Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário
| Ano de defesa: | 2026 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://teses.usp.br/teses/disponiveis/43/43134/tde-07042026-135625/ |
Resumo: | Este trabalho se vale das características geoestacionárias do satélite GOES-16 para mapear e quantificar a ocorrência do efeito de oposição, igualmente conhecido como hotspot, sobre os biomas da Amazônia e do Cerrado nos anos de 2022, 2023 e 2024, avaliando-se a sua ocorrência longitudinal e latitudinal, a sua característica sazonal e a sua abrangência continental. O hotspot ocorre quando o ângulo de espalhamento () aproxima-se de 180°, considerando-se o caminho óptico entre o sol, a superfície terrestre e o sensor de satélite. Utilizam-se estimativas do fator de reflectância bidirecional (BRF) coletados pelo sensor Advanced Baseline Imager (ABI) a bordo desse satélite e disponibilizados pela National Oceanic and Atmospheric Administration (NOAA) para identificar e quantificar a assinatura do hotspot na resposta de reflectância de superfícies selecionadas. Ademais, relacionando-se esse efeito aos ângulos de espalhamento e de fase () na ocasião de sua ocorrência, são testados e comparados os modelos Ross-Thick-Li Sparse Reciprocal (RTLSR), Ross-Thick-Maignan-Li Sparse Reciprocal (RTMLSR) e Ross-Thick-Chen-Li Sparse Reciprocal (RTCLSR) desenvolvidos como aproximações à função BRDF (Bidirectional Reflectance Distribution Function), além de se aferir de forma qualitativa a influência do hotspot sobre o Normalized Difference Vegetation Index (NDVI) e o Kernel Normalized Difference Vegetation Index (KNDVI). Em 2022, 2023 e 2024, foram identificadas, respectivamente, 215.937, 215.947 e 215.936 ocorrências de hotspot sobre a Amazônia e, em relação ao Cerrado, 113.242, 113.262 e 113.279 ocorrências na condição >= 175°. Considerando-se uma definição mais restrita da condição do hotspot, com >= 179,9°, as ocorrências limitam-se à cerca de 0,030% e 0,060% dos acontecimentos totais para, respectivamente, a Amazônia e o Cerrado, e o seu aparecimento limita-se às estações do outono e da primavera. Para o bioma da Amazônia, 478 casos de hotspot foram selecionados e analisados em detalhe e, para o Cerrado, 281 casos. A comparação entre os modelos foi realizada com base na qualidade de ajustes de BRF em função do ângulo de fase, utilizando-se o Chi^2 reduzido como métrica. O modelo RTCLSR teve o maior índice de desempenho dentre os três, sobressaindo-se em 81,6% dos casos sobre a Amazônia e em 86,5% dos casos sobre o Cerrado, e foi seguido do modelo RTMLSR que se mostrou superior, respectivamente para a Amazônia e para o Cerrado, em 18,2% e 11,7% dos casos. O modelo mais tradicional, RTLSR, teve o pior desempenho, sobressaindo-se em apenas 0,2% dos casos sobre a Amazônia e em somente 1,8% dos casos sobre o Cerrado. Foi identificado que o efeito de oposição provoca uma queda de cerca 20% sobre os índices de vegetação NDVI e KNDVI e que ambos são igualmente sensíveis a ele. Os resultados obtidos neste trabalho apontam como recomendação a utilização do modelo RTCLSR para a representação de propriedades de reflectância da superfície sobre o Brasil e para a necessidade de se considerar a ocorrência do efeito de oposição em índices de vegetação, uma vez que seus efeitos sobre eles podem ser pontualmente significativos. |
| id |
USP_ffec255fbc205db1e63a99d9f3d4b4d0 |
|---|---|
| oai_identifier_str |
oai:teses.usp.br:tde-07042026-135625 |
| network_acronym_str |
USP |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
| repository_id_str |
|
| spelling |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionárioStudy of surface reflectance properties and vegetation indices in the Amazon and the Cerrado using a geostationary sensorHotspotHotspotÍndices de VegetaçãoReflectanceReflectânciaRemote sensingSatélitesSatellitesSensoriamento remotoVegetation Indices.Este trabalho se vale das características geoestacionárias do satélite GOES-16 para mapear e quantificar a ocorrência do efeito de oposição, igualmente conhecido como hotspot, sobre os biomas da Amazônia e do Cerrado nos anos de 2022, 2023 e 2024, avaliando-se a sua ocorrência longitudinal e latitudinal, a sua característica sazonal e a sua abrangência continental. O hotspot ocorre quando o ângulo de espalhamento () aproxima-se de 180°, considerando-se o caminho óptico entre o sol, a superfície terrestre e o sensor de satélite. Utilizam-se estimativas do fator de reflectância bidirecional (BRF) coletados pelo sensor Advanced Baseline Imager (ABI) a bordo desse satélite e disponibilizados pela National Oceanic and Atmospheric Administration (NOAA) para identificar e quantificar a assinatura do hotspot na resposta de reflectância de superfícies selecionadas. Ademais, relacionando-se esse efeito aos ângulos de espalhamento e de fase () na ocasião de sua ocorrência, são testados e comparados os modelos Ross-Thick-Li Sparse Reciprocal (RTLSR), Ross-Thick-Maignan-Li Sparse Reciprocal (RTMLSR) e Ross-Thick-Chen-Li Sparse Reciprocal (RTCLSR) desenvolvidos como aproximações à função BRDF (Bidirectional Reflectance Distribution Function), além de se aferir de forma qualitativa a influência do hotspot sobre o Normalized Difference Vegetation Index (NDVI) e o Kernel Normalized Difference Vegetation Index (KNDVI). Em 2022, 2023 e 2024, foram identificadas, respectivamente, 215.937, 215.947 e 215.936 ocorrências de hotspot sobre a Amazônia e, em relação ao Cerrado, 113.242, 113.262 e 113.279 ocorrências na condição >= 175°. Considerando-se uma definição mais restrita da condição do hotspot, com >= 179,9°, as ocorrências limitam-se à cerca de 0,030% e 0,060% dos acontecimentos totais para, respectivamente, a Amazônia e o Cerrado, e o seu aparecimento limita-se às estações do outono e da primavera. Para o bioma da Amazônia, 478 casos de hotspot foram selecionados e analisados em detalhe e, para o Cerrado, 281 casos. A comparação entre os modelos foi realizada com base na qualidade de ajustes de BRF em função do ângulo de fase, utilizando-se o Chi^2 reduzido como métrica. O modelo RTCLSR teve o maior índice de desempenho dentre os três, sobressaindo-se em 81,6% dos casos sobre a Amazônia e em 86,5% dos casos sobre o Cerrado, e foi seguido do modelo RTMLSR que se mostrou superior, respectivamente para a Amazônia e para o Cerrado, em 18,2% e 11,7% dos casos. O modelo mais tradicional, RTLSR, teve o pior desempenho, sobressaindo-se em apenas 0,2% dos casos sobre a Amazônia e em somente 1,8% dos casos sobre o Cerrado. Foi identificado que o efeito de oposição provoca uma queda de cerca 20% sobre os índices de vegetação NDVI e KNDVI e que ambos são igualmente sensíveis a ele. Os resultados obtidos neste trabalho apontam como recomendação a utilização do modelo RTCLSR para a representação de propriedades de reflectância da superfície sobre o Brasil e para a necessidade de se considerar a ocorrência do efeito de oposição em índices de vegetação, uma vez que seus efeitos sobre eles podem ser pontualmente significativos.This study takes advantage of the geostationary characteristics of the GOES-16 satellite to map and quantify the occurrence of the opposition effect, also known as the hotspot, over the Amazon and Cerrado biomes during the years 2022, 2023, and 2024. Its longitudinal and latitudinal distribution, seasonal behavior, and continental extent are evaluated. The hotspot occurs when the scattering angle () approaches 180°, considering the optical path between the Sun, the Earths surface, and the satellite sensor. Estimates of the Bidirectional Reflectance Factor (BRF) collected by the Advanced Baseline Imager (ABI) sensor onboard the satellite and provided by the National Oceanic and Atmospheric Administration (NOAA) are used to identify and quantify the hotspot signature in the reflectance response of selected surfaces. Furthermore, by relating this effect to the scattering and phase angles () at the time of its occurrence, the Ross-Thick-Li Sparse Reciprocal (RTLSR), Ross-Thick-Maignan-Li Sparse Reciprocal (RTMLSR), and Ross-Thick-Chen-Li Sparse Reciprocal (RTCLSR) models developed as approximations to the Bidirectional Reflectance Distribution Function (BRDF) are tested and compared. In addition, the influence of the hotspot on the Normalized Difference Vegetation Index (NDVI) and the Kernel Normalized Difference Vegetation Index (KNDVI) is qualitatively assessed. In 2022, 2023, and 2024, a total of 215,937; 215,947; and 215,936 hotspot occurrences were identified over the Amazon, respectively, and 113,242; 113,262; and 113,279 occurrences over the Cerrado under the >= 175° condition. Considering a more restrictive hotspot definition ( >= 179,9°), the occurrences are limited to approximately 0.030% and 0.060% of the total events for the Amazon and Cerrado, respectively, and their appearance is restricted to the autumn and spring seasons. For the Amazon biome, 478 hotspot cases were selected and analyzed in detail, and 281 cases for the Cerrado. The comparison among models was carried out based on the quality of BRF fits as a function of the phase angle, using reduced Chi-square as the evaluation metric. The RTCLSR model achieved the highest performance index among the three, outperforming the others in 81.6% of the cases over the Amazon and 86.5% over the Cerrado. It was followed by the RTMLSR model, which was superior in 18.2% and 11.7% of the cases for the Amazon and Cerrado, respectively. The more traditional RTLSR model showed the lowest performance, outperforming the others in only 0.2% of the cases over the Amazon and 1.8% over the Cerrado. It was identified that the opposition effect causes a reduction of approximately 20% in the NDVI and KNDVI vegetation indices, and both indices were found to be equally sensitive to it. The results of this study recommend the use of the RTCLSR model for representing surface reflectance properties over Brazil and highlight the need to consider the occurrence of the opposition effect in vegetation indices, since its effects on them may be locally significant.Biblioteca Digitais de Teses e Dissertações da USPCorreia, Alexandre LimaSousa, Ítalo Silva de Oliveira2026-03-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/43/43134/tde-07042026-135625/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2026-04-07T19:12:02Zoai:teses.usp.br:tde-07042026-135625Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212026-04-07T19:12:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
| dc.title.none.fl_str_mv |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário Study of surface reflectance properties and vegetation indices in the Amazon and the Cerrado using a geostationary sensor |
| title |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário |
| spellingShingle |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário Sousa, Ítalo Silva de Oliveira Hotspot Hotspot Índices de Vegetação Reflectance Reflectância Remote sensing Satélites Satellites Sensoriamento remoto Vegetation Indices. |
| title_short |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário |
| title_full |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário |
| title_fullStr |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário |
| title_full_unstemmed |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário |
| title_sort |
Estudo de propriedades de reflectância da superfície e índices de vegetação na Amazônia e no Cerrado a partir de um sensor geoestacionário |
| author |
Sousa, Ítalo Silva de Oliveira |
| author_facet |
Sousa, Ítalo Silva de Oliveira |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Correia, Alexandre Lima |
| dc.contributor.author.fl_str_mv |
Sousa, Ítalo Silva de Oliveira |
| dc.subject.por.fl_str_mv |
Hotspot Hotspot Índices de Vegetação Reflectance Reflectância Remote sensing Satélites Satellites Sensoriamento remoto Vegetation Indices. |
| topic |
Hotspot Hotspot Índices de Vegetação Reflectance Reflectância Remote sensing Satélites Satellites Sensoriamento remoto Vegetation Indices. |
| description |
Este trabalho se vale das características geoestacionárias do satélite GOES-16 para mapear e quantificar a ocorrência do efeito de oposição, igualmente conhecido como hotspot, sobre os biomas da Amazônia e do Cerrado nos anos de 2022, 2023 e 2024, avaliando-se a sua ocorrência longitudinal e latitudinal, a sua característica sazonal e a sua abrangência continental. O hotspot ocorre quando o ângulo de espalhamento () aproxima-se de 180°, considerando-se o caminho óptico entre o sol, a superfície terrestre e o sensor de satélite. Utilizam-se estimativas do fator de reflectância bidirecional (BRF) coletados pelo sensor Advanced Baseline Imager (ABI) a bordo desse satélite e disponibilizados pela National Oceanic and Atmospheric Administration (NOAA) para identificar e quantificar a assinatura do hotspot na resposta de reflectância de superfícies selecionadas. Ademais, relacionando-se esse efeito aos ângulos de espalhamento e de fase () na ocasião de sua ocorrência, são testados e comparados os modelos Ross-Thick-Li Sparse Reciprocal (RTLSR), Ross-Thick-Maignan-Li Sparse Reciprocal (RTMLSR) e Ross-Thick-Chen-Li Sparse Reciprocal (RTCLSR) desenvolvidos como aproximações à função BRDF (Bidirectional Reflectance Distribution Function), além de se aferir de forma qualitativa a influência do hotspot sobre o Normalized Difference Vegetation Index (NDVI) e o Kernel Normalized Difference Vegetation Index (KNDVI). Em 2022, 2023 e 2024, foram identificadas, respectivamente, 215.937, 215.947 e 215.936 ocorrências de hotspot sobre a Amazônia e, em relação ao Cerrado, 113.242, 113.262 e 113.279 ocorrências na condição >= 175°. Considerando-se uma definição mais restrita da condição do hotspot, com >= 179,9°, as ocorrências limitam-se à cerca de 0,030% e 0,060% dos acontecimentos totais para, respectivamente, a Amazônia e o Cerrado, e o seu aparecimento limita-se às estações do outono e da primavera. Para o bioma da Amazônia, 478 casos de hotspot foram selecionados e analisados em detalhe e, para o Cerrado, 281 casos. A comparação entre os modelos foi realizada com base na qualidade de ajustes de BRF em função do ângulo de fase, utilizando-se o Chi^2 reduzido como métrica. O modelo RTCLSR teve o maior índice de desempenho dentre os três, sobressaindo-se em 81,6% dos casos sobre a Amazônia e em 86,5% dos casos sobre o Cerrado, e foi seguido do modelo RTMLSR que se mostrou superior, respectivamente para a Amazônia e para o Cerrado, em 18,2% e 11,7% dos casos. O modelo mais tradicional, RTLSR, teve o pior desempenho, sobressaindo-se em apenas 0,2% dos casos sobre a Amazônia e em somente 1,8% dos casos sobre o Cerrado. Foi identificado que o efeito de oposição provoca uma queda de cerca 20% sobre os índices de vegetação NDVI e KNDVI e que ambos são igualmente sensíveis a ele. Os resultados obtidos neste trabalho apontam como recomendação a utilização do modelo RTCLSR para a representação de propriedades de reflectância da superfície sobre o Brasil e para a necessidade de se considerar a ocorrência do efeito de oposição em índices de vegetação, uma vez que seus efeitos sobre eles podem ser pontualmente significativos. |
| publishDate |
2026 |
| dc.date.none.fl_str_mv |
2026-03-18 |
| 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 |
https://teses.usp.br/teses/disponiveis/43/43134/tde-07042026-135625/ |
| url |
https://teses.usp.br/teses/disponiveis/43/43134/tde-07042026-135625/ |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.none.fl_str_mv |
|
| dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.coverage.none.fl_str_mv |
|
| dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
| instname_str |
Universidade de São Paulo (USP) |
| instacron_str |
USP |
| institution |
USP |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
| collection |
Biblioteca Digital de Teses e Dissertações da USP |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
| repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
| _version_ |
1865492439080370176 |