Você está na página 1de 143

INSTITUTO AGRONMICO CURSO DE PS-GRADUAO EM AGRICULTURA TROPICAL E SUBTROPICAL

VARIAO TEMPORAL DO NDICE DE VEGETAO (NDVI) CORRELACIONADA AO USO E MANEJO DO SOLO PARA ESTIMATIVA DA EROSO.

MARCELO VIANA FEITOSA

Orientador: Jener Fernando Leite de Moraes

Dissertao submetida como requisito parcial para obteno do grau de Mestre em Agricultura Tropical e Subtropical rea de Concentrao em Gesto de Recursos Agroambientais

Campinas, SP Maro 2006

iii

A ficha foi elaborada pela bibliotecria do Ncleo de Informao e Documentao do Instituto Agronmico de Campinas F311v Feitosa, Marcelo Viana. Variao temporal do ndice de Vegetao (NDVI) correlacionada ao uso e manejo do solo para a estimativa da eroso./ Marcelo Viana Feitosa. Campinas, 2006. 128f.

Orientador: Jener Fernando Leite de Moraes Dissertao (Mestrado em Agricultura Tropical e Subtropical) IAC.

I.

1. Eroso 2. Sistema de Informao Geogrfica 3.Sensoriamento Remoto Moraes, Jener Fernando Leite de II. Feitosa, Marcelo Viana III. Ttulo

CDD 634.905

iv

minha esposa Camila, e aos meus pais, que atravs de seu incentivo e pacincia fizeram com que a idia se tornasse uma realizao...

vi

AGRADECIMENTOS

- Ao Prof. Dr. Orientador Jener Fernando Leite de Moraes, pela competncia, disposio e segurana na orientao deste trabalho. - Ao Dr. Pedro Luiz Donzeli, pelo desprendimento e competncia no apoio deste trabalho. - Ao Dr. Luiz Alberto Ambrsio pela orientao na anlise estatstica. - Ao colega Joo Paulo, pela amizade, apoio e dedicao nos momentos de dificuldade. - Ao Dr. Francisco Lombardi Neto pela valiosa contribuio cientfica. - Aos pesquisadores Dr. Hlio do Prado e Samuel Fernando Adami, pelo apoio e aprendizado. - Aos amigos e funcionrios do Laboratrio de Geoprocessamento: Ncia, Bete, Tnia e Alfredo pelo apoio e incentivo. - Aos colegas de turma e professores, pela fora e vibrao em relao a essa jornada. - Ps-Graduao do IAC, pela ajuda na realizao desse trabalho. - minha famlia, pelo apoio e motivao. - CAPES, pela concesso da bolsa, de grande valia em tempos de aperto financeiro. - todos aqueles que direta ou indiretamente contriburam para a realizao deste trabalho.

vii

SUMRIO
NDICE DE TABELAS ............................................................................................................ix NDICE DE FIGURAS ..............................................................................................................x LISTA DE ABREVIATURAS E SIGLAS ..............................................................................xii LISTA DE ANEXOS ..............................................................................................................xiv RESUMO ................................................................................................................................. xv ABSTRACT ............................................................................................................................xvi 1 INTRODUO....................................................................................................................... 1 2 REVISO DE LITERATURA ............................................................................................... 3 2.1 Modelagem matemtica.................................................................................................... 3 2.2 A Equao Universal de Perdas de Solo (EUPS) ............................................................. 3 2.3 Outros modelos para a estimativa de eroso no solo........................................................ 5 2.4 Cobertura vegetal vs eroso.............................................................................................. 7 2.5 Interao da vegetao com a radiao eletromagntica..................................................8 2.5.1 Parede celular .......................................................................................................... 10 2.5.2 Vacolos .................................................................................................................. 11 2.5.3 Cloroplastos.............................................................................................................12 2.5.4 Pigmentos fotossintetizantes ................................................................................... 14 2.5.5 Fatores ecolgicos ................................................................................................... 16 2.5.6 Resposta espectral das folhas .................................................................................. 19 2.6 ndices de Vegetao ...................................................................................................... 22 2.6.1 ndices Simples de Vegetao .................................................................................23 2.6.2 ndice de Vegetao por Diferena Normalizada (NDVI) ......................................24 2.6.3 Outros ndices de Vegetao ................................................................................... 26 2.7 Trabalhos correlacionando o fator C com o NDVI ........................................................ 27 3 MATERIAL E MTODOS................................................................................................... 29 3.1 Material e Equipamentos ................................................................................................ 29 3.1.1 O Satlite CBERS-2 ................................................................................................ 30 3.1.1.1 Caractersticas do Satlite CBERS-2................................................................ 30 3.1.1.2 A rbita do Satlite CBERS-2 ......................................................................... 32 3.1.1.3 Os Sensores pticos do Satlite CBERS-2 ......................................................33 3.1.1.4 A Cmera Imageadora de Alta Resoluo (CCD High Resolution CCD Cmera) ........................................................................................................................ 34 3.2 rea de Estudo ............................................................................................................... 36 3.2.1 Escolha da rea ........................................................................................................ 36 3.2.2 Localizao..............................................................................................................36 3.2.3 Caracterizao da rea ............................................................................................. 37 3.3 Mtodo de trabalho em campo ....................................................................................... 42 3.4 Mtodo de trabalho em laboratrio ................................................................................43 3.4.1 Obteno dos Mapas Bsicos .................................................................................. 43 3.4.2 Dados Topogrficos e modelo digital de elevao (MDE) .....................................46 3.4.3 Processamento digital das Imagens .........................................................................49 3.4.3.1 Georreferenciamento das Imagens ................................................................... 49 3.4.3.2 A Calibrao Absoluta da Cmera CCD/CBERS-2 ......................................... 49 3.4.3.3 A transformao dos valores de L em valores de reflectncia aparente (apa) 53 3.4.3.4 Obteno do mapa de uso da terra....................................................................54 3.4.3.5 Obteno do NDVI........................................................................................... 57 3.4.4 Obteno dos parmetros da EUPS ......................................................................... 59

viii

3.4.4.1 Obteno do Fator R (Erosividade da Chuva).................................................. 60 3.4.4.2 Obteno do Fator K (Erodibilidade do Solo)..................................................63 3.4.4.3 Obteno do Fator LS (Fator Topogrfico)...................................................... 63 3.4.4.4 Potencial Natural de Eroso (PNE) .................................................................. 65 3.4.4.5 Obteno do Fator C (Uso-Manejo do Solo).................................................... 68 3.4.4.6 Obteno do Fator P (Prticas Conservacionistas)........................................... 71 3.5 Anlise estatstica dos dados .......................................................................................... 73 3.5.1 A escolha das variveis independentes.................................................................... 73 3.5.2 Conceito de modelo matemtico e modelo estatstico.............................................73 3.5.3 Regresso linear simples ......................................................................................... 75 3.5.3.1 O modelo estatstico de uma regresso linear simples .....................................75 3.5.3.2 Anlise da varincia da regresso linear simples ............................................. 77 3.5.4 Regresso linear mltipla ........................................................................................78 3.5.4.1 O modelo estatstico de uma regresso linear mltipla .................................... 78 3.5.4.2 Anlise da varincia da regresso linear mltipla ............................................ 79 3.5.5 O modelo estatstico de uma regresso quadrtica..................................................80 3.5.6 Estimadores de mnimos quadrados ........................................................................81 3.5.7 Testes de hipteses e intervalos de confiana. ........................................................ 81 3.5.8 Coeficiente de Determinao................................................................................... 82 3.5.9 Diagnstico da regresso......................................................................................... 82 4 RESULTADOS E DISCUSSO ..................................................................................... 84 4.1 Anlise descritiva dos dados, para as variveis NDVI, Fator C e EI ............................. 84 4.2 Anlise dos modelos de regresso linear simples, linear mltipla e quadrtica mltipla .............................................................................................................................................. 86 4.3 Testando o modelo proposto por Cavalli........................................................................ 94 4.4 Validao da estimativa do Fator C, atravs do modelo quadrtico mltiplo................95 5 CONCLUSO..................................................................................................................... 106 6 REFERNCIAS .................................................................................................................. 107 ANEXOS ................................................................................................................................ 113

ix

NDICE DE TABELAS
Tabela 1 Tabela 2

Grupamentos de Solos ocorrentes no municpio de Conchal 41 Coeficientes de calibrao absoluta da cmera CCD/CBERS-2 (CCn).. 52 Valores de esunn no topo da atmosfera (W.m-2. m-1).. 53 Espaamento de terraos considerados.. 65 Valores de EI acumulado, razo de perdas de solo e fator C, peridicos das culturas avaliadas... 71 Anlise da varincia da regresso linear simples... 77 Anlise da varincia da regresso linear mltipla.. 80 Anlise descritiva dos dados observados para as variveis: NDVI, Fator C e EI 85 Representao dos coeficientes de regresso e coeficiente de determinao dos modelos ajustados para a cultura do milho... 87 Anlise de varincia da regresso para a cultura do milho 88 Representao dos coeficientes de regresso e coeficiente de determinao dos modelos ajustados para a cultura da mandioca. 89 Anlise de varincia da regresso para a cultura da mandioca.. 90 Representao dos coeficientes de regresso e coeficiente de determinao dos modelos ajustados para a cultura do algodo 91 Anlise de varincia da regresso para a cultura do algodo. 92

Tabela 3 Tabela 4 Tabela 5

Tabela 6 Tabela 7 Tabela 8

Tabela 9

Tabela 10 Tabela 11

Tabela 12 Tabela 13

Tabela 14

NDICE DE FIGURAS
Figura 1 Figura 2 Figura 3 Figura 4 Figura 5 Figura 6 Figura 7 Figura 8 Figura 9 Corte esquemtico de uma clula vegetal, mostrando seus constituintes 09 Diagrama esquemtico da parede celular... Ilustrao de um vacolo... Diagrama de um cloroplasto.. Espectro de absoro das clorofilas a e b e do -caroteno. 10 12 13 15

Fatores morfolgicos que influenciam na interao com a energia eletromagntica 17 Assinatura espectral de folhas sadias e senescentes 18 Tipos de interaes que ocorrem entre a radiao eletromagntica e as folhas 20 Assinatura espectral da vegetao sadia e sob estresse, para os comprimentos de onda do espectro visvel, infravermelho prximo e infravermelho mdio 22

Figura 10 NDVI mximo mensal para diferentes parcelas da cultura de soja. 25 Figura 11 Listagem dos componentes do Satlite CBERS-2.. 32

Figura 12 Altitude de rbita, Inclinao e Perodo. 33 Figura 13 Viso estereoscpica 34 Figura 14 Os diferentes campos de visada do CBERS 34 Figura 15 Arranjo linear do sensor CCD. 35 Figura 16 Localizao da rea de estudo. 37 Figura 17 Principais Formaes Geolgicas do Municpio de Conchal.. 39 Figura 18 Mapa pedolgico do Municpio de Conchal 44 Figura 19 Hidrografia do municpio de Conchal. 45 Figura 20 Mapa Hipsomtrico do municpio de Conchal 47 Figura 21 Mapa de Declividade do municpio de Conchal.. 48

xi

Figura 22 Fluxograma referente aos procedimentos para se obter os coeficientes de calibrao da cmara CCD/CBERS-2 50 Figura 23 Composio colorida RGB, com aumento linear de contraste municpio de Conchal.. 55 Figura 24 Composio colorida RGB, principais componentes municpio de Conchal 55 Figura 25 Mapa de Uso das Terras do municpio de Conchal. 56 Figura 26 Mapeamento da cobertura de nuvens (imagem 19/02/2004) 58 Figura 27 Imagem NDVI (24/07/2004).................................................................... 59 Figura 28 Mapa de erosividade da chuva mdia calculada para o perodo de 1961 - 1990 em MJ.mm.ha-1.h-1 62 Figura 29 Potencial natural de eroso do municpio de Conchal. 67 Figura 30 Grficos da anlise de resduos da regresso... 84 Figura 31 Representao grfica da equao de regresso para o modelo quadrtico mltiplo (milho). 96 Figura 32 Representao grfica da equao de regresso para o modelo quadrtico mltiplo (mandioca).. 96 Figura 33 Representao grfica da equao de regresso para o modelo quadrtico mltiplo (algodo). 97 Figura 34 Localizao das glebas, no municpio de Conchal.................................. 98 Figura 35 Evoluo das Fraes do Fator C estimado, para glebas da cultura de milho, durante os perodos do ano agrcola......... 99 Figura 36 Evoluo das Fraes do Fator C estimado, para glebas da cultura de mandioca, durante os perodos do ano agrcola... 100 Figura 37 Evoluo das Fraes do Fator C estimado, para glebas da cultura de algodo, durante os perodos do ano agrcola..... 101 Figura 38 Evoluo das Perdas de Solo, estimadas para cada perodo do Fator C (milho).. 103 Figura 39 Evoluo das Perdas de Solo, estimadas para cada perodo do Fator C (mandioca)... 104 Figura 40 Evoluo das Perdas de Solo, estimadas para cada perodo do Fator C (algodo)... 105

xii

LISTA DE ABREVIATURAS E SIGLAS


ALC APA AVHRR A tol. CBERS-2 CCD DN EE EI EMBRAPA EUPS FAPESP ha IAC IBGE INPE Km Km2 LANDSAT mm MSS NDVI nm OH PC PI RGB SIG SPRING t TM Ampliao Linear de Contraste rea de Proteo Ambiental Advanced Very High resolution Radiometer Perdas de solo estimadas pela EUPS China and Brazil Earth Resort Satellites 2 High Resolution CCD Camera Nveis de Cinza Expectativa de Eroso ndice de Eroso Empresa Brasileira de Pesquisa Agropecuria Equao Universal de Perdas de Solo Fundao de Amparo Pesquisa do Estado de So Paulo hectare Instituto Agronmico de Campinas Instituto Brasileiro de Geografia e Estatstica Instituto Nacional de Pesquisas Espaciais Kilmetros Kilmetros Quadrados Satlite de Imageamento da Superfcie Terrestre milmetro Multispectral Scanner System Normalized Difference Vegetation Index nanmetro Hidroxila Principais Componentes Plano de Informao Composio colorida vermelho, verde e azul Sistema de Informao Geogrfica Sistema de Processamento de Informaes Georeferenciadas tonelada Thematic Mapper

xiii

m UNESP UNICAMP UTM

micrmetro Universidade Estadual Paulista Universidade de Campinas Projeo Universal Transversa de Mercartor

xiv

LISTA DE ANEXOS
Anexo 1 - Tabela com as absores caractersticas dos principais pigmentos encontrados nas plantas para o meio ter...................................... 113 Anexo 2 - Tabela com as caractersticas do Satlite CBERS-2.......................... 114 Anexo 3 - Tabela com as caractersticas da Cmera Imageadora de Alta Resoluo
CCD............................................................................................................. 115

Anexo 4 - Amostragem de 125 pixels, representando os valores de NDVI, para uma gleba da cultura de milho, referente imagem do dia 11/04/2004.......................................................................................... 116 Anexo 5 - Grficos do balano hdrico climtico para o municpio de Conchal. 117 Anexo 6 - Tabela para obteno do fator K em t / ha / (MJ / ha . mm / ha), utilizando os atributos dos solos......................................................... 118 Anexo 7 - Grficos das anlises de resduos da regresso, para as diferentes culturas avaliadas................................................................................ 119

xv

FEITOSA, Marcelo Viana. Variao temporal do ndice de Vegetao (NDVI) correlacionada ao uso e manejo do solo para a estimativa da eroso. 2006. 128f. Dissertao (Mestrado em Agricultura Tropical e Subtropical) Ps-Graduao - IAC.

RESUMO
O presente projeto prope uma abordagem metodolgica, aplicando tcnicas de geoprocessamento e sensoriamento remoto para caracterizao e mapeamento do ndice de cobertura vegetal do terreno e sua correlao com o Fator Uso-Manejo (C) da Equao Universal de Perdas de Solo (EUPS), com a inteno de caracterizar indicadores de eroso do solo na rea compreendida pelo municpio de Conchal SP. Foram utilizadas imagens do sensor CCD/CBERS-2 (Satlite Sino-Brasileiro de Recursos Terrestres), lanado em 21 de Outubro de 2003, assim como, informaes auxiliares e complementares correspondentes rea de estudo. O fator C uma combinao de todas as relaes das variveis de cobertura e manejo, e depende da quantidade de chuvas que ocorre durante os diferentes perodos em que avaliado. Considerando essa definio, foi estabelecida uma correlao entre o fator C, o ndice de Vegetao por Diferena Normalizada (NDVI), e o ndice de Erosividade das Chuvas (EI), determinado para os diferentes estdios fenolgicos das culturas analisadas, no intuito de estabelecer uma equao de regresso, para a predio do fator C em reas onde ele ainda no foi estudado. O Fator C estimado pelo NDVI proporcionou uma tima integrao entre o produto do tratamento das imagens CCD/CBERS-2 e a Equao Universal de Perdas de Solo (EUPS), mostrando-se como uma ferramenta auxiliar para monitoramento das perdas de solo ao longo do ciclo das culturas.

Palavras-chave: Eroso; Equao Universal de Perdas de Solo; EUPS; Fator C; NDVI; Sistema de Informao Geogrfica; Sensoriamento Remoto.

xvi

FEITOSA, Marcelo Viana. Temporal Variation of the Vegetation Index (NDVI) correlated to the use and management of the soil for the erosion estimative. 2006. 128f. Dissertao (Mestrado em Agricultura Tropical e Subtropical) Ps-Graduao - IAC.

ABSTRACT
This study proposes a methodological approach applying remote sensing and geographical information system (GIS) to estimate the Vegetable Cover Index of the soil and its correlation with C Factor of the Universal Soil Loss Equation (USLE), intending to characterize soil erosin indicators from cultivated areas in Conchal county, So Paulo State. It was used images from sensor CCD/CBERS-2 (China and Brazil Earth Resort Satellites), launched in october, 21 in 2003, and complementary informations about the area. The C Factor is a combination of all relations from cover and management variables, and depends of the rain amount that occurs during the different periods evaluated. Considering this definition, it was established a correlation among C Factor, the Normalized Difference Vegetation Index (NDVI) and the Rain Erosivity Index (EI), determined for differents phenological stages of the analysed crops, intending to establish a regression equation to prediction the C Factor in areas where it was not determined. The results have showed a good correlation between NDVI and C factor of the Universal Loss Soil Equation and its powerfull to monitoring soil loss in differents crops cicles. Key-Words: Erosion; Universal Soil Loss Equation; USLE; C Factor; NDVI; Geographic Information System; Remote Sensing.

1 INTRODUO
O solo um recurso natural que, se bem utilizado, pode representar um importante elemento para o desenvolvimento da economia de uma nao, assim como para a qualidade de vida do seu povo. de vital importncia a utilizao sustentvel desse recurso, que se no respeitada, pode gerar nveis de degradao no reversveis, com resultados extremados como a desertificao e o abandono de algumas reas. Atualmente, foram alcanadas grandes conquistas com o desenvolvimento das cincias voltadas para a agricultura, tornando possvel o surgimento de novas mquinas capazes de realizar o trabalho de dezenas de homens, novas variedades de cultivo que produzem em climas e solos antes considerados inadequados e novos fertilizantes que chegam a triplicar as colheitas. Apesar dessas melhorias, ao considerar nosso planeta como um todo, no se observa um aumento significativo do rendimento mdio por unidade de rea, e um dos principais motivos que os solos esto se erodindo com grande velocidade, levados pela gua ou pelos ventos (BERTONI & LOMBARDI, 1999). Ao suprimir a cobertura vegetal protetora do solo, que mantm o equilbrio ecolgico, altera-se o regime climtico e o ciclo hidrolgico, criando extremos de secas e chuvas torrenciais. Quando as chuvas incidem sobre o solo exposto formam-se enxurradas que ocasionam a eroso hdrica, cuja intensidade pode variar em funo do declive. Esse tipo de eroso representa um dos fatores de desgaste que mais diretamente tm contribudo para esse quadro de degradao, que pode ser potencializado com prticas agrcolas inadequadas, tais como: O plantio continuado e mal distribudo (irregular) de culturas exigentes que oferecem pouca proteo ao solo e o plantio no sentido do declive (morro abaixo); A queima de restos culturais, o pastoreio excessivo;

A explorao desmedida das matas. Em contrapartida s aes degradativas, a conservao da integridade

produtiva do solo pode ser assegurada com a aplicao de medidas simples, exeqveis e econmicas de manejo dos solos. Como parte dessas medidas, surge a necessidade da aplicao do planejamento ambiental, buscando formas alternativas de monitoramento e fiscalizao das reas com potencial erosivo elevado. Respondendo a essa necessidade, o geoprocessamento e a utilizao de informaes de sensoriamento remoto vm se destacando como importantes ferramentas, pois possibilitam a avaliao de grandes reas, a periodicidade das informaes, a vantagem de se monitorar reas remotas e de difcil acesso e a espacializao das informaes (que auxilia o processo de planificao das mesmas). Muitos trabalhos envolvendo informaes de sensoriamento remoto vm sendo realizados para estimar variveis biofsicas, a exemplo da cobertura vegetal que pode ser mapeada com a ajuda de imagens ndices. Dentre esses ndices destaca-se o ndice de Vegetao por Diferena Normalizada (NDVI), que segundo BERNARDES (1996) faz a estimativa da cobertura vegetal com nvel aceitvel de preciso. O desenvolvimento de tais metodologias pode representar um instrumento valioso para prefeituras, instituies ou empresas interessadas em monitorar e fiscalizar reas de forma rpida, com baixo custo e sem a necessidade de se deslocar um grande contingente humano para a realizao dessas tarefas. O objetivo do presente trabalho foi o desenvolvimento de uma metodologia para a determinao do Fator C, da Equao Universal de Perdas de Solo (EUPS), a partir da caracterizao e mapeamento do ndice de cobertura vegetal do terreno (NDVI), obtido atravs do processamento de imagens do satlite CBERS-2. Essa proposio se baseia na hiptese de que o Fator C pode ser determinado a partir do NDVI, uma vez que ambos se relacionam com a variao da cobertura vegetal durante os estdios fenolgicos das culturas.

2 REVISO DE LITERATURA

2.1 Modelagem matemtica


Para a caracterizao da degradao dos solos, de maneira rpida e eficiente, as tcnicas de sensoriamento remoto e os sistemas de informao geogrfica tm se apoiado em modelos de estimativas de perdas que, segundo JAMES & GURGES (1982), permitem o planejamento conservacionista voltado para a preveno ou para o controle. Apesar das vantagens da aplicao dos modelos matemticos, esbarra-se na dificuldade em se trabalhar com o grande volume de dados que descrevem a heterogeneidade dos sistemas naturais. As ferramentas, chamadas de Sistemas de Informao Geogrfica (SIGs), representam uma tima alternativa para a manipulao, exposio e integrao desse grande volume de dados, tornando possvel no s a visualizao de cenrios passados e atuais, mas tambm a simulao de cenrios futuros, (GRIGG, 1996). Para tanto, so desenvolvidas atividades organizadas, com a finalidade de medir os aspectos dos fenmenos e processos geogrficos. Essas medies so representadas de tal forma que se faz possvel sua operao e transformao, permitindo assim a modelagem e a simulao de eventos.

2.2 A Equao Universal de Perdas de Solo (EUPS)


Atualmente existem vrios modelos de estimativas de perdas de solo, sendo que o mais utilizado a Equao Universal de Perdas de Solo - EUPS, ou USLE (Universal Soil Loss Equation) desenvolvida em 1954 no National Runoff and Soil Loss Data Center pela Agricultural Research Service com a colaborao da Universidade de Purdue (USA) e posteriormente revisada por (WISCHMEIER & SMITH, 1978).

Por meio desse modelo, so implementados os fatores condicionantes da eroso laminar determinados atravs de sub-equaes, podendo-se avaliar a expectativa de eroso do solo, e o risco de eroso, associado s perdas tolerveis dos solos.

A = R.K.L.S.C.P Onde: A = perdas de solo ( t . ha-1. ano-1); R = erosividade - poder erosivo das chuvas (MJ . mm . ha-1. h-1. ano-1); K = erodibilidade - suscetibilidade do solo eroso (t . h . MJ-1. mm-1); L = comprimento da vertente (adimensional); S = declividade da vertente (adimensional); C = uso do solo, cobertura vegetal e manejo de cultivo (adimensional); P = prticas conservacionistas (adimensional).

Segundo BERTONI & LOMBARDI (1999), as perdas de solo que ocorrem em uma rea mantida continuamente descoberta podem ser estimadas pelo produto dos termos R, K, L e S da equao de perdas de solo. Porm, se a rea estiver cultivada, ou mantida sob vegetao natural, tais perdas sero reduzidas devido proteo que a cultura ou cobertura vegetal oferece ao solo. Essa reduo depende das condies da cobertura vegetal, seqncia de culturas e prticas de manejo. Depende tambm do estgio de crescimento e desenvolvimento da cultura durante o perodo das chuvas. DONZELI et al. (2001) elaboraram um diagnstico completo do meio fsico, para uma microbacia situada no municpio de Osvaldo Cruz SP, atravs das seguintes etapas: Potencial de uso sustentvel das terras e das suas limitaes e possibilidades;

Uso atual e sua adequao capacidade de uso; Plano de manejo. A integrao dos mapas de solos (com suas caractersticas condicionantes de

uso e manejo) juntamente com o mapa de risco de eroso (proveniente da integrao dos fatores condicionantes da EUPS), tornou possvel a demonstrao da compatibilidade entre o aproveitamento econmico da rea estudada e a conservao do meio ambiente. Em FADINI et al. (1998), o tratamento de imagens de satlite visando uma maior discriminao entre os diversos tipos de coberturas vegetais, possibilitou a elaborao das cartas de Uso da Terra e Capacidade de Uso Sustentado da Terra. Esse trabalho levou em considerao as relaes entre o potencial natural de eroso e as perdas de solo tolerveis. SAIZ (1997) realizou pesquisas sobre a aplicao do modelo da EUPS, atravs de dados TM/LANDSAT e geoprocessamento como suporte ao planejamento conservacionista. Essas pesquisas foram realizadas em uma rea localizada no Partido de Tandil, Provncia de Buenos Aires, Argentina. CAVALIRI (1998) descreveu que a grande vantagem da EUPS em relao s demais classificaes, que ela um mtodo quantitativo, o que diminui a necessidade de um conhecimento mais aprofundado do usurio no que diz respeito interpretao de informaes de classes de solo, clima, topografia, etc., no enquadramento de classes. Ela tambm permite a simulao de cenrios, tornando mais fcil o planejamento.

2.3 Outros modelos para a estimativa de eroso no solo


A EUPS possui algumas limitaes em seu modelo original. Por esse motivo ela vem sofrendo modificaes (a exemplo da MUSLE e da WATEM), e revises (a

exemplo da RUSLE2). Ela tambm vem servindo como base para a elaborao de novos modelos, tais como o CREAMS (Chemicals, Runoff and Erosion from Agricultural Management Systems Model), e o WEPP (Water Erosion Prediction Project). Este ltimo foi desenvolvido inicialmente por vrias agncias federais e estaduais americanas a partir do ano de 1985, constituindo-se como um modelo fsico que simula a eroso e a produo de sedimentos, neste modelo esto inclusos os seguintes componentes, conforme aponta CHAVES, (1994) e WEILL, (1999): A simulao de clima; A hidrologia (com o propsito de simular a infiltrao de gua, o balano hdrico dirio, o escoamento superficial e a percolao profunda); O crescimento da cultura; Os solos; A eroso (laminar e em sulco, e deposio); E a irrigao. PINTO (1991) cita o modelo de predio de perdas de solo ANSWERS (Areal Nonpoint Source Watershed Environment Response Simulation), o qual avalia as perdas de solo por eroso e escoamento superficial da gua, para pequenas bacias. Trata-se de um modelo determinstico que pode ser usado em associao com SIG. Tambm trabalhando com bacias de pequeno porte, PRADO (2005) utilizou o modelo hidrolgico SWAT (Soil and Water Assessment Tool), integrado ao SIG ArcView, para simular a produo de sedimentos na microbacia hidrogrfica do rio Jundia-Mirim, localizada no municpio de Jundia-SP. J o modelo AGNPS (Agricultural Nonpoint Source), desenvolvido por YOUNG (1989), foi utilizado em bacias mais extensas, para a estimativa e anlise da quantidade de gua de escoamento superficial, em reas agrcolas. Tambm utilizando o geoprocessamento como suporte, LU (2002) desenvolveu pesquisas sobre modelos de eroso

do solo no continente Australiano. Apesar das suas limitaes a EUPS tem a vantagem de ser bastante conhecida e de ter inmeros estudos realizados utilizando essa equao, tambm exige um nmero relativamente pequeno de requerimentos, se comparada a modelos empricos mais complexos (WEILL, 1999).

2.4 Cobertura vegetal vs eroso


A cobertura vegetal oferece uma proteo natural contra os efeitos negativos que a eroso pode oferecer ao terreno. As gotas de chuva, ao carem sobre um terreno coberto por vegetao, se dividem em vrias gotculas, reduzindo com isso, a fora de impacto destas sobre o solo; j num terreno descoberto, as gotas de chuva desprendem as partculas do solo atravs do salpicamento e transportam essas partculas pela gua das enxurradas (BERTONI & LOMBARDI, 1999). A atuao da cobertura vegetal tambm se reflete na disperso da gua, interceptando a chuva e promovendo a evaporao antes que ela atinja o solo. Ela promove o aumento da infiltrao da gua, atravs da decomposio das razes, formando canalculos no solo, alm de melhorar a sua estrutura e porosidade, com a adio de matria orgnica e de hmus, que aumenta a capacidade de reteno da gua. Com a proteo da cobertura vegetal, observa-se tambm, a diminuio da velocidade de escoamento da enxurrada pelo aumento do atrito na superfcie. Outra importante atuao da cobertura vegetal a preveno contra a eroso elica, pois reduz a velocidade do vento superfcie do solo e absorve a maior parte da fora que ele exerce. Alm disso, previne a formao de nuvens de areia, aprisionando as partculas

de solo e impedindo que elas sejam carregadas pelo vento, atingindo maior eficincia se os restos culturais estiverem bem fixados no solo. Segundo BERTONI & LOMBARDI (1999), observa-se uma considervel diferena entre as quantidades de perdas por eroso apresentadas por cada tipo de cultura. Essa variao tambm notada se consideramos as densidades de vegetao relativas aos diferentes estdios fenolgicos das culturas, mostrando-se vantajoso o sistema de plantio em faixas, onde as culturas que perdem muito ficam entre as que perdem pouco, tendo sua influncia nociva atenuada nos processos erosivos. De acordo com SLATER et al. (1983), um dos objetivos do sensoriamento remoto identificar as caractersticas da superfcie do terreno, as quais so obtidas atravs do fluxo de radiao eletromagntica que emana deste e passa pela atmosfera para ser capturado pelo sensor dos satlites em diferentes comprimentos de onda. Ao incidir sobre um determinado alvo, a radiao proveniente do sol interage com o seu material constituinte, podendo ser parcialmente refletida, absorvida ou transmitida. Sendo assim, a cobertura vegetal possui um comportamento espectral caracterstico, descrito como assinatura espectral da vegetao.

2.5 Interao da vegetao com a radiao eletromagntica


No se pode obter um conhecimento satisfatrio da assinatura ou do comportamento espectral da vegetao, sem antes consolidar um bom entendimento sobre a anatomia e fisiologia das plantas. A folha o elemento estrutural que mais contribui para o comportamento espectral da vegetao, pois segundo MOREIRA (2001), nas folhas que so realizados todos

os processos fotossintticos, os quais so produtos das interaes da energia solar com a planta. As variaes nas quantidades e na forma dos elementos que constituem as folhas expressam diferenciaes no formato e na tipologia das mesmas. Isso vai influenciar no comportamento espectral das folhas para as diferentes espcies vegetais. Dentre os constituintes das clulas vegetais destacam-se os cloroplastos, que so as organelas responsveis pela fotossntese, alm da parede celular e do vacolo avantajado. Esses trs constituintes atuam como um diferencial entre as clulas vegetais e as outras. Segundo VALERIANO (1988), esses trs elementos caractersticos da clula vegetal exercem um papel importante na interao da radiao eletromagntica, enquanto que os demais constituintes so oticamente quase inativos. (Figura 1)

Figura 1 Corte esquemtico de uma clula vegetal, mostrando seus constituintes. Fonte: Adaptado de (http://linux.ajusco.upn.mx/fotosintesis/img/celula1.jpg)

10

2.5.1 Parede celular


A parede celular atua como fator limitante para o aumento de tamanho da clula vegetal, impedindo que ela se rompa, devido ao aumento do protoplasto resultante da absoro de gua pelo vacolo. Ela tambm confere apoio mecnico s clulas que as possuem (RAVEN et al., 1976). A parede celular estruturalmente composta por trs camadas: A parede primria, rica em celulose e hemicelulose; A parede secundria, formada pela segregao do protoplasma, constituindo uma parede interna parede primria; A lamela mdia, camada que se encontra entre as paredes primria e secundria, constituindo-se principalmente de substncias pcticas, (Figura 2).

Parede Primria S1 S2 S3 Parede Secundria

LM - Lamela Mdia CV Clula Vegetal

Figura 2 Diagrama esquemtico da parede celular. Fonte: Adaptado de (http://www.conhecendoamadeira.com/s1s2.gif)

11

A parede celular possui carter hidrfilo, isto , apresenta-se constantemente hidratada. O carter hidrfilo se d devido presena da cutina na parede secundria, que promove uma alta restrio s perdas de gua pela clula. Por estar sempre hidratada, a parede celular tem um ndice de refrao de 1,3, isso permite que haja reflexo na interface parede celular / ar (VALERIANO, 1988).

2.5.2 Vacolos
Os vacolos so regies delimitadas pela membrana vacuolar ou tonoplasto, e esto cheios de um lquido denominado suco celular. O suco celular composto por ons e pequenas molculas orgnicas, tambm enzimas e outras molculas grandes, mas deve ser ressaltado que o principal componente dos vacolos a gua (RAVEN et al., 1976). Nas clulas vegetais, os vacolos exercem a funo de acumuladores de ons e molculas, proporcionam o balano hdrico, promovem a ciso das macromolculas e reciclam os componentes intracelulares. Devido funo de reciclagem dos componentes intracelulares, os vacolos podem ser comparados aos lisossomos das clulas animais. Um dos componentes encontrados no suco celular so as antocianinas, pigmentos que conferem coloraes azuis, roxas, vermelhas, vermelho-escuras ou escarlates s plantas, e mais freqentemente aos frutos e flores. Isso se deve propriedade de absorver radiaes eletromagnticas na faixa do verde e do vermelho, caractersticas desses pigmentos. Em clulas maduras, os vacolos chegam a ocupar at 90% do volume total da clula. Nesses casos, o protoplasma passa a ocupar uma fina faixa perifrica que se comprime contra a parede celular. Por encerrar grande quantidade de gua em seu interior, os vacolos passam

12

a exercer uma influncia indireta na interao entre a energia eletromagntica e a folha.

Figura 3 Ilustrao de um vacolo. Fonte: Adaptado de (http://linux.ajusco.upn.mx/fotosintesis/img/vacuola.jpg)

Para VALERIANO (1988), a diferena de ndice de refrao entre o suco celular e o protoplasma no suficiente para promover reflexo na sua interface. Contudo, o suco celular exerce uma presso que pode modificar o tamanho e a forma da clula vegetal, promovendo variaes nas suas interfaces que podem ocasionar mudanas no padro de reflexo das folhas, devido s mudanas na rea de orientao das interfaces. Por esse motivo, a reflexo da luz no interior da folha ocorre nas interfaces entre os espaos intercelulares e as paredes celulares.

2.5.3 Cloroplastos
Os cloroplastos so as organelas responsveis pelo processo de fotossntese em todas as plantas, e medem cerca de 4 a 6 micrmetros. Em uma nica clula da regio central da folha (mesfilo), podem ser encontrados cerca de 40 a 50 cloroplastos, e em um milmetro quadrado de folha, uns 500.000.

13

Segundo RAVEN et al. (1976), um envoltrio constitudo por duas membranas triestratificadas delimita essa organela, que internamente se diferencia em um sistema de membranas e uma substncia fundamental dotada de certa homogeneidade denominada estroma. Um sistema mais elaborado de membranas atravessa o estroma sob a forma de sacos achatados, que se denominam lamelas ou tilacides, estes vm a formar fileiras semelhantes a pilhas de moedas que passam a se chamar grana (singular: granum), (Figura 4).

Figura 4 - Diagrama de um cloroplasto. Fonte: Adaptado de MOLECULAR EXPRESSIONS CELL BIOLOGY (http://micro.magnet.fsu.edu/cells/plants/chloroplasts.html).

As reaes qumicas que captam a luz ocorrem nas lamelas ou tilacides, onde esto situadas as clorofilas e outros pigmentos carotenides. As clorofilas so as responsveis por absorver a radiao eletromagntica e a utilizarem na reduo do gs carbnico (CO2) para a produo de glicose, via processo fotossinttico.

14

2.5.4 Pigmentos fotossintetizantes


Os principais pigmentos encontrados nas plantas so as clorofilas, os carotenides e as ficobilinas, estas ltimas ocorrendo somente em certas algas azuis e em algumas algas vermelhas. As clorofilas so os pigmentos responsveis pela colorao verde das plantas. Elas absorvem a luz principalmente nos comprimentos de onda violeta e azul, assim como no vermelho. Por refletir a luz verde, ela passa a adquirir essa cor, (RAVEN et al., 1976). Segundo HALL & RAO (1980), os carotenides e as ficobilinas podem absorver energia e em seguida transferi-la para a clorofila, por esse motivo so chamados de pigmentos fotossintticos acessrios. Na tabela representada no Anexo1, so mostradas as absores caractersticas dos principais pigmentos encontrados nas plantas, os quais so descritos a seguir: A clorofila a verde-azulada e se faz presente em todos os eucariotes fotossintticos assim como nas algas azuis, assumindo papel essencial para a fotossntese desses organismos. A clorofila b verde-amarelada, e se faz presente nas plantas vasculares, brifitas, algas verdes e algas euglenides. Para as folhas das plantas verdes seu teor de aproximadamente 1/4 do contedo total de clorofila. Ela tambm pode ser considerada um pigmento acessrio, atuando como um ampliador do espectro de absoro de luz na fotossntese. Em alguns grupos de plantas, no lugar da clorofila b encontra-se a clorofila c.

15

Os carotenides so pigmentos amarelos ou alaranjados encontrados em todas as clulas fotossintetizantes. Eles so encontrados nas lamelas do cloroplasto em ntima associao com a clorofila, conferindo-lhe proteo contra a foto-oxidao derivada da exposio excessiva luz. Nas folhas verdes esse pigmento mascarado pelas clorofilas que so encontradas com muito mais abundncia, fazendo prevalecer a colorao verde (HALL & RAO, 1980 e RAVEN et al., 1976).

Figura 5 Espectro de absoro das clorofilas a e b e do -caroteno. Fonte: Adaptado de LEES (http://www.merian.fr.bw.schule.de/Beck/skripten/12/bs12-12.htm).

Na mdia, as plantas superiores apresentam uma proporo de 65% de clorofila, 6% de carotenos e 29% de xantofilas. Porm, diversos fatores podem influenciar na mudana dessas propores, tais como, a senescncia foliar e a desnutrio mineral. Com a reduo dos teores de clorofila, os pigmentos auxiliares que antes estavam mascarados,

16

comeam a se manifestar, a exemplo do fenmeno denominado de clorose, (VALERIANO, 1988).

2.5.5 Fatores ecolgicos


Os fatores ecolgicos representam a dinmica da vegetao em relao ao meio ambiente e exercem importante papel na interao com a energia eletromagntica. Eles podem ser divididos em fatores morfolgicos (que dependem da organizao espacial dos elementos envolvidos na captao da luz), e fatores fisiolgicos (que se relacionam com a funcionalidade das plantas). MOREIRA (2001) descreve que os principais fatores morfolgicos que interagem com a energia eletromagntica so: Densidade da cobertura vegetal - representada pelo ndice de rea Foliar (IAF). Esse ndice se relaciona com a superfcie do solo ocupada pela planta e depende da capacidade da vegetao de interceptar a radiao eletromagntica, podendo ser representado pela seguinte frmula: IAF = (rea foliar) (rea do solo) O IAF tambm permite a estimativa de parmetros como a fitomassa e a produtividade, conforme descreve VALERIANO (1988). Distribuio horizontal e vertical das folhas - respectivamente refere-se ao ndice de Cobertura (IC) relacionado com a densidade do plantio, que aumenta

proporcionalmente com a rea de absoro; e com a distncia entre folhas no sentido vertical, que determina o padro de luz dentro da copa, controlando a passagem de luz

17

solar, (Figura 6, A e B).

ngulo de insero foliar - esse fator regula a penetrao da radiao no interior da copa. Um ngulo de insero prximo de 0 (Figura 6, C) permite maior passagem da luz para as partes internas da copa, resultando assim numa melhor distribuio da radiao eletromagntica incidente e num maior IAF, possibilitando a gerao de maior taxa de fotossntese.

Figura 6 - Fatores morfolgicos que influenciam na interao com a energia eletromagntica. Fonte: Modificado de THOMAS (http://www.wellesley.edu/Biology/Courses/108/108.html).

18

Os principais fatores fisiolgicos que influenciam no comportamento espectral da vegetao so: Idade da planta observa-se que at as folhas atingirem sua maturidade fisiolgica, sua capacidade de realizar a fotossntese tende a aumentar, a partir desse momento, at a completa maturao da folha, a taxa de realizao da fotossntese tende a diminuir. Portanto, uma folha saudvel apresenta maior reflectncia que uma folha em estado de senescncia, (Figura 7).

Figura 7 Assinatura espectral de folhas sadias e senescentes. Fonte: Adaptado de JENSEN (http://rangeview.arizona.edu/intro.html).

Dficit hdrico se d atravs da restrio no suprimento de gua para a planta. O principal efeito causado pelo dficit hdrico o fechamento dos estmatos (que

19

controlam a entrada e sada de gua nas folhas), com isso a planta diminui as perdas de gua e a absoro de CO2. Como resultado da diminuio da absoro de CO2, a planta diminui sua taxa fotossinttica. O estresse hdrico tambm afeta o ndice de rea Foliar (IAF), pois faz com que as folhas entrem em estado de murcha. Espessura das folhas a quantidade de luz incidente altera a fisiologia das folhas, desse modo, as folhas que recebem grande quantidade de luz possuem mais camadas de clulas e o parnquima palidico mais comprimido, sofrendo alongamento na direo da superfcie foliar. Por outro lado, as folhas que recebem pouca luz so mais eficientes devido sua adaptao a essa escassez. Dficit nutricional se d atravs da falta de macro e micro nutrientes essenciais para o bom desenvolvimento das plantas. A gua, segundo MOREIRA (2001), desempenha um importante papel na oferta desses elementos, pois realiza seu transporte do solo para a planta, por meio da absoro da soluo pelas razes. Conseqentemente, quando acontece o dficit hdrico, tambm ocorre um dficit nutricional, mesmo com a presena de nutrientes no solo. Com a deficincia de nutrientes, ocorre a morte prematura das folhas e a diminuio da concentrao da clorofila (principalmente pela falta do magnsio e do nitrognio, que constituem suas molculas), acarretando um aumento da reflectncia, que tambm pode ser notado pela deficincia de outros nutrientes como o fsforo e o clcio.

2.5.6 Resposta espectral das folhas


A radiao eletromagntica que incide sobre uma folha, conforme a descrio de VALERIANO (1988), pode interagir de diferentes formas:

20

Pode sofrer reflexo especular pela cutcula, (Figura 8, item A); Pode sofrer espalhamento atravs dos plos, (Figura 8, item B); Pode penetrar de maneira difusa na primeira camada de clulas e retornar, (Figura 8, item C);

Pode penetrar de maneira difusa, atravessando a folha, (Figura 8, item D); Pode ser absorvida pela folha, (Figura 8, item E).

A = Radiao Refletida
Especularmente; B = Radiao Espalhada; C = Radiao Retornante; D = Radiao Transmitida; E = Radiao Absorvida.

C E A

B D
Figura 8 - Tipos de interaes que ocorrem entre a radiao eletromagntica e as folhas.

As radiaes capazes de produzir efeitos como a induo de respostas fisiolgicas, a exemplo da fotossntese, so denominadas de radiaes fisiologicamente ativas ou RFAs ( MOREIRA, 2001). A principal interao que ocorre entre a energia eletromagntica e a folha

21

consiste no processo em que a energia penetra na primeira camada de clulas e retorna pelo mesmo lado, gerando uma reflexo difusa que transporta informaes sobre a estrutura e o estado das folhas. Os processos de transmisso e de absoro tambm so importantes, pois esto relacionados com a reflexo difusa. J os processos que envolvem a reflexo especular e o espalhamento, no representam parmetros de interesse para os estudos da vegetao atravs do sensoriamento remoto, por no dependerem do comprimento de onda da radiao eletromagntica, que retorna integralmente, transportando poucas informaes sobre a folha, (VALERIANO, 1988). Aos processos de reflexo especular e espalhamento d-se o nome de irradincia ou radiao incidente. Segundo VALERIANO (1988), a razo da reflexo difusa, da transmisso e da absoro pela irradincia, resulta nos ndices chamados respectivamente de reflectncia, transmitncia e absorbncia. A reflectncia caracteriza a superfcie que est sendo observada (vegetao, corpos dgua, solo exposto) e no as condies de iluminao, pois no depende do fluxo incidente. Seu comportamento, ao longo dos diferentes comprimentos de onda do espectro eletromagntico, representado por uma curva denominada assinatura espectral. Para a vegetao, a assinatura espectral integra todas as interaes radiao/folha e possui caractersticas prprias (Figura 9).

22

Figura 9 Assinatura espectral da vegetao sadia e sob estresse, para os comprimentos de onda do espectro visvel, infravermelho prximo e infravermelho mdio. Fonte: Modificado de (www.csc.noaa.gov/products/sccoasts/html/images/reflect2.gif).

2.6 ndices de Vegetao


Segundo ENGMAN & SHULTZ (2000), a relao entre as medies de sensoriamento remoto e os parmetros da vegetao pode ser capturada nos ndices de vegetao. A indicao da presena de vegetao em imagens multiespectrais obtida comparando-se valores de reflectncia da banda do infravermelho prximo com a banda do vermelho. Essa comparao se d atravs de operaes envolvendo a diferena ou a razo entre o infravermelho prximo e o vermelho, a razo de diferenas e somas e, ainda, pela combinao de um sistema linear de dados de bandas espectrais (JACKSON e HUETE, 1991). Nesses casos, os altos valores vo representar a vegetao. LIU & HUETE (1995) verificaram que a base fsica dos ndices de vegetao pode ser atribuda absoro de radiao na regio espectral do vermelho, ocasionada pela clorofila da planta, e ao espalhamento ocasionado pelas folhas das plantas

23

para a radiao na regio espectral do infravermelho prximo. Deste modo, cada banda passa a ser um indicador do total de vegetao. Porm, contribuies do solo e da atmosfera podem conferir uma incerteza na estimativa dos parmetros biofsicos da vegetao. A eficincia da absorbncia na regio espectral do vermelho est relacionada ao mecanismo de espalhamento mltiplo da folha, no qual a energia eficientemente espalhada em virtude das interaes da radiao com as paredes celulares hidratadas, proporcionando melhores condies para a absoro da radiao pelos pigmentos fotossintetizantes (MOREIRA, 2001 e VALERIANO, 1988). A superfcie foliar promove o espalhamento mltiplo da radiao na regio espectral do infravermelho prximo, que propicia uma maior taxa de mudana de trajetria e, conseqentemente, de energia retornante. A gua tambm tem importncia relevante nesta faixa de radiao, pois, quando o teor de gua eleva-se na clula vegetal, sua reflectncia diminuda sensivelmente. MOREIRA (2001) aponta em seu trabalho que a gua preenche as cavidades de ar, formando um meio lquido no interior da folha. Com isso, ocorre uma diminuio no ndice de refrao da folha, aumentando assim a transmitncia da mesma. O clculo dos ndices de vegetao pode ser feito a partir de valores de radincia, valores de reflectncia e nmeros digitais de imagens de satlite. Esses dados de sada esto todos corretos, porm cada um produzir um valor diferente de ndice de vegetao, dadas s mesmas condies de superfcie.

2.6.1 ndices Simples de Vegetao


Esses ndices so representados pelas seguintes frmulas: ndice por diferena de vegetao: DVI = NIR R

24

ndice por razo de vegetao: RVI = NIR R Onde: NIR = Infravermelho prximo (0,75 0,90 m); R = Vermelho (0,63 0,70 m). O ndice por diferena de vegetao apresenta-se como um ndice perpendicular, isto , em um terreno plano com iluminao uniforme, pode apresentar vantagem, por seus resultados serem menos dependentes das condies do solo, em relao aos ndices por razo de vegetao. Por outro lado, o ndice por razo de vegetao favorvel em situaes onde a iluminao da cena no apresenta uniformidade, a exemplo de terrenos montanhosos, em que a iluminao passa a depender da orientao da inclinao, em relao ao sol. Portanto, este ndice apresenta um efeito multiplicador, que no depende do comprimento de onda e conseqentemente no afetado pela diferena de iluminao, (ENGMAN & SHULTZ 2000). DUGGIN (1983) observou uma forte dependncia angular do ndice por razo de vegetao, que pode exagerar os efeitos angulares, tornando necessrias correes acuradas do efeito de geometria de iluminao.

2.6.2 ndice de Vegetao por Diferena Normalizada (NDVI)


Um dos mais conhecidos ndices de vegetao o NDVI, definido pela seguinte frmula: NDVI = NIR R NIR + R

25

Onde: NIR = Infravermelho prximo (0,75 0,90 m); R = Vermelho (0,63 0,70 m). Apesar de levar esse nome, o NDVI um ndice de razo (um rtio), sendo assim, seus resultados no dependem das condies de iluminao. MOTTA et al. (2003), estudaram a evoluo temporal do NDVI, obtido de imagens do satlite NOAA. O autor aponta que a evoluo temporal apresenta sensibilidade quanto s diferenas de uso e cobertura do solo, o que capacita o NDVI a integrar sistemas de monitoramento, objetivando o fornecimento de alertas sobre possveis problemas de crescimento das plantas. Ele concluiu que as imagens NOAA representam uma ferramenta no acompanhamento e previso de safras. Na figura abaixo esto expressas as variaes do NDVI para diferentes parcelas da cultura de soja, identificadas por janelas 12,13 e 18. Nesse grfico pode-se notar com clareza a curva de crescimento da vegetao dentro dos diferentes perodos do ano.

Figura 10 - NDVI mximo mensal para diferentes parcelas da cultura de soja. Fonte: Modificado de MOTTA et al (2003).

FERREIRA et al. (2002) estudaram o comportamento sazonal de diferentes fisionomias vegetais do cerrado. Nesse trabalho, o NDVI foi comparado com outros ndices

26

de vegetao, e foi observado um forte relacionamento entre esses ndices, que representam a cobertura vegetal fotossintticamente ativa, com a paisagem da cobertura vegetal. O NDVI foi o ndice que apresentou maior sensibilidade aos cenrios atmosfricos (nuvens e fumaa das queimadas). Vrios estudos vm mostrando uma boa correlao entre o NDVI e o montante de vegetao, devido a um vasto range de escalas, que so usadas no mapeamento desse ndice e so baseadas no imageamento com variadas resolues espaciais (ENGMAN & SHULTZ, 2000). O NDVI tem, portanto, uma relao direta com o vigor da vegetao, sendo assim, possvel o mapeamento de reas com diferentes ndices de cobertura vegetal e vigor de biomassa.

2.6.3 Outros ndices de Vegetao


Uma grande quantidade de ndices de vegetao foi elaborada com o intuito de ressaltar o comportamento espectral da vegetao, em relao aos outros alvos. Alm dos ndices descritos anteriormente, destacam-se entre os mais conhecidos:

PVI (Perpendicular Vegetation Index) SAVI (Soil-Adjusted Vegetation Index) MNDVI (Modified NDVI) TSAVI (Transformed SAVI) TVI (Transformed Vegetation Index) ARVI (Atmospherically Resistant Vegetation Index) GEMI (Global Environment Monitoring Index) Pesquisas mais recentes envolvendo variados ndices de vegetao vm se

27

direcionando a um aperfeioamento, no sentido de reduzir os efeitos da influncia da no vegetao, tais como a iluminao, o tipo e a umidade dos solos (ENGMAN & SHULTZ, 2000). Segundo IRONS et al. (1989), os principais fatores que influenciam no comportamento espectral dos solos so os xidos de ferro, a matria orgnica, a textura, a estrutura e a umidade.

2.7 Trabalhos correlacionando o fator C com o NDVI


DE JONG (1994) investigou o uso de imagens TM/LANDSAT para a caracterizao da vegetao natural em Ardche, provncia da Frana. A caracterizao da cobertura vegetal se deu atravs da comparao do ndice de rea foliar (LAI), da porcentagem de cobertura vegetal e do fator C, com valores correspondentes de NDVI na imagem TM. Foram utilizadas equaes de regresso que seguiram um modelo linear, no intuito de predizer os ndices em questo, e foi ajustado um modelo linear com R2 de 64%, de C em funo do NDVI. O autor conclui com esse experimento, que o baixo valor de R2 se deve alta sensibilidade do NDVI para detectar a vitalidade da vegetao, apresentando assim, baixos valores para coberturas em estado de estresse hdrico, ao passo que o fator C continua alto se essas mesmas coberturas forem densas. Ele finaliza dizendo que, isso gera limitaes no uso das imagens de NDVI em estudos de eroso, pois a condio da cobertura vegetal no importante. A equao usada nesse trabalho foi:

C = 0,431 0,805 . NDVI


Corroborando com essa pesquisa, VAN DER KNIJFF et al. (1999)

28

empregou caminhos alternativos para adaptar essa equao, aproximando os valores do fator C. Em suas tentativas, ele chegou seguinte equao, que pareceu mais adequada:

Onde:

e so os parmetros que determinam o tamanho da curva do NDVI. E valores de = 1 e = 2 apresentam resultados satisfatrios. O esforo de VAN DER KNIJFF et al. (1999), foi no sentido de transformar um modelo linear de equao em outro modelo no linear, que tivesse um ajuste melhor curva de crescimento vegetal. Ele conclui que a transformao do modelo linear em no linear pode ser a melhor informao a ser obtida utilizando-se os dados avaliativos. Um modelo linear tambm foi testado por ZIHNI (2000), para a predio do fator C, atravs do NDVI. Nesse trabalho, ao estudar a resposta espectral da vegetao natural, o autor obtm um R2 de 99,7%, utilizando apenas dois conjuntos de dados referentes estao seca e chuvosa. Analisando com maior rigor esses dados, pode-se inferir que a sua quantidade foi insuficiente para descrever a totalidade do fenmeno, pois se valendo apenas de imagens NDVI referentes a dois perodos (seco e chuvoso), era esperada uma relao linear com o fator C, devido utilizao dos valores mximos e mnimos de ambas as variveis. No Brasil pode ser citado o trabalho de CAVALLI (1999), que estimou a razo de perdas de solo (RPS) atravs do NDVI, para predizer indiretamente o fator C. Esse estudo foi realizado em uma fazenda produtora de cana-de-acar, localizada na sub-bacia do Rio Piracicaba. Nele, o autor optou por determinar a correlao linear dos valores de Razo de

29

Perdas de Solo (RPS) e NDVI, dando origem seguinte equao de regresso: RPS = 0,346 0,553 * NDVI com R2 = 71%

3 MATERIAL E MTODOS 3.1 Material e Equipamentos


Para o desenvolvimento deste trabalho, foram utilizados os seguintes materiais e equipamentos: Folha Topogrfica do IBGE, na escala de 1:50.000 do municpio de Conchal, (SF-23-Y-A-11-4); Levantamento pedolgico semidetalhado do Estado de So Paulo: quadrcula de Araras, OLIVEIRA et al. (1982); Imagens CCD/CBERS-2, rbita-ponto 155/125, bandas 1, 2, 3, 4 e pancromtica, capturadas nas datas de 29/12/2003, 19/02/2004, 16/03/2004, 11/04/2004, 24/07/2004, 14/09/2004 e 01/12/2004; Microcomputador Intel Pentium 4, CPU de 3.00 GHz e 512 MB de memria RAM; Mesa digitalizadora SummaSketch III Professional; Equipamento de Sistema de Posicionamento Global DGPS Trimble, modelo ROVER; Scanner de mesa; Programas computacionais: ILWIS ver.3.2, ArcView ver.3.2, SPRING ver.4.0, IDRISI ver.32, AUTOCAD ver.2002, CorelDRAW ver.12, WORD e EXCELL. SURFER ver.8, MINITAB ver.13.1,

30

3.1.1 O Satlite CBERS-2

3.1.1.1 Caractersticas do Satlite CBERS-2


O Satlite CBERS-2 (China-Brazil Earth Resources Satellite) Satlite SinoBrasileiro de Recursos Terrestres, foi lanado no dia 21 de outubro de 2003, s 11:16 h (horrio de Pequim), que corresponde a 1:16 h no horrio de Braslia. Esse satlite faz parte do Sistema Brasileiro de Coleta de Dados Ambientais, que se baseia na utilizao de satlites e mais de 600 plataformas de coleta de dados (PCDs) distribudas pelo territrio nacional, com o objetivo de fornecer ao pas dados ambientais, tais como a previso do tempo, estudos sobre correntes ocenicas, mars, qumica da atmosfera, planejamento agrcola e uma aplicao que merece destaque, que o monitoramento das bacias hidrogrficas pelas redes de plataformas da ANA e do SIVAM, que fornecem diariamente os dados fluviomtricos e pluviomtricos do Brasil. Fruto de um consrcio entre o Brasil e a China, o CBERS-2 composto por dois mdulos: o mdulo Carga til e o mdulo Servio, sendo cada um deles composto por vrios subsistemas. O Mdulo Carga til desempenha a funo de acomodar as cmeras, os transmissores de dados de imagem, o gravador e o repetidor do Sistema Brasileiro de Coleta de Dados Ambientais. Os subsistemas que integram esse mdulo so: Cmera CCD Cmera Imageadora de Alta Resoluo; Cmera IRMSS Imageador por Varredura de Mdia Resoluo; Cmera WFI Cmera Imageadora de Amplo Campo de Visada; Transmissor de dados Imagem; Repetidor do Sistema Brasileiro de Coleta de Dados Ambientais;

31

Monitor de Ambiente Espacial. O Mdulo Servio serve para assegurar o suprimento de energia, os

controles, as telecomunicaes de servio, a superviso e demais funes necessrias para a operao do satlite. Os subsistemas que integram esse mdulo so: Estrutura; Controle Trmico; Controle de rbita e Altitude; Suprimento de Energia; Superviso de Bordo; Telecomunicaes de Servio. Quando o satlite colocado em rbita, abrem-se os painis solares que passam a gerar os 1100W de potncia eltrica, necessria para o funcionamento dos equipamentos de bordo. Esse satlite possui um sistema controlador de altitude de alta preciso, para cumprir os rigorosos requisitos de apontamento das cmeras, necessrios para se obter imagens de alta resoluo. O sistema controlador de altitude complementado por um conjunto de propulsores movidos hidrasina, que tambm auxilia nas eventuais manobras de correo da rbita nominal do satlite. O monitoramento dos dados internos referentes ao funcionamento do satlite feito atravs da coleta e processamento desses dados por um sistema distribudo de computadores, antes que os mesmos sejam transmitidos Terra. Atravs de um sistema de controle trmico ativo e passivo, cria-se um ambiente apropriado para o funcionamento dos sofisticados equipamentos do satlite.

32

1 - Mdulo de Servio 2 - Sensor de Presena do Sol 3 - Conjunto dos Propulsores de 20N 4 - Conjunto dos Propulsores de 1N 5 - Divisria Central 6 - Antena UHF de Recepo 7 - Cmera IRMSS 8 - Antena de Transmisso do IR 9 - Antena de Transmisso em VHF 10 - Antena UHF Tx/Rx 11 - Antena em Banda - S (DCS) 12 - Antena de Transmisso do CCD 13 - Antena de Transmisso em UHF 14 - Cmera CCD 15 - Antena em Banda-S (TT&C) 16 - Mdulo de Carga til 17 - Painel Solar 18 - Antena em Banda-S (TT&C) 19 - Antena de Recepo em UHF 20 Cmera Imageadora WFI

Figura 11 - Listagem dos componentes do Satlite CBERS-2

Fonte: (http://www.inpe.org.br)

3.1.1.2 A rbita do Satlite CBERS-2


O Satlite CBERS-2 est em uma rbita heliossncrona, ou seja, nessa rbita o satlite sempre cruza o Equador s 10:30h da manh, hora local, proporcionando as mesmas condies de iluminao solar, para que se possa fazer a comparao de imagens adquiridas em dias diferentes. A altitude da rbita do satlite de 778 Km, e ele perfaz cerca de 14 revolues por dia, obtendo a cobertura da Terra em 26 dias. Esse tempo suficiente para a obteno de imagens de todo o globo terrestre, para as cmeras CCD e IRMSS, que possuem campos de visada de 113 Km e 120 Km, respectivamente. Em se tratando da cmera WFI, que consegue imagear uma faixa mais ampla, de 890 Km de largura, o tempo necessrio para cobrir todo o globo cai para cinco dias.

33

Figura 12 -

Altitude de rbita: 778 km Inclinao: 98.504. Perodo:100,26 min.

Fonte: (http://www.inpe.org.br) As informaes sobre as caractersticas do Satlite CBERS-2, assim como de sua rbita, foram coletadas no site do INPE (http://www.inpe.org.br).

3.1.1.3 Os Sensores pticos do Satlite CBERS-2


Uma caracterstica que confere exclusividade ao Satlite CBERS-2 a diversidade de cmeras, apresentando diferentes resolues espaciais e freqncia de coleta de dados. Essas cmeras integram um sistema para observaes pticas, que cobrem toda a superfcie do globo terrestre, alm de um sistema de coleta de dados ambientais. Esses sistemas combinam caractersticas especiais, desenvolvidas para resolver as variadas escalas de tempo e espao, que so tpicas do nosso vasto ecossistema.

34

3.1.1.4 A Cmera Imageadora de Alta Resoluo (CCD High Resolution CCD Cmera)
Para o presente trabalho, foram utilizadas imagens geradas pela Cmera Imageadora de Alta Resoluo CCD. Essa cmera fornece imagens de uma faixa de 113 Km de largura, conferindo uma resoluo espacial de 20 m. Ela tem capacidade de orientar seu campo de visada dentro de + 32 graus, essa capacidade aliada ao tipo de rbita do satlite torna possvel a obteno de imagens esterioscpicas de uma certa regio, com um intervalo de trs dias entre duas imagens. Alm disso, todo fenmeno detectado pelo sensor WFI pode ser focalizado pela Cmera CCD, atravs de seu campo de visada, tambm num intervalo de no mximo trs dias, sendo apropriado para estudos mais detalhados.

Figura 13 - Viso estereoscpica. Fonte: (http://www.inpe.org.br)

Figura 14 - Os diferentes campos de visada do CBERS. Fonte: (http://www.inpe.org.br)

Segundo JENSEN (1996), o arranjo linear do sensor CCD (Linear and rea Array Charge-coupled-device Digitization) tem mais preciso na direo X do que na direo Y, pois conforme mostrado na Figura 15, o instrumento montado sobre um parafuso de preciso que confere estabilidade aos elementos de deteco na direo X, devido ao fato

35

desse sistema de lentes ser constante para cada varredura (assumindo o mesmo campo de visada); j na direo Y, o movimento do parafuso de preciso e do motor de passo podem causar uma repetitividade de aproximadamente 0,75m nessa direo. Esses sistemas tm uma matriz de sada com capacidade de 1 at 12 bits por pixels (valores de 0 a 4095), alm disso, a digitalizao obtida geralmente em 60 segundos, desta forma so proporcionadas uma alta resoluo espacial, uma boa preciso radiomtrica e uma rpida digitalizao. O autor ainda ressalta uma vantagem do arranjo de rea, em relao ao arranjo linear do sensor CCD, porque o mesmo no apresenta qualquer movimento em seus componentes, aumentando significativamente a fidelidade geomtrica da imagem digitalizada; outra vantagem que o processo de aquisio das diferentes bandas espectrais mais rpido, pois no usa os mltiplos passos requeridos pelo arranjo linear.

Figura 15 - Arranjo linear do sensor CCD. Fonte: Modificado de (JENSEN 1996).

A Cmera CCD opera em 5 faixas espectrais, com a incluso de uma faixa pancromtica de 0,51 a 0,73 m, tambm possvel fazer uma combinao dos dados obtidos pela Cmera WFI, nas suas 2 faixas espectrais, com os dados obtidos pela Cmera CCD. Um intervalo de 26 dias o tempo necessrio para uma cobertura completa da superfcie da Terra.

36

As caractersticas da Cmera CCD podem ser observadas na tabela do Anexo 3.

3.2 rea de Estudo

3.2.1 Escolha da rea


O Municpio de Conchal est inserido na rea de abrangncia do projeto temtico, Diagnstico Ambiental da Agricultura em So Paulo bases para um desenvolvimento rural sustentvel, financiado pela Fundao de Amparo Pesquisa do Estado de So Paulo (FAPESP). Esse projeto pretende fornecer subsdios para a formulao de polticas pblicas voltadas para a gesto ambiental da agricultura e uso sustentvel da biodiversidade, envolvendo a participao de pelo menos sete instituies de pesquisa do Estado, incluindo o Instituto Agronmico de Campinas. O projeto temtico pretende desenvolver metodologias de avaliao de impactos ambientais, que sejam eficientes e de baixo custo, visando sua aplicao em larga escala. Baseando-se nessa demanda, o municpio de Conchal possui uma boa diversidade de culturas extensivas, como a laranja, o milho, a cana-de-acar, a mandioca e o algodo, alm de oferecer respostas promissoras para a anlise espectral empregando o sensor CCD do satlite CBERS-2.

3.2.2 Localizao
Situado a 186 Km da cidade de So Paulo, na Regio Centro-Oeste do estado, a 2220 de Latitude Sul e 4710 de Longitude Oeste, Conchal um municpio com 212 Km, sendo 5,1 km representados por rea Urbana e 206,9 Km representados por rea

37

Rural, (http://www.conchal.sp.gov.br/), Prefeitura do Municpio de Conchal. O municpio tem como limites os municpios de Mogi-Guau (Norte), Engenheiro Coelho (Sul), Mogi-Mirim (Leste) e Araras (Oeste). Por estar situado prximo a cidades de destaque nos mais diversos setores econmicos do estado, Conchal tem um fcil acesso a importantes Rodovias, como a SP-340 (Adhemar de Barros) e a SP-330 (Via Anhangera).

A Estado de So Paulo B Bacia Hidrogrfica do Mogi-Pardo C Municpio de Conchal

Figura 16 - Localizao da rea de estudo.

3.2.3 Caracterizao da rea


A populao de Conchal de aproximadamente 22.672 habitantes, segundo estimativa da Prefeitura Municipal, sendo 20.292 na Zona Urbana e 2.380 na Zona Rural. O Municpio apresenta em seu perfil agropecurio, pequenas e mdias

38

propriedades com predominncia das culturas de Laranja (ocupando 60% da rea cultivada) e Cana-de-acar (ocupando 15% da rea cultivada). Sua estrutura fundiria composta por: 261 Minifndios (de 2,4 Ha mdulo rural neste municpio at 30 Ha); 93 Pequenas Propriedades (de 30 Ha at 50 Ha); 52 Mdias Propriedades (de 50 at 200 Ha); 08 Grandes Propriedades (de 200 Ha acima). Alm da Laranja e da Cana-de-acar, que so suas principais culturas, Conchal tem 6% de sua rea cultivada ocupados por Mandioca, 3% ocupados por Algodo, 2% ocupados por Floricultura e 2% ocupados por Olericultura (legumes como pimento e berinjela). O municpio possui ainda, um efetivo de aproximadamente 2.800 bovinos, 2.500 sunos, 15.000 cabeas de aves destinadas para a postura de ovos e 100.000 cabeas de aves de corte. As principais formaes geolgicas da rea estudada, segundo o Mapa Geolgico do Estado de So Paulo (IPT, 1981), so: Formao Itarar - Essa formao entalhada em rochas cristalinas paleozicas e proterozicas, no Estado de So Paulo ela repousa sobre uma superfcie erosiva (Itagu), sendo composta por uma associao complexa de variados litofcies, na sua maioria detrticos. A Formao Itarar apresenta uma sucesso freqente dos litofcies, tanto vertical como horizontalmente, e para o Municpio de Conchal predominam arenitos de granulao variada, mineralogicamente imaturos, incluindo arenitos feldspticos ou mesmo arcseos dispostos na forma de bancos que chegam a atingir dezenas de metros. Esses macios mostram no seu interior uma estratificao plano-paralela e cruzada. Apesar de essa formao constituir-se na sua maioria por sedimentos clsticos, pode haver ocorrncia localizada de finas camadas de carvo e

39

de calcrio. Freqentemente constata-se a presena de siltitos, argilitos e folhelhos nos diversos nveis de formao, apresentando uma notvel continuidade em rea e espessuras de propores decamtricas. Depsitos Cenozicos tambm considerados depsitos cenozicos, os depsitos aluviais mais desenvolvidos geralmente esto associados aos principais cursos dgua, na medida em que eles adentram na rea que abrange a Bacia do Paran, tornam-se maiores. Na regio Cristalina esses depsitos se restringem, condicionando-se s reas de soleira. Os depsitos de constituio mais arenosa e nveis de cimentao limontica so encontrados com maior freqncia, e tambm esto sempre presentes as cascalheiras e as intercalaes de outros termos. A grande maioria das redes de drenagem responsvel pelo retalhamento de seus prprios depsitos.

Figura 17 - Principais Formaes Geolgicas do Municpio de Conchal. Fonte: modificado de (IPT, 1981). (CPi) Formao Itarar Depsitos glaciais continentais, glacio-marinhos, fluviais deltaicos lacustres e marinhos compreendendo principalmente arenitos de granulao variada, arcosianos; conglomerados, diamictitos, tilitos, siltitos, folhelhos, ritimitos e raras camadas de carvo, (perodo paleozico). (Qa) Sedimentos Aluvionares Aluvies em geral, incluindo areias inconsolidadas de granulao varivel, argilas e cascalheiras fluviais subordinadamente, em depsitos de calha e/ou terraos, (perodo cenozico).

40

A topografia da regio de Conchal apresenta como caracterstica uma sucesso de baixas colinas com formas suavizadas de topos subaplainados e levemente abaulados. As cotas do Municpio esto compreendidas entre 560 e 740 metros, com relevo suave a suave ondulado, a declividade predominante apresenta valores baixos de at 6% (Figura 21), OLIVEIRA et al. (1982). A vegetao natural, a julgar pelos poucos remanescentes em virtude da sua substituio pela agricultura representada ao sul do Municpio, pela mata subpereniflia. Na medida em que se desloca ao norte do municpio observam-se alguns focos remanescentes de cerrado. Nas reas midas do Municpio, representadas pelas plancies aluvionais mal drenadas, observa-se a ocorrncia da vegetao de campos higrfilos, ao passo que nas reas com melhor drenagem prximas calha dos rios predominava a mata ciliar, agora restrita a uma estreita faixa descontnua s margens do Rio Moji-Guau. A quase inexistncia dessa vegetao decorrente do relevo pouco movimentado e da qualidade das terras, que impulsionou a agricultura local, (OLIVEIRA et al., 1982). Os solos ocorrentes no Municpio de Conchal foram descritos atravs do levantamento semidetalhado em escala 1:50.000, executado por OLIVEIRA et al. (1982), e classificados segundo o Sistema Brasileiro de Classificao de Solos (EMBRAPA, 1999). Atravs do levantamento da quadrcula de Araras foram identificados os seguintes grupamentos de solos (Tabela1):

41

Tabela 1 - Grupamentos de Solos ocorrentes no municpio de Conchal. Classificao do solo segundo o atual SBCS Porcentagem de (Embrapa, 1999) rea ocupada pelo solo no municpio Latossolo Vemelho distrfico tpico, A moderado textura mdia, relevo suave ondulado. Latossolo Vemelho distrfico, A moderado, textura argilosa ou muito argilosa, relevo aplainado ou suave ondulado. Latossolo Vemelho-Amarelo distrfico tpico, A moderado, textura mdia, relevo suave ondulado. Latossolo Vemelho-Amarelo distrfico tpico, A proeminente, textura mdia, relevo suave ondulado. Latossolo VemelhoAmarelo distrfico tpico, A moderado, textura argilosa, relevo suave ondulado ou aplainado. Argissolo Vermelho-Amarelo argila de atividade baixa, A moderado, textura arenosa/mdia. Gleissolos e Organossolos Associao de um Latossolo VermelhoAmarelo, um Cambissolo e um Hidromrfico, 11% Sigla

LE-2

37,7%

LE-3

13%

LV-3

2%

LV-7

26%

LV-8

0,3%

PV-8

5% 5%

Hi-2 LV-9 + Cb-1 + Hi-2*

* Essa associao de solos pode apresentar grande dificuldade de se realizar a sua delimitao, pois exige um substancial apoio de campo, com uma densidade elevada de pontos amostrais, onerando em muito os custos do levantamento. Portanto comum recorrerse s associaes, lembrando que os nomes so colocados sempre em seqncia decrescente de importncia espacial. Fonte: Modificado de OLIVEIRA et al. (1982).

O clima no municpio de Conchal, segundo a classificao de KPPEN, do tipo subtropical, Cwa, apresentando inverno seco e temperatura mdia do ms mais quente superior a 22C. Sua temperatura mdia anual de 21,6C, com temperatura mdia mxima de 24,3C e temperatura mdia mnima de 17,9C. Conchal apresenta ainda uma precipitao anual superior a 1300 mm, com ndices mais baixos entre os meses de Junho e Agosto e

42

ndices mais altos entre os meses de Dezembro e Fevereiro. Atravs do mtodo climatolgico do balano hdrico, possvel contabilizar a quantidade de gua no solo que est disponvel para as plantas, indicando dessa forma, os perodos com maior ou menor umidade. Esse mtodo considera a precipitao ou a irrigao como entrada de gua no sistema e a evapotranspirao como sada. O balano hdrico foi estimado, utilizando-se as planilhas de clculo apresentadas por ROLIM et al. (1998), que se baseiam no mtodo de THONTHWAITE & MATHER 1955, e pode ser visualizado nos grficos do Anexo 5.

3.3 Mtodo de trabalho em campo


O trabalho em campo iniciou-se com o levantamento do uso da terra para o municpio de Conchal, onde se percorreu todo o municpio com o objetivo de se identificar o uso atual, assim como as prticas de cultivo adotadas. O levantamento foi georreferenciado com o emprego do DGPS - Trimble, de preciso submtrica e correo diferencial por ps-processamento. Atravs desse levantamento, que constou de 116 pontos de observao, puderam ser escolhidas as principais culturas para a realizao do trabalho (o milho, a mandioca e o algodo). Pde-se notar para as culturas do milho e mandioca, uma diferena de tamanho das plantas, em decorrncia de pocas de plantio distintas. Essa informao foi posteriormente checada com o Engenheiro Agrnomo da Casa da Agricultura do municpio (Francisco Eduardo Correa) e atravs de consultas com os produtores. Para se identificar os cultivos com diferentes datas de plantio, foram designados os nomes de Mandioca 1 e Milho 1, para as culturas plantadas em Outubro de 2004 e Mandioca 2 e Milho 2, para as culturas plantadas em Novembro de 2004.

43

3.4 Mtodo de trabalho em laboratrio

3.4.1 Obteno dos Mapas Bsicos


A base cartogrfica utilizada para a realizao deste trabalho foi retirada dos dados gerados pelo projeto de pesquisa intitulado Diagnstico da agricultura no Estado de So Paulo (ROMEIRO, 2004). Com a utilizao da base cartogrfica foi possvel realizar a entrada de dados de solo, hidrografia e planialtimetria. Esses dados vieram a constituir os planos de informao que deram origem aos seguintes mapas: Mapa pedolgico (Figura 18); Hidrografia (Figura 19); Mapa Hipsomtrico (Figura 20); Mapa de Declividades (Figura 21);

44

Figura 18 Mapa pedolgico do municpio de Conchal.

45

Figura 19 Hidrologia do municpio de Conchal.

46

3.4.2 Dados Topogrficos e modelo digital de elevao (MDE)


O mapa planialtimtrico contendo as curvas de nvel digitalizadas na escala de 1:50.000, com distncia entre curvas de 20 m, foi utilizado para a gerao do Mapa Hipsomtrico (Figura 20). No intuito de fornecer dados mais precisos para o procedimento de interpolao, que precede o Modelo Digital de Elevao (MDE), foram digitalizados, com auxlio da mesa digitalizadora, os pontos cotados da carta topogrfica do IBGE, na escala de 1:50.000 (Folha de Conchal). O passo seguinte foi utilizar o programa ArcView para converter as curvas de nvel, que estavam em formato vetorial, em pontos e em seguida acrescentar os pontos cotados, gerando um arquivo de pontos, que foi exportado para o programa SURFER, onde foi realizado o processo de interpolao. O mtodo de interpolao usado foi a krigagem. Segundo VIEIRA (1998), neste mtodo podem-se interpolar valores em qualquer posio no campo de estudo, sem tendncia e com varincia mnima. Para tanto se faz necessrio escolher um modelo que melhor se ajuste ao semivariograma, que a ferramenta mais adequada para medir a dependncia espacial. O modelo que melhor se ajustou foi o modelo esfrico. O MDE possibilitou o clculo das declividades, que agrupadas em classes geraram o mapa de declividades, (Figura 21), atravs do MDE tambm foram calculados o fator Topogrfico (LS), e o fator Prticas Conservacionistas (P) da EUPS, conforme metodologia descrita adiante.

47

Figura 20 Mapa Hipsomtrico do municpio de Conchal.

48

Figura 21 Mapa de Declividade do municpio de Conchal

49

3.4.3 Processamento digital das Imagens

3.4.3.1 Georreferenciamento das Imagens


A primeira etapa do tratamento das imagens foi realizada por meio do programa SPRING e consistiu no georeferenciamento ou correo geomtrica, pelo Sistema de Coordenadas - UTM - datum SAD-69. Essa operao fundamental, pois o projeto envolve a manipulao de dados espaciais, dentro dos Sistemas de Informaes Geogrficas. Os mapas da hidrografia e das principais estradas, provenientes da base cartogrfica (ROMEIRO, 2004), juntamente com verificao de campo forneceram os pontos de controle (12 no total) utilizados para georeferenciar as imagens de satlite. Aps a georeferncia, possvel determinar uma coordenada para cada pixel da imagem, com grandeza verdadeira dentro da projeo escolhida.

3.4.3.2 A Calibrao Absoluta da Cmera CCD/CBERS-2


Todas as informaes referentes calibrao absoluta do sensor CCD/CBERS-2 foram obtidas atravs de informaes fornecidas pelo INPE, sendo importante salientar que os coeficientes de calibrao apresentados esto sob constante avaliao, fazendo-se necessrio um acompanhamento sobre possveis atualizaes para essa metodologia. A calibrao absoluta do sensor CCD/CBERS-2 visa estabelecer uma relao entre o nmero digital da imagem (ND), com o valor de radincia (L), promovendo a transformao dos NDs presentes nas imagens, em valores fsicos como a L ou a reflectncia ().

50

A Figura 22 descreve o fluxograma referente ao procedimento utilizado na calibrao de imagens CCD/CBERS-2 nvel L1 (nvel padro de distribuio das imagens adotado pelo INPE - Instituto Nacional de Pesquisas Espaciais). Para o presente trabalho foi necessrio apenas o cumprimento da ltima etapa, sendo as anteriores previamente realizadas pelo INPE.

Figura 22 - Fluxograma referente aos procedimentos para se obter os coeficientes de calibrao da cmara CCD/CBERS-2. Fonte: (http://www.inpe.org.br)

Sendo: Medidas de reflectncia em campo (): nessa etapa so selecionados os stios de calibrao localizados em territrio nacional, que possam melhor atender aos critrios bsicos que visam estabelecer o mximo de confiabilidade nos resultados. Dentre esses critrios so listados: a altitude mdia das superfcies de referncia (preferencialmente acima dos 1000m), regies com baixo ndice de nebulosidade durante o horrio de passagem

51

do satlite, uniformidade espectral (caracterizada pelos coeficientes de variao de valores determinados em campo) e pela isotropia espectral (caracterizada pela dinmica dos valores de ao longo de intervalos de tempo especficos); Descrio geomtrica: nessa etapa consideram-se dados relacionados altitude efetiva da superfcie de referncia, assim como os dados que promovem a caracterizao das geometrias de iluminao ( sun e sun) e de visada ( sat e sat) no horrio de passagem do satlite sobre a superfcie de referncia; Descrio do modelo atmosfrico: etapa muito importante no procedimento, onde se nota uma relao direta entre o aumento da confiabilidade para a caracterizao dos parmetros atmosfricos com o aumento da confiabilidade para o valor da L estimada no topo da atmosfera (Lsat) que dar origem aos coeficientes de calibrao. A caracterizao dos parmetros atmosfricos est fundamentada no clculo da Profundidade ptica (aer), Concentrao de Oznio (UO3) e Concentrao de Vapor Dgua (Uw); Valores mdios de ND das imagens CCD/CBERS-2: trata-se de um procedimento fundamentado em imagens CCD/CBERS-2 nvel L1, onde se determina os valores de NDs mdios para cada banda espectral, mediante a localizao dos pxels que fazem referncia aos pontos onde foram realizadas medies radiomtricas em campo, concomitantemente passagem do satlite. Os valores mdios de ND so determinados atravs da mdia aritmtica dos valores de ND encontrados no pxel referente coordenada do ponto de calibrao juntamente com os valores referentes aos cinco pxels ao seu redor; SCORADIS: aplicativo desenvolvido por ZULLO JR. (1994), pesquisador do Centro de Estudos Meteorolgicos e Climticos Aplicados Agricultura da Universidade Estadual de Campinas (CEPAGRI/UNICAMP), que tem como objetivo aplicar o modelo 5S de correo atmosfrica. Para este procedimento, o modelo foi invertido com o intuito de

52

estimar a interferncia atmosfrica sobre os valores de determinados em campo, permitindo a determinao dos valores de Lsat; Coeficientes de Calibrao: os Coeficientes de Calibrao (CCn, n=1,2,3,4,pan) so passveis de serem calculados devido relao existente entre os NDs mdios e os respectivos valores de Lsat. Na Tabela 2 esto representados os coeficientes de calibrao, que foram determinados a partir de duas campanhas de calibrao realizadas entre junho e agosto de 2004. As superfcies de calibrao foram selecionadas a oeste do Estado da Bahia, na regio de Luiz Eduardo Magalhes.

Tabela 2 - Coeficientes de calibrao absoluta da cmera CCD/CBERS-2 (CCn) CCD-1 1,009 CCD-2 1,930 CCD-3 1,154 CCD-4 2,127 CCD-Pan 1,483

Fonte: PONZONI et al. (2005).

O clculo do L (aparente):

Para o clculo do L (aparente) tem-se a seguinte equao (PONZONI et al,. 2005): L = NDn/CCn Sendo: L = radincia espectral aparente; NDn = nmero digital extrado da imagem na banda n (n = 1,2,3,4,pan); CCn = coeficiente de calibrao absoluta para a banda n (n = 1,2,3,4,pan). O resultado ser expresso em W .m-2 .sr-1 .m-1

53

3.4.3.3 A transformao dos valores de L em valores de reflectncia aparente (apa)


Para a transformao dos valores de L em valores de apa, aplica-se a seguinte equao (PONZONI et al., 2005): apa = [3,1423*(NDn/CCn)*D**2]/[esunn*cos(zen)]; Sendo: D = distncia Terra-Sol em unidades astronmicas (assume valores 0,983 em janeiro e 1,0167 em julho); esunn = valores de Irradincia solar no topo da atmosfera na banda n (n = 1,2,3,4,pan), apresentados na Tabela. 3; cos(zen) = cosseno do ngulo zenital solar no momento da aquisio da imagem. Tabela 3 - Valores de esunn no topo da atmosfera (W.m-2.m-1) esun1 1934,03 esun2 1787,10 esun3 1548,97 esun4 1069,21 esunpan 1664,33

Fonte: PONZONI et al. (2005).

A apa no pode ser usada para caracterizar espectralmente um objeto, pois nela est contida toda a interferncia atmosfrica, para tanto necessria a determinao de valores de Reflectncia de Superfcie (sup) mediante a aplicao de algum modelo de correo atmosfrica, seja ele fundamentado na transferncia radiativa ou no.

54

3.4.3.4 Obteno do mapa de uso da terra


O levantamento do uso da terra atravs da verificao de campo apoiada pelo caminhamento com o GPS, forneceu a localizao das glebas referentes aos diferentes usos da terra. Essas informaes serviram de base para o trabalho em laboratrio, onde as imagens previamente corrigidas e calibradas passaram por processamentos digitais objetivando uma maior distino entre as glebas, para a classificao final do uso da terra (Figura 25). O processamento das imagens de satlite segundo metodologia descrita em NOVO (1992), GARCIA (1982) e CRSTA (1992), foi realizado atravs do programa SPRING 4.0 e constou de composies coloridas em RGB, onde as imagens sofreram um realce com a Ampliao Linear de Contraste (ALC) e Anlise por Principais Componentes (PC), onde: O Aumento Linear de Contraste implica na alterao da distribuio dos valores de nveis de cinza (DN) a partir do histograma de distribuio original, adquirindo este uma nova configurao, com os seus nveis de cinza ocupando todos os 255 valores possveis, gerando assim, uma imagem com maior contraste (Figura 23). A Anlise por Principais Componentes consiste em rotacionar o sistema de eixos dados pelas bandas originais, para se obter um novo sistema de coordenadas onde as bandas originais, segundo 3 componentes principais: C1, C2 e C3, guardem a menor correlao entre si, com informaes originais em cada banda espectral (Figura 24).

55

Figura 23 - Composio colorida 4R2G3B, com aumento linear de contraste - municpio de Conchal.

Figura 24 - Composio colorida 4R2G3B, principais componentes municpio de Conchal.

56

Figura 25 Mapa de Uso das Terras do municpio de Conchal.

57

3.4.3.5 Obteno do NDVI


De posse do mapa de uso atual das terras foi possvel escolher as culturas a serem estudadas (Milho, Mandioca e Algodo), o prximo passo foi a obteno do NDVI. Para tanto, foram selecionadas as glebas de maior representatividade, levando em considerao o tamanho da gleba e a porcentagem de cobertura de nuvens da imagem. O tamanho da gleba uma informao fundamental, pois o valor contido em um pixel (menor elemento da imagem) refere-se a uma rea de 20 x 20 metros, dada a resoluo espacial da imagem CCD/CBERS-2. Nesse caso, glebas com pequenas extenses vo conter uma pequena quantidade de pixels, insuficientes para a representao da variabilidade do fenmeno estudado. Foi realizado um mapeamento da cobertura de nuvens para as imagens referentes aos diferentes estgios de desenvolvimento das culturas (Figura. 26), para que pudessem ser escolhidas as glebas isentas dessa cobertura. A Razo de Bandas (NDVI), obtida por meio do programa SPRING a partir da combinao das bandas espectrais referentes ao vermelho (CCD3) e ao infravermelho prximo (CCD4), seguiu a seguinte formulao: NDVI = 127 * [(CCD 4 - CCD 3) / (CCD 4 + CCD 3)] + 128. Essa operao requerer um fator de ganho (multiplicativo) e "off-set" (aditivo), para melhorar a qualidade de contraste da imagem, por meio da distribuio dos valores obtidos dentro dos 255 Nveis de Cinza. A escolha dos valores de ganho e off-set foi proposta pelo tutorial do programa SPRING, baseados na definio das operaes entre bandas e nas caractersticas espectrais das bandas utilizadas. Sendo assim, os valores de sada do NDVI foram expressos em Nveis de

58

Cinza (Figura. 27), e para cada gleba escolhida foram amostrados 125 pixels (Anexo 4), dos quais foi obtida a mdia aritmtica que representou o valor de NDVI utilizado na correlao com o fator C. Em vista da necessidade de se obter dados de NDVI referentes aos diferentes perodos do Fator C, foram utilizadas imagens CCD/CBERS-2 capturadas nas datas 29/12/2003, 19/02/2004, 16/03/2004, 11/04/2004, 24/07/2004, 14/09/2004 e 01/12/2004, as quais foram suficientes para cobrir todos os perodos em questo.

Figura 26 - Mapeamento da cobertura de nuvens (imagem 19/02/2004).

59

Figura 27 - Imagem NDVI (24/07/2004).

3.4.4 Obteno dos parmetros da EUPS


A Equao Universal de Perdas de Solo (EUPS), WISHMEIER & SMITH (1978), adaptada para as condies brasileiras por BERTONI & LOMBARDI (1999), foi utilizada para proporcionar a avaliao de perdas de solo no municpio de Conchal. Atravs da gerao dos mapas de Potencial Natural de Eroso (PNE) e de Eroso Atual, foi possvel identificar a ao dos principais fatores que influenciam a eroso e conhecer o processo de degradao atual da rea estudada. A equao expressa pela seguinte frmula: A=R.K.L.S.C.P Onde:

60

A = Perda de solo calculada por unidade de rea ( t . ha-1. ano-1); R = Fator erosividade da chuva: ndice de eroso pela chuva (MJ . mm . ha-1. h-1. ano-1); K = Fator erodibilidade do solo: intensidade de eroso por unidade de ndice de eroso da chuva, para um solo especfico que mantido continuamente sem cobertura, mas sofrendo as operaes culturais normais (t . h . MJ-1. mm-1); L = Fator comprimento da vertente: relao de perdas de solo entre um comprimento de declive qualquer e um comprimento de rampa de 25 m para o mesmo solo e grau de declive; S = Fator declividade da vertente: relao de perdas de solo entre um declive qualquer e um declive de 9% para o mesmo solo e comprimento de rampa; C = Fator uso-manejo do solo: relao entre perdas de solo de um terreno cultivado em dadas condies as perdas correspondentes de um terreno mantido continuamente descoberto, isto , nas mesmas condies em que o fator K avaliado; P = Fator prticas conservacionistas: relao entre as perdas de solo de um terreno cultivado em determinada prtica e as perdas quando se planta morro abaixo. Os fatores C e P diferenciam-se dos demais fatores por serem antrpicos, pois esto relacionados s formas de ocupao e uso das terras, no sendo dependentes apenas das condies naturais como os fatores R, K, L e S.

3.4.4.1 Obteno do Fator R (Erosividade da Chuva)


Este fator trata-se de um ndice numrico que representa o potencial ou capacidade da chuva e enxurrada para provocar eroso em uma rea sem proteo.

61

As perdas de solo provocadas ela chuva em uma rea cultivada so diretamente proporcionais ao produto da energia cintica da chuva pela sua intensidade mxima em 30 minutos. A esse produto d-se o nome de ndice de eroso (EI30). O valor R da equao obtido atravs da mdia dos valores anuais de EI30 de um longo perodo de tempo (mais de 20 anos). O fator R, determinado conforme a metodologia de LOMBARDI & MOLDENHAUER (1992), expresso pela seguinte frmula: EIm = 89,823 * (p2 / P)0,759 Onde: EIm = ndice de eroso mdio mensal (MJ . mm . ha-1 . h-1); p = Precipitao mdia mensal (mm); P = Precipitao mdia anual (mm). (1)

Os dados sobre precipitao pluviomtrica foram obtidos do trabalho de MORAES et al. (2004), que utilizaram os postos meteorolgicos do DAEE (Departamento de guas e Energia Eltrica do Estado de So Paulo) e do IAC (Instituto Agronmico de Campinas). Segundo os autores, os valores de precipitao foram convertidos para erosividade conforme a equao 1. A partir da localizao geogrfica dos postos meteorolgicos das bacias do Rio Mogi Guau, do Rio Pardo e imediaes, eles procederam com a interpolao dos pontos (atravs de krigeagem) para gerar o mapa de erosividade das chuvas, (Figura 28).

62

Figura 28 Mapa de Erosividade de chuva mdia, calculada para o perodo de 1961 1990.

63

3.4.4.2 Obteno do Fator K (Erodibilidade do Solo)


Segundo BERTONI & LOMBARDI (1999), devido s propriedades inerentes aos solos, alguns solos so mais facilmente erodidos que outros, mesmo quando eles apresentam condies similares de declive, precipitao, cobertura vegetal e prticas de controle de eroso. O fator K quantitativo e tem seu valor expresso em perdas de solo (A) por unidade de ndice de eroso da chuva (EI). Ele foi determinado atravs de experimentos realizados em parcelas unitrias, com 25 m de comprimento e declividade uniforme, em terreno deixado livre de vegetao por um intervalo de tempo mnimo de dois anos e preparado no sentido do declive. Em campo, a erodibilidade pode ser obtida por mtodos diretos, utilizando chuva natural ou simulada. Para o presente trabalho, o fator K foi calculado de forma indireta, por meio do modelo proposto por DENARDIN (1990), para o qual foram levados em considerao os atributos do solo, (Anexo 6). Posteriormente os valores de erodibilidade (K) foram atribudos ao mapa de solos do Municpio de Conchal, para a gerao do mapa de erodibilidade, a ser usado na EUPS.

3.4.4.3 Obteno do Fator LS (Fator Topogrfico)


A intensidade da eroso hdrica demasiadamente afetada pelo comprimento da vertente que a gua percorre e pelo seu grau de declividade. O fator topogrfico rene os fatores declividade e comprimento da vertente. Esses dois fatores so pesquisados separadamente, mas para a aplicao na EUPS, so analisados conjuntamente.

64

O fator LS representa a relao esperada de perda de solo por unidade de rea em um declive qualquer, comparada perda de solo correspondente em uma parcela unitria apresentando o padro de 25 m de comprimento e 9% de declividade, podendo ser calculado pela equao desenvolvida por BERTONI & LOMBARDI (1999): LS = 0,00984 * L0,63 * S1,18 Onde: L = comprimento da vertente, em m S = declividade, em %

Segundo VALERIANO (1999), os valores de L e S so atribudos para cada pixel, por meio de clculos realizados em uma macro executvel no programa IDRISI. Para as reas terraceadas, o comprimento da vertente utilizado para se obter o fator LS passa a ser o espaamento horizontal do terrao (Tabela 4). Esses valores so atribudos ao mapa de uso do solo para a criao de um plano de informao contendo os valores tericos do fator L, que posteriormente so usados para substituir os valores de comprimento da vertente gerados pela macro apresentada por VALERIANO (1999). Essa substituio se d atravs do cruzamento do plano de informao referente ao fator L calculado com o plano de informao do fator L terico, submetendo ambos s condies recomendadas pela Tabela 4.

65

Tabela 4 - Espaamento de terraos considerados. Declive % 0-3 3-6 6-9 9-12 12-18 >18 Cana-de-acar 200 150 100 50 25 -Cultura anual 150 100 50 40 30 -Fruticultura 200 150 100 75 50 50

Fonte: LOMBARDI NETO et al. (1993).

3.4.4.4 Potencial Natural de Eroso (PNE)


O Potencial Natural de Eroso expressa o condicionamento natural da rea ao processo erosivo, podendo ser atenuado ou no conforme as prticas de manejo a serem adotadas. Ele representa os parmetros do meio fsico (fator erosividade das chuvas - R, fator erodibilidade do solo - K e fator topogrfico - LS), definidos pela Equao Universal de Perdas de Solo (EUPS). Esses parmetros correspondem s estimativas de perdas de solo em reas destitudas de cobertura vegetal e sem apresentar qualquer tipo de interveno antrpica, (Figura 29). Embora o PNE possa estimar a perda mxima de solo em uma determinada rea, ele no recomendado para avaliar as perdas de solo por eroso, pois no so consideradas as perdas toleradas para cada classe de solo.

66

DONZELI et al. (1992), realizaram trabalhos caracterizando o PNE, definido pela seguinte equao: PNE = R . K . LS Onde: PNE = Potencial natural de eroso, ( t . ha-1. ano-1); R = Fator erosividade da chuva, (MJ . mm . ha-1. h-1. ano-1); K = Fator erodibilidade do solo, (t . h . MJ-1. mm-1); L = Fator comprimento da vertente, (adimensional); S = Fator declividade da vertente, (adimensional).

67

Figura 29 Potencial Natural de Eroso do municpio de Conchal.

68

3.4.4.5 Obteno do Fator C (Uso-Manejo do Solo)


O fator uso-manejo representado pela relao esperada entre as perdas de solo de um terreno cultivado em dadas condies e as perdas correspondentes de um terreno mantido continuamente descoberto e cultivado (BERTONI & LOMBARDI, 1999). As variveis uso e manejo geram efeitos que no podem ser avaliados independentemente. Isso se deve s diversas interaes que ocorrem quando uma cultura plantada continuamente em um mesmo local ou ento em rotao com outras. Seus restos podem ser removidos, deixados na superfcie, incorporados prximos superfcie ou totalmente enterrados com o preparo do solo. Quando deixados na superfcie, podem ser cortados ou mantidos como foram colhidos. Sendo assim, o preparo do solo pode deixar a superfcie do terreno bastante irregular ou lisa. As diferentes combinaes dessas variveis vo gerar diferentes efeitos nas perdas de solo. Portanto, a eficincia do manejo dos restos culturais depender da quantidade de resduos existente, que por sua vez funo da chuva, fertilidade do solo e manejo da cultura. Por outro lado, a proteo da cobertura vegetal no s depende do tipo de vegetao, da sua permanncia e do desenvolvimento durante o ciclo da cultura, como tambm, tem grande variao nos diferentes meses ou estaes do ano. Sendo assim, o fator C mede o efeito combinado de todas as relaes das variveis de cobertura e manejo acima enumeradas. A cobertura vegetal oferece uma proteo gradual, durante o seu ciclo vegetativo. Na prtica, dividiu-se o ano agrcola em cinco perodos ou estgios da cultura, definidos de maneira que os efeitos de cobertura e manejo possam ser considerados aproximadamente uniformes dentro de cada perodo, descrito a seguir:

69

Perodo D preparo do solo: desse preparo ao plantio; Perodo 1 plantio: do plantio a um ms aps o plantio; Perodo 2 estabelecimento: do fim do perodo um at dois meses aps o plantio; Perodo 3 crescimento e maturao: de dois meses aps o plantio at a colheita; Perodo 4 resduo: da colheita at o preparo do solo. As intensidades de perdas de solo so computadas para cada um desses

estdios e para cada cultura, sob diferentes condies (seqncia de culturas, nveis de fertilidade, produo, quantidade de restos culturais). Para se obter o valor C para uma rotao de culturas ou cultura continuada, necessrio primeiramente determinar as datas provveis de plantio e colheita, tipo de preparo do solo e manejo dos restos culturais, assim como a produo mdia esperada. Posteriormente as intensidades de perdas de solo de cada perodo previamente identificado, so combinadas com dados relativos chuva, ou seja, em relao porcentagem de distribuio do ndice de eroso (EI) anual para determinado local. Razo de Perdas de solo A razo ou intensidade de perdas de solo foi calculada para cada estdio de desenvolvimento das culturas, referente aos perodos D, 1, 2, 3 e 4, conforme a diviso do ano agrcola, proposta para o fator C. Foram observadas vrias condies, dentre elas a seqncia de culturas, os nveis de fertilidade, a produo, a quantidade de restos culturais. Os dados referentes razo de perdas de solo foram derivados de um estudo ainda no publicado, gentilmente cedido pelo autor (Pesquisador Francisco Lombardi Neto da Seo de Conservao de Solos do Instituto Agronmico de Campinas), cujos valores (Tabela 5) foram estabelecidos para o municpio de Conchal.

70

ndice de Erosividade O ndice de erosividade foi obtido por meio de dados de precipitao mdia

regional de 20 anos, BERTONI & LOMBARDI (1999). Para o clculo do ndice de erosividade, so computados dados de chuva em perodos de um ano, a iniciar-se pelo dia 1 de julho de cada ano. O ndice de erosoividade acumulado para cada perodo do fator C est expresso na Tabela 5. Para o presente trabalho foi realizado um mapeamento do uso e cobertura vegetal do Municpio de Conchal com as provveis datas de preparo e plantio. Para cada classe de uso da terra atribuiu-se um valor do fator C, segundo proposta de BERTONI & LOMBARDI (1999). Os valores das fraes do fator C relacionados aos perodos D, 1, 2, 3 e 4 esto na Tabela 5.

71

Tabela 5 - Valores de EI acumulado, razo de perdas de solo e fraes do fator C, peridicos das culturas avaliadas.

EI Acumulado Razo de Perdas Fraes do Fator C Preparo 0,93 0,23 0,0327 Plantio 15,15 0,30 0,0320 Milho 1 1 ms 25,81 0,17 0,0290 2 meses 42,88 0,06 0,0259 colheita 86,07 0,02 0,0035 Preparo 1,52 0,23 0,0559 Plantio 25,81 0,30 0,0512 Milho 2 1 ms 42,88 0,17 0,0558 2 meses 75,68 0,06 0,0101 colheita 92,56 0,02 0,0022 Preparo 3,83 0,95 0,0735 Plantio 11,57 1,08 0,1097 Mandioca 1 1 ms 21,73 0,97 0,2052 2 meses 42,88 0,69 0,4005 colheita 100,93 0,42 0,0025 Preparo 3,83 0,95 0,2088 Plantio 25,81 1,08 0,1844 Mandioca 2 1 ms 42,88 0,97 0,3182 2 meses 75,68 0,69 0,1742 colheita 100,93 0,42 0,0025 Preparo 0,93 0,4 0,0995 Plantio 25,81 0,6 0,1024 Algodo 1 ms 42,88 0,4 0,1225 2 meses 73,5 0,5 0,0953 colheita 92,56 0,2 0,0175 Fonte: BERTONI & LOMBARDI (1999) e Dr. Francisco Lombardi Neto (comunicao pessoal).

Cultura

Operaes

3.4.4.6 Obteno do Fator P (Prticas Conservacionistas)


O fator P relaciona a intensidade esperada de perdas de solo, oriunda da utilizao de determinadas prticas conservacionistas de cultivo, (tais como plantio em contorno, terraceamento, cultivo alternado e faixa de reteno), com aquelas prticas inadequadas, quando a cultura est plantada no sentido do declive (morro abaixo). Essas prticas esto relacionadas com o fator de declividade da rea. Para a obteno do fator P, foi utilizada uma frmula desenvolvida por

72

DONZELI et al. (1998). Nessa frmula so considerados os valores de declividade para cada pixel, que atuam como fator limitante para as prticas conservacionistas, conforme a expresso: P = 0,69947 (0,08911 * S) + (0,01184 * S2) (0,000335 * S3) Onde: S = declividade, em %. Os valores de perdas de solo calculados para cada pixel foram agrupados em classes de: <12; 12-24; 24-60; 60-120; >120 Mg .ha-1.ano-1. A classe inicial (<12 Mg.ha-1.ano1

) foi calculada por meio de uma mdia ponderada dos valores do fator T (tolerncia) para as

diferentes classes de solo do municpio de Conchal. J os limites superiores de perda de solos das demais classes foram calculados a partir da multiplicao do valor do limite da classe inicial (12 Mg.ha-1.ano-1) por 2, 5 e 10, respectivamente. Para a obteno do valor 12 (mdia ponderada), que representa o limite da classe inicial, utilizou-se a seguinte frmula: MP = (T1*A1 + T2*A2 + T3*A3 + T4*A4 + T5*A5 + T6*A6 + T7*A7)/At Onde: T representa o fator tolerncia de perdas de solo, e pode ser descrito como a taxa mxima anual de perdas de solo, para determinado tipo de solo, taxa esta que mesmo ocorrendo, pode ainda permitir um alto nvel de produtividade das culturas. O nvel de produtividade pode ser obtido econmica e indefinidamente. T1, T2, T3, T4, T5, T6 e T7 representam os valores do fator T (tolerncia) para as diferentes classes de solos do municpio de Conchal; A1, A2, A3, A4, A5, A6 e A7 representam os valores das reas referentes as diferentes classes de solos do municpio de Conchal; At representa o valor da rea total do municpio de Conchal.

73

3.5 Anlise estatstica dos dados 3.5.1 A escolha das variveis independentes
O NDVI tem uma relao direta com o vigor da vegetao, tornando possvel o mapeamento de reas com diferentes ndices de cobertura vegetal e vigor de biomassa. A cobertura vegetal oferece uma proteo gradual, durante o seu ciclo vegetativo, essa proteo no s depende do tipo de vegetao, da sua permanncia e do desenvolvimento durante o ciclo da cultura, como tambm, tem grande variao nos diferentes meses ou estaes do ano. A eficcia de reduzir a eroso, portanto, depende da quantidade de chuvas erosivas que ocorrem durante esse perodo, quando a cultura e as prticas de manejo apresentam uma proteo mnima. Sendo o fator C uma combinao de todas as relaes das variveis de cobertura e manejo acima enumeradas, foram escolhidos o NDVI e o EI como variveis independentes para a determinao do fator C estimado.

3.5.2 Conceito de modelo matemtico e modelo estatstico


Um modelo matemtico uma representao abstrata da realidade. Em estudos de eroso ele usado como ferramenta para simular os efeitos reais ou hipotticos dos processos erosivos. Para que um modelo matemtico possa ser considerado estatstico ou emprico, preciso que haja evidncia de relacionamento entre as variveis, JACK HARDISTY et al. (1993). Com isso faz-se importante conhecer os efeitos que algumas variveis

74

exercem, ou que parecem exercer, sobre outras. Ainda que no haja relao causal entre as variveis, podemos relacion-las por meio de uma expresso ou modelo matemtico, que pode ser til para estimar o valor de uma das variveis quando conhecemos os valores das outras, HOFFMANN & VIEIRA (1983). Conforme HOFFMANN & VIEIRA (1983), essas relaes funcionais podem ser representadas da seguinte forma: Y = f (X1, X2, ..., Xk) Onde Y representa a varivel dependente e os Xh (h = 1, 2, ..., k) representam as variveis independentes. Se considerarmos duas variveis, Y e X, relacionadas por uma funo matemtica Y = f(X). Se tivermos um conjunto de valores Xi (i = 1, 2, ..., n) e os valores correspondentes de Yi = f(Xi), ao plotarmos os pontos (Yi, Xi) em um grfico, podemos verificar que eles pertencem curva que representa o modelo matemtico que relaciona as duas variveis. Em muitos casos, a varivel dependente pode ser afetada por outros fatores, alm dos considerados no modelo adotado. Admitindo que a varivel dependente sofra a influncia de k + m variveis, isto , Y = f(X1, X2, ..., Xk, Xk+1, ..., Xk+m) Admitindo tambm que por vrios motivos (no disponibilidade dos valores, impossibilidade de mensurao, para simplificar a anlise etc.) no consideramos a influncia das variveis Xk+1, ..., Xk+m. Quando analisamos Y como funo das primeiras variveis k, permanece um resduo ou erro (ui).

75

Se admitirmos que esse erro seja aditivo, o modelo estatstico fica: Yi = f(X1i, X2i, ..., Xki) + ui (i = 1, ..., n)

Se somente uma das variveis independentes considerada, temos: Yi = f(Xi) + ui Para este caso, o conjunto de pares de valores (Yi, , Xi) corresponde a um conjunto de pontos, dispersos em torno da curva que representa a funo. Portanto podemos dizer que as duas variveis esto relacionadas de acordo com um modelo estatstico. Uma outra justificativa para a existncia do erro em um modelo estatstico dada pelos erros de mensurao da varivel dependente. Em experimentos reais, geralmente existem tanto erros de mensurao como efeitos de outras variveis. Para esses casos, o erro residual do modelo adotado ser obtido atravs da soma desses dois tipos de erro.

3.5.3 Regresso linear simples

3.5.3.1 O modelo estatstico de uma regresso linear simples


Para estabelecer uma regresso linear simples, dados n pares de valores de duas variveis, Xi, Yi (i = 1, 2, ..., n), e admitindo que Y funo linear de X, podemos usar o seguinte modelo estatstico, segundo HOFFMANN & VIEIRA (1983): Yi = + Xi + ui, onde e so parmetros, E(a) = e E(b) = o coeficiente angular da reta, mas tambm recebe a denominao de

76

coeficiente de regresso; o coeficiente linear da reta e tambm conhecido como termo constante da equao de regresso. O coeficiente de regresso, , indica a magnitude do efeito de uma varivel independente sobre uma varivel dependente e seu sinal (negativo ou positivo) indica a direo deste efeito. As estimativas a e b dos parmetros e so obtidas pelas frmulas: a = ( X2) (Y) (X) (XY) n X2 ( X)2 b = n X Y (X) (Y) n X2 ( X)2 Quando estabelecemos o modelo de regresso linear simples, devemos pressupor que: a) A relao entre X e Y linear; b) Os valores de X so fixos, ou seja, X no uma varivel aleatria; c) A mdia do erro nula, isto , E (ui) = 0; d) Para um dado valor de X, a varincia do erro u sempre 2, denominada varincia residual, ou seja, E (ui2) = 2 ou E [Yi E (Yi / Xi)]2 = 2 Dizemos, com isso, que o erro homocedstico. e) O erro de uma observao no-correlacionado com o erro de outra observao, isto , E (ui uj) = 0 para i j; f) Os erros apresentam distribuio normal.

77

3.5.3.2 Anlise da varincia da regresso linear simples


Os valores esperados das somas de quadrados justificam que sejam associados s somas de quadrados total, de regresso e residual n 1, 1 e n 2 graus de liberdade, respectivamente, HOFFMANN & VIEIRA (1983). O quadrado mdio uma estimativa no-tendenciosa da varincia do erro ou varincia residual. Ele por definio, obtido dividindo-se as somas de quadrados pelos respectivos graus de liberdade. Sendo assim, a anlise de varincia da regresso linear simples, pode ser representada conforme o esquema da Tabela 6:

Tabela 6 - Anlise da varincia da regresso linear simples. Causas de Variao Regresso Resduo Total Graus de Liberdade 1 n2 n1 Somas de Quadrados bxiyi Quadrados Mdios bxiyi

yi2 - bxiyi y i2

Fonte: HOFFMANN & VIEIRA (1983).

78

3.5.4 Regresso linear mltipla

3.5.4.1 O modelo estatstico de uma regresso linear mltipla


Quando admitimos que o valor da varivel dependente funo linear de duas ou mais variveis independentes, ento temos uma regresso linear mltipla. Sendo assim, o modelo estatstico usado para representar uma regresso linear mltipla com k variveis independentes segundo, HOFFMANN & VIEIRA (1983), : Yj = + 1 X1j + 2 X2j + ... + k Xkj + uj, ou
k

j = 1, ..., n

Yj = + j Xij + uj
i=1

Utilizando a notao matricial o modelo fica, y=X+u Sejam b e e os vetores dos parmetros e dos desvios, respectivamente,isto , b= b1 b2 . . bk Temos: y = Xb + e = y + e e = y Xb = y y e e= e1 e2 e3 . . en

79

Onde: Y1 y = Y2 . . Yn

Deduzindo-se o sistema de equaes matriciais, observa-se que: b = + (XX)-1 Xu Portanto b um estimador no tendencioso de . As pressuposies apresentadas para o modelo linear simples so mantidas, mas com algumas modificaes: a) A varivel dependente (Yj) funo linear das variveis independentes (Xij, i = 1, ..., k); b) Os valores das variveis independentes so fixos; c) E (uj) = 0, isto , E (u) = 0, onde 0 representa um vetor de zeros; d) Os erros so homocedsticos, ou seja, E (uj2) = 2; e) Os erros so no-correlacionados entre si, isto , E(uj uh) = 0 para j h; f) Os erros apresentam distribuio normal. E(b) =

3.5.4.2 Anlise da varincia da regresso linear mltipla


A anlise de varincia da regresso linear mltipla pode ser demonstrada pelo esquema da Tabela 7:

80

Tabela 7 - Anlise da varincia da regresso linear mltipla. Causas da Variao Regresso Resduo Total Graus de Liberdade k=p-1 np n1 bXy ( Yj)2 / n yy bXy yy ( Yj)2 / n Somas de Quadrados

Fonte: HOFFMANN & VIEIRA (1983). O quadrado mdio residual, dado pelo cociente S.Q.Res./ (n p), , portanto, uma estimativa no-tendenciosa da varincia residual (2).

3.5.5 O modelo estatstico de uma regresso quadrtica.


Nesse caso so seguidas as mesmas pressuposies observadas no modelo de regresso linear mltipla, pois o modelo quadrtico foi obtido atravs de uma transformao do modelo linear mltiplo, onde o valor da varivel dependente tambm funo linear de duas ou mais variveis independentes. Segundo PEREIRA et al. (1987), o modelo linear pode ser transformado em um modelo quadrtico, no qual a transformao faz das variveis X3 e X4 funes das variveis X1 e X2, respectivamente, por exemplo, X3 = X12, X3 = f(X1) e X4 = X22, X4 = f(X2). Essas transformaes so importantes, pois facilitam o ajuste de funes no-lineares, sendo assim, o modelo estatstico usado para representar uma regresso linear mltipla por transformao (quadrtico), com as variveis independentes X3 e X4 j substitudas por X12 e X22 fica: Yj = + 1 X1j + 2 X2j + 3 X3j + 4 X4j + uj, j = 1, ..., n

81

3.5.6 Estimadores de mnimos quadrados


O mtodo dos mnimos quadrados consiste em adotar os estimadores que minimizam a soma dos quadrados dos desvios entre valores estimados e valores observados na amostra, HOFFMANN & VIEIRA (1983). No intuito de ilustrar a aplicao do mtodo de mnimos quadrados, considerando-se a determinao do estimador do parmetro p de uma distribuio binomial, e sabendo que numa amostra de n observaes foram encontrados X casos favorveis e n

X casos contrrios. Como os valores esperados so de np casos favorveis, e n(1 p) casos contrrios, deseja-se, de acordo com o mtodo, que o valor de p minimize: (X np) = [(n X) n(1 p)] A soluo : p = X n

3.5.7 Testes de hipteses e intervalos de confiana.


O teste t - das hipteses a respeito dos parmetros utilizado para avaliar a hiptese (H0) do coeficiente de regresso igual a zero, contra a hiptese alternativa (Ha) do coeficiente de regresso diferente de zero, ao nvel de significncia de 5% ( = 0,05). Sendo assim, rejeita-se (H0) em favor de (Ha), para esse nvel de significncia. Se o coeficiente testado for no significativo, ele pode ser retirado do modelo, desde que no afete a concepo terica. O teste F da anlise da varincia, significativo a 5% de probabilidade, verifica se o modelo se ajusta aos dados observados. Ele obtido dividindo-se o quadrado

82

mdio da regresso pelo quadrado mdio do resduo. Esse teste equivalente ao teste t, descrito anteriormente, uma vez que o valor de F calculado igual ao quadrado do valor de t calculado e que o valor crtico de F igual ao quadrado do valor crtico de t, HOFFMANN & VIEIRA (1983). No teste F, a hiptese H0: 1 = 2 = ... = k = 0 e a Hiptese alternativa Ha: pelo menos um dos i difere dos demais.

3.5.8 Coeficiente de Determinao


O quadrado do coeficiente de correlao de Pearson recebe a denominao de coeficiente de determinao ou R. Trata-se de uma medida da proporo da variabilidade, em uma varivel que explicada pela variabilidade da outra. raro encontrar casos prticos, em que acontea uma correlao perfeita (R = 1), pois para esses casos, existem muitos fatores que determinam as relaes entre variveis, (SHIMAKURA, 2002). Tomando-se como exemplo um valor de R = 0,62 ou 62%, tem-se que cerca de 38% da variabilidade do fenmeno estudado (varivel dependente) no pode ser descrito (ou explicado) pela variabilidade da varivel, ficando clara a existncia de outros fatores que poderiam ser importantes.

3.5.9 Diagnstico da regresso


O diagnstico da regresso realizado para detectar problemas com o ajuste dos modelos aos dados observados. Estes problemas esto relacionados, principalmente, com a presena de observaes discrepantes e no observncia das pressuposies do mtodo dos mnimos quadrados.

83

O Teste d (Durbin-Watson), segundo HOFFMANN & VIEIRA (1983), utilizado para verificar a existncia de autocorrelao nos resduos da regresso, o valor de d varia entre zero (se r = 1) e quatro (se r = -1), um valor de d prximo de zero indica a existncia de autocorrelao positiva nos erros, e um valor de d prximo de 4 indica que os erros esto negativamente autocorrelacionados, quando estiver prximo de 2 os erros no so autocorrelacionados. O teste de normalidade (Figura. 30), verificado atravs dos seguintes grficos: Grfico Normal dos Resduos - consiste de uma figura em que, assumindo valores exatamente normais, os pontos correspondentes deveriam ficar exatamente sobre uma reta. Porm, mesmo as amostras de uma distribuio normal, devido s flutuaes, podem apresentar pontos oscilantes em torno da reta. Grfico de Resduos - explica a distribuio dos resduos em torno da mdia dos resduos, que deve ser zero. til para identificar a presena de outliers, que so observaes discrepantes com valores superiores a 3 vezes o valor do desvio padro e que tm fortes influncias nos ajustes dos modelos de regresso. Histograma dos Resduos - apresenta a curva de distribuio normal em forma de sino, perfeitamente simtrica em relao ordenada principal. O ideal que os resduos assumam uma disposio simtrica em torno da mdia (zero), PEREIRA et al. (1990). similar ao grfico Normal dos Resduos. Resduos vs. Valores Estimados a exigncia para esse grfico, que os pontos sejam dispersos de forma que no haja nenhuma tendncia.

84

Diagnstico da Regresso
Grfico Normal dos Resduos
0,0005

Grfico de Resduos
1 LS=6,62E-04

0,0005

Resduos

Resduos

0,0000

0,0000

Mdia=8,12E-18

-0,0005
LI=-6,6E-04

-0,0005 -2 -1 0 1 2

10

15

20

25

30

35

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


9 8 7 6 5 4 3 2 1 0 -0,0005 0,0000 0,0005 0,0005

Resduos vs. Valores Estimados

Freqncia

Resduos

0,0000

-0,0005 0,00 0,01 0,02 0,03

Resduos

Valores Estimados

Figura 30 - Grficos da anlise de resduos da regresso. Fonte: Programa computacional MINITAB

4 RESULTADOS E DISCUSSO 4.1 Anlise descritiva dos dados para as variveis NDVI, Fator C e EI
O nmero de observaes (N) para cada cultura, representado na Tabela 8, variou de 10 a 35 em funo das quantidades de glebas avaliadas. Apenas a cultura do algodo apresentou baixo nmero de observaes, devendo-se neste caso, analisar com cuidado os resultados da regresso. Os valores mximos e mnimos mostram que as amplitudes dos valores das variveis esto de acordo com a literatura. Os valores das mdias similares aos valores das medianas indicam que os dados representam distribuio normal, isto ocorre com maior evidncia para a varivel NDVI. A varivel Fraes do Fator C apresenta, de modo geral, valores da mediana

85

maiores do que os valores das mdias, indicando uma distribuio com assimetria negativa (h mais valores prximos ao valor mnimo). E a varivel EI apresenta, de modo geral, valores das medianas menores que os valores das mdias, indicando uma distribuio com assimetria positiva (h mais valores prximos ao valor mximo). Tabela 8 - Anlise descritiva dos dados observados para as variveis: NDVI, Fraes do Fator C e EI.
Culturas N Mximo Mnimo 1o Quartil Mediana 3o Quartil Mdia Desvio padro

Varivel - NDVI Milho 1 Milho 2 Mandioca 1 Mandioca 2 Algodo 35 35 25 20 10 199,30 200,77 181,28 186,12 197,92 118,94 126,12 132,72 120,45 125,64 136,60 143,78 137,94 137,85 139,36 158,08 156,92 157,48 146,62 161,54 178,24 172,44 176,38 178,71 181,21 158,94 160,71 156,49 154,13 161,81 25,68 20,70 17,77 22,04 24,24

Varivel - Fraes do Fator C Milho 1 Milho 2 Mandioca 1 Mandioca 2 Algodo 35 35 25 20 10 0,0327 0,0559 0,4005 0,3182 0,1225 0,0035 0,0022 0,0025 0,0025 0,0175 0,0259 0,0101 0,0735 0,1742 0,07585 0,0290 0,0512 0,1097 0,1844 0,0995 0,0320 0,0558 0,2052 0,2088 0,1074 0,0246 0,0350 0,1583 0,1776 0,0874 0,0109 0,0241 0,1404 0,1041 0,0381

Varivel - EI Milho 1 Milho 2 Mandioca 1 Mandioca 2 Algodo 35 35 25 20 10 86,07 92,56 100,93 100,93 92,56 0,93 1,52 3,83 3,83 0,93 15,15 25,81 11,57 25,81 19,59 25,81 42,88 21,73 42,88 42,88 42,88 75,68 42,88 75,68 78,26 34,17 47,69 36,19 49,83 47,14 29,77 33,44 35,64 35,60 34,53

86

4.2 Anlise dos modelos de regresso linear simples, linear mltipla e quadrtica mltipla
Para a anlise da regresso entre o NDVI, EI e Fator C, foram aplicados os seguintes modelos estatsticos: Linear simples: C = a + b1 NDVI; Linear mltiplo: C = a + b1 NDVI + b2 EI; Linear mltiplo por transformao (quadrtico):

C = a + b1 NDVI + b2 EI + c1 NDVI2 + c2 EI2. Onde: C = Frao do Fator C para as culturas, referente ao perodo D, 1, 2, 3, ou 4; NDVI = Valor de NDVI correspondente ao perodo do fator C; EI = ndice de Eroso acumulado, correspondente ao perodo do fator C.

A seguir sero apresentadas tabelas com os coeficientes de regresso e coeficientes de determinao dos modelos ajustados, os teste t para os coeficientes de regresso, assim como as anlises de varincia da regresso, para as diferentes culturas avaliadas.

87

Tabela 9 - Representao dos coeficientes de regresso e coeficiente de determinao dos modelos ajustados para a cultura do milho.
Constante Cultura Modelo Linear simples Teste t Milho 1
0,04150 3,57 ns -0,00010622 -1,47 ns 0,00008615 5,18** -0,00030628 -10,63** -0,00038729 -26,97** -0,00004495 -5,03** 0,00000097 10,66** -0,00000339 -36,97** 100,0% 99,9% 96,0% 95,8%

ndvi b1

ei b2

ndvi2 c1

ei2 c2
6,2%

R2

R2ajust

3,3%

Linear mltiplo Teste t Quadrtico mltiplo Teste t

0,024160 9,65** 0,056528 24,99**

Linear simples Teste t Milho 2 Linear mltiplo Teste t Quadrtico mltiplo Teste t

0,11143 3,71* 0,06258 4,45** -0,19482 -4,71**

-0,0004753 -2,56* 0,00002699 0,29** 0,0032248 6,28** -0,00066853 -11,56**

16,6%

14,1%

83,9%

82,9%

0,00041136
4,55**

-0,00001038 -6,55**

-0,00001056 -12,22**

97,6%

97,3%

** significativo a 1% de probabilidade; * significativo a 5% de probabilidade, ns no significativo a 5% de probabilidade.

88

Tabela 10 - Anlise de varincia da regresso para a cultura do milho.


Cultura Modelo Causa da Variao Graus de Liberdade Soma de Quadrados Quadrado Mdio F P d

Linear simples

Regresso Resduo Total

1 33 34

0,0002531 0,0038533 0,0041064

0,0002531 0,0001168

2,17 ns

0,15

0,22

Milho 1 Linear mltiplo Regresso Resduo Total 2 32 34 0,0039441 0,0001623 0,0041064 0,0019720 0,0000051 388,72** 0,00 0,38

Quadrtico mltiplo

Regresso Resduo Total

4 30 34

0,0041045 0,0000019 0,0041064

0,0010261 0,0000001

15858,83**

0,00

1,97

Linear simples

Regresso Resduo Total

1 33 34

0,0032900 0,0165041 0,0197941

0,0032900 0,0005001

6,58*

0,015

0,31

Milho 2 Linear mltiplo Regresso Resduo Total 2 32 34 0,0166047 0,0031894 0,0197941 0,0083024 0,0000997 83,30** 0,000 0,31

Quadrtico mltiplo

Regresso Resduo Total

4 30 34

0,0193162 0,0004779 0,0197941

0,0048291 0,0000159

303,15**

0,000

1,49

** significativo a 1% de probabilidade; * significativo a 5% de probabilidade, ns no significativo a 5% de probabilidade

89

Tabela 11 - Representao dos coeficientes de regresso e coeficiente de determinao dos modelos ajustados para a cultura da mandioca.
Constante Cultura Modelo Linear simples Teste t Mandioca 1 Linear mltiplo Teste t Quadrtico mltiplo Teste t a
-0,7015 -3,76** -0,8320 -5,63** 2,755 2,57**

ndvi b1
0,005494 4,64** 0,0067810 6,99** -0,03508 -2,56**

ei b2

ndvi2 c1

ei2 c2 R2 R2ajust

48,3%

46,1%

-0,0019598 -4,05** 0,017903 10,42** 0,00010761 2,50** -0,00016727 -11,47**

70,4%

67,7%

96,2%

95,4%

Linear simples Teste t Mandioca 2 Linear mltiplo Teste t Quadrtico mltiplo Teste t

-0,0390 -0,24 ns -0,23957 -4,23** -0,5356 -0,68**

0,001406 1,32 ns 0,0036751 9,32** 0,00768 0,76** -0,0029955 -12,27** -0,001945 -0,74** -0,00001400 -0,47** -0,00000951 -0,45**

8,9%

3,8%

90,8%

89,7%

91,4%

89,1%

** significativo a 1% de probabilidade; * significativo a 5% de probabilidade, ns no significativo a 5% de probabilidade.

90

Tabela 12 - Anlise de varincia da regresso para a cultura da mandioca.


Cultura Modelo Causa da Variao Graus de Liberdade Soma de Quadrados Quadrado Mdio F P d

Linear simples

Regresso Resduo

1 23 24

0,22879 0,24464 0,47344

0,22879 0,01064

21,51** 0,000 0,61

Mandioca 1

Total

Linear mltiplo

Regresso Resduo Total

2 22 24

0,33336 0,14008 0,47344

0,16668 0,00637

26,18** 0,000 0,79

Quadrtico mltiplo

Regresso Resduo Total

4 20 24

0,45547 0,01796 0,47344

0,11387 0,00090

126,80** 0,000 0,60

Linear simples

Regresso Resduo

1 18 19

0,01824 0,18760 0,20584

0,01824 0,01042

1,75 ns

0,202 0,23

Mandioca 2

Total

Linear mltiplo

Regresso Resduo Total

2 17 19

0,186807 0,019032 0,205838

0,093403 0,001120

83,43** 0,000 1,00

Quadrtico mltiplo

Regresso Resduo Total

4 15 19

0,188196 0,017642 0,205838

0,047049 0,001176

40,00** 0,000 1,03

** significativo a 1% de probabilidade; * significativo a 5% de probabilidade, ns no significativo a 5% de probabilidade.

91

Tabela 13 - Representao dos coeficientes de regresso e coeficiente de determinao dos modelos ajustados para a cultura do algodo.
Constante Cultura Modelo Linear simples Teste t Linear mltiplo Algodo Teste t Quadrtico mltiplo Teste t a 0,11686 1,29 ns 0,04106 0,58 ns -0,1335 -0,69** ndvi b1 -0,0001818 -0,33 ns 0,0005669 1,18 ns 0,002438 1,01** -0,0009620 -2,86 ns 0,0017811 3,95** -0,00000611 -0,82** -0,00002860 -6,25** 95,6% 92,1% 54,5% 41,5% ei b2 ndvi2 c1 ei2 c2 R2 R2ajust

1,3%

0,0%

** significativo a 1% de probabilidade; * significativo a 5% de probabilidade; ns no significativo a 5% de probabilidade.

92

Tabela 14 - Anlise de varincia da regresso para a cultura do algodo.


Cultura Modelo Causa da Variao Graus de Liberdade Soma de Quadrados Quadrado Mdio F P d

Algodo

Linear simples

Regresso Resduo Total

1 8 9

0,000175 0,012929 0,013104

0,000175 0,001616

0,11 ns

0,751 0,56

Algodo

Linear mltiplo

Regresso Resduo Total

2 7 9

0,0071414 0,0059623 0,0131037

0,0035707 0,0008518

4,19 ns

0,064 1,23

Algodo

Quadrtico mltiplo

Regresso Resduo Total

4 5 9

0,0125270 0,0005766 0,0131037

0,0031318 27,16** 0,001 2,08 0,0001153

** significativo a 1% de probabilidade; * significativo a 5% de probabilidade, ns no significativo a 5% de probabilidade.

93

Anlise do modelo linear simples para as culturas avaliadas As anlises das varincias para as regresses lineares simples, das culturas

do Milho 1 , da Mandioca 2 e do Algodo, apresentaram testes F no significativos a 5% de probabilidade. Ou seja, no se rejeita a hiptese dos coeficientes de regresso serem iguais a zero, portanto h ausncia de tendncia linear entre as variveis Fator C e NDVI para este grupo de culturas. As culturas do Milho 2 e Mandioca 1 apresentaram os testes F para a anlise de regresso significativos a 5% e 1% de probabilidade, respectivamente., Tabelas 9, 11 e 13. Portanto, aceita-se a hiptese de haver tendncia linear entre o Fator C e o NDVI para estas culturas. Entretanto, para as culturas Milho 2 (R2 = 14,1%) e Mandioca 1 (R2 = 46,1%) os valores dos coeficientes de determinao ajustados foram bastante baixos mostrando que o efeito linear da varivel NDVI explica pequena porcentagem da variao total observada na varivel Fator C, Tabelas 10 e 12. O modelo quadrtico do Fator C em funo da varivel NDVI, tambm foi testado, obtendo-se os mesmos resultados em termos de falta de ajuste desses modelos. No se obtendo uma boa estimativa do fator C apenas em funo do efeito linear do NDVI, gera-se a necessidade de acrescentar ao modelo a varivel EI para se obter uma melhor estimativa do fator C. Anlise do modelo linear mltiplo para as culturas avaliadas O modelo linear mltiplo se mostrou mais adequado que o modelo linear simples, pois o acrscimo da varivel EI ajudou a explicar melhor a variao total observada no Fator C, desse modo as culturas passaram a apresentar teste F significativo a 1% de probabilidade, conseqentemente aumentando os valores dos coeficientes de determinao ajustados. Como se observa nas Tabelas 9 a 14. Apesar do melhor ajuste para esse modelo em relao ao modelo linear

94

simples, o fenmeno no foi satisfatoriamente explicado, pois o Fator C evolui conforme as etapas do crescimento vegetal, o que gera a necessidade do emprego de um modelo no linear, que melhor se ajuste curvatura do crescimento vegetal. Anlise do modelo quadrtico mltiplo para as culturas avaliadas Com a aplicao do modelo quadrtico mltiplo, todos os testes F foram significativos a 1% de probabilidade e os coeficientes de determinao ajustados aumentaram expressivamente seus valores, quando comparados ao modelo linear mltiplo. Portanto, dentre todos os modelos testados, o modelo quadrtico mltiplo foi aquele que apresentou o melhor ajuste, reforando a idia de que existe a necessidade da aplicao de um modelo no linear, que melhor se ajuste curva de crescimento vegetal. Tambm se observa que todos os coeficientes de regresso do modelo quadrtico mltiplo, para todas as culturas, foram significativos pelo teste t, ou seja, aceita-se que eles so diferentes de zero.

4.3 Testando o modelo proposto por Cavalli

Aplicando-se o modelo proposto por CAVALLI (1999), descrito no item 2.7, para os dados referentes cultura do Milho 1, obteve-se a seguinte equao de regresso: RPS = 0,646 0,00308 * NDVI (com R ajustado de 54,9%)

Testou-se ainda, para os dados da cultura do Milho 1, um modelo no linear por exemplo, o modelo quadrtico, obtendo a seguinte equao de regresso: RPS = 1,85 0,0184 * NDVI + 0,000048 * NDVI O R ajustado para a cultura do Milho 1, modelo quadrtico, foi de 60,8%. Houve um melhor ajuste do modelo quadrtico em relao ao modelo linear. A RPS, em

95

termos tericos, apresenta uma tendncia no linear em funo do NDVI, portanto pode ser sugerido o uso do modelo quadrtico para a predio de RPS em funo do NDVI, para a cultura do milho.

4.4 Validao da estimativa do Fator C, atravs do modelo quadrtico mltiplo.


Conforme j descrito anteriormente, o modelo que melhor se ajustou aos dados foi o quadrtico mltiplo, o qual foi utilizado na estimativa do Fator C em novas glebas, para efeito de validao da metodologia proposta. Para as culturas que apresentaram dois modelos (milho e mandioca), foram utilizados dois critrios diferentes, para escolher o modelo da equao de regresso: A cultura que apresentou maior coeficiente de determinao ajustado (Milho 1); A cultura que apresentou maior representatividade numrica de glebas (Mandioca 2). A localizao das glebas utilizadas no processo de validao pode ser visualizada na Figura 34. Para as culturas escolhidas, sero demonstrados os seguintes itens: a) As equaes de regresso do modelo quadrtico mltiplo e sua representao grfica: Para a cultura do milho obteve-se a seguinte equao de regresso:

Fator C = 0,056528 0,00030628*NDVI 0,00004495*EI + 0,00000097*NDVI2 0,00000339*EI2

Essa equao pode ser representada graficamente da seguinte forma:

96

Figura 31 - Representao grfica da equao de regresso para o modelo quadrtico mltiplo (milho).

Para a cultura da mandioca obteve-se a seguinte equao de regresso:

Fator C = 0,5356 + 0,00768*NDVI 0,001945*EI 0,00001400*NDVI2 0,00000951*EI2

Essa equao pode ser representada graficamente da seguinte forma:

Figura 32 - Representao grfica da equao de regresso para o modelo quadrtico mltiplo (mandioca).

97

Para a cultura do algodo, obteve-se a seguinte equao de regresso:

Fator C = 0,1335 + 0,002438*NDVI + 0,0017811*EI 0,00000611*NDVI2 0,00002860*EI2

Essa equao pode ser representada graficamente da seguinte forma:

Figura 33 - Representao grfica da equao de regresso para o modelo quadrtico mltiplo (algodo).

Pode ser notado que as Fraes do Fator C aumentam medida que o NDVI diminui, fato observado devido diminuio da proteo oferecida pela cobertura vegetal, indicada pela diminuio no NDVI. b) A evoluo anual das Fraes do Fator C estimado: As Fraes do Fator C estimado para cada perodo do ano agrcola est representado na Figuras 35, 36 e 37. Sua evoluo anual condiz com a evoluo das Fraes do Fator C terico (Tabela 5). Os valores foram agrupados em classes para melhor visualizao:

98

Figura 34 Localizao das glebas, dentro do municpio de Conchal

99

PREPARO (Imagem 24/Jul)

PLANTIO (Imagem 14/Set)

1 MS (Imagem 01/Dez)

2 MESES (Imagem 29/Dez)

LEGENDA: VALORES DO FATOR C

COLHEITA (Imagem 16/Mar)


Figura 35 - Evoluo das Fraes do Fator C estimado, para glebas da cultura de milho, durante os perodos do ano agrcola.

100

PREPARO (Imagem 14/Set)

PLANTIO (Imagem 01/Dez)

1 MS (Imagem 29/Dez)

2 MESES (Imagem 19/Fev)

COLHEITA (Imagem 24/Jul)

LEGENDA: VALORES DO FATOR C

Figura 36 - Evoluo das Fraes do Fator C estimado, para glebas da cultura de mandioca, durante os perodos do ano agrcola.

101

PREPARO (Imagem 24/Jul)

PLANTIO (Imagem 01/Dez)

1 MS (Imagem 29/Dez)

2 MESES (Imagem 19/Fev)

LEGENDA: VALORES DO FATOR C

COLHEITA (Imagem 11/Abr)

Figura 37 - Evoluo das Fraes do Fator C estimado, para glebas da cultura de algodo, durante os perodos do ano agrcola.

102

c) A evoluo anual das Perdas de Solo. As figuras 38, 39 e 40 ilustram as Perdas de Solo, estimadas para cada cultura, esses dados foram obtidos por meio da multiplicao do PNE pelo Fator P, e em seguida pela Frao do Fator C correspondente aos diferentes perodos do ano agrcola:

103

PREPARO (Imagem 24/Jul)

PLANTIO (Imagem 14/Set)

1 MS (Imagem 01/Dez)

2 MESES (Imagem 29/Dez)


LEGENDA: VALORES DE A (t / ha / ano)

COLHEITA (Imagem 16/Mar) Figura 38 - Evoluo das Perdas de Solo, estimadas para cada perodo do Fator C (milho).

104

PREPARO (Imagem 14/Set)

PLANTIO (Imagem 01/Dez)

1 MS (Imagem 29/Dez)

2 MESES (Imagem 19/Fev)

COLHEITA (Imagem 24/Jul)

LEGENDA: VALORES DE A (t / ha / ano)

Figura 39 - Evoluo das Perdas de Solo, estimadas para cada perodo do Fator C (mandioca).

105

PREPARO (Imagem 24/Jul)

PLANTIO (Imagem 01/Dez)

1 MS (Imagem 29/Dez)

2 MESES (Imagem 19/Fev)

LEGENDA: VALORES DE A (t / ha / ano)

COLHEITA (Imagem 11/Abr)

Figura 40 - Evoluo das Perdas de Solo, estimadas para cada perodo do Fator C (algodo).

106

5 CONCLUSO
O ndice de Vegetao por Diferena Normalizada (NDVI) apresentou evoluo temporal compatvel com o ciclo vegetativo das culturas do milho, mandioca e algodo, mostrando-se adequado para representar o comportamento dinmico da cobertura vegetal, e conseqentemente adequando-se caracterizao dos condicionantes naturais do Fator C. O Fator C estimado pelo NDVI, por meio da utilizao de mtodos estatsticos de anlise de regresso, proporcionou uma tima integrao entre o produto do tratamento das imagens CCD/CBERS-2 e a Equao Universal de Perdas de Solo (EUPS), possibilitando a gerao de subsdios para a estimativa de perdas de solo. A utilizao de um modelo no linear para a anlise de regresso, representado pelo modelo quadrtico, obteve um melhor ajuste aos dados devido ao comportamento curvilneo do crescimento vegetal. A resoluo espacial de 20 metros das imagens CCD/CBERS-2 proporciona um direcionamento da metodologia empregada para estudos que demandam um maior nvel de detalhamento, e sua resoluo temporal foi satisfatria para a observao das mudanas sazonais do comportamento da vegetao. Portanto, a metodologia proposta mostrou que o NDVI pode ser adotado na determinao do Fator C, de forma rpida e de baixo custo, sem perder sua confiabilidade.

107

6 REFERNCIAS
BERTONI, J.; LOMBARDI NETO, F. Conservao do Solo. 4 ed. So Paulo: cone, 1999. 355p. BERNARDES, S. ndices de vegetao e valores de proporo na caracterizao de floresta tropical primria e estgios sucessionais na rea de influncia da Floresta Nacional do Tapajs - Estado do Par. 1996. 86 p. (Dissertao de Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, So Jos dos Campos. CAVALIERI, A.; ESPNDOLA, C. R.; ROCHA, J. V. Estimativa da Adequao de Uso das Terras da Quadrcula de Moji Mirim (SP) - Usando Diferentes Mtodos. 1998. 102p. Tese (Doutorado em Engenharia Agrcola), FEAGRI/ UNICAMP, Campinas. CAVALLI, A. C.; GARCIA, G. J. Utilizao de dados espectrais dos sensores TM/ LANDSAT-5 e AVHRR/NOAA-14 como indicadores de processos de degradao do solo. 1999. 153p. Tese (Doutorado em Geocincias), UNESP, Rio Claro. CHAVES, H. M. L., Novidades sobre o water erosion prediction project WEPP. In: PEREIRA, M. E.; CRUZ, M. C. P. (Ed). Solos altamente suscetveis eroso. Jaboticabal: UNESP, FCAV; SBCS, 1994. p.207-212. CRSTA, A. P. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas, SP, IG/UNICAMP, 1992, p. 97-102. DE JONG, S. M. Applications of reflective remote sensing for land degradation studies in a mediterranean environment. Nederlandse geografische studies 177. France. Dept. Physical Geography, Utrecht University, 1994. DENARDIN, J. E. Erodibilidade do solo estimada por meio de parmetros fsicos e qumicos. Piracicaba, 1990. Tese (Doutorado) Escola Superior de Agricultura Luiz de Queiroz, Universidade de So Paulo. DONZELI, P. L.; MORAES, J. F. L.; LOMBARDI NETO, F. et al. Relatrio Final Microbacia do Crrego da Negrinha (mun. de Osvaldo Cruz, SP). Campinas, 2001. 60p. (Relatrio Tcnico parceria IAC/UNESP).

108

DONZELI, P. L.; MORAES, J. F. L.; LOMBARDI NETO, F.; PRADO, H. Diagnstico do meio fsico da Regio do mdio Paranapanema . Campinas. 56 p (ilustrado). (Bol Tcnico do convnio IAC/CIERGA/FUNDAG. 1998, 5 mapas em escala 1:250000) Anexo 281. DONZELI, P. L.; VALRIO FILHO, M.; PINTO, S. A. F.; NOGUEIRA, F. P.; ROTTA, C. L.; LOMBARDI NETO, F. Tcnicas de sensoriamento remoto aplicadas ao diagnstico bsico para planejamento e monitoramento de microbacias hidrogrficas. In: LOMBARDI NETO, F.; CAMARGO, O. A. Microbacia do crrego So Joaquim (Municpio de Pirassununga, SP). Campinas: IAC, 1992. p.91-119. (Documentos, 29). DUGGIN, M. J. The effect of irradiation and reflectance variability vegetation conditions assessment. International Journal of remote Sensing. v.4, n.3, p.601-608, 1983. EMBRAPA Centro Nacional de Pesquisa de Solos. Sistema brasileiro de classificao de solos. Braslia, 1999. 412p. ENGMAN, E. T.; SCHULTZ, G. A. Remote sensing in hydrology and water management. Ruhr Universitat Bochum, Ed. Springer, 2000. p. 135-152. ESTADOS UNIDOS. Departament of Agriculture. Soil Survey Division. Soil Comservation Service. Soil Survey Staff. Soil Taxonomy: a basic system of soil classification for making and interpreting soil surveys. Washington, 1975. 754p. (USDA. Agriculture Handbook,436). FADINI, A. A. B.; PROCHNOW, M. C. R.; DONZELI, P. L. Impactos do Uso das Terras na Bacia Hidrogrfica do Rio Jundia (SP). Rio Claro SP, UNESP, 1998. 141p. FAO (Roma, Itlia). World reference base for soil resources: draft. Paris: Unesco,1994.161p. FERREIRA, L. G.; YOSHIOKA, H.; HUETE, A.; SANO, E. E. Seasonal landscape and spectral vegetation index dynamics in the Brazilian Cerrado: An analysis within the Large-Scale Biosphere-Atmosphere Experiment in Amaznia (LBA). Department of Soil, Water, and Environmental Science, University of Arizona, Tucson, USA, 2002. GARCIA, G. J. Sensoriamento Remoto Princpios e Interpretao de Imagens. So Paulo, Nobel, 1982, p. 249-256 e 283-294. GRIGG, N. S. Water resources management: principles, regulations, and cases. NewYork: McGraw-Hill Book, 1996. 540p.

109

HALL, D. O. & RAO, K. K. Fotossntese. So Paulo, EPU, 1980. 89p. HOFFMANN, R.; VIEIRA, S. Anlise de Regrasso Uma Introduo Econometria. 2 ed. So Paulo: Editora Hucitec, 1983. Instituto de Pesquisas Tecnolgicas do Estado de So Paulo. Mapa geomorfolgico do Estado de So Paulo. 1 v. So Paulo, IPT, 1981 (Monografias, 6). Escala 1: 500.000. IRONS, J. R.; WEISMILLER, R. A.; PETERSEN, G. W. Soil reflectance. In: Asrar. G. ed. Theory and applications of optical remote sensing. New York, John Wiley & Sons, 1989.p. 66-106. JAMES, L. D.; GURGES, S. J. Selection, calibration and testing of hydrologic models. In: HAAN, C.T.(ED) Hydrologic modeling of small watersheds. St. Joseph: ASAE, 1982. p 437472. JACK HARDISTY, D. M.; TAYLOR, S. E. Computerised Environmetal Modelling: A Practical Introduction Using Excel. Metcalfe, 1993 (Wiley). JACKSON, R. D.; HUETE, A. Interpreting vegetation indices. Preventive Veterinary Medicine, 11:185-200, 1991. JENSEN, J. R. Remote Sensing of the Environment an Earth Resource Perspective. University of South Carolina, p.cm.(Prentice Hall series in geographic information science), 2000. p. 22-29. LIU, H. Q.; HUETE, A. A feedback based modification of the NDVI to minimize canopy background and atmosphere noise. IEEE Transactions on Geoscience and Remote Sensing, 3(2):457-465, 1995. LOMBARDI NETO, F.; MOLDENHAUER, W. C. Erosividade das chuvas: sua distribuio e relao com perdas de solo em Campinas, SP. Bragantia, Campinas, v.51, n.2, p.189-196, 1992. LOMBARDI NETO, F.; BELLINAZZI JUNIOR, R.; et al. Terraceamento agrcola. In: LOMBARDI NETO, F. & DRUGOWICH, M. I. coords. Manual Tcnico de Manejo e Conservao do Solo e gua. Campinas, Coordenadoria de Assistncia Tcnica Integral, 1993, v. IV, p. 11-35. (Manual Tcnico, 41).

110

LU, H.; PROSSER, I. P.; MORAN, C. et al. Predicting soil erosion over the Australian Continent. CSIRO Land and Water, Canberra, Australia, 2002, 10p. MORAES, J. F. L.; CAVALIERI, A.; ROMEIRO, A. R. Diagnstico agroambiental da agricultura no Estado de So Paulo: Relatrio Tcnico. Campinas, n 1 (Projeto Temtico FAPESP: Processo: 02/06685-0). 26p. 2004. MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicao. 1a Edio. So Jos dos Campos. SP.. 250 pg. 2001. MOTTA, J. L. G.; FONTANA, D. C.; WEBER, E. Anlise da evoluo temporal do NDVI/NOAA em regio de soja no Rio Grande do Sul. Porto Alegre RS, 2003. CEPSRM UFRGS. NOVO, E. M. L. M. Sensoriamento Remoto Princpios e Aplicaes. So Paulo, Edgard Blcher, 1992, 2 ed. p.189-191 e 287-292. OLIVEIRA, J. B.; MENK, J. R. F.; BARBIERI, J. L.; ROTTA, C. L.; TREMOCOLDI, W. Levantamento pedolgico semidetalhado do Estado de So Paulo: quadrcula de Araras. Campinas, Instituto Agronmico, 1982. 180p. OLIVEIRA, J. B.; CAMARGO, M. N.; ROSSI, M.; CALDERANO FILHO, B. Mapa Pedolgico do Estado de So Paulo: Legenda Expandida. Campinas, Embrapa-Solos/IAC, 1999, 64p. e mapa. OLIVEIRA, J. B. Solos do Estado de So Paulo: descrio das classes registradas no mapa pedolgico. Campinas, IAC, 1999, 112p. (Boletim Cientfico, 45) PINTO, S. A. F. Sensoriamento remoto e integrao de dados aplicados no estudo da eroso dos solos: contribuio metodolgica. So Paulo SP, USP, 1991. PEREIRA, A. R.; ARRUDA, H. V. Ajuste prtico de curvas na pesquisa biolgica. Campinas - SP, Fundao Cargill, 1987, 50p. PEREIRA, W.; TANAKA, O. K. Estatstica conceitos bsicos. 2 ed. So Paulo: McGrawHill, 1990, 340p.

111

PONZONI, F. J.; ZULLO JR., J.; LAMPARELLI, R. A. C. Calibrao absoluta da cmara CCD/CBERS2. In: XII Simpsio Brasileiro de Sensoriamento Remoto, 2005, Goinia. XII Simpsio Brasileiro de Sensoriamento Remoto, 2005. V.1. p.1067-1074. PRADO, T. B. G. Evoluo do uso das terras e produo de sedimentos na bacia hidrogrfica do rio Jundia-Mirim. Dissertao (Mestrado em Agricultura Tropical e Subtropical) - Instituto Agronmico de Campinas, 2005, 69 fls. RAVEN, P. H.; EVERT, R. F.; CURTS, H. Biologia Vegetal. 2 ed. Rio de Janeiro RJ, Editora Guanabara Dois, 1978, 724p. ROLIM, G. S.; SENTELHAS, P. C.; BARBIERI, V. Planilhas no ambiente EXCEL TM para os clculos de balanos hdricos:normal, seqencial, de cultura e de produtividade real e potencial. Revista Brasileira de Agrometeorologia, Santa Maria,v. 6,n.1, p133137,1998 ROMEIRO, A. R. Diagnstico Ambiental da Agricultura no Estado de So Paulo Bases para um Desenvolvimento Rural Sustentvel, UNICAMP. Projeto FAPESP no. 02/066850, 2004. SAIZ, C. D. C.; VALRIO FILHO, M. Aplicao do modelo de Equao Universal de Perdas de Solo atravs de dados TM/LANDSAT e Geoprocessamento como suporte ao planejamento conservacionista. Buenos Aires, INPE, 1997, 21p. SHIMAKURA, S. CE 003 Estatstica II. Departamento de Estatstica UFPR. 2002. Disponvel em; http://est.ufpr.br/~silvia/CE003.html. Acesso em 18 setembro 2005. SLATER, P. N.; DOYLE, F. J.; FRITZ, N. L.; WELCH, R. Photographic systems for remote sensing. In: Manual of remote sensing. 2 ed. ASP, 1983. v. 1, cap. 6, p.231-291. VALERIANO, D. M. Interaes da radiao solar com a vegetao. So Jos dos Campos: INPE, 36 p. 1988. VALERIANO, M. M. Estimativa de variveis topogrficas por geoprocessamento para modelagem da eroso de solo. Rio Claro, 1999. 161p. Tese (Instituto de Geocincias e Cincias Exatas) UNESP. VAN DER KNIJFF, J. M.; JONES, R. J. A.; MONTANARELLA, L. Soil erosion risk assessment in Italy. EUROPEAN COMMISSION, DIRECTORATE GENERAL JRC, JOINT RESEARCH CENTRE, Space Applications Institute, European Soil Bureau, 1999, 58p.

112

VIEIRA, S. R. Geoestatstica em estudos de variabilidade espacial. Campinas: IAC, 1998. YOUNG et al. AGNPS: a non-point source pollution model for evaluating agricultural watersheds. Journal of Soil and Water Conservation. Ankeny, v.44, n.2, 1989, p.168-173. WEILL, M. A. M. Estimativa da eroso do solo e avaliao do seu impacto na microbacia do Ceveiro (Piracicaba, SP) atravs do ndice de tempo de vida. Piracicaba SP, ESALQ, 1999, 100p. WISCHMEIER, W. H.; SMITH, D. D. Predicting rainfall erosion losses: a guide planning. Washington, D.C., USDA, 1978. 58p. (Handbook, 537). ZIHNI, E. C-factor mapping using remote sensing and GIS: a case study of Lom Sak/ Lom Kao. Thailand, Geographisches Institut der Justus-Liebig-Universitt Giessen and Soil Science Division Iternational Institute for Aerospace Survey and Earth Sciences Enschede, the Netherlands, 2000, 28p. ZULLO JR., J. Correo atmosfrica de imagens de satlite e aplicaes. 1994. 194p. Tese (Doutorado em Engenharia Agrcola) Faculdade de Engenharia Agrcola Universidade Estadual de Campinas. Campinas, 1994.

113

ANEXOS

Anexo 1 - Tabela com as absores caractersticas dos principais pigmentos encontrados nas plantas para o meio ter.

Fonte: HALL & RAO (1980)

114

Anexo 2 - Tabela com as caractersticas do Satlite CBERS-2

Caractersticas do Satlite CBERS-2 Massa total 1450 kg Potncia gerada 1100 W Baterias 2 x 30 Ah NiCd Dimenses do corpo (1,8 x 2,0 x 2,2) m Dimenses do painel 6,3 x 2,6 m Altura da rbita hlio-sncrona 778 km Propulso a hidrazina 16 x 1 N; 2 x 20 N Estabilizao 3 eixos Superviso de bordo distribuda Comunicao de Servio (TT&C) UHF e banda S Tempo de vida (confiabilidade de 0,6) 2 anos Fonte: modificado de (http://www.inpe.org.br).

115

Anexo 3 - Tabela com as caractersticas da Cmera Imageadora de Alta Resoluo CCD. Caractersticas da Cmera Imageadora de Alta Resoluo CCD CCD-XS5 0,51 - 0,73 m (pan) CCD-XS1 0,45 - 0,52 m (azul) CCD-XS2 0,52 - 0,59 m (verde) CCD-XS3 0,63 - 0,69 m (vermelho) CCD-XS4 0,77 - 0,89 m (infravermelho prximo) 8,3 20 x 20 m 113 km 32 26 dias com visada vertical (3 dias com visada lateral) 8103 MHz e 8321 MHz 2 x 53 Mbit/s

Bandas espectrais

Campo de Visada Resoluo espacial Largura da faixa imageada Capacidade de apontamento do espelho Resoluo temporal Freqncia da portadora de RF Taxa de dados da imagem

Fonte: modificado de (http://www.inpe.org.br).

116

Anexo 4 - Amostragem de 125 pixels, representando os valores de NDVI, para uma gleba da cultura de milho, referente imagem do dia 11/04/2004.
Categoria: IMA_11_04_04 Long = o 47:10:18.547 Lat = s 22:21:2.900 X = 276339.4 m Y = 7526721.9 m Col: 750 Lin: 625 174 177 174 171 171 PI: NDVI 179 181 178 177 178 175 177 178 179 173 176 179 172 173 179 177 176 176 178 180 Categoria: IMA_11_04_04 Long = o 47:10:15.965 Lat = s 22:21:1.662 X = 276412.8 m Y = 7526761.0 m Col: 754 Lin: 623 173 176 177 176 176 PI: NDVI 174 172 174 175 174 175 175 174 175 175 173 175 175 176 178 175 175 177 177 178

Categoria: IMA_11_04_04 Long = o 47:10:13.559 Lat = s 22:21:0.741 X = 276481.2 m Y = 7526790.4 m Col: 757 Lin: 621 165 173 174 175 175 PI: NDVI 170 172 173 175 177 177 175 176 179 175 175 178 177 176 176 173 177 180 178 179

Categoria: IMA_11_04_04 Long = o 47:10:11.492 Lat = s 22:20:59.656 X = 276539.9 m Y = 7526824.6 m Col: 760 Lin: 620 166 173 177 179 178 PI: NDVI 171 174 175 173 174 176 177 178 178 180 180 179 178 179 180 174 176 176 177 178

Categoria: IMA_11_04_04 Long = o 47:10:9.769 Lat = s 22:20:58.725 X = 276588.8 m Y = 7526854.0 m Col: 763 Lin: 618 158 171 175 176 178 PI: NDVI 163 168 173 176 176 177 174 174 175 176 177 175 176 178 174 177 177 175 172 173

117 Anexo 5 - Grficos do balano hdrico climtico para o municpio de Conchal.

Extrato do Balano Hdrico


300

Balano Hdrico
250 200

140 120 100 80 60 40 20 0 -20 -40

mm

mm
Fe v M ar A br M ai Ju n Ju l A go Se t O ut N ov D ez

150 100 50 0

Ja

DEF(-1)

EXC

Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Decndios Precipitao ETP

ETR

Capacidade de gua disponvel (CAD) e Armazenamento (ARM)


150

Deficincia, Excedente, Retirada e Reposio Hdrica


150 100

mm

100 50 0

mm

50 0 -50 Jan Mar Mai Jul Set Nov

Fe v M ar A br M ai Ju n Ju l A go Se t O ut N ov D ez

Ja

CAD

ARM

Deficincia

Excedente

Retirada

Reposio

Fonte: BD climticos do Brasil - Resultados. (http://www.cnpm.embrapa.br)

118 Anexo 6 - Tabela para obteno do fator K em (t . h . MJ-1. mm-1), utilizando os atributos dos solos.
solo AG AF Silte Arg C Perm M Permeab DMP R K

--------------- (%) -----------------LE2 LE3 Hi2 LV3 LV7 LV8 PV8 LV9 65% Cb1 20% Hi2 15% 29 14 24 29 27 18 21 30 45 24 43 25 38 46 47 40 61 30 31 38 3 8 16 3 3 5 6 7 6 16 25 53 22 22 23 38 13 27 18 22 1 1,7 4,3 1,1 1,2 1,4 0,7 1 0,9 4,3 1 2 5 1 1 2 4 1 3 5 0,025806 0,011601 0,031506 0,028589 0,028798 0,021206 0,044102 0,018543 0,022694 0,031506 0,00448 0,00896 0,02240 0,00448 0,00448 0,00896 0,01792 0,00448 0,01344 0,02240 0,01599 0,00818 0,01357 0,01628 0,01555 0,01121 0,01444 0,01520 0,02144 0,01357 0,00522 0,00428 0,01856 0,00574 0,00583 0,00453 0,00264 0,00540 0,00728 0,01856 0,0195 0,0167 0,0589 0,0225 0,0236 0,0235 0,0502 0,0132 0,0220 0,0589 0,021815

Onde: AG= Areia Grossa; AF = Areia Fina; Arg = Argila (em %)


C = Carbono (%) Perm = Permeabilidade (1 muito rpida; 2 = rpida; 3 = moderada; 4 = lenta; 5 = muito lenta; 6 = imperfeitamente drenado) M = (AF + Silte) * ( AG + AF + Silte) Permeab = Perm * 4,48059*10- DMP = Dimetro mdio ponderado das particulas do solo DMP = [(0,65*AG)+(0,15*AF)+(0,0117*silte)+(0,00024*ARG)]/100 R = NA * MO/100 MO = C(%) * 1,73 NA = Nova Areia = (AG * MO)

Fonte: DENARDIN (1990)

119

Anexo 7 - Grficos das anlises de resduos da regresso, para as diferentes culturas avaliadas.

Diagnstico da Regresso Linear Simples _ Milho 1


Grfico Normal dos Resduos
0,01

Grfico de Resduos
0,010 0,005
1 11 11 1 1 1 1 11 111 5 22 2 11 111 1 1111

LS=0,004158 Mdia=-9,9E-19 LI=-4,2E-03

Resduos

Resduos

0,00 -0,01 -0,02 -2 -1 0 1 2

0,000 -0,005 -0,010 -0,015 -0,020 -0,025 0 5 10 15 20 25


1 1111 11

30

35

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


0,01 20

Resduos vs. Valores Estimados

Freqncia

10

Resduos
-0,020 -0,015 -0,010 -0,005 0,000 0,005 0,010

0,00 -0,01 -0,02

0
-0,025 0,020 0,021 0,022 0,023 0,024 0,025 0,026 0,027 0,028 0,029

Resduos

Valores Estimados

120

Diagnstico da Regresso Linear Mltipla _ Milho 1


Grfico Normal dos Resduos
0,004

Grfico de Resduos
0,005
1 1 1 1 11 1 2 2 2 6 6 66 LS=0,002144

Resduos

0,000 -0,002 -0,004

Resduos

0,002

0,000
66 15 11 1 1 1 1 1

Mdia=-5,0E-20

LI=-2,1E-03

-0,005
-2 -1 0 1 2

10

15

20

25

30

35

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


9 8 7 6 5 4 3 2 1 0
-0,004 -0,003 -0,002 -0,001 0,000 0,001 0,002 0,003

Resduos vs. Valores Estimados


0,004 0,002

Freqncia

Resduos

0,000 -0,002 -0,004 0,00 0,01 0,02 0,03 0,04

Resduos

Valores Estimados

Diagnstico da Regresso Quadrtica _ Milho 1


Grfico Normal dos Resduos
0,0005

Grfico de Resduos
1 LS=6,62E-04

0,0005

Resduos

Resduos

0,0000

0,0000

Mdia=8,12E-18

-0,0005
LI=-6,6E-04

-0,0005 -2 -1 0 1 2

10

15

20

25

30

35

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


9 8 7 6 5 4 3 2 1 0 -0,0005 0,0000 0,0005 0,0005

Resduos vs. Valores Estimados

Freqncia

Resduos

0,0000

-0,0005 0,00 0,01 0,02 0,03

Resduos

Valores Estimados

121

Diagnstico da Regresso Linear Simples _ Milho 2


Grfico Normal dos Resduos
0,03 0,02 0,01 0,00 -0,01 -0,02 -0,03 -0,04 -0,05 -2 -1 0 1 2

Grfico de Resduos
0,03 0,02 0,01 0,00 -0,01 -0,02 -0,03 -0,04 -0,05 0
5 6 6 6 6 Mdia=-4,2E-17 8 666 LI=-0,02324 11 1 1 1 11 1 111 2 1 1 LS=0,02324

Resduos

Resduos

10

15

20

25

30

35

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


7 6 5 4 3 2 1 0 -0,04 -0,02 0,00 0,02 0,03 0,02 0,01 0,00 -0,01 -0,02 -0,03 -0,04 -0,05

Resduos vs. Valores Estimados

Freqncia

Resduos

0,02

0,03

0,04

0,05

Resduos

Valores Estimados

122

Diagnstico da Regresso Linear Mltipla _ Milho 2


Grfico Normal dos Resduos
0,02

Grfico de Resduos
0,02 0,01
888 6 LS=0,005214 Mdia=-3,8E-17 6 2222 22 LI=-5,2E-03 1 11111 1

Resduos

0,01

Resduos

0,00

0,00 -0,01
111 1111 11 1111 1

-0,01 -2 -1 0 1 2

10

15

20

25

30

35

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


7 6 5 4 3 2 1 0 -0,01 0,00 0,01 0,02 0,02

Resduos vs. Valores Estimados

Freqncia

Resduos

0,01

0,00

-0,01 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07

Resduos

Valores Estimados

Diagnstico da Regresso Quadrtica _ Milho 2


Grfico Normal dos Resduos
0,01
0,005
6 6

Grfico de Resduos
LS=0,008872

Resduos

0,000

Resduos

6 Mdia=4,24E-18

0,00
6

-0,005

-0,01
-2 -1 0 1 2

5 5

LI=-8,9E-03

10

15

20

25

30

35

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


10 0,005

Resduos vs. Valores Estimados

Freqncia

Resduos
0,0000 0,0060

0,000

-0,005 0 -0,0075 0,00 0,01 0,02 0,03 0,04 0,05 0,06

Resduos

Valores Estimados

123

Diagnstico da Regresso Linear Simples _ Mandioca 1


Grfico Normal dos Resduos
0,1

Grfico de Resduos
1 11 11

0,1

LS=0,1083 2 2 2 Mdia=1,51E-16

Resduos

0,0 -0,1 -0,2 -2 -1 0 1 2

Resduos

0,0 -0,1 -0,2 0 5 10 15


5 11 11 1

LI=-0,1083

20

25

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


8 7 6 5 4 3 2 1 0 -0,20 -0,10 0,00 0,10 0,1

Resduos vs. Valores Estimados

Freqncia

Resduos

0,0 -0,1 -0,2 0,0 0,1 0,2 0,3

Resduos

Valores Estimados

124

Diagnstico da Regresso Linear Mltipla _ Mandioca 1


Grfico Normal dos Resduos
0,1

Grfico de Resduos
1 51 51

0,1

LS=0,1098

Resduos

Resduos

0,0

0,0 -0,1
1 11 8 8

Mdia=-4,7E-17

LI=-0,1098

-0,1

-0,2
-2 -1 0 1 2

10

15

20

25

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


7 6 5 4 3 2 1 0 -0,15 -0,09 -0,03 0,03 0,09

Resduos vs. Valores Estimados


0,1

Freqncia

Resduos

0,0

-0,1

0,0

0,1

0,2

0,3

0,4

Resduos

Valores Estimados

Diagnstico da Regresso Quadrtica _ Mandioca 1


Grfico Normal dos Resduos
0,05

Grfico de Resduos
0,05
1 1 6 66 Mdia=4,43E-16 LS=0,04233

Resduos

Resduos

0,00

0,00
2

-0,05 -2 -1 0 1 2

-0,05 0 5

5 1

LI=-0,04233

10

15

20

25

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


6 5 0,05

Resduos vs. Valores Estimados

Freqncia

4 3 2 1 0 -0,05 -0,03 -0,01 0,01 0,03 0,05

Resduos

0,00

-0,05 0,0 0,1 0,2 0,3 0,4

Resduos

Valores Estimados

125

Diagnstico da Regresso Linear Simples _ Mandioca 2


Grfico Normal dos Resduos
0,1

Grfico de Resduos
0,1
1 1 5 1 1 6 1 1 LS=0,07233

Resduos

0,0 -0,1 -0,2 -2 -1 0 1 2

Resduos

0,0 -0,1 -0,2 0 10


1 1 1 1

Mdia=-2,4E-17

LI=-0,07233

20

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


6 5 0,1

Resduos vs. Valores Estimados

Freqncia

4 3 2 1 0 -0,15 -0,10 -0,05 -0,00 0,05 0,10

Resduos

0,0 -0,1 -0,2 0,12 0,17 0,22

Resduos

Valores Estimados

126

Diagnstico da Regresso Linear Mltipla _ Mandioca 2


Grfico Normal dos Resduos
0,10
1 LS=0,06520

Grfico de Resduos

Resduos

Resduos

0,05

0,05
6 6

0,00

0,00 -0,05
8

Mdia=1,04E-18

LI=-0,06520

-0,05 -2 -1 0 1 2

10

20

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


7 6 5 4 3 2 1 0 -0,04 -0,02 0,00 0,02 0,04 0,06 0,08

Resduos vs. Valores Estimados


0,05

Freqncia

Resduos

0,00

-0,05 0,0 0,1 0,2 0,3

Resduos

Valores Estimados

Diagnstico da Regresso Quadrtica _ Mandioca 2


Grfico Normal dos Resduos
0,05

Grfico de Resduos
1 LS=0,06363

0,05

Resduos

Resduos

0,00

0,00

Mdia=1,38E-16

-0,05
-0,05 -2 -1 0 1 2

5 LI=-0,06363

10

20

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


7 6 5 4 3 2 1 0 -0,04 -0,02 0,00 0,02 0,04 0,06 0,05

Resduos vs. Valores Estimados

Freqncia

Resduos

0,00

-0,05 0,0 0,1 0,2 0,3

Resduos

Valores Estimados

127

Diagnstico da Regresso Linear Simples _ Algodo


Grfico Normal dos Resduos
0,05

Grfico de Resduos
0,05
5 LS=0,04415

Resduos

Resduos

0,00

0,00

Mdia=-2,6E-17

-0,05

-0,05
1 1

LI=-0,04415

-1

9 10

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


4 0,05

Resduos vs. Valores Estimados

Freqncia

Resduos
-0,08 -0,06 -0,04 -0,02 0,00 0,02 0,04

3 2 1 0

0,00

-0,05 0,080 0,085 0,090 0,095

Resduos

Valores Estimados

128

Diagnstico da Regresso Linear Mltipla _ Algodo


Grfico Normal dos Resduos
0,03

Grfico de Resduos
0,05
LS=0,05423

Resduos

0,00 -0,01 -0,02 -0,03 -0,04 -1 0 1

Resduos

0,02 0,01

0,00

Mdia=-8,3E-18

-0,05 0 1 2 3 4 5 6 7 8 9 10

LI=-0,05423

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


4

Resduos vs. Valores Estimados


0,03 0,02 0,01 0,00 -0,01 -0,02 -0,03 -0,04

Freqncia

2 1 0 -0,04 -0,02 0,00 0,02

Resduos

0,04

0,06

0,08

0,10

0,12

0,14

Resduos

Valores Estimados

Diagnstico da Regresso Quadrtica _ Algodo


Grfico Normal dos Resduos
0,015 0,010

Grfico de Resduos
0,03
LS=0,02321

0,02

Resduos

Resduos

0,005 0,000 -0,005 -0,010 -1 0 1

0,01 0,00 -0,01 -0,02 -0,03 0 1 2 3 4 5 6 7 8 9 10


LI=-0,02321 Mdia=4,02E-17

Coeficientes de Normalidade

Nmero da Observao

Histograma dos Resduos


3 0,015 0,010

Resduos vs. Valores Estimados

Freqncia

Resduos

0,005 0,000 -0,005 -0,010

1 0
-0,010 -0,005 0,000 0,005 0,010 0,015

0,02

0,07

0,12

Resduos

Valores Estimados