sazonalmente seca(Universidade Federal do Rio Grande do Norte, 2024-03-01) Silva, Iara Bezerra da; Oliveira, Pablo Eli Soares de; https://orcid.org/0000-0003-1172-6870; http://lattes.cnpq.br/9234882860270063; http://lattes.cnpq.br/9671806585392425; Bezerra, Bergson Guedes; Silva, Bernardo Barbosa daA Produtividade Primária Bruta (Gross Primary Productivity - GPP) é caracterizada pela taxa de absorção de carbono durante a fotossíntese, fornecendo informações cruciais sobre a variação sazonal no ciclo do carbono. A GPP tem sido monitorado em todo o mundo através de torres de fluxo, usando a técnica de covariância de vórtices turbulentos (Eddy Covariance- EC) e de modelos agrupados a dados de sensoriamento remoto. Este trabalho teve como objetivo avaliar os diferentes métodos de estimativa da GPP a partir do sensoriamento remoto, derivados dos dados do Landsat 8 e MODIS (Moderate Resolution Imaging Spectroradiometer). Foram testados os seguintes modelos: Modelo de Fotossíntese de Vegetação (VPM), Modelo de Temperatura e Verdor (TG), Modelo de Índice de Vegetação (VI), Eficiência do Uso da LUZ (LUE) e o produto MOD17A2H, na Estação Ecológica do Seridó (ESEC-Seridó), no município de Serra Negra do Norte - RN, no período de 01 janeiro de 2014 a 31 de dezembro de 2015. O Índice de Vegetação por Diferença Normalizada (NDVI), Índice de Vegetação Aprimorada (EVI), Índice de Água Superficial (LSWI) foram derivados do landsat 8, disponíveis no Google Earth Engine (GEE), sendo utilizados como entrada nos modelos, e integrados com as variáveis micrometeorológicas. Os modelos foram comparados com a GPP medido pela técnica Eddy Covariance (GPPEC). Em geral, todos os modelos subestimaram a GPPEC, principalmente na estação seca, com destaque para modelo MODIS que superestimou em ambas as estações, com destaque para estação seca, em cerca de 95,5%. Os resultados indicaram que o modelo TG estimado utilizando dados do Landsat 8, apresentou o melhor desempenho para a área de estudo (floresta tropical sazonalmente seca). O segundo melhor desempenho foi dos modelos LUE, também estimados a partir do Landsat 8, quando se considerou a variabilidade na eficiência do uso da luz. Portanto, a validação e comparação de modelos realizada neste estudo fornecerá informações valiosas para o desenvolvimento de futuros modelos de estimativa da produtividade primária bruta, visto a necessidade de calibração dos modelos utilizando dados observados, para reduzir as incertezas decorrentes dos parâmetros utilizados.