anÁlise da influÊncia da estaÇÃo chuvosa na … ramos.pdf · o pantanal é o maior sistema...
TRANSCRIPT
Programa de Pós-Graduação em Geografia (PPGeog)
ANÁLISE DA INFLUÊNCIA DA ESTAÇÃO CHUVOSA NA VARIABILIDADE DAS ÁREAS ALAGADAS DO BIOMA
PANTANAL
Raquel de Cássia Ramos
Dissertação de Mestrado do Curso de Pós-
Graduação em Geografia da Universidade
Federal de São João del-Rei, orientada
pelo Dr. Gabriel Pereira e pela Dra.
Elisabete Caria Moraes.
UFSJ São João del-Rei
2018
II
Programa de Pós-Graduação em Geografia (PPGeog)
ANÁLISE DA INFLUÊNCIA DA ESTAÇÃO CHUVOSA NA VARIABILIDADE DAS ÁREAS ALAGADAS DO BIOMA
PANTANAL
Raquel de Cássia Ramos
Dissertação apresentada ao Programa de Pós-Graduação em Geografia da Universidade Federal de São João del-Rei, como requisito parcial à obtenção do título de Mestre em Geografia. Área de concentração: Análise ambiental e territorial. Linha de pesquisa: Dinâmica das paisagens tropicais Orientador: Prof. Dr. Gabriel Pereira Coorientadora: Profa. Dra. Elisabete Caria Moraes
UFSJ São João del-Rei
2018
III
IV
V
AGRADECIMENTOS
Primeiramente, agradeço a Deus e a minha família pelo apoio e torcida em especial a minha mãe Rita de Cássia Ramos e irmã Jenifer Cristina Nascimento. Sou especialmente grata aos meus orientadores, Gabriel Pereira e Elisabete Caria Moraes, pela ajuda e ensinamentos prestados.
Aos membros da banca, Francielle da Silva Cardozo, André Batista de Negreiros,
Lino Augusto Sander de Carvalho, pelos ensinamentos e sugestões.
Aos amigos da Universidade Federal de São João del-Rei, em especial ao Núcleo de Estudo em Sensoriamento Remoto Aplicado ao Clima e do Instituto Nacional de Pesquisa Espacial por toda a ajuda e sugestões prestadas no decorrer da pesquisa. Á todos os funcionários da UFSJ que sempre estão dispostos a ajudar, em especial a Mônica Maria Jaques do PPGeog e Wânia Ferreira Longatti do DEGEO. Enfim, agradeço a todos que colaboraram de alguma forma para a realização deste trabalho. Finalmente, agradeço a Bianca Cobo Silva Resende, pelo apoio e dedicação, indispensáveis no percurso deste trabalho. E a todos que de alguma forma contribuíram para a realização desta dissertação, muito obrigada!
VI
RESUMO
O Pantanal é o maior sistema contínuo de zonas úmidas do mundo, característica que propicia destaque nacional e internacional pela sua rica biodiversidade. A maioria desses ecossistemas são extremamente sensíveis, não apenas para a quantidade anual de precipitação, mas também para outros aspectos da sazonalidade das chuvas, responsável pela manutenção da flora e fauna do Pantanal. O monitoramento e o mapeamento de áreas alagadas geralmente são dificultados pela grande extensão territorial, assim, o sensoriamento remoto surge como uma alternativa viável para a obtenção dos fatores biofísicos de forma rápida e com baixo custo. Desta forma, o objetivo deste trabalho consistiu em analisar a variação espacial das áreas alagadas e a influência da duração da estação chuvosa no bioma Pantanal para os anos de 2000 a 2016. Foram utilizadas ao todo 261 imagens provenientes dos sensores Thematic Mapper (TM), Operational Land Imager (OLI) e Linear Imaging Self-Scanner (LISS III) dos satélites Landsat 5, Landsat 8 e Resourcesat, respectivamente, além de dados de precipitação do Tropical Climate Hazards Group InfraRed Precipitation Station (CHIRPS). Através do mapeamento das áreas alagadas foi possível perceber uma variabilidade de inundação significativa no bioma. O ano que mais alagou foi 2011, com cerca de 45.000 km², seguido dos anos 2006 e 2008, com aproximadamente 36.000 km², ou seja, cerca de 30% e 24% da área total do bioma Pantanal, respectivamente. Os anos que apresentaram uma menor área alagada foram 2012, 2013 e 2005 com aproximadamente 14.000 km², 17.000 km² e 20.000 km², o que corresponde a 9%, 11% e 13%, respectivamente, da área total do Bioma. Por meio da análise da variabilidade dos índices de precipitação extraídos do CHIRPS, foi possível verificar que o valor médio da precipitação anual na Bacia do Alto Paraguai (BAP) durante 17 anos analisados foi de 1.308 mm e que 74,54% da precipitação anual incidente no Bioma Pantanal ocorrem na estação úmida (de outubro a março). Para explicar a relação entre as variações das áreas alagadas anuais com os dados de precipitação que ocorrem na BAP, optou-se por analisar o total de precipitação em bimestres, trimestres, quadrimestres e semestres, assim como, o comprimento da estação chuvosa. Ao analisar o comprimento da estação chuvosa, nota-se que apenas 7% das variações na área alagada podem ser explicadas por esta variável, o que permite concluir que o comprimento da estação chuvosa é considerado uma informação auxiliar na explicação de alguns eventos que influenciam a área alagada total. Das análises bimestrais, Janeiro/Fevereiro (J/F) e Fevereiro/Março (F/M) apresentam uma correlação de 0,71 e 0,62, respectivamente, explicando em até 50% as variações das áreas alagadas no bioma. Trimestralmente, os meses Janeiro/Fevereiro/Março (J/F/M) explicaram 61% das variações das áreas alagadas. Em relação às análises dos quadrimestres, Janeiro/Fevereiro/Março/Abril (J/F/M/A) explicou 69% das áreas alagadas. Semestralmente, os meses Outubro/Novembro/Dezembro/Janeiro/Fevereiro/Março (O/N/D/J/F/M) demonstrou uma forte correlação de 0,81, explicando 66% das áreas alagadas. A inundação do Pantanal proporciona, a cada ciclo da estação chuvosa, paisagens diversas, alterando e determinando o ritmo de vida do Pantaneiro que precisa se adequar aos contratempos que surgem a cada ano, dado que grande parte dos habitantes da região estão ligados às atividades agropecuárias e ao turismo. Portanto, a compreensão e análise desse dinamismo torna-se uma ferramenta imprescindível para o poder público na ordenação do crescimento urbano, na definição de políticas para a ocupação das áreas de riscos e no zoneamento econômico das principais atividades do bioma.
Palavras-Chave: Sensoriamento Remoto; precipitação; áreas inundadas.
VII
ANALYSIS OF THE RAIN STATION INFLUENCE ON THE VARIABILITY OF
THE WETLANDS IN PANTANAL BIOME
ABSTRACT
The Pantanal is the largest continuous system of wetlands in the world, a characteristic that provides national and international prominence for its rich biodiversity. Most of these ecosystems are extremely sensitive, not only for the annual amount of precipitation, but also for other aspects of seasonal rainfall, responsible for the maintenance of the Pantanal's flora and fauna. The monitoring and mapping of floo ded areas are usually difficult by the large territorial extension, thus, remote sensing emerges as a viable alternative for obtaining biophysical factors quickly and inexpensively. Thus, the objective of this work was to analyze the spatial variation of the wetland areas and the influence of the rainy season duration in Pantanal biome for the years 2000 to 2016. A total of 261 images from orbital sensors were used, such as the Thematic Mapper (TM), Operational Land Imager (OLI) and Linear Imaging Self-Scanner (LISS III) from Landsat 5, Landsat 8 and Resourcesat sattelites, respectively, as well as rainfall data from the Tropical Climate Hazards Group InfraRed Precipitation Station (CHIRPS). Through the mapping of flooded areas it was possible to perceive a significant flood variability in the biome. The most flooded year was 2011, with approximately 45,000 km ², followed by 2006 and 2008 years, with approximately 36,000 km ², presenting 30% and 24% of the total area of Pantanal biome, respectively. The years that presented a smaller flooded area were 2012, 2013 and 2005 with approximately 14,000 km², 17,000 km² and 20,000 km², corresponding to 9%, 11% and 13% of the total area of the Biome, respectively. By analyzing the precipitation variability indexes extracted from the CHIRPS, it was possible to verify that the annual average precipitation value in the Alto Paraguai Basin (APB) during 17 years analyzed was 1,308 mm and 74.54% of the incident annual precipitation in the Pantanal Biome occur in the wet season (from October to March). In order to explain the relationship between annual flooded areas variations and precipitation that occur in APB, it was decided to analyze the total precipitation in bimesters, trimesters, four-month period and semesters, as well as, the rainy season. When analyzing the length of the rainy season, it was noted that only 7% of the variations in the flooded area can be explained by this variable, which allows to conclude that the length of the rainy season is considered an auxiliary information in the explanation of some events that influence the total flooded area. From the bimesters analyzes, January/February (J/F) and February/March (F/M) presented a correlation of 0.71 and 0.62, respectively, explaining up to 50% the flooded areas variations in the biome. Related to trimesters, the January/February/March (J/F/M) months explained 61% the variations of flooded areas. Regarding the four-month periods analyzes, January/February/March/April (J/F/M/A) explained 69% of flooded areas. Related to semesters, October/November/Dezember/January/February/March (O/N/D/J/F/M) months showed a strong correlation of 0.81, explaining 66% of flooded areas. The flooding in Pantanal provides, in each cycle of the rainy season, different landscapes, altering and determining the Pantaneiro life rhythm that needs to be adjusted to the setbacks that arise every year, since a large part of the region inhabitants are linked to the agricultural activities and to tourism. Therefore, the understanding and analysis of this dynamism becomes an indispensable tool for the public government in ordering the urban growth, in defining policies for the risk areas occupation and in the economic zoning of the main activities of the biome.
Keywords: remote sensing, precipitation, wetland.
VIII
LISTA DE FIGURAS
Pág.
FIGURA 3.1: ESPECTO ELETROMAGNÉTICO. ............................................ 12
FONTE: DIONÍSIO (2017). ............................................................................... 12
FIGURA 4.1. LOCALIZAÇÃO DA ÁREA DE ESTUDO DO BIOMA PANTANAL
......................................................................................................................... 19
FIGURA 4.2. MUNICÍPIOS DO BIOMA PANTANAL ...................................... 20
FIGURA 5.1. MOSAICO DE CENAS DAS IMAGENS DO SATÉLITE LANDSAT
......................................................................................................................... 30
FIGURA 5.2. MOSAICO DE CENAS DAS IMAGENS DO SATÉLITE
RESOURCESAT-1 ........................................................................................... 31
FIGURA 5.3. ESPACIALIZAÇÃO DOS 3.264 PONTOS NO ARCGIS 10.5 PARA
A COMPARAÇÃO E A AVALIAÇÃO DA CONFIABILIDADE DO
MAPEAMENTO PARA O PERÍODO DE 2000 A 2016. ................................... 37
FIGURA 6.1. GRÁFICO DA VALIDAÇÃO DO MAPEAMENTO ...................... 43
FIGURA 6.2. MAPAS ANUAIS DE ÁREAS ALAGADAS PARA PANTANAL DE
2000 A 2005. .................................................................................................... 45
FIGURA 6.3. MAPAS ANUAIS DE ÁREAS ALAGADAS PARA PANTANAL DE
2006 A 2011. .................................................................................................... 46
FIGURA 6.4. MAPAS ANUAIS DE ÁREAS ALAGADAS PARA PANTANAL DE
2012 A 2016. .................................................................................................... 47
FIGURA 6.5. GRÁFICO DAS ÁREAS ALAGADAS NO PANTANAL DE 2000 A
2016. ................................................................................................................ 48
FIGURA 6.6. MAPA DE FREQUÊNCIA DAS ÁREAS ALAGADAS PARA OS 17
ANOS ............................................................................................................... 50
IX
FIGURA 6.8. BOX-PLOT DA PRECIPITAÇÃO MENSAL DO BIOMA
PANTANAL PARA O PERÍODO DE JULHO DE 1999 A JUNHO DE 2017. .. 53
FIGURA 6.9. ANOMALIAS DAS PRECIPITAÇÕES OCORRIDA NOS QUATRO
MESES (JFMA) DA BAP NOS ANOS DE 2000 A 2003. ................................ 59
FIGURA 6.10. ANOMALIAS DAS PRECIPITAÇÕES OCORRIDA NOS
QUATRO MESES (JFMA) DA BAP NOS ANOS DE 2004 A 2007. ................ 61
FIGURA 6.11. ANOMALIAS DAS PRECIPITAÇÕES OCORRIDA NOS
QUATRO MESES (JFMA) DA BAP NOS ANOS DE 2008 A 2011. ................ 63
FIGURA 6.12. ANOMALIAS DAS PRECIPITAÇÕES OCORRIDA NOS
QUATRO MESES (JFMA) DA BAP NOS ANOS DE 2012 A 2015. ................ 65
FIGURA 6.13. ANOMALIAS DAS PRECIPITAÇÕES OCORRIDA NOS
QUATRO MESES (JFMA) DA BAP NO ANO DE 2016. ................................. 67
FIGURA 6.14. COMPRIMENTO DA ESTAÇÃO CHUVOSA PARA O ANO DE
2011 DA BAP, DEMONSTRADO PELA ANOMALIA CLIMATOLÓGICA
CUMULATIVA DIÁRIA (LARANJA), O AJUSTE POLINOMIAL (PRETO) E OS
PONTOS MARCAM A EXTENSÃO DA ESTAÇÃO CLIMATOLÓGICA. ........ 68
FIGURA 6.15. COMPRIMENTO DA ESTAÇÃO CHUVOSA PARA O ANO DE
2014 DA BAP, DEMONSTRADO PELA ANOMALIA CLIMATOLÓGICA
CUMULATIVA DIÁRIA (LARANJA), O AJUSTE POLINOMIAL (PRETO) E OS
PONTOS MARCAM A EXTENSÃO DA ESTAÇÃO CLIMATOLÓGICA. ........ 69
FIGURA 6.16. COMPRIMENTO DA ESTAÇÃO CHUVOSA PARA O ANO DE
2005 DA BAP, DEMONSTRADO PELA ANOMALIA CLIMATOLÓGICA
CUMULATIVA DIÁRIA (LARANJA), O AJUSTE POLINOMIAL (PRETO) E OS
PONTOS MARCAM A EXTENSÃO DA ESTAÇÃO CLIMATOLÓGICA. ........ 70
FIGURA 6.17. COMPRIMENTO DA ESTAÇÃO CHUVOSA PARA O ANO DE
2005 DA BAP, DEMONSTRADO PELA ANOMALIA CLIMATOLÓGICA
CUMULATIVA DIÁRIA (LARANJA), O AJUSTE POLINOMIAL (PRETO) E OS
PONTOS MARCAM A EXTENSÃO DA ESTAÇÃO CLIMATOLÓGICA. ........ 70
X
LISTA DE TABELAS
Pág.
TABELA 5.1 - DADOS SOBRE OS SATÉLITES UTILIZADOS. ..................... 28
TABELA 6.1. RESULTADO DA CLASSIFICAÇÃO DO ÍNDICE KAPPA,
PERÍODO DE 2000 A 2016. ............................................................................ 41
TABELA 6.2. ANÁLISE ESTATÍSTICA ENTRE A ÁREA ALAGADA E OS
DADOS DA ESTAÇÃO CHUVOSA DA BAP (O = OUTUBRO; N = NOVEMBRO;
D = DEZEMBRO; J = JANEIRO; F = FEVEREIRO; M = MARÇO; A = ABRIL;
MA = MAIO). CASOS NÃO SIGNIFICATIVOS (P<0,05, TESTE T-STUDENT)
EM VERMELHO. .............................................................................................. 54
TABELA 6.3. DADOS SOBRE O COMPRIMENTO DA ESTAÇÃO CHUVOSA
DA BAP DE 2000 A 2016 ................................................................................ 71
XI
LISTA DE SIGLAS E ABREVIATURAS
AP: Alta Pressão
ANA: Agência Nacional das Águas
ARC: Alaska Research CubeSat
BAP: Bacia do Alto Paraguai
BP: Baixa Pressão
CCD: Cold Cloud Duration
CHIRPS: Climate Hazards Group InfraRed Precipitation Station
CMT: Commitment
CPC: Climate Prediction Center
CPTEC: Centro de Previsão de Tempo e Estudos Climáticos
CFS: Climate Forecast System
CHG: Climate Hazards Group
DGI: Divisão de Geração de Imagens
ENSO: El Niño/Oscilação Sul
ENVI: Environment for Visualizing Images
EROS: Earth Resources Observation and Science
ERTS: Earth Resources Technology Satellite
ESPA: EROS - Science Processing Architecture
ESRI: Environmental System Research Institute
ETM: Enhanced Thematic Mapper Plus
EVI: Enhanced Vegetation Index
FTP: File Transfer Protocol
GRADS: Grid Analysis and Display System
GTS: Global Telecommunication System
XII
IBGE: Instituto Brasileiro de Geografia e Estatística
INMET: Instituto Nacional de Meteorologia
IDL: Interactive Data Language
INPE: Instituto Nacional de Pesquisas Espaciais
ISRO: Indian Space Research Organisation
LISS: Linear Imaging Self-Scaner
LSWI: Land Surface Water Index
MLME: Modelo Linear de Mistura Espectral
MSWEP: Multi-Source Weighted-Ensemble Precipitation
MMA: Ministério do Meio Ambiente
NDVI: Normalized Difference Vegetation Index
NDWI: Normalized difference Water Index
MODIS: Moderate Resolution Imaging Spectroradiometer
NASA: National Aeronautics and Space Administration
NETCDF: Network Common Data Format
OLI: Operational Land Imager
OBT: Observação da Terra
PDI: Processo Digital de Imagens
PERSIANN-CDR: Precipitation Estimation from Remotely Sensed – Climate
Data Record
PIB: Produto Interno Bruto
PM: Passive Microwave
PMM: Precipitation Measurement Missions
PR: Precipitation Radar
RFE: Rainfall Estimate
XIII
RPPN: Reserva Particular do Patrimônio Natural
SALD: Sítio de Amostragem de Longa Duração
SCC: Sistema de classificação climática
SEBAL: Surface Energy Balance Algorithm for Land
SIG: Sistemas de Informações Geográficas
SPRING: Sistema de Processamento de Informações Georreferenciadas~
TARCAT: African Rainfall Climatology And Time series
TIR: Thermal Infrared Sensor
TRMM: Tropical Rainfall Measuring Mission
TMPA: TRMM Multi-satellite Preciptiation Analysis
TM: Thematic Mapper
TMI: Microwave Imager
TSM: Temperatura da Superfície do Mar
UR: Umidade relativa
USGS: United States Geological Survey
ZCAS: Zonas de Convergência do Atlântico Sul
ZCIT: Zona de convergência intertropical
XIV
LISTA DE SÍMBOLOS
ºC: Graus Celsius
mm: Milímetro
Km²: Quilômetro quadrado
XV
SUMÁRIO
Pág.
1 INTRODUÇÃO ................................................................................................ 1
2 OBJETIVOS .................................................................................................... 4
2.2. Objetivos Específicos ............................................................................... 4
3 FUNDAMENTAÇÃO TEÓRICA ...................................................................... 5
3.1. Pantanal: Uso da Terra e seus Impactos ................................................. 5
3.2. Características das áreas alagadas e os impactos que elas ocasionam
na superfície ..................................................................................................... 8
3.3. Sensoriamento Remoto: detecção de áreas alagadas ......................... 11
4 ÁREA DE ESTUDO ...................................................................................... 19
4.1 Localização ............................................................................................... 19
4.2. Caracterização ambiental ....................................................................... 21
5 MATERIAIS E MÉTODOS ............................................................................ 28
5.1 Materiais utilizados .................................................................................. 28
5.1.1. Imagens Landsat................................................................................ 28
5.1.3. Dados de Precipitação – CHIRPS ...................................................... 31
5.2. Procedimentos Metodológicos .............................................................. 32
5.2.1. Aplicação do Modelo Linear de Mistura Espectral (MLME) ................ 32
5.2.2. Mapeamento das áreas alagadas ....................................................... 34
5.2.3. Georreferenciamento e compatibilização dos dados do sensor Linear
Imaging Self-Scaner (LISS-III) do satélite Resourcesat-1para o ano de 2012
...................................................................................................................... 35
5.2.4. Validação das áreas alagadas das imagens de satélite utilizando o
método estatístico Kappa ............................................................................. 36
5.2.6. Análise dos dados CHIRPS e criação da máscara espacial .............. 39
6. Resultados .................................................................................................. 41
XVI
6.1. Validação dos mapeamentos das imagens de satélite utilizando o
método estatístico Kappa. ............................................................................. 41
6.2. Análise Espacial e Temporal das Áreas Alagadas no Pantanal de 2000
a 2016 .............................................................................................................. 44
6.3. Variabilidade dos índices de precipitação ............................................ 53
7. CONCLUSÃO .............................................................................................. 73
8. REFERÊNCIAS BIBLIOGRÁFICAS ............................................................ 75
1
1 INTRODUÇÃO
Localizado na parte central da América do Sul, o vasto ecossistema do Pantanal
é o maior sistema contínuo de zonas úmidas do mundo de destaque nacional e
internacional pela sua rica biodiversidade. Este contém os títulos de “Patrimônio
Nacional” e “Reserva da Biosfera” e, internacionalmente, possui dois sítios
Ramsar (Parque Nacional do Pantanal e RPPN Sesc Pantanal) (IRIGARAY et
al., 2017).
A classificação Ramsar surgiu na convenção sobre zonas úmidas de importância
internacional, na cidade iraniana de Ramsar em 02 de fevereiro de 1971, por
esse motivo é conhecida como “Convenção de Ramsar”, que classifica as zonas
úmidas em todo mundo. Este tratado intergovernamental tem a finalidade de
promover a conservação e o uso racional de zonas úmidas em todo o mundo.
As zonas úmidas (wetlands) fornecem muitos serviços para a sociedade, fauna
e flora, como o armazenamento de água, amortecimento da descarga do rio, a
recarga das águas subterrâneas, a retenção de sedimentos, a purificação de
água, a regulação do microclima, entre outros (JUNK et al., 2013).
O Pantanal encontra-se na bacia do Alto Paraguai no Brasil, ocupando uma área
de 150.355 Km², correspondente a 1,76% do território brasileiro e abrange parte
dos estados de Mato Grosso (35%) e o Mato Grosso do Sul (65%) (IBGE, 2004).
A inundação do Pantanal no período chuvoso advém das cheias do Rio Paraguai
e seus afluentes. Nas épocas de estiagem, formam-se as pastagens naturais,
circunstância que favorece a ocupação para a criação do gado, uma das
principais atividades econômicas do Pantanal (ALVES, 2015).
O padrão espacial e temporal das cheias no Pantanal dependem das estações
do ano, das distribuição da precipitação , da forma de drenagem e da planície de
inundação (PAZ et al., 2011). Assim, a regularidade desse padrão é a
responsável por manter a estrutura e o funcionamento das áreas alagadas do
Pantanal, o ciclo produtivo dos peixes, o crescimento da vegetação e o processo
de migração dos animais, bem como a rotina dos pantaneiros nas suas mais
2
diversas atividades, como a pecuária, a pesca e o turismo (MORAES et al.,
2013).
Neste contexto, as alterações do uso e cobertura da terra são responsáveis por
provocarem variações no balanço de energia e, por conseguinte, alterações
climáticas globais e regionais. Assim, essas alterações podem interferir no ciclo
hidrológico e modificar a duração, a intensidade e a frequência das estações
chuvosas do Pantanal (PEREIRA et al., 2012).
Devido ao progresso no campo do sensoriamento remoto, o uso de imagens de
satélite tem se tornado um importante instrumento de observação de eventos,
fenômenos e processos que ocorrem na superfície do planeta Terra a partir do
registro e da análise das interações entre a radiação eletromagnética e as
substâncias que o compõem em suas mais diversas manifestações (NOVO,
2010).
No Pantanal, o monitoramento e o mapeamento de áreas alagadas geralmente
são dificultados pela grande extensão territorial, assim, o sensoriamento remoto
surge como uma alternativa viável para a obtenção de imagens da área de forma
rápida e com baixo custo, quando comparado com métodos tradicionais e dados
coletados em campo, inviabilizado pelo alto custo e pela dificuldade de
locomoção nas áreas alagadas (MIGUEL et al., 2010).
Os parâmetros meteorológicos (principalmente as chuvas) podem ser
considerados como precursores para o entendimento de outros componentes
hidrológicos do ciclo da água (vazão do rio, vazão do lençol freático,
armazenamento do reservatório, etc.). Obter um registro climático confiável das
quantidades pluviométricas nas estações de observação do clima que são
distribuídas uniformemente na área é um dos principais desafios,
particularmente em países em desenvolvimento. Para enfrentar esses desafios,
as estimativas/produtos de precipitação por satélite estão se tornando cada vez
mais disponíveis para uso em escala global e regional. A principal vantagem dos
produtos de precipitação baseados em sensoriamento remoto é que eles
3
apresentam resultados satisfatórios em termos de cobertura espacial e temporal
e provaram sua aplicabilidade à estudos climáticos e hidrológicos (BAYISSA et
al., 2017).
Diante do exposto, verifica-se que o mapeamento das áreas alagadas e o
monitoramento do comportamento hidrológico é fundamental para obtenção de
dados importantes sobre o dinamismo da inundação do bioma Pantanal que
afeta diretamente toda a biota e o ritmo de vida do Pantaneiro, além de permitir
uma análise sobre as alterações ambientais e as implicações destas na
variabilidade das áreas alagadas.
4
2 OBJETIVOS
O objetivo geral deste trabalho consistiu em analisar a influência da duração da
estação chuvosa na variação das áreas alagadas do bioma Pantanal para os
anos de 2000 a 2016.
2.2. Objetivos Específicos
(a) Analisar as áreas alagadas do bioma Pantanal para o período de 2000 a
2016 a partir de dados do sensor Thematic Mapper (TM) do satélite
Landsat 5 e 7; Linear Imaging Self-Scaner (LISS-III) do satélite
Resourcesat-1; e Operational Land Imager (OLI) do satélite Landsat 8.
(b) Avaliar a acurácia do mapeamento das áreas alagadas utilizando o
método estatístico Kappa.
(c) Verificar a frequência espacial das áreas alagadas para o bioma Pantanal.
(d) Analisar a influência do regime de precipitação nas áreas alagadas do
bioma Pantanal a partir do Climate Hazards Group InfraRed Precipitation
Station (CHIRPS) ao longo do período de 1981 a 2017, com enfoque nos
anos de 2000 a 2016.
(e) Analisar a redução e ampliação da estação chuvosa na Bacia do Alto
Paraguai.
5
3 FUNDAMENTAÇÃO TEÓRICA
3.1. Pantanal: Uso da Terra e seus Impactos
As informações de uso e cobertura da terra derivadas de sensoriamento remoto
são empregadas para inúmeros estudos ambientais (BROVELLI et al., 2016).
Assim, as alterações no uso e cobertura da terra são responsáveis por gerar
profundas modificações na configuração ambiental, florestal e hídrica, e
possuem reconhecido efeito sobre os níveis de carbono emitidos para a
atmosfera, sendo, desta forma, um importante vetor de alterações e impactos
sobre o balanço de energia, influenciando na circulação regional e global (PBMC,
2014).
Desta forma, a mudança do uso e cobertura da terra pode interferir no ciclo
hidrológico e modificar a dinâmica da duração do período chuvoso, isto é, a
duração, intensidade e frequência das estações chuvosas. Esses fatores
colaboram para a identificação das áreas que podem sofrer maiores impactos
devido ao stress hídrico e para investigar a variabilidade e a mudança no ciclo
sazonal ao longo de todo o Pantanal (PAZ et al., 2011).
Os principais usos e ocupações da planície pantaneira são a pecuária, a pesca,
o turismo, a extração de minérios e em menor escala, porém crescente, a
agricultura. A primeira destaca-se pela sua predominância há mais de dois
séculos, sendo desenvolvida de maneira extensiva em grandes e médias
propriedades em áreas de pastagens naturais e também artificiais com diversas
técnicas de manejos (GIRARD; VARGAS, 2008). Como exemplo, salienta-se a
utilização das áreas sazonalmente inundadas como pastagens na estação seca.
As áreas mais planas e superiores das áreas de planaltos são ocupadas por uma
pecuária intensiva e dotada de técnicas aperfeiçoadas (ALVES, 2015).
A ampliação da pecuária é perceptível no Pantanal, cujos usos e degradação do
solo são marcantes especialmente nas bordas dos Planaltos (ANA, 2004). A
retirada da cobertura vegetal para a formação de pastagens, além de
6
comprometer a biodiversidade, também afeta o ciclo da água, pois restringe a
infiltração e o armazenamento, além de liberar o gás carbônico para a atmosfera,
intensificando a velocidade de lixiviação e provocando a compactação e erosão
no solo (WÜST et al., 2015).
Outra importante atividade do Pantanal é a pesca, que pode ser classificada em:
pesca de subsistência, constitui notável fonte de proteína para as populações
ribeirinhas; pesca esportiva, que se tornou o principal atrativo do turismo
regional, especialmente no Mato Grosso do Sul; e pesca profissional, a qual é
capaz de mobilizar e empregar um número significativo de trabalhadores em toda
a região em decorrência da procura por pescadores esportivos das chamadas
"iscas vivas", ou seja, profissionais se especializaram na captura de peixes e
crustáceos que servem de alimento para capturar as espécies de peixes nobres
(CATELLA et al., 2014). Essa atividade se tornou uma importante opção para
trabalhadores de baixa renda que foram gradualmente se estabelecendo às
margens dos rios e lagoas pantaneiras, criando novos polos de exclusão social
(CHIARAVALLOTI, 2017).
O turismo obteve uma significativa expansão nas últimas décadas e se apresenta
como uma alternativa econômica para o Pantanal Mato-grossense,
consolidando-se através da exploração das suas paisagens e da biodiversidade
pantaneira. Ao decorrer da década de 80, houve um maior investimento em
infraestrutura neste setor, destinado quase que por completo para o turismo de
pesca. Na atualidade, outros setores do turismo vêm se desenvolvendo como o
ecoturismo, o turismo rural e o turismo de aventura, além da pesca esportiva
(GIRARD; VARGAS, 2008).
As atividades do ecoturismo são comumente realizadas em consórcio com
fazendas tradicionais, porque podem favorecer a diversidade dos habitats ali
existentes e a disponibilidade das atividades tradicionais culturais, como por
exemplo, o manejo do gado, as músicas, artes tradicionais e a culinária típica.
Para um maior dinamismo deste empreendimento, diversas ações podem ser
7
executadas pelos fazendeiros, como por exemplo, o plantio de árvores frutíferas
nativas, que aumentam a oferta de alimentos para pássaros e pequenos
mamíferos, a perfuração de tanques em locais específicos, que amplia a
disponibilidade de água para o gado e os animais silvestres durante a seca, a
retirada de macrófitas aquáticas, dentre outras ações, que podem resultar em
um benefício mútuo (IRIGARAY et al., 2017).
No entanto, existem algumas lacunas consideráveis entre as múltiplas
percepções e conhecimentos sobre o Pantanal que propõem indagações sobre
a possibilidade do turismo enquanto atividade propulsora do crescimento local
na região, uma vez que o Pantanal pantaneiro é pouco difundido no universo
turístico, fator que limita as perspectivas de promoção de desenvolvimento
endógeno e do consequente empoderamento das comunidades locais, por meio
da consolidação de uma atividade que incentive o diálogo entre os saberes e as
cooperações existentes (GIRARD; VARGAS, 2008).
Outra significativa atividade é a extração mineral do ferro e manganês, além do
calcário no Pantanal Sul e do ouro e diamante no Pantanal Norte. O município
de Corumbá destaca-se devido à natureza de suas rochas, possuindo em seu
território o Maciço do Urucum, que dispõe de grandes reservas minerais com
destaque para o manganês (maior reserva do Brasil) e o ferro (terceira maior do
Brasil). A exploração deste recurso iniciou-se em 1930 e sua extração ocorre
através de minas subterrâneas e o ferro de mina a céu aberto (LAMOSO, 2001).
Estas minas estão entre as maiores do mundo, estimadas em mais de 30 milhões
de toneladas. No entanto, alguns elementos constituem fatores que limitam um
maior aproveitamento econômico da exploração desses minerais, tais como as
condições do transporte ferroviário e hidroviário e a disponibilidade de energia
(BRITO, 2011).
A atividade agrícola, embora tenha pouca expressão como atividade econômica
em decorrência do regime sazonal de inundação da planície do Pantanal e dos
solos empobrecidos nos planaltos. Esta cultura foi historicamente utilizada para
8
reconstituir as áreas de pastagens e/ou para abertura de áreas principalmente
para o cultivo da soja, em que a cultura já avança na parte mais alta da bacia,
com reflexos no ecoturismo, causando assoreamento de rios e prejuízos à
biodiversidade da região, uma vez que a construção de barragens e a crescente
demanda de irrigação para as plantações têm sido responsável por alterações
na dinâmica hidrológica local, interferindo no equilíbrio do sistema (ALTAFIN,
2016).
As ameaças que envolvem indiretamente o ecossistema estão na ausência de
uma legislação apropriada ou pressões econômicas para expandir a produção
de carne bovina por unidade de área, para disputar com as fazendas no cerrado,
ou até mesmo para a construção da hidrovia Paraguai-Paraná que, em primeira
linha, atende ao interesse do agronegócio na bacia do Alto Paraguai de ter uma
modalidade de transporte econômica para seus produtos (IRIGARAY et al.,
2017).
3.2. Características das áreas alagadas e os impactos que elas ocasionam
na superfície
Anualmente cerca de 20% de todo o Pantanal é inundado pelos seus rios durante
a estação chuvosa. A cada ano, grandes regiões do bioma alternam-se de
hábitats aquáticos para terrestres e vice-versa. O ciclo seco e úmido influencia
diretamente na riqueza, diversidade e distribuição das espécies vegetais, numa
ampla adaptação de habitats de inundação, redução da diversidade de habitats
locais e manutenção da diversidade e uma maior heterogeneidade da paisagem
(FRANCO et al., 2013).
As inundações provocam uma série de transtornos na vida das pessoas. Nas
áreas urbanas, as inundações danificam a propriedade, as infraestruturas e as
redes rodoviárias, enquanto as cheias nas áreas rurais causam frequentemente
danos nas colheitas e na perda de gado. As inundações colocam a vida das
pessoas em risco, tanto diretamente através do afogamento, como também
9
interrompendo as comunicações. Por outro lado, as inundações têm um impacto
positivo no meio ambiente. Por exemplo, as águas da enchente fornecem
nutrientes que enriquecem o solo, recarregam as águas subterrâneas e
aumentam a diversidade de espécies aquáticas (ISLAM et al., 2010).
Analisar a extensão temporal e espacial da inundação é importante para a
avaliação das relações entre o regime hídrico, a atividade agrícola local e o
comportamento do ecossistema global. As inundações não afetam apenas os
seres humanos, mas também afetam vários componentes do ecossistema em
questão. Portanto, a compreensão da data de início e a duração das inundações
são de suma importância para a economia deste bioma (ISLAM et al., 2010).
O dinamismo da planície pantaneira tem importante papel na distribuição da
precipitação na bacia hidrográfica do Alto Rio Paraguai, que se apresenta
decrescente no sentido alto-baixo curso. Os valores da pluviosidade variam entre
1.601-1800 mm nas bordas (planaltos) e entre 1401-1600 mm nas áreas
depressivas do rio Paraguai. Isso significa que as inundações no Pantanal
dependem das precipitações que atingem o planalto e do sistema de
escoamento e transporte pelos seus afluentes, ocasionando um efeito cascata
de áreas alagadas (LEANDRO et al., 2017)
O controle de cheias no Pantanal é de grande importância devido ao seu efeito
regulador sobre o rio Paraguai, reduzindo e retardando amplamente a altura do
pico da inundação e, assim, diminuindo o risco de inundação a jusante. Como a
inclinação hidráulica ao logo do rio Paraguai é de 3 a 5 cm por km, e em razão
de afloramentos rochosos, o pulso de inundação se propaga lentamente em
direção ao Sul, causando uma defasagem de 2 a 4 meses entre os picos de
cheias do Pantanal Norte e Pantanal Sul, evitando desta forma, que os dois picos
de cheias ocorram simultaneamente (LEANDRO et al., 2017).
A elaboração do conceito de pulso de inundação ocorreu através de observações
em várias planícies ao redor do mundo, em que Junk et al. (1989) estabeleceram
que o alagamento anual é a principal variável responsável por controlar os
10
diversos processos bióticos e abióticos nas zonas de transição aquático-
terrestres, e assim como em outras planícies de inundação, no Pantanal esses
processos são responsáveis pela regulação da produção primária, da
estruturação das cadeias alimentares e do dinamismo nutricional (GIRARD;
VARGAS, 2008).
De acordo com Reynaldo e Loverde-Oliveira (2015), a inundação é o principal
fator responsável pela regulação dos processos hidrológicos, biológicos,
ecológicos e culturais, desta forma, as atividades antrópicas realizadas no
Pantanal ou à montante tem interação com a dinâmica e a sustentabilidade deste
ecossistema. Desta forma, não apenas a biodiversidade encontrada em cada
ambiente do Pantanal é dependente do pulso de inundação, como também as
atividades socioeconômicas e culturais de todo o bioma.
Assim, o pulso de inundação observado no Pantanal é igualmente responsável
pelas condições do cotidiano das pessoas que ao decorrer dos anos tiveram que
se adequar às oscilações periódicas da cheia-vazante-cheia. Na estação
chuvosa, as pastagens naturais são renovadas, contribuindo para a manutenção
do gado e outros herbívoros, além do mais, a intermitência das inundações
colabora para o revigoramento da avifauna e ictiofauna. Além da rica
biodiversidade, o Pantanal acomoda uma cultura ímpar, denominada de cultura
pantaneira, em que as características presentes nessa sociedade são marcadas
pelo distanciamento das áreas urbanas, eventualmente de maneira isolada
realizando ajustes necessários em relação as tecnologias, mantendo a tradição
da criação de raças bovinas destinadas à produção de carne, ou seja, a pecuária
de corte (GIRARD; VARGAS, 2008).
Desse modo, é possível perceber como é de suma importância o entendimento
acerca das características do regime pluviométrico do pantanal para
compreender a sazonalidade dos períodos de cheias e secas ao longo dos anos
(MORAES et al., 2013). Isto ocorre através do estudo detalhado do início, da
cessação e do comprimento da estação chuvosa que são as variáveis
11
responsáveis por descrever o regime de precipitação de uma determinada
região. Estas são ferramentas de extrema importância para o acompanhamento
dos impactos causados pelo excesso ou ausência prolongada de chuvas nas
diversas áreas do Pantanal (ZHANG et al., 2017).
3.3. Sensoriamento Remoto: detecção de áreas alagadas
O termo Sensoriamento Remoto está interligado ao desenvolvimento de uma
tecnologia de instrumentos capaz de obter imagens da superfície terrestre a
distâncias remotas. Uma conceituação mais científica define o sensoriamento
remoto como uma ciência que objetiva a aquisição de imagens da superfície
terrestre por meio da identificação e medição quantitativa das respostas das
interações da radiação eletromagnética com os objetos da superfície terrestre.
Essa conceituação fica evidente ao afirmar que o objeto imageado é registrado
por um sensor através de medições da radiação eletromagnética refletida ou
emitida (MENESES et al., 2012).
O conjunto de todas as radiações eletromagnéticas, desde o raio gama (alta
frequência) até as ondas de rádio (baixa frequência) forma o espectro
eletromagnético que constitui a ordenação dessas radiações em função do
comprimento de onda e frequência (MOREIRA, 2011). Como se observa na
Figura 3.1, dentre todas as ondas do espectro, os raios gama apresentam a
maior frequência e o menor comprimento de onda.
12
Figura 3.1: Especto Eletromagnético.
Fonte: DIONÍSIO (2017).
No contexto da interação da radiação eletromagnética com os alvos, as
assinaturas espectrais são uma combinação específica de radiação
eletromagnética refletida e absorvida em comprimentos de onda variáveis que
podem identificar exclusivamente um objeto. Isto é, de acordo com as
características biofísicas e químicas dos objetos da superfície terrestre como a
vegetação, a água e o solo, a reflectância, absorção e transmissão da radiação
eletromagnética variam com o comprimento de onda e, em decorrência dessas
variações, se faz possível a distinção dos objetos presentes nas imagens de
satélite (FLORENZANO, 2011).
As imagens de sensoriamento remoto podem ser uma ferramenta eficiente para
a determinação de áreas de inundação (ISLAM et al., 2010). Segundo Alves
(2015), nos últimos anos é crescente o uso de geotecnologias para a análise das
áreas úmidas. Este fez um importante levantamento dos trabalhos que utilizam
das geotecnologias voltado para essa temática.
13
Na literatura internacional, encontram-se diversos trabalhos de mapeamento de
áreas alagadas, como, por exemplo, os trabalhos de Islam et al. (2010) em
Bangladesh, Davranche et al. (2010) na França; Dezetter et al. (2011) na África;
Gong et al. (2011) e Tian et al. (2015) na China, Power et al. (2012) no Canadá
e Auynirundronkool et al. (2012) e Kotera et al. (2015) na Tailândia. No Brasil,
destacam-se os estudos realizados nas áreas úmidas da Amazônia de Arnesen
(2012) e Furtado et al. (2015). Na planície do Pantanal, encontram-se trabalhos
de diversos autores como Santos et al. (2009), Padovani (2010), Arieira, et al.
(2011), Andrade et al. (2012), Moraes et al. (2013), Antunes; Esquerdo (2014),
Evans, et al.(2014), Silveira (2015) e Alves (2015).
O trabalho realizado por Santos et al. (2009) efetuou a identificação das áreas
alagadas do Bioma Pantanal a partir das variações espaciais e temporais dos
valores do índice de vegetação (EVI) extraídos das imagens do sensor Moderate
Resolution Imaging Spectroradiometer (MODIS). Os autores classificaram como
eficiente a utilização de imagens multitemporais e análise por componentes
principais para o mapeamento de áreas que apresentam comportamento
sazonal o que tornou possível o mapeamento das alterações nas propriedades
físico-biológicas dos múltiplos alvos presentes na cena. Além de verificar as
áreas mais propícias a alagamento durante o período para a região de estudo.
Arieira et al. (2011) utilizou técnicas sofisticadas de classificação estatística,
interpolação e propagação de erros para descrever padrões espaciais de
vegetação, mapear a distribuição da comunidade de plantas e avaliar a
capacidade de abordagens estatísticas para produzir mapas de vegetação de
alta qualidade de zonas úmidas no Pantanal. Em seus resultados, os autores
confirmaram que o uso de sensoriamento remoto foi um método de interpolação
espacial que reduziu a incerteza na vegetação mapeada, e foi capaz de explicar
uma parte significativa da variação espacial na vegetação.
O trabalho de Andrade et al. (2012), teve como objetivo avaliar parâmetros
biofísicos de superfície do Bioma Pantanal com a aplicação de geotecnologias
14
através do algoritmo Sebal (“surface energy balance algorithm for land”),
imagens do sensor Modis e o mapa de classes de uso e cobertura da terra. Os
autores avaliaram que os dados obtidos para NDVI, temperatura da superfície,
albedo, fluxo de calor sensível diário, saldo de radiação diário e
evapotranspiração real diária foram consistentes com dados de literatura para os
diferentes usos e cobertura da terra, e corroboram a eficiência da capacidade
analítica e sinóptica das estimativas do Sebal.
Moraes et al. (2013) efetuou o monitoramento das áreas inundadas e da
precipitação no Pantanal e para isso, foram utilizadas imagens do sensor
MODIS, produtos MOD43B3, e do satélite TRMM produtos 3B43 V7 para os anos
de 2000 a 2012. Estes destacaram que uso de imagens de satélites permitiu o
monitoramento regime de precipitação e o pulso de inundação do bioma
Pantanal. Além de possibilitar a espacialização dos índices de precipitação
obtidas através do TRMM o que proporcionou a identificação de áreas que
poderiam sofrer maiores impactos devido ao stress provocado pelas chuvas.
Zarista (2013) realizou o monitoramento da dinâmica de inundação no pantanal
norte, cujo objetivo foi validar o desempenho dos índices LSWI e EVI do produto
MOD13Q1 para o monitoramento da inundação na área do Sítio de Amostragem
de Longa Duração (grade SALD) Pirizal no Pantanal Norte. Os modelos
mostraram que os valores gerais são satisfatórios tanto para EVI quanto para
LSWI, mas quanto aos valores gerados nos clusters estes precisam do índice
EVI para demonstrar a qualidade do modelo na classificação, e que
considerando as limitações de sensores óticos para detecção de alagamento em
áreas vegetadas, os índices EVI e LSWI do MODIS mostraram-se eficientes para
o monitoramento de áreas alagadas.
Antunes e Esquerdo (2014) aplicaram uma metodologia de classificação sub-
pixel utilizando séries temporais de dados MODIS para quantificar as áreas
inundadas do Pantanal. Para isso, utilizaram o algoritmo da rede neural Fuzzy
ARTMAP baseado na medida de Compromisso CMT (Commitment), que
15
expressa o grau de compromisso de um pixel em relação a uma determinada
classe, nesse caso a classe Água. Posteriormente, foi realizada a quantificação
de áreas inundadas a partir da multiplicação da área do pixel MODIS pelo
somatório das medidas CMT Água dos pixels internos aos limites vetoriais do
Pantanal. Os autores concluíram que quando comparada à simples contagem
de pixels, classificados a partir de métodos tradicionais de mapeamento, as
medidas CMT tendem a apresentar estimativas mais confiáveis, ao considerar
que um pixel pode ser constituído por diferentes proporções de água e por outras
coberturas. Além disso, os dados da banda do infravermelho médio do MODIS
possibilitaram o monitoramento de áreas propensas a inundação no Pantanal
durante os anos hidrológicos de 2007/2008 e 2008/2009.
Evans et al. (2014) fizeram uma abordagem de algumas das limitações
encontradas em diversos trabalhos cujos mapas de classificação resultantes
foram restritos, definindo em escala regional os habitats de zonas úmidas de
cada uma das sub-regiões hidrológicas do Pantanal, produzindo assim um
produto final que abrange todo o Pantanal, utilizando um conjunto de imagens,
adquiridas durante um ciclo hidrológico. Os resultados de acurácia da
classificação geral foram de 80% e estão dentro das faixas gerais de exatidão
relatadas por estudos semelhantes em áreas úmidas. Ou seja, os autores
constataram uma melhora em relação aos mapas de classificação anteriores do
Pantanal, especificamente, aqueles produzidos por Evans et al. (2010).
No ano seguinte, Silveira (2015), realizou em sua tese a análise do desempenho
de produtos MODIS para modelagem da dinâmica de inundação do Pantanal
Mato-Grossense através de séries temporais dos produtos do Índice de
Vegetação (MOD13Q1) e Uso e Ocupação da Terra (MCD12Q1) provenientes
do sensor MODIS, de um recorte de cerca de 8.400 km² na planície setentrional
do Pantanal Mato-grossense. Este encontrou uma acurácia da classificação
obtida no ajuste do modelo (validação interna) de 89,2%, enquanto na validação
externa foi de 77,2%. O uso e ocupação da terra mostrou-se um fator
determinante na acurácia do modelo, levando a classificações erradas do tipo
16
falso positivo e falso negativo. O período hidrológico foi outra variável que
também influenciou o desempenho do modelo. Os erros de classificação
ocorrem com maior frequência durante os períodos de transição (enchente e
vazante), possivelmente em decorrência à irregularidade da superfície do terreno
compreendida dentro de cada pixel, associada à imprecisão dos valores de
inundação obtidos pela interpolação/extrapolação das medidas obtidas através
das réguas.
Ainda, o trabalho de Alves (2015), que ao mapear as variações espaciais e
temporais das inundações dos campos alagáveis com emprego de imagens
orbitais no Pantanal Norte, analisou a sua influência sobre o manejo da pecuária.
Por meio dos resultados obtidos durante a pesquisa o autor confirma a
geotecnologia como ferramenta importante de interpretação das áreas alagadas
e salienta que esta foi fundamental para o entendimento do manejo da pecuária
tradicional. O modelo de produção da pecuária é estreitamente relacionado às
variações nas precipitações, aos tipos físicos do relevo, aos fluxos e direção da
água na planície, e especialmente a alternância das fases de águas baixas e
altas no Pantanal.
Dos inúmeros trabalhos avaliados, a maioria dos autores utilizam dados do
MODIS, com resolução de 250 a 500 m, para o mapeamento de áreas alagadas.
Dentre os diversos índices para detecção de superfícies úmidas/alagadas que
os autores utilizam para o mapeamento de áreas alagadas, citam-se os índices
de vegetação e água por diferença normalizada (NDVI e NDWI) e o índice de
umidade da superfície terrestre (LSWI), que se destacou pela elevada
sensibilidade ao teor de umidade presente no solo e no dossel de vegetação
(ALVES, 2015).
Diversos autores supracitados constataram o sensoriamento remoto como uma
tecnologia alternativa viável e pertinente para monitoramentos de longo prazo
em estudos de recursos naturais, notadamente em ambientes inundáveis.
Segundo Moraes et al. (2012), a utilização de imagens orbitais permite ao
17
pesquisador o desenvolvimento de cálculos capazes de estimar as áreas que
são influenciadas pelo pulso de inundação em toda sua extensão territorial.
Os dados provenientes de satélites são também uma alternativa para a obtenção
de dados climatológicos de extensas áreas, considerando-se que os dados
observados em estações meteorológicas são escassos. A compreensão acerca
da ocorrência espacial e temporal da precipitação permite o entendimento do
dinamismo das áreas alagadas, além de melhorar a gestão dos recursos
hídricos, tanto no aspecto ambiental no que diz respeito às enchentes e
estiagens, quanto ao suprimento de diversos setores. (BERNARDI, 2016).
Estudos que buscam compreender a sazonalidade dos períodos de cheias e
secas ao longo do ano utilizam a análise detalhada do início, da cessação e do
comprimento da estação chuvosa, que são as variáveis responsáveis por
descrever o regime de precipitação de uma determinada região, a exemplo estão
os trabalhos de Zhang et al. (2017) e Dunning et al. (2016).
Objetivo de Zhang et al. (2017), foi a de analisar variáveis do regime de chuvas
que exigem observações diárias: início, cessação e duração da estação
chuvosa; quantidade de precipitação sazonal; número de dias
chuvosos; intensidade e frequência de eventos de precipitação; comprimento e
duração cumulativa de períodos de seca a partir de observações diárias usando
estimativas de satélite ARC2 e MSWEP e dados de pluviômetro para
compreender mudanças espaço-temporais no regime de chuvas de Sahel no
período de 1983 a 2015. No geral, a maioria das variáveis de precipitação
estimadas a partir do ARC2 foi considerada consistente com os dados da
estação e com a cobertura global do conjunto de dados do MSWEP, exceto pelo
número de observações diárias de pequenos eventos de precipitação
(<10 mm dia −1). Entretanto, a análise das estimativas de precipitação diária de
ARC2 é considerada valiosa para melhorar a compreensão das tendências
espaço-temporais no regime de chuvas de Sahel, embora com alguma cautela
para variáveis que exigem diretamente o cálculo do número de eventos de
18
precipitação diários. A consistência entre as tendências nas variáveis ARC2 e
MSWEP sugere que as análises do regime de chuvas podem ser conduzidas
para outras áreas de terra seca do mundo, onde as mudanças espaço-temporais
na precipitação deverão ter impactos profundos sobre os meios de subsistência.
O objetivo de Dunning et al. (2016), foi a elaboração de um método com a
finalidade de determinar o tempo de início e cessação das chuvas estendido a
toda a África, método este que foi seguido como referência para a estudo do
comprimento da estação chuvosa do bioma Pantanal. A metodologia utilizada
por este autor consistiu em avaliar a sazonalidade a seis conjuntos de dados da
precipitação africana. Os resultados alcançados demonstraram forte
concordância na representação no ciclo sazonal em todos os cinco conjuntos de
dados baseados em satélites, com concordância moderada no conjunto de
dados de reanálise, e a robustez do método de anomalias cumulativas de
precipitação média diária para determinar o comprimento da estação chuvosa e
capturar a progressão física correta das chuvas sazonais. Isso demonstra que
este método é adequado para uso em estudos futuros, incluindo análise de
mudanças climáticas e verificação de modelo. Ambos autores compartilham que
as variáveis responsáveis por descrever o regime de precipitação de uma
determinada região são ferramentas imprescindíveis para o monitoramento dos
impactos provenientes do excesso ou escassez da precipitação em diversas
áreas.
19
4 ÁREA DE ESTUDO
4.1 Localização
A área de estudo abrange o bioma Pantanal, que se encontra na bacia do Alto
Paraguai no Brasil, ocupando uma área de 250.000 Km², fazendo divisa ao norte
com o Paraguai e a leste com a Bolívia (Chaco Boliviano), englobando parte dos
estados de Mato Grosso e Mato Grosso do Sul, localizado nas coordenadas
geográficas 22º 10’ S e 15º 30’ S; 59º 15’ W e 54 º 50’ W, conforme Figura 4.1.
Figura 4.1. Localização da área de estudo do Bioma Pantanal
20
Pertencem ao Pantanal mato-grossense e sul-mato-grossense 23 municípios,
sendo Corumbá, Poconé, Cáceres e Aquidauana considerados os que mais
contribuem em área para a formação do Pantanal, com destaque para a primeira
cidade mencionada (FERREIRA, 2013), conforme Figura 4.2.
Figura 4.2. Municípios do Bioma Pantanal
O município de Corumbá pertence ao Estado do Mato Grosso do Sul, possui
uma extensão territorial de 64.963 km² e abriga uma população de 103.772
habitantes em sua maior parte (90,1%) situada nas áreas urbanas e apenas
9,8% nas áreas rurais (IBGE, 2010). Na área econômica, o setor que mais se
21
destaca é o de serviços, sobretudo voltado para o turismo, sendo o Rio Paraguai
o atrativo principal. As atividades industriais e agropecuárias apresentaram um
crescimento significativo nestes últimos anos. A atividade de pecuária de
Corumbá sobressai por possuir o segundo maior rebanho do Brasil, com mais
de 1,7 milhão de cabeças de gado bovino (IBGE, 2015).
Aquidauana, situada no Pantanal (Microrregião de Aquidauana), possui uma
extensão territorial de 16.958 km² e uma população de 45.623 habitantes, sendo
que 78.8% dos moradores estão nas áreas urbanas e 21.9 % nas áreas rurais,
e em relação a sua economia, o setor mais representativo é o de serviços (IBGE,
2010). É importante salientar que o turismo compreende o setor de serviços.
Porém, essa atividade desenvolve-se em fazendas distantes da área urbana e
de difícil acesso destinado a alta classe social (PAULO, 2011).
Dos municípios situados em Mato Grosso, Poconé possui uma extensão
territorial de 17.271 km², com uma população de 31.778 habitantes em que mais
de 70% estão estabelecidos em áreas urbanas, enquanto 27,4% nas áreas rurais
(IBGE, 2010). No setor econômico, destacam-se o setor de serviços seguido pela
atividade agropecuária, que é acentuada em razão da criação de gado, e forte
presença da indústria extrativa mineral. Este município não recebe uma grande
quantidade de turistas, sendo mais considerado como um ponto de passagem
devido a facilidade de chegar na transpantaneira e, consequentemente, adentrar
em áreas naturais do Pantanal, onde turistas se hospedam nas áreas rurais
(PAULO, 2011).
O município de Cáceres, situado nas margens do rio Paraguai, na divisa com a
Bolívia, possui extensão territorial de 24.351 km², abrigando uma população de
87.912 habitantes, onde 87,1% da população pertence a área rural e apenas
12,8% estão na zona urbana e possui o setor de serviços como base de seu PIB
(IBGE, 2010). Ainda segundo Paulo (2011), em relação aos atrativos turísticos
destaca-se o turismo de pesca, de grande importância municipal.
4.2. Caracterização ambiental
22
O bioma Pantanal está localizado, em maior parte, dentro de uma bacia
sedimentar, composta por um mosaico de leques aluviais originários do
Pleistoceno (11.000 a 1.8 milhões de anos), inundado sazonalmente, cercado
por terras altas circundada pelos planaltos de Maracaju-Campo Grande e
Taquari-Itiquira a leste, Guimarães e Parecis a norte, Urucum-Amolar a oeste e
Bodoquena a sul. Corresponde a uma bacia sedimentar ativa, que está sendo
preenchida por um trato deposicional tomado por sedimentação aluvial, onde o
rio Paraguai realiza a captação das águas de vários megaleques, sendo o
Taquari o maior deles (ASSINE et al., 2015).
Destaca-se a geomorfologia do leque aluvial do Rio Taquari, com cerca de 50
mil Km², equivalente a 40% de toda a planície pantaneira, o que o coloca em um
dos maiores leques aluviais do mundo, assinalado por um complexo de
paleocanais distributários. Esse baixo gradiente topográfico tem relação direta
com o soerguimento andino durante o último evento compreensivo, por volta de
2,5 milhões de anos. Este evento, chamado de furebulge é a denominação para
uma área soerguida adjacente a uma região deprimida (ABDON et al., 2005).
Os aspectos geológicos e geomorfológicos são importantes para compreender
as grandes e frequentes inundações do Pantanal, o que o torna um wetland, isso
significa uma área em que grande parte do ano permanece alagada e este fator
propicia a geração de um rico ecossistema, fazendo com que se torne uma das
sete áreas úmidas mais importante do planeta (ASSINE et al., 2015).
A hidrografia do Pantanal, conforme Figura 4.3, encontra-se localizada na Bacia
do Alto Paraguai (BAP) e ocupa uma área de aproximadamente 345.000 Km² no
território brasileiro, sendo composta principalmente pelo rio Paraguai e seus
afluentes: São Lourenço e Cuiabá ao norte e Miranda, Taquari, Coxim e
Aquidauana ao sul, além de possuir rios de menores extensões como o
Nabileque, Apa e Negro, formando a rede hidrográfica de todo o complexo
pantaneiro (SILVA, 2011).
23
Figura 4.3: Rede hidrográfica da Bacia do Alto Paraguai.
A Bacia do Alto Paraguai possui três regiões bastante distintas, sendo elas o
Planalto, o Pantanal e o Chaco. O Planalto é uma região relativamente alta, com
altitudes acima de 200 m, podendo alcançar até 1400 m, situada na região leste
da bacia, quase inteiramente em território brasileiro, onde a drenagem se
caracteriza por ser bem definida e convergente (ANA, 2006).
O Pantanal constituí uma vasta superfície rebaixada, com dois aspectos
geomorfológicos distintos, ou seja, as planícies e as áreas de acumulação
inundáveis. A planície de inundação compreende as planícies fluviais e fluvio-
lacustres, relacionando-se, assim, ao rio Paraguai e seus afluentes. As áreas de
acumulação inundáveis localizam-se em posição interfluvial, em relação à
drenagem (SOUZA et al., 2006).
24
O processo de inundação alimenta um intrincado sistema de drenagem que inclui
baías, pequenos lagos que secam sazonalmente; vazantes, caracterizadas
pelas drenagens de enchentes pararias com areia ou grama curta; corixos, que
conectam áreas inundadas; e lagos doces e salinos. Esta região apresenta cotas
altimétricas que variam entre 80 e 150 m e, conforme supracitado, foi formada
pelo rebaixamento de uma grande região, simultaneamente ao surgimento da
Cordilheira dos Andes (EVANS et al., 2014).
Finalmente, o Chaco, situado a oeste da fronteira do Brasil, é uma região baixa
onde a precipitação é inferior a 1000 mm por ano e onde há grandes áreas com
drenagem endorréica, que encerra em banhados ou lagos, ou sem sistema de
drenagem definido (ANA, 2006).
Segundo a classificação de Köppen, o clima do Pantanal recebe a sigla “Aw”,
em que a letra “A” corresponde ao clima tropical semiúmido a úmido. A letra “w”
relaciona-se ao período seco no inverno, com temperatura média anual entre 22°
e 26 C°. A região tem como uma de suas características principais a presença
de dois períodos climáticos bem definidos: a estação das chuvas de outubro a
abril, quando ocorre de 70 a 80% da precipitação, e a estação da seca, com
ausência quase total das chuvas e baixa umidade relativa. No verão é comum
temperaturas acima de 38ºC, enquanto os meses de inverno a média é de 18ºC
(ANA, 2004).
Os solos do Pantanal estão associados ao hidromorfismo, isto ocorre devido à
deficiência do arejamento por conta do excesso de água. Desta forma, os solos
sofrem interferência direta em relação à natureza do material de origem e pelo
regime de inundações periódicas a que estão sujeitos. Por este motivo, possuem
características que o diferenciam, como a extrema pobreza em bases trocáveis,
a saturação de sódio significativamente elevada e a sua constituição arenosa a
argilosa que se expande e sofre mudanças textuais abruptas em profundidade,
fatores que implicam diretamente no seu uso, seja limitando para o cultivo, ou
25
restringindo o seu uso apena para o aproveitamento das pastagens nativas como
a pecuária extensiva (FURQUIM et al., 2017).
A vegetação da área de estudo, segundo dados do MMA (2007), é composta por
fitofisionomias florestais que respondem por 5,07% da área do bioma, enquanto
as fitofisionomias não-florestais respondem por 81,7% da área do Pantanal. A
Savana (Cerrado) predomina em 52,6% do bioma, seguida por contatos
florísticos, que ocorrem em 17,60% da área.
A região correspondente a fitofisionomias florestais subdivide-se em Floresta
Estacional Semidecidual e Floresta Estacional Decidual. O conceito ecológico da
Floresta Estacional Semidecidual é definido em função da ocorrência de clima
estacional que determina semideciduidade da folhagem da cobertura florestal.
Na extensão tropical, associa-se à região marcada por forte seca no inverno e
por intensas chuvas de verão (IBGE, 2010).
O tipo de formação encontrada com maior frequência na grande depressão
pantaneira mato-grossense-do-sul, às margens dos rios da BAP é a Floresta
Estacional Semidecidual Aluvial. Nesta, destaca-se a presença de plantas de
porte médio, variando entre 20 e 30 m de altura, como por exemplo, o Amburana
acreana Ducke, vulgarmente conhecido como cerejeira, de grande valor
econômico-madeireiro (IBGE, 2010).
A savana é considerada como uma vegetação xeromorfa, sob ocorrência em
distintos tipos climáticos, preferencialmente de clima estacional
(aproximadamente 6 meses secos). Esta foi subdividida em quatro subgrupos de
formação: Florestada; Arborizada; Parque; e Gramíneo-Lenhosa. Em geral
encontra-se as várias formações campestres, que em conjunto com a vegetação
gramíneo-lenhosa baixa, alternam-se pequenas árvores isoladas, capões
florestados e galerias florestais ao longo dos rios, mostrando uma grande
variabilidade estrutural e, em consequência, grandes diferenças em porte e
densidade, no que também influi a intensidade da ação antrópica (IBGE, 2010).
26
As áreas de contato florísticos, ou áreas de tensões ecológicas como é
comumente conhecido, ocorrem quando são encontradas duas ou mais regiões
fitoecológicas. Podem ser classificadas de duas maneiras, em ecótonos, quando
existem na maioria das vezes comunidades indiferenciadas entre duas ou mais
regiões fitoecológicas, onde as floras se interpenetram, estabelecendo as
transições florísticas. A segunda classificação refere-se ao “mosaico de áreas
edáficas”, no qual cada encrave guarda sua identidade ecológica sem se
misturar. Na área de estudo são encontrados os contatos entre Floresta
estacional semidecidual, Floresta estacional decidual, Savana e Savana
estépica (IBGE, 2010).
Conforme a ocupação antropogênica, os padrões vão se alterando, ou seja, a
cada nova composição promove novas linhas de evolução, novos mecanismos
e novos condicionantes. Estes por sua vez são originados pelas forças atuantes
da natureza e se manifestam por variações de longas datas e são responsáveis
por explicar a construção e transformação de paisagens. Cada uma delas retrata
uma vulnerabilidade à ação do homem, devido às características e funções de
seus componentes que podem ser observados em uma microescala ou
macroescala, capazes de conduzir direta ou indiretamente desastres ou
situações indesejáveis ao ser humano (SANTOS, 2007).
De acordo com Pereira et al. (2012), as vulnerabilidades ambientais, além de
modificar o dinamismo da paisagem, alteram a competência do meio em
responder aos processos naturais. Em relação à vulnerabilidade ambiental das
unidades de paisagem do Bioma Pantanal, esta pode ser classificada de acordo
com as fitofisionomias, unidades morfométricas e solos. As áreas que
apresentam baixa fragilidade ambiental estão situadas em planícies de
deposição aluvial, em maioria de declividade plana a baixa (0 a 2,5%), com
depósitos de aluviões recentes e terraços mais antigos do Holoceno e com
predominância de Savana/Savana Lenhosa.
27
As áreas com altitude entre 50 a 250 metros, sobretudo na região de deposição
aluvial do leque do Rio Taquari e em planícies não inundáveis, apresenta uma
média fragilidade ambiental. Ainda, as regiões localizadas nas planícies aluviais
e regiões montanhosas de média a alta declividade, como as superfícies
montanhosas, com a presença de solos do tipo Planossolo Háplico, Gleissolo
Háplico e Argissolo Vermelho Amarelo são áreas que apresentam graus
elevados de fragilidade ambiental (PEREIRA et al., 2012).
28
5 MATERIAIS E MÉTODOS
5.1 Materiais utilizados
Neste trabalho as imagens de satélites foram utilizadas para o mapeamento das
áreas alagadas e para as análises de dados climatológicos. Na Tabela 5.1 pode
ser visualizado as informações a respeitos dos produtos que foram utilizados.
Tabela 5.1 - Dados sobre os satélites utilizados.
Período Satélites Agência Lançamento Sensor
2000 a
2011
Landsat 5
NASA
01/03/1984 TM
Landsat 7 15/04/1999 ETM+
2012 Resourcesat -
1
ISRO 17/10/2003 LISS - III
2013 a
2016
Landsat 8 NASA 11/02/2013 OLI
2000 a
2017
CHIRPS USGS/EROS 1981 ---
As cenas do Landsat 5 e 8 foram obtidas através do serviço geológico americano
- United States Geological Survey (USGS), da plataforma Earth Resources
Observation and Science (EROS) - Science Processing Architecture (ESPA). As
cenas provenientes do Resoucesat-1 tiveram sua aquisição na Divisão de
Geração de Imagens (DGI) que faz parte da Coordenação Geral de Observação
da Terra (OBT) do Instituto Nacional de Pesquisas Espaciais (INPE). Os dados
do CHIRPS foram adquiridos através do Climate Hazards Group (CHG) da
Universidade de Santa Bárbara, que trabalha em estreita colaboração com
parceiros como a USGS e National Aeronautics and Space Administration
(NASA).
5.1.1. Imagens Landsat
29
Em julho de 1972 ocorreu o lançamento do primeiro satélite chamado Earth
Resources Technology Satellite (ERTS1) pela NASA nos Estados Unidos. Após
o lançamento, o ERTS 1 foi renomeado de Landsat. Os satélites Landsat são
destinados à análise ambiental, possuindo inúmeras aplicabilidades para o
monitoramento das mudanças do uso e cobertura da Terra. De 1972 em diante,
foram lançadas as séries Landsat 1, 2, 3, 4, 5, 7 e 8 (USGS, 2018).
A órbita dos satélites Landsat é Sol-síncrona e quase polar. Está posicionada a
705 km de distância em relação a superfície terrestre no Equador. A resolução
temporal é de 16 dias e a largura da faixa imageada é de 185 km (USGS, 2018).
O sensor Thematic Mapper (TM), a bordo do satélite Landsat 5 possui 7 bandas
espectrais, sendo que as bandas 1, 2, 3, 4, 5 e 7 possuem resolução espacial
nominal de 30 metros e a banda termal 6 possui resolução espacial nominal de
120 metros. A resolução radiométrica é de 8 bits. O sensor Enhanced Thematic
Mapper Plus (ETM+) do Landsat 7 possui 8 bandas espectrais, sendo que as
bandas 1, 2, 3, 4, 5, 6, 7 possuem resolução espacial nominal de 30 metros e a
banda 8 (pancromática) possui resolução espacial nominal de 15 metros. A
resolução radiométrica é de 8 bits e a resolução temporal é de 16 dias. É
importante salientar que a utilização de algumas cenas proveniente deste sensor
(ETM+) ocorreu somente no período de 2000 a maio de 2003, resultado de um
problema técnico a bordo do Landsat 7, em que as imagens apresentaram falhas
de sincronismo do scanner (USGS, 2018), inviabilizando o uso para outras datas.
O sensor Operational Land Imager (OLI) do satélite Landsat 8 possui 11 bandas
espectrais, sendo que as bandas 1, 2, 3, 4, 5, 6, 7 e 9 possuem resolução
espacial nominal de 30 metros, as bandas termais 10 e 11 possuem resolução
espacial nominal de 100 metros e a banda 8 (pancromática) possui resolução
espacial nominal de 15 metros. A resolução radiométrica é de 12 bits e a
resolução temporal é de 16 dias. O mosaico das cenas das imagens proveniente
da série Landsat contendo as informações das órbitas/pontos podem ser
visualizados abaixo na Figura 5.1:
30
Figura 5.1. Mosaico de cenas das imagens do satélite Landsat
5.1.2. Imagens Resourcesat -1
Devido ao encerramento da vida útil do Landsat 5 no ano de 2011, as cenas
utilizadas para o ano de 2012 foram provenientes do satélite Resourcesat – 1
(sensor LISS-III) da Agência espacial indiana, que possui 4 bandas espectrais,
com uma resolução espacial nominal de 23,5 metros. A resolução radiométrica
é de 7 bits, a resolução temporal é de 24 dias e a área imageada é de 141 km.
A composição das cenas que englobam a área estudada pode ser visualizada
na abaixo na Figura 5.2:
31
Figura 5.2. Mosaico de cenas das imagens do satélite Resourcesat-1
5.1.3. Dados de Precipitação – CHIRPS
O produto proveniente do CHIRPS foi lançado em 1981 através de uma parceria
conjunta entre a USGS e a EROS. O CHIRPS estima as variações de
precipitação no espaço e no tempo fornecendo dados confiáveis, atualizados e
mais completos para o monitoramento do regime hidrológico (FUNK, 2015).
As informações coletadas pelo satélite CHIRPS abrangem uma vasta área,
compreendida entre 50º N e 50º S. Os dados são fornecidos nos formatos
NetCDF, GeoTiff e Esri BIL. As unidades são em milímetros (mm) por período
32
de tempo, por exemplo, mm por dia, mm por pentada (chuva acumulada a cada
cinco dias), mm por mês.
A resolução espacial é de 0,05° x 0,05° (~5 km). O CHIRPS emprega o produto
TMPA 3B42 do satélite Tropical Rainfall Measuring Mission (TRMM) para calibrar
as estimativas de precipitação através dos dados de nuvens (cold cloud duration
– CCD), além disso, o produto incorpora dados de precipitação de satélites
geoestacionários quase-globais do CPC e do Sistema Nacional de Previsão
Climática versão 2 (CFSv2) e observações de precipitação in situ (FUNK, 2015;
BAYISSA et al., 2017).
Após o download de todos os dados, estes foram inseridos no aplicativo GrADS,
que é uma ferramenta interativa usada para facilitar o acesso, manipulação e
visualização de dados climatológicos, possibilitando a análise das anomalias
climáticas e elaboração de diversos dados sobre a precipitação para os anos de
2000 a 2016.
5.2. Procedimentos Metodológicos
Para o mapeamento das áreas alagadas, optou-se por utilizar as cenas que
correspondiam ao final do período da estação chuvosa, entre março e abril, no
entanto, devido à ocorrência de nuvens nas cenas dos meses supracitados,
algumas cenas dos meses anteriores e/ou posteriores também foram utilizadas.
Desta forma, optou-se por utilizar as cenas correspondente ao final da estação
chuvosa do Landsat e Resourcesat-1, com exceção dos meses secos (Junho a
Novembro).
5.2.1. Aplicação do Modelo Linear de Mistura Espectral (MLME)
Na aquisição de dados por sensoriamento remoto orbital existe uma grande
diversidade de alvos na composição de cada pixel. A mistura espectral ocorre
quando um mesmo pixel inclui duas ou mais classes espectrais, denominadas
de endmembers, ou seja, compreendem a mistura da assinatura espectral de
33
elementos da superfície. Desta forma, uma das técnicas utilizadas para
identificar esses pixels ou alvos puros consiste do uso do Modelo Linear de
Mistura Espectral (MLME), que decompõe a mistura espectral dos alvos em cada
pixel em termos da proporção para cada endmember selecionado. Neste
contexto, o objetivo do MLME é estimar a fração da área do pixel ocupada por
cada um dos membros de referência (SHIMABUKURO; SMITH, 1991).
Este modelo realiza a conversão da informação espectral em informação física,
ou seja, valores proporcionais das componentes no pixel. A imagem que contém
a fração vegetação irá evidenciar a cobertura vegetal; a fração solo realça as
superfícies de solo exposto; a fração sombra/água enfatiza as áreas que contem
corpos hídricos, áreas queimadas, alagadas etc. É importante salientar que a
imagem fração sombra ou água são assim denominadas porque possuem
respostas espectrais similares (MOREIRA, 2011).
Assim, ao analisar uma área alagada, por exemplo, os pixels puros
(endmembers) a serem utilizados como dados de entrada serão selecionados
diretamente na imagem a partir de pixels que possuam resposta espectral mais
próxima da curva teórica esperada para alvos puros, neste caso a Água. Os
endmembers geralmente utilizados para cada conjunto de dados referem-se às
imagens fração vegetação, solo e sombra, conforme Equação 5.1:
ρi = a*vegi + b*soloi + c*sombrai + e (5.1)
em que ρi é a resposta da reflectância do pixel na banda i; a, b e c são as
proporções de vegetação solo e sombra, respectivamente; vegi, soloi e sombrai
são as respostas espectrais das componentes vegetação, solo e sombra (ou
água), respectivamente; e “i” é o erro na banda i.
Assim, o MLME foi aplicado nas cenas do Landsat 5, Landsat 8 e Resourcesat-
1 para obter a fração sombra, que realça as áreas alagadas por serem alvos de
34
baixa reflectância. Para a extração dos endmembers foi utilizado o programa
Environment for Visualizing Images (ENVI) e, posteriormente, o MLME foi obtido
a partir de um script criado no Interactive Data Language (IDL), para que o
processamento fosse aplicado para todas as imagens restantes utilizando os
mesmos endmembers coletados de cada uma das cenas dos produtos
supracitados a partir de um processo automatizado no IDL.
5.2.2. Mapeamento das áreas alagadas
Após a aquisição das frações-sombra, estas foram inseridas novamente no
programa ENVI, e a partir da definição de um limiar mínimo de 0,6 de acordo
com as análises as áreas alagadas foram geradas. Ressalta-se que as imagens
do sensor TM e OLI já estavam ortorretificadas e georreferenciadas. Desta
forma, apenas, as imagens do ano de 2012 do sensor LISS-III foram
geometricamente corrigidas, processo que será explicado no próximo tópico. A
etapa seguinte foi realizada no SPRING, através da criação de bancos de dados
com toda a base adquirida. Desta forma, o banco de dados constituiu-se de
imagens do sensor LISS-III para o ano de 2012 e imagens do sensor TM e OLI
para demais anos e o sistema de projeção utilizado foi o UTM/WGS84.
Para facilitar a delimitação das áreas alagadas na composição colorida, foi
aplicado o contraste com realce por falsa-cor, por meio da manipulação do
histograma da imagem. Para as imagens do sensor TM utilizou-se a composição
3B4G5R, nas imagens LISS-III utilizou-se a composição 2B3G4R e nas imagens
do sensor OLI a composição utilizada foi 4B5G6R, o que permite a melhor
visualização das áreas alagadas.
O recurso de contraste propicia a diferenciação dos alvos nas imagens, através
de modificações de funções matemáticas dos níveis de cinza ou valores digitais
de uma imagem, de modo a realçar determinadas informações espectrais
aumentando a qualidade visual, favorecendo a análise do intérprete
(NASCIMENTO, 2012). Embora o resultado proveniente desta técnica possa
produzir imagens cujas cores não correspondam aos valores espectrais reais de
35
cada elemento presente na cena, o realce pode aumentar consideravelmente a
qualidade visual das imagens (PEDRINE; SCHAWARTZ, 2008).
Após aplicação do contraste, foi realizada a importação das imagens
classificadas no ENVI das áreas alagadas. Após a inserção das imagens
classificadas, foi criado um plano de informação temático denominado
hidrografia, com a classe temática água para a posterior edição manual do
mapeamento de eventuais áreas alagadas não classificadas e classificadas
erroneamente. Salienta-se que neste processo todas as cenas foram
visualmente analisadas em toda a sua extensão de maneira a evitar a inclusão
de corpos hídricos e/ou áreas alagadas que poderiam ser facilmente confundidas
com a sombra do relevo e nuvens.
5.2.3. Georreferenciamento e compatibilização dos dados do sensor Linear
Imaging Self-Scaner (LISS-III) do satélite Resourcesat-1para o ano de
2012
Após a aquisição de todas imagens do sensor LISS III, as mesmas foram
inseridas no software Exelis Visual Information Solutions (ENVI), para o
procedimento de georreferenciamento, em que todas as imagens foram
geometricamente corrigidas por meio do modelo polinomial de primeiro grau e
interpolador vizinho mais próximo, que possibilita a comparação multitemporal
das imagens provenientes de satélites distintos.
O procedimento de georreferenciamento ou registro de uma imagem consiste
em localizar pontos equivalentes na imagem que se deseja corrigir e no dado de
referência (CASTEJON et al., 2015) e o recurso de interpolação por vizinho mais
próximo é uma técnica conhecida como pixel replication, que tem como função
principal a de atribuir ao novo valor interpolado o valor do nível de cinza mais
próximo da imagem original (DOURADO, 2014).
A correção geométrica é indispensável para a inclusão de uma imagem à base
de dados existentes em um SIG, fusão de imagens adquiridas por diferentes
36
sensores, aplicações relacionadas com a combinação de imagens de uma
grande área (mosaico), entre outros (NASCIMENTO, 2012).
As imagens foram georreferenciadas a partir das cenas do Landsat da base
Geocover, disponibilizada pela National Aeronautics and Space Administration
(NASA) e também no registro imagem-imagem com o máximo de pontos
possíveis.
5.2.4. Validação das áreas alagadas das imagens de satélite utilizando o
método estatístico Kappa
Com o processamento digital de imagens (PDI) vários produtos foram
originados, como, por exemplo, às áreas alagadas, frequência de ocorrência,
entre outros. Neste contexto, a validação desses dados é de suma importância
para sua integração no Sistema de Informações Geográficas (SIG) evitando,
assim, interpretações equivocadas. Desta forma, a validação dos dados permite
avaliar a qualidade dos dados gerados e a garantia de que as informações
abstraídas sejam apropriadas para o uso que lhe foi destinado (LOBÃO et al.,
2005).
Para avaliar a acurácia dos mapas temáticos das áreas alagadas do Pantanal
foi utilizado o índice Kappa, em conjunto com os seguintes parâmetros
estatísticos: precisão geral do mapa; precisão da classe temática, que neste
caso foi a água; erros de omissão e erros de inclusão. Para a matriz de confusão
foram adotados a criação de pontos aleatórios no programa ArcGis 10.5, sendo
que a quantidade de amostras foi definida conforme Jensen (1986), que define
o número mínimo de pontos de amostra pela relação N=[4(p)(q)]/E2, sendo “p” o
percentual esperado de exatidão, q o valor de 1 – p e “E” o erro permissível.
Assim, concebeu-se como previsível e aceitável um percentual de exatidão de
85% e um erro permissível de 5%, de acordo com a aplicação da relação de
Jensen (1986), originando 204 pontos por ano e totalizando 3.264 pontos (Figura
37
5.3), sorteados aleatoriamente no Bioma Pantanal e que incluíam as classes
áreas alagadas e áreas secas.
Figura 5.3. Espacialização dos 3.264 pontos no ArcGis 10.5 para a comparação e a avaliação da confiabilidade do mapeamento para o período de 2000 a 2016.
Posteriormente, foram adotados os procedimentos propostos por Hudson e
Ramm (1987), utilizando a formulação do coeficiente KAPPA que permite
analisar o nível de concordância das amostras. Inicialmente, a estatística básica
da exatidão ou acurácia geral é calculada pelo somatório dos pontos
concordantes da classificação com a comparação, que é dividido pelo total dos
pontos aleatórios de amostragem. Para a realização da validação foi utilizada
38
como base as próprias cenas aplicadas para o mapeamento com a sobreposição
da classificação e amostragem dos pontos.
Deste modo, os resultados dos cálculos da estatística básica da exatidão ou
acurácia geral e da probabilidade de concordância ao acaso são as bases para
o cálculo do coeficiente ou índice KAPPA, que é calculado pela expressão “K =
((K1 – K2) / (1 – K2))”, onde K1 é o resultado da acurácia geral e K2 é o resultado
da probabilidade de concordância ao acaso (ARAÚJO, 2015).
5.2.5. Diagnóstico do início e cessação dos regimes anuais de precipitação
O regime de precipitação do Pantanal é caracterizado por uma forte variabilidade
intra e interanual. Conhecer o regime de precipitação é de grande importância,
pois dela dependem os mais diversos setores da sociedade, como a economia,
o meio ambiente e a sociedade. Neste contexto, a forma de caracterizar a
variabilidade de precipitação pluvial é analisar a distribuição dessa variável
(BUSTAMANTE-BECERRA et al., 2012).
Os episódios plurianuais secos e úmidos afetam consideravelmente o bioma
Pantanal e possuem desdobramentos na dinâmica ambiental. Para compreender
a sazonalidade dos períodos de cheias e secas ao longo dos anos, o estudo
detalhado do início, da cessação e do comprimento da estação chuvosa, que
são as variáveis responsáveis por descrever o regime de precipitação de uma
determinada região e são de extrema importância para o acompanhamento dos
impactos causados pelo excesso ou ausência prolongada de chuvas (ZHANG
et al., 2017).
Entre as análises do regime de precipitação, pode-se citar o início e fim da
estação chuvosa (DUNNING et al., 2016). O método utilizado para determinar o
início e a cessação do regime anual é descrito em Liebmann et al. (2012). Para
as estimativas do início e término da estação chuvosa, estima-se a precipitação
média para cada um dos dias do ano (Qi), em que i correspondente ao período
de 1º de julho a 30 de junho de cada ano, e a precipitação diária acumulada (Q̄).
39
A partir desta, é encontrada a anomalia de precipitação diária cumulativa para
determinado dia (d), denominado de C(d), conforme pode ser visualizado na
Equação 5.2 em que i representa os dias do ano.
𝐶(𝑑) = ∑ 𝑄𝑖 − Q̄𝑑
𝑖=1 (5.2)
em que o dia do mínimo valor em C marca o início da estação chuvosa, e o valor
máximo o final da estação chuvosa. Os dados de precipitação foram adquiridos
no sítio eletrônico ftp://ftp.chg.ucsb.edu/pub/org/chg/products/CHIRP/, através
de um Protocolo de Transferência de Arquivos (FTP). Os dados globais, em
formato NetCDF e com resolução temporal mensal para os anos de 1999 a 2017
foram transformados em binários através de um script em IDL.
Assim, os dados provenientes do CHIRPS foram inseridos no aplicativo GrADS,
que é uma ferramenta interativa usada para facilitar o acesso, manipulação e
visualização de dados climatológicos da precipitação que abrange a área da
BAP, dentre eles citam-se a média e a precipitação acumulada que possibilitou
a geração dos histogramas da precipitação (mm) englobando os dados de
frequência acumulada anuais de 2000 a 2016, e os gráficos com os resultados
foram originados no programa Excel.
5.2.6. Análise dos dados CHIRPS e criação da máscara espacial
Para caracterizar a variabilidade mensal, diária e as anomalias da precipitação
na Bacia do Alto Paraguai (BAP), assim como, representar espacialmente a
distribuição da precipitação, utilizaram-se os dados do CHIRPS. Entretanto, com
o objetivo de analisar a precipitação, umas das principais variáveis responsáveis
pela ocorrência das áreas alagadas no Bioma Pantanal, utilizou-se um recorte
espacial, delimitado pela BAP. No GRADS, a função maskout permite analisar
apenas as áreas de interesse, porém, é necessária uma matriz de dados da
região de interesse (máscara espacial). Para a confecção da máscara, o
shapefile das sub-bacias disponibilizado pela Agência Nacional de Águas (ANA)
40
foi importado para o SPRING. Nesta etapa, é importante que a grade de pontos
gerada no SPRING possua compatibilidade com os dados do CHIRPS, em
formato binário, ou seja, deve haver uma coincidência em todos os atributos.
Para isso, o projeto no SPRING foi delimitado de maneira que ambos os dados
possuíssem as mesmas dimensões espaciais, número de pontos e tamanho de
pixel.
Após a definição das características do projeto, criou-se uma categoria temática
para a associação do polígono pertencente a BAP e, em seguida, converteu-se
a classe temática para matriz com resolução de 0,05º (resolução espacial do
CHIRPS). Assim, o procedimento resultou em uma grade binária de exata
dimensão da BAP. Por fim, os dados binários foram inseridos no aplicativo
GRADS, a partir da criação de um arquivo descritor, e as informações
relacionadas às precipitações desta área, como a média mensal e a anomalia
anual, foram extraídas.
41
6. RESULTADOS
6.1. Validação dos mapeamentos das imagens de satélite utilizando o
método estatístico Kappa.
A quantificação das áreas alagadas tornou-se um processo fundamental para
que houvesse a validação dos resultados e, por conseguinte, verificar quão
próximo da realidade se encontram os mapeamentos das áreas inundadas do
Pantanal. Por isso, o procedimento estatístico KAPPA, responsável por
quantificar e analisar a concordância entre as amostras aleatórias, e o índice da
probabilidade de concordância ao acaso foram de suma importância.
Os cálculos resultaram no índice da exatidão ou acurácia geral da concordância
de 0,93 ou 93,89%, e no índice KAPPA de 0,84 ou 84,33%, ou seja, situação de
avaliação positiva na confiabilidade do mapeamento temático de áreas alagadas
do bioma Pantanal. Na Tabela 6.1, abaixo, é possível perceber como ficou a
espacialização por classe dos 3.468 pontos do coeficiente de concordância do
índice Kappa.
Tabela 6.1. Resultado da classificação do índice Kappa, período de 2000 a 2016.
Cla
ss
ific
açã
o
Referência
Água Terra
Água 583 119
Terra 50 2716
Total: 3.468 pontos
Os resultados do Índice Kappa, acima, demonstram-se suficientes para
assegurar a acurácia dos dados. Assim, obteve-se uma confiabilidade dos
mapeamentos das áreas alagadas, considerando que o método híbrido de
mapeamento destas áreas por interpretação visual (fase interativa), devidamente
auxiliada por classificação automatizada (fase computacional), propiciou um bom
42
índice, com precisão bem definida na classificação das feições (LANG;
BLASCHKE, 2009).
Trabalhos como o de Moraes et al. (2013) utilizam imagens do sensor MODIS,
produtos MOD43B3, para o mapeamento das áreas inundadas no bioma
Pantanal para o período de 2000 a 2012, sendo este levantamento realizado
através de classificação automática com base em operadores booleanos.
O sensor MODIS possui uma alta resolução espacial se comparado com os
sensores TM, OLI e LISS III utilizado para mapear as áreas alagadas deste
presente trabalho. Ao comparar esses dois resultados, foi também possível fazer
a validação dos sensores acima para o mapeamento de áreas alagadas.
A Figura 6.1 mostra o gráfico da validação dos mapeamentos das áreas
alagadas para o bioma Pantanal, obtido através da regressão linear a partir de
duas variáveis, nas quais o eixo Y refere-se aos valores obtidos dos
mapeamentos utilizando os sensores TM/LISS/OLI, e o eixo X refere-se aos
valores obtidos dos mapeamentos dos sensores MODIS (2000 a 2012) para
doze anos analisados. Em geral, percebe-se que os dados de áreas alagadas
estimadas pelo MODIS (MORAES et al., 2013) são maiores que os estimados
pelos sensores com maior resolução espacial (neste caso 30 metros).
As análises das validações dos mapeamentos dos corpos hídricos e as
respectivas áreas inundadas do bioma Pantanal apresentaram coeficientes de
correlação de 0,91. Porém, os dados de áreas alagadas do MODIS são em
média 46% maiores que os dados deste trabalho. De acordo com Cardozo
(2011), ao validar as queimadas do estado de Rondônia, comparando os
mesmos sensores, percebeu que as cicatrizes maiores, isto é, superiores a 2
Km², puderam ser identificadas com maior precisão nas imagens MODIS, e que
esse fato pode ser explicado devido à diferença na resolução de ambos os
sensores. Esta mesma característica foi encontrada neste trabalho, uma vez que
as áreas alagadas não cobrem em sua totalidade um pixel do MODIS.
43
Conforme Silva et al. (2005), algumas superestimavas observadas em sensores
como o MODIS podem ocorrer, devido à localização de pequenos elementos
dentro de uma área maior, fazendo com que toda essa área seja identificada
como um único elemento (objeto de estudo), indicando que o mesmo possa
ocorrer em áreas alagadas, ocasionando uma superestimava dos valores.
Figura 6.1. Gráfico da validação do mapeamento
Entretanto, em 2012 houve uma subestimativa de 22% por parte do sensor
MODIS, em relação ao sensor de referência LISS III. Nesse ano, em decorrência
da baixa precipitação, nota-se a redução de áreas alagadas, principalmente com
corpos hídricos atenuados, desta forma, dentro do pixel MODIS havia muito mais
áreas secas que áreas alagadas, o que reduziu a quantidade estimada por este
sensor (característica oposta à observada em um ano com muita área alagada).
Ainda, mesmo o sensor MODIS superestimando os valores anuais
consideravelmente (que variam de 20 a 82%), os resultados apresentaram, de
44
maneira geral, boa correlação (0,91) entre os mapeamentos de ambos os
sensores, tornando a classificação das áreas alagadas de ambos os sensores
confiáveis (significantes a p<0,05, teste T-Student), com maior eficiência do
sensor com melhor resolução espacial.
6.2. Análise Espacial e Temporal das Áreas Alagadas no Pantanal de 2000
a 2016
As Figuras 6.2, 6.3 e 6.4 mostram as áreas alagadas que ocorreram no Pantanal
para o período compreendido entre 2000 a 2016. De acordo com as figuras, as
áreas alagadas apresentaram uma variabilidade significativa e compreendem
grandes áreas, especialmente na parte setentrional, abrangendo os municípios
de Cáceres e Poconé; e na porção do extremo oeste, abrangendo principalmente
os municípios de Corumbá e Corguinho, área compreendida pelo leque do
Taquari.
45
Figura 6.2. Mapas anuais de áreas alagadas para Pantanal de 2000 a 2005.
46
Figura 6.3. Mapas anuais de áreas alagadas para Pantanal de 2006 a 2011.
47
Figura 6.4. Mapas anuais de áreas alagadas para Pantanal de 2012 a 2016.
É possível perceber que a ocorrência das áreas alagadas apresentou oscilações
consideráveis, por exemplo, o ano que mais alagou foi 2011, com 45.620 km²,
seguido dos anos 2006 e 2008, com 36.855 km² e 36.414 km², ou seja, 24,51%,
24,22% e 30,34% da área total do bioma Pantanal brasileiro, respectivamente.
Os anos que apresentaram uma menor área alagada foram os anos de 2012,
48
com 14.136 km², seguido de 2013 e 2005, com 17.568 km² e 20.036 km², isto é,
9,40%, 13,00% e 13,33% da área total respectivamente, conforme pode ser
visualizado no gráfico da Figura 6.5.
Figura 6.5. Gráfico das áreas alagadas no Pantanal de 2000 a 2016.
Além disso, ainda é possível perceber a variabilidade de inundação do Pantanal,
evidenciado pela forte estiagem verificada no ano de 2012, em que grande parte
da área alagada são superfícies de inundações permanentes do bioma.
Diversos fatores são responsáveis pela ocorrência das áreas alagadas no
Pantanal, entre eles pode-se citar a quantidade do volume da precipitação no
último trimestre (Jan/Fev/Mar) da estação úmida, isso porque as primeiras
chuvas da estação atingem o solo seco e poroso, sendo, dessa forma, facilmente
absorvidas; também o fator declividade e, por conseguinte, a dificuldade de
escoamento das águas pelo encharcamento do solo, o comprimento da estação
49
chuvosa, o fator topográfico, sobretudo presente nos ambientes das lagoas
salinas que se encontram em posição mais deprimida do que o seu entorno e é
abastecida pelos fluxos subsuperficiais do lençol freático, que em decorrência da
baixa interceptação da vegetação apresentam forte oscilação na estação úmida,
além de diversos outros fatores que acentuam os impactos das áreas alagadas
na região (SAKAMOTO et al., 2005). Até então esse bioma foi caracterizado por
apresentar acentuada pluviosidade na estação úmida; porém, constatou-se que,
a partir de meados da década de 1970, houve um aumento do número de
eventos de secas, como nos anos 2005 e 2012, e cheias expressivas
intercaladas como em 2011 e 2014 (ARAÚJO et al, 2016).
Através da sobreposição dos mapeamentos anuais das áreas alagadas foi
possível elaborar o mapa da frequência de área alagada da região de estudo
(Figura 6.6) permitindo, dessa forma, avaliar quantitativamente a frequência com
que uma mesma área sofresse inundação durante o período analisado (2000-
2016). Por meio da análise deste mapa, torna-se possível a identificação da
variabilidade das áreas propensas a inundação no bioma Pantanal atingidas
pelas inundações, bem como a determinação das áreas permanentemente
alagadas.
50
Figura 6.6. Mapa de frequência das áreas alagadas para os 17 anos
Verifica-se que as regiões que possuem maiores recorrências de áreas alagadas
estão localizadas na porção central, nos municípios de Cáceres e Poconé, ao
norte, e Corumbá (leque do Taquari) e Aquidauana no Pantanal Sul, em que a
pecuária de corte destaca-se como uma das principais atividades produtivas
desta região (ARAÚJO et al., 2016). Em Corumbá encontra-se o segundo maior
rebanho do Brasil, totalizando mais de 1,7 milhão de cabeças de gado (IBGE,
2015). Cabe ressaltar que a geração deste produto é essencial para o manejo
51
do gado, evitando-se, assim, o prejuízo financeiro por perda de peso ou perda
por morte do gado.
A Figura 6.7 mostra a frequência das áreas alagadas na região para os anos de
2000 a 2017. O gráfico representa a área de cada frequência, por exemplo, a
classe 17 indica que foi detectada a área alagada em todos os anos analisados,
a classe 1, ao contrário, significa que nos 17 anos analisados, para determinado
lugar, foi identificado apenas 1 ano com área alagada.
Figura 6.7. Gráfico de cada frequência de área alagada
Durante o período analisado, verifica-se que a classe com maior frequência é a
de 1 observação nos últimos 17 anos, com aproximadamente 16.200 km² ou
21% de toda a área inundada. Isto significa que a cada ano novas áreas são
alagadas no bioma. No gráfico da Figura 6.7 percebe-se que a persistência da
área alagada diminui com sua frequência, ou seja, 11% da área alagada (8.330
52
km2) alagaram ao menos 2 vezes nos últimos 17 anos. Ainda, as áreas que
alagam sempre (em relação aos 17 anos) correspondem a 4.373 km2, ou 6% do
total. Ressalta-se que o assoreamento que o Leque do Taquari vem sofrendo
nestes últimos anos pode ter contribuído para que a área de frequência 1 seja a
maior, uma vez que a cada ano, novas áreas sofram com inundação devido ao
desvio do rio.
De acordo com Galdino et al. (2006), no final da década de 1970, a áreas
destinadas às lavouras e pastagens cultivadas ocupavam 3,4% da bacia do Alto
Taquari, e em 2000 este índice aumentou para 61,9% da superfície desta bacia.
Ainda segundo esses autores, essas são as áreas mais prejudicadas pela
erosão, devido ao desmatamento indiscriminado nas encostas e até mesmo nos
topos dos morros, que por não adotarem práticas de conservação de solo,
realização do manejo inadequado das pastagens, além da retirada da mata ciliar
que protegem nascentes e leitos de córregos e rios da região, intensificam o
processo de assoreamento.
Desta forma, sugere-se que os dados sobre a frequência de áreas alagadas
possa ser uma ferramenta importante para nortear as atividades econômicas do
Pantanal, sobretudo a pecuária e o turismo. O manejo da pecuária é uma das
peculiaridades ambientais do Pantanal, em que cada ciclo hidrológico demanda
diferentes maneiras de manejo dos rebanhos, impondo práticas diversificadas.
(ALVES, 2015).
Destaca-se o importante trabalho de Araújo et. al. (2016), que caracterizou a
dinâmica do fluxo de bovinos no Pantanal Sul Mato-Grossense no período
compreendido entre 2007 e 2014. Neste foi considerado a cheia extrema
ocorrida em 2011 e suas possíveis influências sobre as particularidades
ambientais e produtivas da pecuária em diferentes escalas, intra e intermunici-
pais, e entre as áreas de Planície e de Planalto da BAP, evidenciando-se a rede
de fluxo da pecuária bovina.
53
O mapa de frequência das áreas alagadas, neste caso, pode ser utilizado tanto
pelos produtores rurais quanto pelas entidades governamentais, de forma que
possam articular e criar estratégias para o manejo da pecuária de corte, bem
como para atividade turística, auxiliando os governantes e entidades
interessadas na realização de um zoneamento das principais vias de acesso e
de pontos turísticos, os quais carecem de uma infraestrutura adequada para a
prática da atividade turística em suas diversas modalidades.
6.3. Variabilidade dos índices de precipitação
Os dados de precipitação mensal extraídos do CHIRPS possibilitaram avaliar a
dinâmica de precipitação do bioma Pantanal brasileiro, de junho de 1999 a julho
de 2016. Através desses dados, obteve-se a climatologia mensal da precipitação
incidente na região e a representação de seu comportamento, através de um
gráfico de boxplot como mostra a Figura 6.8.
Figura 6.8. Box-plot da precipitação mensal do Bioma Pantanal para o período de julho de 1999 a junho de 2017.
54
Através da distribuição da mediana, observa-se que a variabilidade mensal da
precipitação é condizente com o esperado, ou seja, maior variabilidade no
período úmido e menor no período seco. Também foi possível identificar os
meses com valores atípicos (outliers) muito superiores aos demais índices dos
meses de sua ocorrência, como por exemplo, os extremos ocorridos nos meses
de junho de 2013 e maio de 2014, cujos valores de precipitação foram,
respectivamente, 214% e 159% acima da média mensal. Os outros outliers
ocorreram em agosto de 2000 e junho de 2012 e 2016, cujos referentes índices
de precipitação foram 142%, 123% e 146% superiores às suas respectivas
médias.
O valor médio da precipitação que atingiu a BAP durante 17 anos analisados foi
de 1.308 mm, e como é possível perceber, 74,54% da precipitação anual
incidente no Bioma Pantanal ocorrem na estação úmida, o que representa 1053
mm de chuva, enquanto que, na estação seca, a incidência de precipitação é de
281,89 mm.
Em outras literaturas, como a de Sakamoto et al. (2005), que ao analisar as
flutuações da chuva na Bacia do Alto Paraguai, classificou o regime
pluviométrico como tropical e o valor de precipitação da BAP durante a estação
chuvosa correspondia a 85% dos totais anuais. Moraes et al. (2013), ao analisar
a precipitação mensal no período de 1998 a 2012, isto é, de 15 anos, mostrou
que 80,7% da precipitação anual incidente no bioma Pantanal ocorrem na
estação úmida, o que representa 1004 mm de chuva, enquanto que na estação
seca a incidência de precipitação é de 239 mm.
Através dos dados de precipitação total mensal na BAP e da duração da estação
chuvosa, analisaram-se as relações deste fenômeno meteorológico com as
áreas alagadas, como podem ser visualizadas na tabela 6.2:
Tabela 6.2. Análise estatística entre a área alagada e os dados da estação chuvosa da BAP (O = Outubro; N = Novembro; D = Dezembro; J = Janeiro; F = Fevereiro; M = Março; A = Abril; MA = Maio). Casos não significativos (p<0,05, teste t-Student) em vermelho.
55
Dados da estação chuvosa Coeficiente linear de determinação (R2)
Correlação
Comprimento da estação 0,07 -0,26
Precipitação Total 0,34 0,58
O/N 0,02 0,15
D/J 0,13 0,36
F/M 0,38 0,62
A/MA 0,05 -0,23
N/D 0,03 0,16
J/F 0,50 0,71
M/A 0,22 0,47
O/N/D 0,01 0,12
J/F/M 0,61 0,78
N/D/J 0,16 0,40
F/M/A 0,36 0,60
O/N/D/J 0,11 0,33
N/D/J/F 0,45 0,67
D/J/F/M 0,56 0,75
J/F/M/A 0,69 0,83
O/N/D/J/F/M 0,66 0,81
Para explicar a relação entre as variações das áreas alagadas anuais com os
dados de precipitação que ocorrem na BAP, optou-se por analisar o total de
precipitação em bimestres, trimestres, quadrimestres e semestres, assim como,
o comprimento da estação chuvosa. Desta forma, ao analisar o comprimento da
estação chuvosa e sua influência na variação da área alagada, nota-se que
apenas 7% das variações na área alagada podem ser explicadas por esta
variável, o que permite concluir que o comprimento da estação chuvosa é
considerado uma informação auxiliar na explicação de alguns eventos que
influenciam a área alagada total, mas que esta variável não pode ser associada
com as áreas alagadas.
Das análises realizadas, os dados bimestrais O/N, D/J, A/MA, N/D, e M/A; os
dados trimestrais O/N/D e N/D/J; e o dado quadrimestral O/N/D/J não
apresentam significância estatística (p<0,05, teste t-student), permitindo concluir
que não há uma relação entre estas variáveis e a área alagada. Entretanto, os
bimestres J/F e F/M apresentam uma correlação de 0,71 e 0,62,
56
respectivamente, explicando em até 50% as variações das áreas alagadas no
bioma.
Ao analisar trimestralmente, nota-se que O/N/D apresentou uma fraca correlação
(0,12, não-significativa), explicando apenas 1% das áreas alagadas, porém, o
trimestre de J/F/M apresentou uma correlação moderada, isto é, de 0,78,
explicando em até 61% as variações das áreas alagadas. Este aumento pode
ser explicado pela inclusão do mês de março, que faz parte da estação chuvosa.
Ao verificar os quadrimestres O/N/D/J e N/D/J/F, observa-se de fraca a
moderada correlação de 0,33 e 0,67, explicando apenas 11% e 45% das áreas
alagadas do bioma. Os quadrimestres D/J/F/M e J/F/M/A, apresentam de
moderada e forte correlação, isto é, 0,75 e 0,83 explicando 56% e 69% das áreas
alagadas, respectivamente. A elevada correlação encontrada no quadrimestre
de J/F/M/A pode ser explicada pela inclusão do mês de abril, uma vez que o
trimestre J/F/M explicam 61% das áreas alagadas, quando se inclui o mês de
abril, essa correlação aumenta 8%.
Os dados da variável semestral O/N/D/J/F/M apresentou forte correlação, isto é,
0,81 explicando 66% das áreas alagadas, fator este que é justificado por ser o
período que contempla todos os meses estação chuvosa. Dessa forma, percebe-
se que a análise trimestral, juntamente com a quadrimestral, apresentou forte
correlação. Na análise semestral, nota-se que a correlação é inferior em relação
aos quatro meses iniciais. Assim, conclui-se que a precipitação presente durante
o quadrimestre J/F/M/A é a variável mais importante para explicar a área alagada
do bioma Pantanal, representando os meses finais da estação chuvosa,
indicando que a precipitação que atinge o primeiro trimestre é absorvida pelo
solo seco e poroso, e além da infiltração desta para os lençóis subterrâneos.
Acrescenta-se a essa variável o fato de que em muitos anos ocorreram chuvas
significativas no ano anterior (novembro a dezembro) e isto impactou
consideravelmente o percentual de área alagada do ano seguinte.
57
A sazonalidade das áreas alagadas está diretamente relacionada ao regime de
precipitação pluviométrica e por isso é importante compreender suas anomalias
(MARCUZZO et al. 2010). Como a maior correlação para explicar a inundação
do bioma Pantanal encontra-se em J/F/M/A, optou-se por uma análise das
anomalias deste período. As Figuras 6.9, 6.10, 6.11, 6.12 e 6.13 mostram os
comportamentos das anomalias das precipitações quadrimestrais nos anos de 2000 a
2016, sendo possível observar a variabilidade espacial das chuvas da BAP que,
segundo Araújo et al. (2016), possui forte influência do clima sul-amazônico na
parte setentrional do Pantanal, somado ao gradiente de escoamento da
precipitação nos sentidos norte-sul e leste-oeste, em direção à área mais
deprimida da Planície em decorrência do gradiente topográfico. Abaixo, a
precipitação será relacionada com a média da área da bacia, ou seja, quando se
diz que a precipitação foi 60 mm maior que a média, refere-se à precipitação
média do mês para a área da BAP quando comparada com a precipitação média
para 1981-2017 da mesma área.
58
59
Figura 6.9. Anomalias das precipitações ocorrida nos quatro meses (JFMA) da BAP nos anos de 2000 a 2003.
De uma forma geral, pode-se notar que, no ano 2000, a ocorrência significativa
das chuvas efetuou-se nos meses de fevereiro e março, isto é, 42% acima da
média desse bimestre para os anos analisados, contribuindo para o alagamento
de uma extensa área do bioma. Nota-se que em janeiro a precipitação ficou em
média 70% abaixo. No período analisado, 2000 foi o 7º ano com a maior área
alagada, com aproximadamente 32.200 km² e 4.311 km² de área alagada acima
da média de todo o período, que compreende a 21% de toda a área do Pantanal.
Além disso, é importante perceber que exceto o mês de março, grande parte da
precipitação que atingiu a BAP não está situada na área de planície, mas, sim
na área de planalto, em que parcela desse volume é interceptada pelas
plantações no planalto, fazendo com que boa parte da água não atinja a planície.
Coutinho et al. (2006), ao mapear a dinâmica das áreas de agricultura anual e
das áreas de produção de cana-de-açúcar, no período compreendido entre os
anos safra de 2001 e 2013 dentro da BAP, demonstrou que em 2001 as áreas
agrícolas para produção de grãos e de cana-de-açúcar apresentavam uma forte
polarização territorial e cada uma ocupava uma região específica e bem
delimitada no planalto da BAP, no entanto em 2013 percebeu-se uma
significativa expansão das suas áreas de produção. Ou seja, em 2001 enquanto
50% da área de produção de cana-de-açúcar estavam fortemente concentradas
na porção norte do planalto da BAP, no Estado de Mato Grosso, a área mais
importante de produção de grãos, responsável por 50% da área plantada, estava
concentrada na porção leste do planalto. Em 2013 nota-se uma disseminação
dessas atividades pela região nordeste do planalto da BAP, bem como o
surgimento de focos mais importantes em sua porção sul. Tais fatores
demonstram que a chuva que atinge a região de planalto não tem sua efetiva
drenagem para a área de planície.
60
Em 2001, é possível perceber anomalias negativas nos meses de janeiro,
fevereiro e abril, ou seja, uma redução do volume de chuva de 33 mm, 13 mm e
23 mm, isto é, 17%, 8% e 28% abaixo da média para esses meses analisados.
O ano de 2001 foi o 13º ano que mais alagou, com cerca de 23.000 km² e 5.154
km² abaixo da média para o período, que compreende a 19% de toda a área do
Pantanal.
No ano de 2002, verifica-se que os meses de janeiro, março e abril foram
períodos assinalados por anomalias negativas, ou seja, uma redução de 49 mm,
23 mm e 52 mm, isto é, 77%, 85% e 54% abaixo da média. A ocorrência
significativa das chuvas efetuou-se no mês de fevereiro com um acréscimo de
51 mm, ou 28% acima da média. O ano de 2002 foi o 6º ano que mais alagou,
com aproximadamente 32.000 km² e 4.311 km² acima da média para o período,
que compreende a 22% de toda a área do Pantanal. Ressalta-se que em 2002
houve uma precipitação acentuada nos meses de outubro e novembro referente
a 95 mm e 106 mm respectivamente.
Em 2003, observa-se que o mês de janeiro apresentou grande volume de chuvas
com um total de 60mm acima da média, isto é, 27% maior. Diferente de fevereiro
com anomalia negativa em praticamente toda a área do bioma, em que a
precipitação ficou em média 95% abaixo. O ano de 2003 foi o 9º que mais alagou,
atingindo uma área de aproximadamente 29.000 km², valor médio para o bioma,
ou seja, 19,29% de toda a área do Pantanal.
61
Figura 6.10. Anomalias das precipitações ocorrida nos quatro meses (JFMA) da BAP nos anos de 2004 a 2007.
62
No ano de 2004, as chuvas ocorreram nos meses de fevereiro e abril com valores
positivos de 23 mm e 5mm, isto é, 12% e 4% acima da média para os anos
analisados. Os meses de janeiro e março apresentaram anomalia negativa, 9%
e 35% abaixo da média. No período analisado, 2004 foi o 11º ano com a maior
área alagada, com aproximadamente 28.600 km² e 353 km² de área alagada
abaixo da média do período, que compreende a 17% de toda a área do Pantanal.
No ano de 2005, verifica-se que a ocorrência significativa da precipitação se
encontra no mês de janeiro, com 32% acima da média, seguido de anomalias
negativas nos meses posteriores (F/M/A), com 8%, 22% e 21% abaixo da média.
O ano de 2005 apresentou uma diminuição da área alagada ocupando a 14º
posição, com aproximadamente 20.000 km² e 8.962 km² abaixo da média para
o período, que compreende a 13% de toda a área do Pantanal. Em 2006, foi
marcado pela ocorrência de anomalias positivas de precipitação, principalmente
nos meses de fevereiro a abril, com 8% e 21%m respectivamente. O ano de 2006
foi o 2º ano com a maior área alagada, com aproximadamente 36.855 km², e
7.857 km² de área alagada acima da média do período (25% de toda a área do
Pantanal).
Em 2007 observa-se a ocorrência significativa de pluviosidade nos meses de
janeiro e fevereiro, isto é, 70 mm e 31 mm superior, representando um percentual
de 32% e 17% acima da média. Ao contrário, março e abril apresentaram
anomalias negativas de 22% e 39% abaixo da média. O ano de 2007 foi o 4º ano
com a maior área alagada, com aproximadamente 33.722 km², e 4.724 km² de
área alagada acima da média do período, que compreende a 22% de toda a área
do Pantanal.
63
Figura 6.11. Anomalias das precipitações ocorrida nos quatro meses (JFMA) da BAP nos anos de 2008 a 2011.
64
No ano de 2008 constata-se anomalia positiva de pluviosidade no mês de janeiro
(43%). O ano de 2008 foi o 3º ano com a maior área alagada, com
aproximadamente 36.414 km² e 7.416 km² de área alagada acima da média do
período. O ano de 2009 foi marcado com anomalias negativas, este foi o 15º ano
com a maior área alagada, com aproximadamente 19.544 km² e 9.454 km² de
área alagada abaixo da média do período. No ano de 2010, a maior ocorrência
das chuvas ocorreu em janeiro, embora não tão significativa, apenas 1,5% acima
da média. Com baixa precipitação, este ano foi o 12º ano com a maior área
alagada, com aproximadamente 24.000 km² e 4.593 km² de área alagada abaixo
da média do período, que compreende a 16% de toda a área do Pantanal.
Em 2011, os elevados índices de pluviosidades ocorreram nos meses de janeiro
a março, em que a precipitação foi 59 mm, 77mm e 109 mm superiores à média,
atingindo os valores percentuais de 27%, 42% e 67%. O ano de 2011 foi o ano
com a maior área alagada, com aproximadamente 46.620 km² e 16.662 km² de
área alagada acima da média do período, que compreende a 30% de toda a área
do Pantanal, uma anomalia de 157% em relação à média. Em contrapartida, no
ano de 2012 nota-se uma redução da precipitação anual de 90% quando
comparada a 2011, e a ocorrência significativa das chuvas efetuou-se no mês
de abril, cujo volume foi de apenas 11 mm ou 10% acima da média.
65
Figura 6.12. Anomalias das precipitações ocorrida nos quatro meses (JFMA) da BAP nos anos de 2012 a 2015.
66
O ano de 2012 foi o 17º ano com a maior área alagada, ou seja, ano com menor
percentual de área inundada. Visto que além da baixa quantidade do volume de
chuva, boa parte da precipitação ocorreu na região norte da BAP, na região de
planalto inundando uma área com aproximadamente 14.136 km² e 14.862 km²
de área alagada abaixo da média do período, com apenas 9% do Pantanal
alagado. De acordo com o boletim de prognóstico climático elaborado em
parceria entre o Instituto Nacional de Meteorologia (INMET) e o Centro de
Previsão de Tempo e Estudos Climáticos (CPTEC), foi possível verificar os
principais eventos climatológicos previsto para o trimestre J/F/M do ano de 2012.
Neste prognóstico foi possível encontrar dados sobre as consequências da
atuação de episódios de Zonas de Convergência do Atlântico Sul (ZCAS) e a
formação de vórtices ciclônicos nos altos níveis da atmosfera, fatores que
contribuíram para um padrão de chuvas acima do normal na parte central e norte
do Brasil e, por outro lado, chuvas abaixo da média sobre grande parte das
regiões Centro-Oeste e Sudeste e em praticamente em todo o Sul do Brasil.
Sugere-se que o mapeamento deste ano não corresponda as áreas alagadas,
mas sim as áreas que são permanentemente inundadas do bioma.
No ano de 2013, a maior ocorrência da precipitação ocorreu no mês de abril,
com um índice 22 mm superior à média, isto é, 21%. Nos meses de janeiro a
março, é possível perceber anomalias negativas, com destaque para o mês de
março, em que a redução foi de 78 mm ou 48% abaixo da média. O ano de 2013
foi o 16º ano com a maior área alagada, com aproximadamente 17.568 km² e
11.430 km² de área alagada abaixo da média. É possível perceber que de janeiro
a março as regiões que tiveram precipitação acima da média estão situadas na
porção nordeste da BAP, e grande parte da planície apresentaram precipitação
abaixo da média, fato que sugere que o que foi mapeado neste ano, assim como
em 2012, seriam as áreas inundadas permanentemente, com lençóis freáticos
oscilando abaixo do normal.
67
Figura 6.13. Anomalias das precipitações ocorrida nos quatro meses (JFMA) da BAP no ano de 2016.
Em 2014, a ocorrência significativa das chuvas situou nos meses de fevereiro e
março, em que os índices pluviométricos foram de 13 mm e 83 mm superiores,
isto é, 7% e 51%. Em janeiro, nota-se anomalias negativas de 27 mm ou 12% da
precipitação abaixo da média. O ano de 2014 foi o 10º ano com a maior área
alagada, com aproximadamente 28.645 km² e 353 km² de área alagada acima
da média do período. Em 2015, a maior ocorrência da precipitação aconteceu
nos meses março e abril, em que o volume da pluviosidade foi de 21 mm e 18
mm, ou seja, 13% e 17% acima da média. Em janeiro, verifica-se uma redução
da precipitação de 7% abaixo da média. O ano de 2015 foi o 8º ano com a maior
área alagada, com aproximadamente 29.801 km² e 803 km² de área alagada
acima da média do período. O ano de 2016, cujo mês de maior concentração de
chuva foi janeiro, em que os índices pluviométricos foram 60 mm superiores, foi
o 5º ano com a maior área alagada, com aproximadamente 33.260 km² e 4.262
km² de área alagada acima da média do período, ou uma variação de 22%.
Os anos que ocorreram as maiores e as menores taxas de precipitação foram
2014 e 2005, entretanto, ao correlacionar estes dados com as áreas alagadas,
verificou-se que os anos de maiores e menores índices de pluviosidades não
coincidiram com os anos de maior e menor extensão da área inundada, que
68
foram em 2011 e 2012, respectivamente. Neste contexto, a análise do
comprimento da estação chuvosa com as áreas alagadas torna-se uma
ferramenta auxiliar para explicar esta divergência, pois no ano de 2011, a área
alagada atingiu 45.620 km² contra 28.645 km² relativo a 2014, em que foi
possível perceber um encurtamento da estação chuvosa de 31,25% em relação
à média de todos os anos, ou seja, uma redução de 55 dias. As Figuras 6.14 e
6.15 mostram os gráficos do comprimento da estação chuvosa, isto é, o início e
o fim da estação para os anos de 2011 e 2014.
Figura 6.14. Comprimento da estação chuvosa para o ano de 2011 da BAP, demonstrado pela anomalia climatológica cumulativa diária (laranja), o ajuste polinomial (preto) e os pontos marcam a extensão da estação climatológica.
69
Figura 6.15. Comprimento da estação chuvosa para o ano de 2014 da BAP, demonstrado pela anomalia climatológica cumulativa diária (laranja), o ajuste polinomial (preto) e os pontos marcam a extensão da estação climatológica.
O valor da precipitação de 2012 foi 43 mm superior em relação a precipitação
que atingiu a BAP em 2005, no entanto em 2012, a área alagada foi de 14.136
Km², e em 2005, esse valor foi de 20.036 Km²; através dos dados, foi possível
perceber que a menor extensão da área alagada pode ter relação com o maior
comprimento da estação chuvosa, se comparado com 2005, correspondendo a
um aumento de 28,97%, isto é, um acréscimo de 51 dias a mais em seu
comprimento, conforme Figuras 6.16 e 6.17 sobre o início e o fim da estação
deste anos.
70
Figura 6.16. Comprimento da estação chuvosa para o ano de 2005 da BAP, demonstrado pela anomalia climatológica cumulativa diária (laranja), o ajuste polinomial (preto) e os pontos marcam a extensão da estação climatológica.
Figura 6.17. Comprimento da estação chuvosa para o ano de 2005 da BAP, demonstrado pela anomalia climatológica cumulativa diária (laranja), o ajuste polinomial (preto) e os pontos marcam a extensão da estação climatológica.
Através da Tabela 6.3 descrita abaixo é verificado que o comprimento da
estação chuvosa não se relaciona com o regime de precipitação da região em
71
termos de quantidade, bem como não há relação deste com o percentual de área
inundada, isto é, os anos com grandes áreas alagadas não apresentam grande
extensão de dias chuvosos, e anos com pouca área inundada apresenta nesta
tabela grande números de dias com precipitação. Ou seja, o que importa não é
apenas a quantidade de dias com chuva e sim o volume da precipitação.
Tabela 6.3. Dados sobre o comprimento da estação chuvosa da BAP de 2000 a 2016
Anos Comprimento da estação chuvosa
Total de área inundada (Km²)
2000 161 32.204
2001 158 23.456
2002 186 32.921
2003 166 28.998
2004 176 26.058
2005 178 20.036
2006 206 36.855
2007 173 33.722
2008 176 36.414
2009 163 19.544
2010 169 24.405
2011 173 45.620
2012 229 14.136
2013 202 17.568
2014 228 28.645
2015 179 29.801
2016 154 33.260
Sugere-se que a análise espacial e temporal do ciclo hidrológico do bioma
Pantanal, conforme demonstrado neste capítulo, dentro de uma periodicidade
maior, isto é, de no mínimo 30 anos, período que tornar-se-á possível a
compreensão maior acerca dos desvios em relação às médias (variabilidade),
condições extremas e as probabilidades de frequência de ocorrência de
72
determinados padrões do tempo, fatores determinantes para uma análise
climática. Com isso, acredita-se que o comprimento da estação chuvosa pode
apresentar resultados mais significativos para o entendimento e verificação de
mudanças do padrão, como por exemplo, a sua ampliação e/ou redução do ciclo,
aumento de eventos extremos, sejam secas mais prolongadas ou período mais
chuvosos entre outros.
73
7. CONCLUSÃO
A inundação do Pantanal propicia, a cada ciclo da estação chuvosa, paisagens
diversas, alterando e determinando o ritmo de vida do Pantaneiro, que precisa
se adequar aos contratempos que surgem a cada ano, dado que grande parte
dos habitantes da região estão ligados às atividades agropecuárias e ao turismo.
Para a detecção de áreas alagadas, pode-se afirmar que o uso de imagens de
satélites permitiu monitorar e espacializar as áreas alagadas do bioma. Ainda, a
partir dos dados provenientes do CHIRPS foi possível a identificação do início,
cessação e duração da estação chuvosa; quantidade de precipitação sazonal;
número de dias chuvosos; intensidade e frequência de eventos de precipitação;
e as características das anomalias de precipitação incidente na Bacia do Alto
Paraguai.
Constatou-se que nos últimos 17 anos, os anos de 2011 e 2012 foram os que
apresentaram as maiores variações das áreas alagadas, isto é, o ano de 2011
foi o ano com a maior área alagada, com aproximadamente 46.620 km², que
compreende 30% de toda a área do Pantanal e uma anomalia de 157% em
relação à média. Em contrapartida, o ano de 2012 foi marcado pela redução da
precipitação anual na época chuvosa, e ocorrência significativa das chuvas no
mês de abril. O ano de 2012 apresentou áreas alagadas de aproximadamente
14.136 km², com apenas 9% do Pantanal alagado.
Apesar da fraca correlação ao analisar o comprimento da estação chuvosa e sua
influência na variação da área alagada, esta variável foi importante para explicar
o motivo na qual os anos de maiores e menores índices de pluviosidades não
coincidiram com os anos de maior e menor extensão da área inundada, uma vez
que os anos de maiores e menores índices pluviométricos foram 2014 e 2005,
respectivamente.
Em 2011 e 2012 identificou-se uma correlação do comprimento da estação
chuvosa com as áreas alagadas, pois o encurtamento da estação chuvosa no
74
ano de 2011, de 31,25% em relação à média de todos os anos, influenciou na
quantidade de área alagada. No ano de 2012, sugere que a menor extensão da
área alagada esteja relacionada com o maior comprimento da estação chuvosa,
se comparado com 2005, um aumento de 28,97%, isto é, um acréscimo de 51
dias. As variações das áreas alagadas anuais e sua relação linear com os dados
de precipitação que ocorrem na BAP demonstraram que a partir das análises
bimestrais, trimestrais, quadrimestrais e semestrais, a análise quadrimestral
J/F/M/A apresentou uma maior correlação (0,83) explicando 69% das áreas
alagadas.
Os resultados alcançados podem auxiliar o entendimento acerca das
modificações ocasionadas no comportamento hidrológico da estação chuvosa
do bioma Pantanal. Tais estudos tem se destacado recentemente em
decorrência da crise hídrica no centro-sul o país, que resultou também em uma
preocupação com a proteção dos recursos hídricos brasileiros. Neste contexto,
as áreas úmidas apresentam um papel importante dentro do ciclo hidrológico, e
são recursos significativos para a economia, sociedade e para a manutenção da
biodiversidade. Ainda, sugere-se a utilização deste estudo como uma ferramenta
para auxiliar o poder público na ordenação do crescimento urbano, na definição
de políticas para a ocupação das áreas de riscos, no zoneamento econômico e
na manutenção do ecossistema a partir da preservação ambiental de áreas
úmidas.
Para trabalhos futuros se propõe dar continuidade nas análises das variações
espaciais e na influência da duração da estação chuvosa das áreas alagadas do
bioma Pantanal para os anos de 1985-1999 e 2017-2020, que incorporado a este
trabalho, compreende uma análise de 35 anos. Além disso, pretende-se
investigar e avaliar os impactos provocados pelas mudanças no uso e cobertura
da terra subsidiando o entendimento acerca das modificações ocasionadas no
clima da região.
75
8. REFERÊNCIAS BIBLIOGRÁFICAS
ABDON, M. DE M.; SOUZA, M. P. DE; JOÃO DOS SANTOS VILA DA SILVA. Identificação de impactos ambientais no meio físico subsidiada por banco de dados georreferenciados. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12. (SBSR), 2005, Goiânia. Anais... São José dos Campos: INPE, p. 2793–2798, 2005.
AGÊNCIA NACIONAL DE ÁGUAS (Brasil) (ANA). Implementação de práticas de gerenciamento integrado de bacia hidrográfica para o Pantanal e Bacia do Alto Paraguai: relatório final. Brasília, 2004. AGÊNCIA NACIONAL DE ÁGUAS (Brasil) (ANA). Boletim de monitoramento da Bacia do Alto Paraguai. Superintendência de Usos Múltiplos. Brasília, 2006. ALTAFIN, I. Cultivo de soja ameaça o Pantanal, afirmam especialistas. Senado Notícias. Disponível em: < https://www12.senado.leg.br/noticias/materias/2016/09/21/cultivo-de-soja-ameaca-o-pantanal-afirmam-especialistas >. Acesso em: 21 mai. 2018. ALVES, G. B. M. Efeitos da inundação sobre o manejo da pecuária no pantanal norte com emprego de imagens orbitais. 2015. 94p. Dissertação (Mestrado em Geografia) - Universidade Federal de Mato Grosso. ANDRADE, R. G.; SEDIYAMA, G. C.; PAZ, A. R.; LIMA, E. P.; FACCO, A. G. Geotecnologias
aplicadas à avaliação de parâmetros biofísicos do Pantanal. Pesquisa Agropecuária Brasileira
[online]. v.47, n.9, p. 1227-1234, 2012. Disponível em: http://dx.doi.org/10.1590/S0100-
204X2012000900007>. Acesso em 04 de maio de 2018.
ANTUNES, J. F. G.; ESQUERDO, J. C. D. M. Classificação sub-pixel de séries temporais de
dados MODIS para a quantificação de áreas inundadas do Pantanal. In: SIMPÓSIO DE
GEOTECNOLOGIAS NO PANTANAL, 5., 2014, Campo Grande, MS. Anais... São José dos
Campos: INPE, 2014. Disponível em: http://www.geopantanal.cnptia.
embrapa.br/2014/cd/p51.pdf. Acesso em 26 de maio de 2015.
ARAÚJO, M. P. Classificação supervisionada de imagens de orbitais com o Semi-Automatic Classification Plugin. Tutorial Comunidade QGIS Brasil. Florianópolis: Edição do Autor, 2015. Disponível em: <http://qgisbrasil.org/blog/wp-content/uploads/2015/08/tutorial_scp_01.pdf> Acesso em: 31 de maio de 2018. ARAUJO, A. G. J.; SILVA, L. T.; SANTOS, L. B. L.; SILVA, B. M. M.; OLIVEIRA, G. S.; PARRAGA, G. O. O.; MONTEIRO, A. M. V.; LEMES, M. C. R.; PRADO, M. L.; RODRIGUEZ, D. A. O fluxo da pecuária de corte no Pantanal Sul: uma análise do trânsito de bovinos investigando a interferência da dinâmica hidro meteorológica da região e o evento extremo - cheia de 2011. In: Simpósio de Geotecnologias no Pantanal - 6° GeoPantanal, 2016, Cuiabá, MT. Anais 6º Simpósio de Geotecnologias no Pantanal. Cuiabá, MT: Embrapa Informática Agropecuária/INPE, p. 442-452. 2016. ARIEIRA, J.; KARSSENBERG, D.; DE JONG, S. M.; ADDINK, E. A.; COUTO, E. G.; NUNES DA
CUNHA, C. SKOIEN, J. O. Integração amostragem de campo, geoestatística e sensoriamento
remoto para mapear a vegetação de zonas húmidas no Pantanal, Brasil, Biogeosciences, v. 8,
p. 667-686, 2011.
76
ARNESEN, A. S. Monitoramento da área inundada na planície de inundação do lago grande de
curuai (pa) por meio de imagens scansar/alos e dados auxiliares. 2012. 115p. Dissertação
(Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos,
São Paulo. Disponível em: http://urlib.net/8JMKD3MGP7W/3BDGFNL. Acesso em 20 de maio
de 2018.
ASSINE, M. L.; MERINO, E. R.; PUPIM, F. DO N.; MACEDO, H. DE A.; SANTOS, M. G. M. DOS. The quaternary alluvial systems tract of the pantanal basin, brazil. Brazilian journal of geology, v. 45, n. 3, p. 475–489, 2015.
AUYNIRUNDRONKOOL, K.; CHEN, N.; PENG, C.; YANG, C.; GONG, J.; SILAPATHONG, C.
Flood detection and mapping of the Thailand Central plain using Radarsat and MODIS under a
sensor web environment. Int. J. Appl. Earth Obs. v.14, p. 245-255, 2012.
BAYISSA, Y.; TADESSE, T.; DEMISSE, G.; SHIFERAW, A. Evaluation of satellite-based rainfall estimates and application to monitor meteorological drought for the upper blue Nile basin, Ethiopia. Remote Sens., v. 9, p. 9 – 669, 2017. BRASIL. Ministério da Ciência e Tecnologia. Instituto Nacional de Pesquisas Espaciais. Boletim prognóstico climático para janeiro, fevereiro e março de 2012. Infoclima, 2011. Disponível em: http://infoclima1.cptec.inpe.br/~rinfo/pdf_progclima/pc1112.pdf. Acesso em 20 de julho de 2017. BERNARDI, E.C.S. Qualidade das estimativas de precipitação do satélite TRMM no estado do
Rio Grande do Sul. 2016. 116p. Dissertação (Engenharia Ambiental) – Universidade Federal de
Santa Maria, Rio Grande do Sul - RS. Disponível em:
https://repositorio.ufsm.br/bitstream/handle/1/7658/BERNARDI%2C%20EWERTHON%20CEZA
R%20SCHIAVO.pdf?sequence=1&isAllowed=y. Acesso em 20 de maio de 2018.
CARDOZO, F.S.; SHIMABUKURO, Y.E.; PEREIRA, G.; SILVA, F.B. Using remote sensing products for environmental analysis in South America. Remote Sens, v. 3, p. 2110–2127, 2011. BOLSTAD, P. Geographic information systems fundamentals. 4 ed. Eider Press, 2012. BRITO, N. D. M. Desenvolvimento econômico e mineração : uma abordagem da atividade em corumbá , MS. Entre-lugar, v. 4, p. 123–150, 2011. BROVELLI, M. A.; FAHL, F. C.; MINGHINI, M.; MOLINARI, M. E. Land user and land cover maps of europe: a webgis platform. International archives of the photogrammetry, remote sensing and spatial information sciences - isprs archives, v. 41, n. July, p. 913–917, 2016.
BUSTAMANTE-BECERRA, J. A.; CARVALHO, S. M. I. DE; SILVA, E. A. D. DA; RANDOW, C. VON. Clima e variabilidade interanual da vegetação no pantanal. Anais... In: XVII Congresso brasileiro de Meteorologia (CBMet), 2012, Gramado – RS, p. 1–6, 2012. Disponível em: http://www.sbmet.org.br/cbmet2012/pdfs/64GW.pdf. Acesso em: 15 de maio de 2018.
CATELLA, A. C.; ALBUQUERQUE, S. P.; CAMPOS, F. L. DE R.; SANTOS, D. C. DOS. Sistema de controle da pesca de mato grosso do sul scpesca/ms – 20 - 2013. Embrapa pantanal, p. 57, 2014.
CASTEJON, E. F.; FONSECA, L. M. G.; FORSTER, C. H. Q. Improvements over the geometric correction of cbers-ccd images by using classified georeferenced samples. Boletim de ciências
77
geodésicas, v. 21, n. 4, p. 658–673, 2015.
CHIARAVALLOTI, R. Overfishing or over reacting? management of fisheries in the pantanal wetland, brazil. Conservation and society, v. 15, n. 1, p. 111, 2017.
COUTINHO, A. C.; BISHOP, C.; ESQUERDO, J. C. D. M.; KASTENS, J. H.; BROWN, J. C. Dinâmica da agricultura na Bacia do Alto Paraguai. Anais... In: VI Simpósio de Geotecnologias no Pantanal, Cuiabá – MT, p. 623 -632, 2016. Disponível em: https://www.alice.cnptia.embrapa.br/bitstream/doc/1056612/1/GeopantanalCoutinhop623.pdf. Acesso em 20 de julho de 2018.
DAVRANCHE, A.; LEFEBRE, G.; POULIN, B. Wetland monitoring using classification trees and
SPOT-5 seasonal time series. Remoting Sensing of Enviroment, v. 114, p. 552-562, 2010.
DEZETTER, A.; RUELLAND, D.; NETTER, C. Flood monitoring of the Inner Niger Delta using
high resolution radar and optical imagery. IAHSAISH publication, p. 78-84, 2011.
DIONÍSIO, M. Proposta de um sistema de monitorização de condição de motores diesel. 2017.
136 p. Dissertação (Mestrado em Engenharia Mecânica) – Faculdade de Ciências e Tecnologia,
Universidade Nova de Lisboa, Portugal. Disponível em: https://run.unl.pt/handle/10362/32399.
Acesso em 14 de agosto de 2018.
DOURADO, W. B. Avaliação de técnicas de interpolação de imagens digitais. 2014. 139p. Tese (Doutorado em Matemática Aplicada e Computacional) Universidade Estadual Paulista – FCT, Presidente Prudente, São Paulo.
DUNNING C.M.; E. BLACK; R. ALLAN. The onset and cessation of seasonal rainfall over Africa, J. Geophys. Res. Atmos., 2016. EVANS, T. L.; COSTA, M.; TOMAS, W. M.; CAMILO, A. R. Large-scale habitat mapping of the brazilian pantanal wetland: a synthetic aperture radar approach. Remote Sensing Of Environment, v. 155, p. 8–108, 2014.
FERREIRA, A. B. de B. Pantanal Mato-Grossense: considerações sobre a proteção constitucional para um desenvolvimento econômico sustentável. Interações (Campo Grande), Campo Grande, v. 14, n. 1, p. 11-20, 2013. Disponível em: http://www.scielo.br/pdf/inter/v14n1/02.pdf. Acesso em 26 de Julho de 2017.
FLORENZANO, T. Iniciação em sensoriamento remoto. 3.ed. São Paulo: Oficina de Textos, 2011. 123p.
FRANCO, J. L. A.; DRUMMOND, J. A. ; GENTILE, C. ; AZEVEDO, A. I. . Biodiversidade e ocupação humana do Pantanal mato-grossense: conflitos e oportunidades. 1. ed. Rio de Janeiro: Garamond, 2013. 260p.
FUNK, C.; PETERSON, P.; LANDSFELD, M.; PEDREROS, D.; VERDIN, J.;SHUKLA, S.; HUSAK, G.; ROWLAND, J.; HARRISON, L.; HOELL, A.; MICHAELSEN, J.: The climate hazards infrared precipitation with stations – a new environmental record for monitoring extremes, Scientific Data, 2, 150066, doi:10.1038/sdata.2015.66, 2015. Disponível em: pubs.usgs.gov/ds/832/. Acesso em 25 de Maio de 2018. FURQUIM, S. A. C.; SANTOS, M. A.; VIDOCA, T. T.; BALBINO, M. DE A.; CARDOSO, E. L. Salt-
78
affected soils evolution and fluvial dynamics in the pantanal wetland, brazil. Geoderma, v. 286, p. 139–152, 2017.
FURTADO, L. F. A.; SILVA, T. S. F.; FERNANDES, P. J. F.; NOVO, E. M. L. M. Land cover classication of lago Grande de Curuai floodplain (Amazon, Brazil) using multi-sensor and image fusion techniques. Acta Amazonica. v. 45(2), p. 195 – 2002, 2015. Disponível em: http://dx.doi.org/10.1590/1809-4392201401439 . Acessado em: 03 de Julho de 2015.
GALDINO, S.; PADOVANI, C. R.; RESENDE, E. K. de; SORIANO, B. M. A.; TOMICH, T. R.; LARA, J. A. F. Ações para solucionar os problemas da Bacia do Rio Taquari - Pantanal. Disponível em: http://www.cpap.embrapa.br/publicacoes/online/ADM102.pdf. Acesso em 19 maio de 2018.
GIRARD, P.; VARGAS, I. Turismo , desenvolvimento e saberes no pantanal : diálogos e parcerias possíveis. Desenvolvimento e meio ambiente, v. 18, p. 61–76, 2008.
GONG, H.; JIAO, C.; ZHOU, D.; LI, N. Scale Issues of Wetland Classification and Mapping Using
Remote Sensing Images: A Case of Honghe National Nature Reserve in Sanjiang Plain,
Northeast China. Chin. Geogra. Sci. v. 21(2), 230-240 p 2011.
HUDSON, W.D.; RAMM, C.W. Correct formulation of the kappa coefficient of agreement. Photogrammetric Engineering & Remote Sensing, Maryland, v.53, n.4, p.421-2, 1987. IBGE. Instituto Brasileiro de Geografia e Estatística. Mapa de Biomas e Vegetação. 2004. Disponível em: http://www.ibge.gov.br/home/presidencia/noticias/21052004biomashtml.shtm. Acesso em: 20 maio de 2018. IBGE – Instituto Brasileiro de Geografia e Estatística. Cidades@. Brasil, 2010. Disponível em http://www.ibge.gov.br/cidadesat/default.php, Acesso em 13 de maio de 2018 IBGE - Instituto Brasileiro de Geografia e Estatística. Pesquisa da Produção Pecuária Municipal 2014. 2015. Disponível em: www.ibge.br. Acesso: 20 abril de 2018. IRIGARAY, C.T; IRIGARAY, M.; BRAUN, A.; Pantanal Legal: A tutela jurídica das áreas úmidas e do Pantanal mato-grossense. 1. ed. Cuiabá: EdUFMT, v. 1, 2017. 152 p. ISLAM, A. S.; BALA, S. K.; HAQUE, M. A. Flood inundation map of bangladesh using modis time-series images. Journal of flood risk management, v. 3, n. 3, p. 210–222, 2010. JUNK, W. J. Flood tolerance and tree distribution in central Amazonia. In: HOLM-NIELSEN L. B.; NIELSEN I. C.; BALSLEV. H. (Eds.) Tropical Forest Botanical Dynamics. Speciation and Diversity. London: Academic Press, p.47-64, 1989. JUNK, W.J; PIEDADE, M.T.F; LOURIVAL, R; WITTMANN, F; KANDUS, P; LACERDA, L.D; BOZELLI, R.L; ESTEVES, F.A; CUNHA, C.N; MALTCHIK, L; SCHÖNGART, J; SCHAEFFER-NOVELLI, Y; AGOSTINHO, A.A. Brazilian wetlands: their definition, delineation, and classification, for research, sustainable management, and protection. Aquattic Conservation: Marine and Freshwater Ecosystems. 2013. JENSEN, J. R. Introductory digital image processing. New Jersey: Prentice-Hall. 1986. 379 p.
79
KOTERA, A.; NAGANO, T.; HANITTINAN, P.; KOONTANAKULVONG, S. Assessing the degree
of flood damage to rice crops in the chao phraya delta, thailand, using modis satellite imaging.
Paddy and water environment, v. 14, n. 1, p. 271–280, 2016.
LAMOSO, L. P. A exploração de minério de ferro no brasil e em Mato Grosso do Sul. 2001. 304 p. Tese (Doutorado em Geografia). Faculdade de Filosofia, Letras e Ciências Humanas da Univerisade de São Paulo. São Paulo.
LANG, S.; BLASCHKE, T. Análise da Paisagem com SIG. São Paulo: Oficina de textos, 2009.
LEANDRO, G. R. S.; NASCIMENTO, F. R. ; SOUZA, C. A. Dinâmica das Águas no Sistema Rio-Planície de Inundação do Rio Paraguai em Cáceres - Mato Grosso. In: Archimedes Perez Filho, Raul Reis Amorim. (Org.). Anais... Os desafios da geografia física na fronteira do conhecimento. 17ed.Campinas: Unicamp, v. 1, p. 5979-5990, 2017.
LIEBMANN, B.; I. BLADÉ.; G. N. KILADIS.; L. M. CARVALHO.; G. B. SENAY, D.; ALLURED, S.; LEROUX.; C. FUNK.; Seasonality of African precipitation from 1996 to 2009, J. Clim., 25(12), 4304–4322. 2012 LOBÃO, J. S. B.; FRANÇA-ROCHA, W. J. S.; SILVA, A. B. Aplicação dos índices KAPPA & PABAK na validação da classificação automática de imagem de satélite em Feira de Santana-BA. In: SIMPÓSIO BRA-SILEIRO DE SENSORIAMENTO REMOTO, 12. (SBSR), 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 1207-1214. CD-ROM, On-line. ISBN 85-17-00018-8. Disponível em: http://urlib.net/ltid.inpe.br/sbsr/2004/11.21.14.18. Acesso em: 02 de maio de 2018. MARCUZZO, F. F. N.; FARIA, T. G.; CARDOSO, M.R. D.; MELO, D. C. R. Chuvas no Pantanal Brasileiro: Análise Histórica e Tendência Futura. In: III Simpósio de Geotecnologias no Pantanal, 2010, Cáceres. Anais do III Simpósio de Geotecnologias no Pantanal. Corumbá: Embrapa, 2010b. v. 1. p. 170-180. Disponível em: http://www.cprm.gov.br/publique/media/Evento_tendencia_Marcuzzo.pdf. Acesso em: 02 de maio de 2018. MENESES, P. R.; ALMEIDA, T. (Org.). Introdução ao Processamento de imagens de sensoriamento remoto. Brasília: UNB/CNPq. 2012. 266 p MIGUEL, S. M.; HUESCA, M.; GONZÁLEZ-ALONSO, F. Modis reflectance and active fire data for burn mapping and assessment at regional level. Ecological Modelling, v. 221, p. 67 – 74, 2010.
MINISTÉRIO DO MEIO AMBIENTE (Brasil) (MMA). Secretaria de Biodiversidade e Florestas. Biodiversidade do cerrado e pantanal: áreas e ações prioritárias para conservação. Brasília: MMA, 2007.
MORAES, E. C.; PEREIRA, G.; CARDOZO, F. DA S. Evaluation of reduction of pantanal wetlands in 2012. Geografia (Rio Claro. Impresso), v. 38, p. 81-93, 2013.
MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. 4.Ed. Atual. Ampl. Viçosa, MG: EDUFV, 2011. 422p. NASCIMENTO, H. R. Geotecnologias e o Planejamento da Agricultura de Energia. Málaga, Espanha: Eumed.Net, Universidade de Málaga, 2012.
80
NOVO, E. M. L. M. Sensoriamento Remoto: princípios e aplicações. 4. Ed. Rev. São Paulo. Blücher, 2010. PADOVANI, C. R. Dinâmica espaço-temporal das inundações do Pantanal. 2010. 174p. Tese (Doutorado) Escola Superior de Agricultura “Luiz de Queiroz”. Centro de Energia Nuclear na Agricultura. Piracicaba, São Paulo. Disponível em: http://www.teses.usp.br/teses/disponiveis/ 91/91131/tde-14022011-170515/pt-br.php. Acesso em 15 de maio de 2018. PAULO, C. M. Dinâmica territorial no Pantanal brasileiro: impactos do turismo e propostas de planejamento, 2011,190p. Dissertação (Mestrado em Ciência Ambiental) – Universidade de São Paulo, São Paulo. PAZ, A. R. DA; COLLISCHONN, W.; TUCCI, C. E. M.; PADOVANI, C. R. Large-scale modelling of channel flow and floodplain inundation dynamics and its application to the pantanal (brazil). Hydrological Processes, v. 25, n. 9, p. 1498–1516, 2011. PBMC, 2014: Impactos, vulnerabilidades e adaptação às mudanças climáticas. Contribuição do Grupo de Trabalho 2 do Painel Brasileiro de Mudanças Climáticas ao Primeiro Relatório da Avaliação Nacional sobre Mudanças Climáticas [Assad, E.D., Magalhães, A. R. (eds.)]. COPPE. Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasil, 414 pp PEDRINE, H.; SCHAWARTZ, W. R. Análise imagens digitais: princípios, algoritmos e aplicações. São Paulo, Thomson Learning, 2008. 528p. PEREIRA, G.; CHÁVEZ, E. S.; SILVA, M. E. S. O estudo das unidades de paisagem do bioma pantanal. Revista Ambiente & Água, v. 7, p. 89-103, 2012.
POWERS, R. P.; HAY, G. J.; CHEN, G. How wetland type and area differ through scale: A
GEOBIA case study in Alberta's Boreal Plains. Remote Sensing of Environment, v. 117, p. 135-
145, 2012.
REYNALDO, N. I.; LOVERDE-OLIVEIRA, S. Usos sociais da biodiversidade de Mato Grosso. 1. ed. Cuiabá: EdUfmt, v. 1. 139p., 2015. SAKAMOTO, A. Y.; QUEIROZ NETO, J. P. de; BARBIERO, L; FORT, M.; FURIAN, S.; FURQUIM, S.; FERREIRA, R. P. D.; SALVI-SAKAMOTO, L. L; REZENDE FILHO, A. T.; OLIVEIRA, W. Funcionamento hidrológico, físico e biogeoquímico do pantanal da Nhecolândia, Mato Grosso do Sul, Brasil. In: Anais... X Encontro de Geógrafos da América Latina - Por uma Geografia Latino-Americana: Do labirinto da solidão ao espaço da solidariedade. São Paulo (SP), 2005.
SANTOS, J. S.; PEREIRA, G.; SHIMABUKURO, Y, E.; RUDORFF, B. F. T. Identificação de áreas
alagadas no bioma Pantanal – Brasil – utilizando dados multitemporais TERRA/MODIS.
GEOGRAFIA, Rio Claro, v. 34, Número Especial, p745-755, 2009. Disponível em:
http://www.geopantanal.cnptia.embrapa.br/publicacoes/2geo/Cap-10.pdf. Acesso em: 26 de
maio de 2018.
SANTOS, Rozely Ferreira dos (Org). Vulnerabilidade Ambiental. Desastres naturais ou fenômenos induzidos? Brasília (DF): Ministério do Meio Ambiente, v.1, 192p. 2007.
SHIMABUKURO, Y. E.; SMITH, J. A. The least squares mixing models to generate fraction images derived from remote sensing multispectral data. IEEE Transactions on Geoscience and Remote Sensing, v. 29, n. 1, p. 16-20, 1991.
81
SILVA, R. V. Uso e ocupação da margem esquerda do rio Paraguai e a percepção ambiental de usuários do município de Cáceres. 2011. 110p. Dissertação (Mestrado em Ciências Ambientais) - Universidade do Estado do Mato Grosso. Cáceres, Mato Grosso. SILVEIRA, S. W. G. Análise de desempenho de produtos modis para modelagem da dinâmica
de inundação do pantanal mato-grossense. 2015. 100 p. Tese (Doutorado em Física Ambiental)
- Instituto de Física, Universidade Federal de Mato Grosso.
SOUZA, C. A; LANI, J. L; SOUSA, J. B. Origem e evolução do Pantanal Mato-grossense. In: Simpósio Nacional de Geomorfologia, 6., 2006. Disponível em: http://www.labogef.iesa.ufg.br/links/sinageo/aut/articles/132.pdf. Acesso em 3 maio 2018. TIAN, Q.; BROWN, D. G.; BAO, S.; QI, S. Assessing and mapping human well-being for
sustainable development amid flood hazards: Poyang Lake Region of China. Elsevier. Applied
Geography, 66-76 p. 2015.
UNITED STATES GEOLOGICAL SURVEY – USGS. Landsat Missions: Frequently Asked Questions about the Landsat Missions. Disponível em: http://landsat.usgs.gov//about_project_descriptions.php. Acesso em 3 maio 2018. WÜST, C.; TAGLIANI, N.; CONCATO, A. C. A pecuária e sua influência impactante no meio ambiente. In: VI Congresso Brasileiro de Gestão Ambiental, 2015, Porto Alegre. Anais... VI Congresso Brasileiro de Gestão Ambiental, 2015. ZARISTA, S. Monitoramento da dinâmica de inundação no Pantanal norte com uso de Índices EVI e LSWI do MODIS.2013. 61 p. Dissertação (Mestrado em Física Ambiental) - Instituto de Física, Universidade Federal de Mato Grosso, Mato Grosso. ZHANG, W.; BRANDT, M.; GUICHARD, F.; TIAN, Q.; FENSHOLT, R. Using long-term daily satellite based rainfall data (1983–2015) to analyze spatio-temporal changes in the sahelian rainfall regime. Journal of hydrology, v. 550, p. 427–440, 2017.