Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Blas, Juan Carlos Guerra
Orientador(a): Kuplich, Tatiana Mora
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Sensoriamento remoto
Covariância de vórtices
Bioma Pampa
Palavras-chave em Inglês:
GPP
Eddy covariance
Sentinel-2
Red Edge
Pampa biome
Brazil
Link de acesso: http://hdl.handle.net/10183/293345
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.
id URGS_0e6c8479287b92dd87df6fc00c6da5ee
oai_identifier_str oai:www.lume.ufrgs.br:10183/293345
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Blas, Juan Carlos GuerraKuplich, Tatiana Mora2025-07-02T08:03:00Z2025http://hdl.handle.net/10183/293345001280613O 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.The increasing concentration of greenhouse gases (GHGs), particularly CO₂, highlights the need to monitor terrestrial ecosystems such as grassland vegetation, which covers between 14% and 26% of the Earth's surface, including the Pampa biome. Despite advances in estimating Gross Primary Productivity (GPP) using remote sensing (RS) and Eddy Covariance (EC), integrating these methods with field measurements, such as forage biomass and RS data, remains limited. This study evaluated the consistency of GPP estimates by combining EC, RS, and biomass data using regression models based on Sentinel-2 imagery. Conducted at an experimental site in Santa Maria, southern Brazil (2019–2022), the study compared different approaches: (i) GPP derived from flux towers (GPP_uStar_f and GPP_DT_uStar_f), (ii) GPP estimated from biomass and RS data (GPP_TB), and (iii) GPP obtained through linear regression between flux tower data and the EVI-8 index (NIR Band) from Sentinel-2 (GPP_tower-EVI8). The results showed that GPP_uStar_f had the highest values and lowest variability, influenced by the extrapolation of nighttime parameters to daytime conditions, while GPP_DT_uStar_f presented more conservative estimates due to the use of daytime parameters in GPP calculations. GPP_TB recorded the lowest values and the least variability due to the temporal scale of the method, whereas GPP_tower-EVI8 effectively captured seasonal variations. Productivity was higher in summer and lower in winter, reflecting the phenology of grassland vegetation. The findings confirm the effectiveness of remote sensing, particularly the EVI index and Sentinel-2 bands 5 and 8, in GPP estimation. The choice of the most appropriate methodology depends on the study objectives, temporal scale, and dominant environmental variables.application/pdfporSensoriamento remotoCovariância de vórticesBioma PampaGPPEddy covarianceSentinel-2Red EdgePampa biomeBrazilAvaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remotoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulCentro Estadual de Pesquisas em Sensoriamento Remoto e MeteorologiaPrograma de Pós-Graduação em Sensoriamento RemotoPorto Alegre, BR-RS2025mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001280613.pdf.txt001280613.pdf.txtExtracted Texttext/plain132873http://www.lume.ufrgs.br/bitstream/10183/293345/2/001280613.pdf.txt6e2389e809e1f33b88fddb90f318815fMD52ORIGINAL001280613.pdfTexto completoapplication/pdf1313841http://www.lume.ufrgs.br/bitstream/10183/293345/1/001280613.pdf2f3f1830ddd86adbcffcae06f35fb3eeMD5110183/2933452025-07-03 08:04:15.347433oai:www.lume.ufrgs.br:10183/293345Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br || lume@ufrgs.bropendoar:18532025-07-03T11:04:15Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
title Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
spellingShingle Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
Blas, Juan Carlos Guerra
Sensoriamento remoto
Covariância de vórtices
Bioma Pampa
GPP
Eddy covariance
Sentinel-2
Red Edge
Pampa biome
Brazil
title_short Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
title_full Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
title_fullStr Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
title_full_unstemmed Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
title_sort Avaliação da produtividade primária bruta de vegetação campestre no bioma pampa brasileiro : integração de dados de campo, torres de fluxo e sensoriamento remoto
author Blas, Juan Carlos Guerra
author_facet Blas, Juan Carlos Guerra
author_role author
dc.contributor.author.fl_str_mv Blas, Juan Carlos Guerra
dc.contributor.advisor1.fl_str_mv Kuplich, Tatiana Mora
contributor_str_mv Kuplich, Tatiana Mora
dc.subject.por.fl_str_mv Sensoriamento remoto
Covariância de vórtices
Bioma Pampa
topic Sensoriamento remoto
Covariância de vórtices
Bioma Pampa
GPP
Eddy covariance
Sentinel-2
Red Edge
Pampa biome
Brazil
dc.subject.eng.fl_str_mv GPP
Eddy covariance
Sentinel-2
Red Edge
Pampa biome
Brazil
description 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.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-07-02T08:03:00Z
dc.date.issued.fl_str_mv 2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/293345
dc.identifier.nrb.pt_BR.fl_str_mv 001280613
url http://hdl.handle.net/10183/293345
identifier_str_mv 001280613
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/293345/2/001280613.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/293345/1/001280613.pdf
bitstream.checksum.fl_str_mv 6e2389e809e1f33b88fddb90f318815f
2f3f1830ddd86adbcffcae06f35fb3ee
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br || lume@ufrgs.br
_version_ 1846255905211940864

Registros relacionados