O aquecimento global desencadeia algumas alterações ambientais, que são causadas pelo aumento da concentração dos gases do efeito estufa. As florestas têm grande importância na regulação climática, no ciclo do carbono e na conservação da biodiversidade. A vegetação remove grande quantidade de dióxido de carbono e o armazena em diferentes partes. Para medir a captura do carbono atmosférico pela vegetação, estimou-se a biomassa vegetal. Este trabalho quantificou a biomassa acima do solo para obtenção do estoque de carbono em diferentes ecossistemas com o uso de sensoriamento remoto na Fazenda Figueira, em Londrina, Paraná. A fazenda possui uma área de 3.686,64 hectares (ha), sendo 1.435,44 ha ocupados por vegetação natural e 1.865,30 ha ocupados por pastagens. A vegetação predominante é a Floresta Estacional Semidecidual (FES), além de apresentar áreas de Floresta Ribeirinha (FR), pastagens, áreas agrícolas e edificações. Para a quantificação da biomassa vegetal aérea, foram estabelecidas 30 parcelas de 300 m2 nas áreas de FES e FR para medição do DAP e foram aplicadas três diferentes equações alométricas. Em relação às gramíneas, foram estabelecidas cinco parcelas de 10mx10m com o capim Tanzânia e, após ciclo de crescimento, foram cortadas subamostras de 1 m2 para cálculo da biomassa. A partir de duas cenas do Landsat-8/OLI, foram gerados quatro Índices de Vegetação: RS, NDVI, EVI e EVI2, referentes a 2014 e 2015. A análise estatística executada foi a correlação de Pearson e a regressão stepwise para selecionar as melhores variáveis. Os resultados mostraram que a maior densidade de espécies foi encontrada na FES do que FR, porém a maior riqueza foi na FR. Ambas florestas apresentaram distribuição diamétrica irregular. Nas três equações alométricas, a biomassa e o estoque de carbono foram maiores na FES do que FR. Em relação aos Índices de Vegetação, os valores de RS, NDVI, EVI e EVI2 foram maiores na FES do que FR e valores foram maiores em 2015 do que 2014. O mesmo ocorreu para os buffers de 50 m e 100 m para todos os índices estudados. A correlação de Pearson mostrou melhor correlação da biomassa florestal total com a equação de Medina Sotomayor com EVI/2015 e a análise de regressão stepwise indicou melhor relação para equação de Burger e Delitti com EVI/2015 (R2 = 0,3742). A biomassa do capim Tanzânia apresentou média de 3,67 Mg.ha-1 e média de carbono de 1,83 MgC.ha-1. Os valores médios dos Índices de Vegetação foram 0,67 para NDVI, 0,58 para EVI, 0,54 para EVI2 e 4,80 para RS. A análise de correlação de Pearson indicou forte correlação negativa da biomassa total de pastagem com todos os índices de vegetação e os valores de buffers de 50 m e 100 m. A análise de regressão stepwise foi significativa com EVI (R2 = 0,9124). A quantificação de biomassa e carbono é importante meio para mitigação climática e as imagens Landsat-8 permitiram diferenciar, por meio de índices de vegetação, as coberturas vegetais da Fazenda Figueira. O sensoriamento remoto tem um bom potencial em estimar a biomassa acima do solo. / Global warming triggers some environmental changes, which are caused by increased concentration of greenhouse gases. Forests have great importance in climate regulation, carbon cycle, and conservation of biodiversity. Vegetation removes and stores large amounts of carbon dioxide. To measure the amount of atmospheric carbon captured by vegetation, biomass is estimated. This study quantified the aboveground biomass for obtaining carbon stocks in different ecosystems by using of remote sensing at Figueira Farm, Londrina, Paraná. The farm has an area of 3686.64 hectares (ha), of which 1435.44 ha are occupied by natural vegetation and 1865.30 ha are occupied by pastures. The predominant vegetation is semideciduous forest (FES), along with areas of riparian forest (FR), pasture, agricultural, and buildings. For quantification of above ground biomass, thirty 300 m2 plots were established in the areas of FES and FR for measurement of DBH and were applied in three allometric equations. In relation to grasses, five 10mx10m plots of Tanzania grass were established and after their growth cycle, five subsamples of 1 m2 were cut into to calculate biomass. From two scenes of Landsat-8/OLI, were generated four vegetation index: SR, NDVI, EVI and EVI2, referring to 2014 and 2015. Pearson correlation and stepwise regression were applied to select the best variables. The results showed that species density in FES was higher than FR, but the greater richness was found in the FR. Both forests had irregular diameter distribution. Using three allometric equations, the above ground biomass and carbon stocks were higher in FES than FR. The vegetation indices, values for SR, NDVI, EVI, and EVI2 were higher in FES than FR and values were higher in 2015 than in 2014. The same difference between FES and FR occurred with buffers of 50 m to 100 m for all indices studied. Pearson correlation analysis showed a better correlation of total forest biomass with the Medina Sotomayor equation with EVI/2015 and stepwise regression analysis indicated a better value to the Burger and Delitti equation with EVI/2015 (R2 = 0.3742). Biomass of Tanzania grass showed an average biomass of 3.67 Mg.ha-1 and average carbon of 1.83 MgC.ha-1. The average vegetation indices were 0.67 for NDVI, 0.58 for EVI, 0.54 for EVI2, and 4.80 for SR. The pearson correlation analysis indicated a strong negative correlation among the total pasture biomass of among the and all vegetation indices and buffers of 50 m and 100 m. The stepwise regression analysis showed significant correlation with EVI (R2 = 0.9124). The quantification of biomass and carbon is an important way of climate mitigation and Landsat-8 images differentiate the vegetation covers of the Figueira Farm, throught vegetation indices. Remote sensing has good potential to provide data for estimating the above ground biomass.

No description available.

No description available.

Made available in DSpace on 2017-07-21T14:19:36Z (GMT). No. of bitstreams: 1 Thalita Scharr Rodrigues.pdf: 2564832 bytes, checksum: f5dd6e058b05dbc659cf7c0d5698160c (MD5) Previous issue date: 2013-02-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The Remote Sensing has many techniques and technologies which are able to be applied in agriculture. Among these applications are the analysis of images taken by satellites that are in orbit around the Earth. In this work were used orbital images from Landsat 5 TM and 7 ETM+ about the years 2001, 2004 and 2009 in order to analyze the performance of the application of different vegetation indices such as NDVI, NRVI, SAVI, MSAVI2, AVI and TTVI. Statistical techniques were used as well as image processing, such as visual analysis, Histogram, Index Universal Image Quality (IQI) and Mean Square Error. Among the assessment techniques used were the most appropriate visual analysis in conjunction with the application of the IQI and histogram to detect differences in rates of phenological cycles of discrimination agricultural crops, natural vegetation and soils without vegetation. Indexes that showed the lowest performances were CTVI, followed by TTVI and AVI. The application of these vegetation indices enabled the monitoring of land use in the study area over the three years, without the need for continuous trips to the field.Although the spatial resolution is 30 meters, which is considered moderate for the case study, the images from Landsat 5 TM and Landsat 7 ETM were appropriate for this study. / O Sensoriamento Remoto possui diversas técnicas e tecnologias que podem ser aplicadas na Agricultura. Entre essas técnicas está a análise de imagens obtidas por satélites que estão em órbita ao redor da Terra. Nesse trabalho foram trabalhadas imagens orbitais do Satélite Landsat 5 TM e 7 ETM+ dos anos de 2001, 2004 e 2009 de uma região do município de Ponta Grossa, visando analisar o desempenho da aplicação de diferentes índices de vegetação, como o NDVI, NRVI, SAVI, MSAVI2,AVI, CTVI e TTVI. Foram também utilizadas análises estatísticas e técnicas de processamento de imagem, como análise visual, histograma, Índice de Qualidade Universal da Imagem (IQI) e Erro Médio Quadrático. Dentre as técnicas de avaliação utilizadas, as mais adequadas foram a análise visual em conjunto com o histograma e a aplicação do IQI para verificar as diferenças dos índices na discriminação de ciclos fenológicos de culturas agrícolas, vegetação natural e solos sem cobertura vegetal. Os índices que apresentaram os menores desempenhos foram o CTVI, seguido do TTVI e AVI, respectivamente. A aplicação desses índices de vegetação possibilitou o monitoramento do uso do solo da área estudada ao longo dos três anos, sem a necessidade de idas continuas ao campo. Embora a resolução espacial seja de 30 metros, considerada moderada para o estudo de caso, as imagens do Satélite Landsat 5 TM e Landsat 7 ETM+ foram adequadas para o presente estudo.

As condições climáticas do Brasil aliadas ao desenvolvimento tecnológico favorecem a obtenção de sucessivos incrementos em produção florestal e estimulam a expansão de área cultivada com povoamentos voltados para a produção madeireira. Com o objetivo de contribuir para o processo de quantificação das florestas plantadas em uma escala regional, este estudo propõe utilizar informações combinadas de imagens de satélites e dados obtidos do LiDAR (Light Detecting and Ranging) para a construção de modelos determinísticos capazes de distinguir em duas categorias de idade agrupamentos de florestas plantadas no Vale do Paraíba, estado de São Paulo. A primeira etapa constitui utilizar informações de parcelas de campo como resposta para modelos gerados com variáveis de escaneamento a laser aeroembarcado (ALS) e extrapolar os parâmetros para toda a região da plantação; em um segundo momento, utilizar as informações extrapoladas para gerar um modelo composto por variáveis de índice de vegetação (IV) calculados das imagens de satélite. As informações LiDAR (Light Detecting and Ranging) foram obtidas de sete fazendas da região do Vale do Paraíba, estado de São Paulo, em 2012, mesmo ano em que foram coletados os dados das parcelas de campo dos inventários florestais e que as imagens foram obtidas pela constelação de satélites RapidEye. Como variáveis de dados ALS foram utilizados o cálculo de todos os pontos por célula de 5 x 5 m avaliados, alturas máxima, mínima, média, desvio padrão e percentis de altura, calculados pelo programa de análise de dados LASTools®. Foram incluídas também métricas de diferença de alturas do percentil 90 e o percentil 10 (p9010) e a medida dessa diferença relativa à altura do percentil 90 (p9010r). Na modelagem dos dados LiDAR para imagens de satélite foram utilizadas como variáveis, de forma individual ou conjuntamente, os índices NDVI, NDVI705, EVI, GNDVI, SAVI, Red-Green ratio e SRI. Os modelos foram avaliados quanto ao seu desempenho no coeficiente de determinação (R2) e na raíz do erro quadrático médio (RMSE) e em uma análise final predizendo as fazendas em categorias de idade jovem e maduro. O modelo com melhores estimativas (R2 e RMSE) para idade na primeira etapa foi o que possuía variáveis Hp90 e Hp9010r, com R2=0,85 e RMSE=11,736 meses, e para a segunda etapa foi o modelo contendo como variáveis os índices de vegetação NDVI705, Red-Green índex e SAVI, com R2=0,49 e RMSE=0,378 meses. Apesar dos resultados melhores, o modelo contendo índices de vegetação GNDVI e Red-Green índex foi o que melhor representou a distribuição das florestas quanto a sua maturidade. / Brazil\'s climate conditions combined with the technological development promote the obtaining of successive increments in forest production and stimulate the expansion of cultivated area with stands for timber production. In order to contribute to the process of quantification of planted forests at regional scale, this study proposes to use combined information from satellite images and data obtained from the LiDAR (Light Detecting and Ranging) for the construction of deterministic models able to distinguish two categories of age groupings of planted forests in the Paraíba Valley, State of São Paulo in Brazil. The first step is to use field plots information in response to models generated with airborne laser scanning (ALS) variables and extrapolate the parameters for the whole region of the plantation; in a second moment, use the information extrapolated to generate a model composed of vegetation index variables (IV) calculated from satellite images. The information LiDAR (Light Detecting and Ranging) were obtained from seven farms in the region of the Paraíba Valley, State of São Paulo, in 2012, the same year in which the data were collected from plots of field forest inventories and that the images were obtained by the RapidEye satellite constellation. As data variables ALS were used the calculation of all points by cell size of 5 x 5 m evaluated, maximum height, minimum, mean, standard deviation and height percentiles, calculated by the data analysis program called LASTools®. Also included height difference metrics 90th percentile and percentile 10th (p9010) and the extent of this difference relative of the 90th percentile (p9010r). In the modeling of data LiDAR data for satellite images were used as variables, individually or jointly, the NDVI index, NDVI705, EVI, GNDVI, SAVI, Red-Green index and SRI. The models were evaluated regarding their performance on the coefficient of determination (R2) and root mean square error (RMSE) and a final analysis predicting the farms into categories of age, young and mature. The model with best estimates (R2 and RMSE) for age at first stage was what possessed variables Hp90 and Hp9010r, with R2 = 0.85 and RMSE = 11.736 months, and the second stage was the model containing as variables the NDVI705 vegetation, Red-Green index and SAVI, with R2 = 0.49 and RMSE = 0.378 months. Despite the better results, the model containing GNDVI and Red-Green vegetation indices was the best represented distribution of forests about your maturity.

Research Doctorate - Doctor of Philosophy (PhD) / Due to the effects of global warming and climate change there is currently intense and growing international interest in suitable modelling methods for relating satellite remotely sensed spectral imagery of vegetated landscapes to the biophysical structural variables in those landscapes across regional, continental or global scales. Of particular interest here is the satellite optical remote sensing of forest foliage cover—measured as foliage projective cover (FPC)—by Landsat ETM+ (Enhanced Thematic Mapper plus) sensor. In the remote sensing literature, different empirical and physical modelling approaches exist for relating remotely sensed imagery to the landscape parameters of interest, each with their own advantages and disadvantages. These approaches, in the main, may be broadly categorised as belonging to one, or a combination of: spectral mixture analysis (SMA) modelling, canopy reflectance modelling, multiple regression (MR) modelling or, spectral vegetation index (SVI) modelling. This thesis uses the SVI approach, partly in comparison to the MR approach. Both the SVI and MR approaches require field-based data to establish the relationship between the biophysical parameter and the spectral index or spectral responses within defined spectral bandwidths. Surrogate measures of the biophysical parameter are sometimes used extensively to establish this relationship and therefore a separate calibration relationship is required.This has inherent problems when the output of one model is substituted into the next and the effects of carry-over of error from one model to the next are not considered. My main goal is therefore to develop a modelling approach that will allow a larger set of one or more surrogate measures to be combined with a smaller set of ‘true’ measures of the biophysical parameter into the one model for establishing the relationship with the SVI and hence the spectral imagery. Success in meeting the goal is the illustration of a working model using real data. In progression towards meeting the goal, two new modelling ideas are developed and synthesised into the creation of an overall modelling framework for estimating FPC from spectral imagery. The modelling framework, which has potential for use in other applications, allows for the incorporation of different types of data including different calibration relationships between variables while avoiding the usual, stepwise approach to the linking of separate relationship models and their variables. One contribution that is new to both remote sensing and statistical modelling practices involves a polar transformation of the principal components of a multi-spectral image of a local reference landscape to produce a set of empirically based, invariant three-dimensional spectral index transformations that have potential for application to the spectral images of different regional landscapes and possibly global landscapes. In particular, the vegetation index from the set has approximate bounded properties that we exploit for modelling of its contribution to residual variation in its relationships with the biophysical variables measured on the ground. The other contribution to statistical modelling practice that has potential for application by a wide range of disciplines is the direct modelling of interdependent relationships between pairs of bounded variates, each considered to have a measurement error structure that can be modelled as though it is similar to sampling variation. Associated with this particular contribution is the development of novel geometric methods to construct approximate prediction bounds and to assist with model interpretations.

The balance of radiation at the surface is of great importance in studies related to the flow of heat in the atmosphere, particularly in agricultural crops in areas and basins. This work mapped the components of the radiation balance of the land surface and vegetation indices of the area with the river basin Pratagy in Alagoas, by means of remote sensing data in days of clear sky. In the estimation of the components of the balance of radiation were used data from TM-Landsat 5 and algorithm SEBAL - Surface Energy Balance Algorithm for Land is proposed by Bastiaanssen Land (1995). We analyzed the images of the day 06/11/1990, 09/21/1998 and 09/03/2003. The average value of the Normalized Difference Vegetation Index (NDVI) in 0.633 was 06/11/1990, 0.607 and 0.502 on 09/21/1998 to 09/03/2003, evidencing reduction of vegetation in the area in 1990 to study 1998 and also from 1998 to 2003. The gradual reduction of NDVI that occurred between the years studied, where the low values of 0 - 0.20 are found in more urbanized area, may have resulted from the urbanization process which intensified in these years. The classified image of the subtraction of NDVI between 1990 and 1998, however, demonstrated that in 59.5% of the area in study was little variation in the index. Once in the image of the subtraction of NDVI between 1998 the 2003 evidenced more that in almost 50% of the area in study was loss of vegetation and more spatially distributed in the central part of it. The instantaneous average value of the balance of radiation to the surface (Rn) increased from 1990 to 1998 and decreased between 1998 and 2003, with ranges of 129.6 W/m2 and 77.3 W/m2 respectively. In the classified image subtraction of Rn between 1990 and 1998 found that the increase was well distributed in 93.4% of the area. And the image of the subtraction of Rn between 1998 and 2003 showed that the decrease of Rn was also well distributed spatially in 82.5% of the area. The estimated average snapshot of the surface temperature (Ts) between 1990 and 1998 was an increase in the range of 3.3ºC, while from 1998 to 2003 occurred decrease of 2.7ºC. The gradual increase Ts between 1990 and 1998, where values above 26ºC are found in more urbanized regions of the area under study may have been due to the intensification of the process of urbanization. The analysis of critical areas in relation to the occurrence of loss of vegetation cover has proved that the NDVI is related with the indireta the surface albedo and the Ts, while the Rn with a direct relationship. The analysis of the critical areas of loss or gain of Rn showed that the albedo and Ts almost always act inversely with the Rn and the rates of vegetation directly. It was evident to appropriate employment potential of SEBAL in studies of changes in vegetation and land use in watersheds of scale, since the identification of changes in species can occur by studying the maps of net radiation and rates of vegetation. / O saldo de radiação à superfície é de grande importância em estudos relacionados com o fluxo de calor na atmosfera, particularmente em cultivos agrícolas e em áreas hidrográficas. Neste trabalho são mapeadas as componentes do balanço de radiação à superfície terrestre e índices de vegetação em área com a bacia do rio Pratagy, em Alagoas, por meio de dados de sensores remotos em dias de céu claro. Na estimativa das componentes do balanço de radiação foram utilizados dados do TM-Landsat 5 e o algoritmo SEBAL - Surface Energy Balance Algorithm for Land proposto por Bastiaanssen (1995). Foram analisadas as imagens dos dias 11/06/1990, 21/09/1998 e 03/09/2003. O valor médio do Índice de Vegetação da Diferença Normalizada (IVDN) foi de 0,633 em 11/06/1990, 0,607 em 21/09/1998 e 0,502 para 03/09/2003, evidenciando diminuição de vegetação na área em estudo de 1990 a 1998 e também de 1998 a 2003. A diminuição gradativa do IVDN que ocorreu entre os anos pesquisados, onde os valores baixos de 0 0,20 são encontrados mais na área urbanizada da área, pode ter resultado do processo de urbanização que se intensificou nestes anos. A imagem classificada da subtração do IVDN entre 1990 e 1998, no entanto, demonstrou que em 59,5% da área em estudo ocorreu pouca variação no índice. Já na imagem da subtração do IVDN entre 1998 a 2003 evidenciou que em quase 50% da área em estudo ocorreu perda de vegetação e distribuída espacialmente mais na parte central da mesma. O valor médio instantâneo do saldo de radiação à superfície (Rn) aumentou de 1990 à 1998 e decresceu entre 1998 e 2003, com amplitudes de 129,6W/m2 e de 77,3W/m2 respectivamente. Na imagem classificada da subtração do Rn entre 1990 e 1998 constatou-se que o aumento ocorreu bem distribuído em 93,4% da área estudada. E na imagem da subtração do Rn entre 1998 e 2003 evidenciou que a diminuição do Rn foi também bem distribuída espacialmente em 82,5% da área estudada. O valor estimado médio instantâneo da temperatura da superfície (Ts) entre 1990 e 1998 teve uma elevação na faixa de 3,3ºC, enquanto de 1998 a 2003 ocorreu diminuição de 2,7ºC. O aumento gradativo da Ts entre 1990 e 1998, onde os valores superiores a 26ºC são encontrados mais em regiões urbanizadas da área em estudo pode ter sido devido à intensificação do processo de urbanização. A análise das áreas críticas em relação à ocorrência de perda da cobertura vegetal comprovou que o IVDN tem relação indireta com o albedo da superfície e com a Ts, enquanto com o Rn uma relação direta. A análise das áreas críticas de perda ou ganho de Rn comprovou que o albedo e a Ts quase sempre atuam inversamente com o Rn e os índices de vegetação diretamente. Ficou evidenciada a apropriada potencialidade do emprego do SEBAL em estudos de alterações na vegetação e uso da terra em escala de bacias hidrográficas, uma vez que a identificação em mudanças das espécies pode ocorrer pelo estudo dos mapas de saldo de radiação e de índices de vegetação.

Considerando que estudos sobre fenologia vegetal são importantes para a compreensão do funcionamento e verificação da ocorrência de padrões no ciclo vegetativo das plantas, resultando em melhorias nas atividades de conservação e manejo, o objetivo desta pesquisa foi caracterizar a dinâmica fenológica de diferentes tipologias campestres no estado do Rio Grande do Sul (RS), a partir da relação entre a variabilidade de elementos climáticos intra e interanual e eventos em larga escala e a distribuição espaço-temporal das tipologias predominantes. A área de estudo abrangeu 10 tipologias predominantes de campo no estado do RS. A base de dados orbitais utilizada foi obtida de diferentes produtos relacionados ao estudo da vegetação do sensor MODIS (Moderate Resolution Imaging Spectroradiometer), constando os índices de vegetação NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index) e GPP (Gross Primary Productivity). Também, foram utilizados dados meteorológicos provenientes da base TRMM (Tropical Rainfall Measuring Mission) e ERA Interim, para o período de fevereiro de 2000 a dezembro de 2014. O uso de séries temporais de dados NDVI e EVI/MODIS permitiram obter informações sobre a fenologia da vegetação campestre e a definição de padrões diretamente relacionados a variações meteorológicas. A sazonalidade da vegetação campestre apresenta cliclo anual bem marcado, com início e fim da estação de crescimento determinada pelas condições térmicas (temperatura do ar), porém alterado pela disponibilidade hídrica. A relação entre temperatura do ar e vigor vegetal apresentou maior correlação e tem influência direta sobre o início e fim da estação de crescimento (primavera e verão) A precipitação pluvial, no entanto, influencia as condições de crescimento/desenvolvimento das tipologias campestres, especialmente no verão, associado aos períodos de estiagem que tendem a ocorrer com maior frequência. Ambos os índices (EVI e NDVI) apresentam maior variabilidade durante a primavera e o verão, com diminuição da variabilidade durante o outono e inverno. A aplicação da Transformada de Ondaleta mostrou onde e quando ocorreram alterações no padrão fenológico da vegetação campestre e a Transformada Coerência apontou a intensidade (correlação) entre os índices de vegetação e a variabilidade das condições meteorológicas. O agrupamento das tipologias, com uso da técnica de Cluster, revelou seus comportamentos sazonais, sendo que a partir do índice EVI há a possibilidade de identificar diferenças entre as tipologias durante o outono e inverno, enquanto o NDVI apresentou diferença somente no inverno. As métricas fenológicas obtidas do Timesat para as imagens EVI permitiram obter dados importantes sobre o ciclo fenológico da vegetação campestre do RS, com a caracterização do padrão fenológico das tipologias predominantes. O uso de modelos para a estimativa da produtividade da vegetação campestre a partir do EVI revelou dentre as tipologias testadas que a CSR (campos de solos rasos) apresentou maior capacidade de explicar a variabilidade da produtividade dos campos por ser mais suscetível às variações meteorológicas. Os resultados obtidos permitiram confirmar a diversidade entre as tipologias campestres predominantes no RS, expressas por índices de vegetação, tanto no aspecto temporal como espacial. O uso dos índices de vegetação demonstrou potencial no monitoramento do padrão fenológico da vegetação campestre frente a variabilidade climática do RS. / Considering that studies on vegetal phenology are important to understand the mechanisms and pattern recognition on the vegetative cycle of plants, resulting in improvements in conservation and management activities, the aim of this research was to characterize the phenological dynamics of different grassland typologies in Rio Grande do Sul State (RS), based on the relationship between the variability of intra-annual and inter-annual climatic elements, large-scale events and the spatio-temporal distribution of predominant typologies . The study area included 10 predominant grassland typologies in RS state. The orbital database used was obtained from different products related to vegetation studies of MODIS sensor (Moderate Resolution Imaging Spectroradiometer), presenting the vegetation indices NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index) and GPP (Gross Primary Productivity). Also, meteorological data from TRMM base (Tropical Rainfall Measuring Mission) and ERA Interim were used for the period of February 2000 to December 2014. The use of time series data from NDVI and EVI/MODIS led to information on grassland vegetal phenology and the definition of patterns directly related to meteorological variations. The seasonality of grassland vegetation presents a well marked annual cycle, with the beginning and the end of growing season determined by thermal conditions (air temperature) but altered by water availability. The relationship between air temperature and vegetal vigor presented a strong correlation and influences directly on the beginning and on the end of the growth season (spring and summer). The rainfall, however, influences growth/development conditions of grassland typologies, especially in summer, associated to drought periods that tend to occur more frequently Both indices (EVI and NDVI) presented a greater variability during spring and summer, with a lesser variability during fall and winter. The application of Ondaleta Transform showed where and when alterations occurred in the phenological pattern of grassland vegetation and the Coherence Transform pointed the intensity (correlation) between vegetation indices and the variability of meteorological conditions. The grouping of typologies, using the Cluster technique, revealed their seasonal behaviors, and from the EVI index there is the possibility of identifying differences between typologies during fall and winter, whereas NDVI showed differences only in winter. The phenological metrics obtained from Timesat to EVI images allowed to obtain important data on the phenological cycle of grassland vegetation of RS state, with a characterization of the phenological pattern. The use of models for estimation of productivity of grassland vegetation based on EVI revealed among the typologies tested that the CSR (shallow soils grasslands) presented greater ability to explain the variability of grasslands productivity because it is more susceptible to meteorological variations. The obtained results allowed for the confirmation of diversity among the grassland typologies predominant in RS state, expressed by vegetation indices, both in temporal and spatial aspects. The use of vegetation indices demonstrated potential on the monitoring of phenological pattern of grassland vegetation considering the climatic variability of RS state.

Considerando que estudos sobre fenologia vegetal são importantes para a compreensão do funcionamento e verificação da ocorrência de padrões no ciclo vegetativo das plantas, resultando em melhorias nas atividades de conservação e manejo, o objetivo desta pesquisa foi caracterizar a dinâmica fenológica de diferentes tipologias campestres no estado do Rio Grande do Sul (RS), a partir da relação entre a variabilidade de elementos climáticos intra e interanual e eventos em larga escala e a distribuição espaço-temporal das tipologias predominantes. A área de estudo abrangeu 10 tipologias predominantes de campo no estado do RS. A base de dados orbitais utilizada foi obtida de diferentes produtos relacionados ao estudo da vegetação do sensor MODIS (Moderate Resolution Imaging Spectroradiometer), constando os índices de vegetação NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index) e GPP (Gross Primary Productivity). Também, foram utilizados dados meteorológicos provenientes da base TRMM (Tropical Rainfall Measuring Mission) e ERA Interim, para o período de fevereiro de 2000 a dezembro de 2014. O uso de séries temporais de dados NDVI e EVI/MODIS permitiram obter informações sobre a fenologia da vegetação campestre e a definição de padrões diretamente relacionados a variações meteorológicas. A sazonalidade da vegetação campestre apresenta cliclo anual bem marcado, com início e fim da estação de crescimento determinada pelas condições térmicas (temperatura do ar), porém alterado pela disponibilidade hídrica. A relação entre temperatura do ar e vigor vegetal apresentou maior correlação e tem influência direta sobre o início e fim da estação de crescimento (primavera e verão) A precipitação pluvial, no entanto, influencia as condições de crescimento/desenvolvimento das tipologias campestres, especialmente no verão, associado aos períodos de estiagem que tendem a ocorrer com maior frequência. Ambos os índices (EVI e NDVI) apresentam maior variabilidade durante a primavera e o verão, com diminuição da variabilidade durante o outono e inverno. A aplicação da Transformada de Ondaleta mostrou onde e quando ocorreram alterações no padrão fenológico da vegetação campestre e a Transformada Coerência apontou a intensidade (correlação) entre os índices de vegetação e a variabilidade das condições meteorológicas. O agrupamento das tipologias, com uso da técnica de Cluster, revelou seus comportamentos sazonais, sendo que a partir do índice EVI há a possibilidade de identificar diferenças entre as tipologias durante o outono e inverno, enquanto o NDVI apresentou diferença somente no inverno. As métricas fenológicas obtidas do Timesat para as imagens EVI permitiram obter dados importantes sobre o ciclo fenológico da vegetação campestre do RS, com a caracterização do padrão fenológico das tipologias predominantes. O uso de modelos para a estimativa da produtividade da vegetação campestre a partir do EVI revelou dentre as tipologias testadas que a CSR (campos de solos rasos) apresentou maior capacidade de explicar a variabilidade da produtividade dos campos por ser mais suscetível às variações meteorológicas. Os resultados obtidos permitiram confirmar a diversidade entre as tipologias campestres predominantes no RS, expressas por índices de vegetação, tanto no aspecto temporal como espacial. O uso dos índices de vegetação demonstrou potencial no monitoramento do padrão fenológico da vegetação campestre frente a variabilidade climática do RS. / Considering that studies on vegetal phenology are important to understand the mechanisms and pattern recognition on the vegetative cycle of plants, resulting in improvements in conservation and management activities, the aim of this research was to characterize the phenological dynamics of different grassland typologies in Rio Grande do Sul State (RS), based on the relationship between the variability of intra-annual and inter-annual climatic elements, large-scale events and the spatio-temporal distribution of predominant typologies . The study area included 10 predominant grassland typologies in RS state. The orbital database used was obtained from different products related to vegetation studies of MODIS sensor (Moderate Resolution Imaging Spectroradiometer), presenting the vegetation indices NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index) and GPP (Gross Primary Productivity). Also, meteorological data from TRMM base (Tropical Rainfall Measuring Mission) and ERA Interim were used for the period of February 2000 to December 2014. The use of time series data from NDVI and EVI/MODIS led to information on grassland vegetal phenology and the definition of patterns directly related to meteorological variations. The seasonality of grassland vegetation presents a well marked annual cycle, with the beginning and the end of growing season determined by thermal conditions (air temperature) but altered by water availability. The relationship between air temperature and vegetal vigor presented a strong correlation and influences directly on the beginning and on the end of the growth season (spring and summer). The rainfall, however, influences growth/development conditions of grassland typologies, especially in summer, associated to drought periods that tend to occur more frequently Both indices (EVI and NDVI) presented a greater variability during spring and summer, with a lesser variability during fall and winter. The application of Ondaleta Transform showed where and when alterations occurred in the phenological pattern of grassland vegetation and the Coherence Transform pointed the intensity (correlation) between vegetation indices and the variability of meteorological conditions. The grouping of typologies, using the Cluster technique, revealed their seasonal behaviors, and from the EVI index there is the possibility of identifying differences between typologies during fall and winter, whereas NDVI showed differences only in winter. The phenological metrics obtained from Timesat to EVI images allowed to obtain important data on the phenological cycle of grassland vegetation of RS state, with a characterization of the phenological pattern. The use of models for estimation of productivity of grassland vegetation based on EVI revealed among the typologies tested that the CSR (shallow soils grasslands) presented greater ability to explain the variability of grasslands productivity because it is more susceptible to meteorological variations. The obtained results allowed for the confirmation of diversity among the grassland typologies predominant in RS state, expressed by vegetation indices, both in temporal and spatial aspects. The use of vegetation indices demonstrated potential on the monitoring of phenological pattern of grassland vegetation considering the climatic variability of RS state.

O aquecimento global desencadeia algumas alterações ambientais, que são causadas pelo aumento da concentração dos gases do efeito estufa. As florestas têm grande importância na regulação climática, no ciclo do carbono e na conservação da biodiversidade. A vegetação remove grande quantidade de dióxido de carbono e o armazena em diferentes partes. Para medir a captura do carbono atmosférico pela vegetação, estimou-se a biomassa vegetal. Este trabalho quantificou a biomassa acima do solo para obtenção do estoque de carbono em diferentes ecossistemas com o uso de sensoriamento remoto na Fazenda Figueira, em Londrina, Paraná. A fazenda possui uma área de 3.686,64 hectares (ha), sendo 1.435,44 ha ocupados por vegetação natural e 1.865,30 ha ocupados por pastagens. A vegetação predominante é a Floresta Estacional Semidecidual (FES), além de apresentar áreas de Floresta Ribeirinha (FR), pastagens, áreas agrícolas e edificações. Para a quantificação da biomassa vegetal aérea, foram estabelecidas 30 parcelas de 300 m2 nas áreas de FES e FR para medição do DAP e foram aplicadas três diferentes equações alométricas. Em relação às gramíneas, foram estabelecidas cinco parcelas de 10mx10m com o capim Tanzânia e, após ciclo de crescimento, foram cortadas subamostras de 1 m2 para cálculo da biomassa. A partir de duas cenas do Landsat-8/OLI, foram gerados quatro Índices de Vegetação: RS, NDVI, EVI e EVI2, referentes a 2014 e 2015. A análise estatística executada foi a correlação de Pearson e a regressão stepwise para selecionar as melhores variáveis. Os resultados mostraram que a maior densidade de espécies foi encontrada na FES do que FR, porém a maior riqueza foi na FR. Ambas florestas apresentaram distribuição diamétrica irregular. Nas três equações alométricas, a biomassa e o estoque de carbono foram maiores na FES do que FR. Em relação aos Índices de Vegetação, os valores de RS, NDVI, EVI e EVI2 foram maiores na FES do que FR e valores foram maiores em 2015 do que 2014. O mesmo ocorreu para os buffers de 50 m e 100 m para todos os índices estudados. A correlação de Pearson mostrou melhor correlação da biomassa florestal total com a equação de Medina Sotomayor com EVI/2015 e a análise de regressão stepwise indicou melhor relação para equação de Burger e Delitti com EVI/2015 (R2 = 0,3742). A biomassa do capim Tanzânia apresentou média de 3,67 Mg.ha-1 e média de carbono de 1,83 MgC.ha-1. Os valores médios dos Índices de Vegetação foram 0,67 para NDVI, 0,58 para EVI, 0,54 para EVI2 e 4,80 para RS. A análise de correlação de Pearson indicou forte correlação negativa da biomassa total de pastagem com todos os índices de vegetação e os valores de buffers de 50 m e 100 m. A análise de regressão stepwise foi significativa com EVI (R2 = 0,9124). A quantificação de biomassa e carbono é importante meio para mitigação climática e as imagens Landsat-8 permitiram diferenciar, por meio de índices de vegetação, as coberturas vegetais da Fazenda Figueira. O sensoriamento remoto tem um bom potencial em estimar a biomassa acima do solo. / Global warming triggers some environmental changes, which are caused by increased concentration of greenhouse gases. Forests have great importance in climate regulation, carbon cycle, and conservation of biodiversity. Vegetation removes and stores large amounts of carbon dioxide. To measure the amount of atmospheric carbon captured by vegetation, biomass is estimated. This study quantified the aboveground biomass for obtaining carbon stocks in different ecosystems by using of remote sensing at Figueira Farm, Londrina, Paraná. The farm has an area of 3686.64 hectares (ha), of which 1435.44 ha are occupied by natural vegetation and 1865.30 ha are occupied by pastures. The predominant vegetation is semideciduous forest (FES), along with areas of riparian forest (FR), pasture, agricultural, and buildings. For quantification of above ground biomass, thirty 300 m2 plots were established in the areas of FES and FR for measurement of DBH and were applied in three allometric equations. In relation to grasses, five 10mx10m plots of Tanzania grass were established and after their growth cycle, five subsamples of 1 m2 were cut into to calculate biomass. From two scenes of Landsat-8/OLI, were generated four vegetation index: SR, NDVI, EVI and EVI2, referring to 2014 and 2015. Pearson correlation and stepwise regression were applied to select the best variables. The results showed that species density in FES was higher than FR, but the greater richness was found in the FR. Both forests had irregular diameter distribution. Using three allometric equations, the above ground biomass and carbon stocks were higher in FES than FR. The vegetation indices, values for SR, NDVI, EVI, and EVI2 were higher in FES than FR and values were higher in 2015 than in 2014. The same difference between FES and FR occurred with buffers of 50 m to 100 m for all indices studied. Pearson correlation analysis showed a better correlation of total forest biomass with the Medina Sotomayor equation with EVI/2015 and stepwise regression analysis indicated a better value to the Burger and Delitti equation with EVI/2015 (R2 = 0.3742). Biomass of Tanzania grass showed an average biomass of 3.67 Mg.ha-1 and average carbon of 1.83 MgC.ha-1. The average vegetation indices were 0.67 for NDVI, 0.58 for EVI, 0.54 for EVI2, and 4.80 for SR. The pearson correlation analysis indicated a strong negative correlation among the total pasture biomass of among the and all vegetation indices and buffers of 50 m and 100 m. The stepwise regression analysis showed significant correlation with EVI (R2 = 0.9124). The quantification of biomass and carbon is an important way of climate mitigation and Landsat-8 images differentiate the vegetation covers of the Figueira Farm, throught vegetation indices. Remote sensing has good potential to provide data for estimating the above ground biomass.