Índices biofísicos da bacia hidrográfica do Rio Sucuru-PB utilizando o Google Earth Engine.

• Autor(a) principal: SOUSA, José Hugo Simplicio de.
• Data de Publicação: 2023
• Outros Autores: RIBEIRO, George do Nascimento., FRANCISCO, Paulo Roberto Megna., SILVA JUNIOR, Osmar Antônio da., SILVA, Luiz Heitor Gonçalves Teodomiro., NÓBREGA, Jarlean Lopes.
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/37392
• topic: Bacia Hidrográfica do Rio Sucuru - PB; Rio Sucuru - Sumé - PB; Índices biofísicos - Bacia Hidrográfica do Rio Sucuru - PB; Geotecnologias; Índice de vegetação por diferença normatizada; Temperatura da superfície terrestre; Sensores Moderate Resolution Imaging Spectroradiometer; Geoprocessamento; Coeficiente de correlação de pearson; Google Earth Engine; Software R®; Moderate Resolution Imaging Spectroradiometer - MODIS; Sucuru River Basin - PB; Sucuru River - Sumé - PB; Biophysical indices - Sucuru River Basin - PB; Geotechnologies; Normalized difference vegetation index; Earth surface temperature; Geoprocessing; Pearson correlation coefficient; Recursos hídricos.

A Bacia Hidrográfica do rio Sucuru-PB abrange uma área de 1.652,5 km², e requer monitoramento eficiente de seus recursos naturais. O Sensoriamento Remoto (SR) emerge como uma ferramenta crucial para essa finalidade. Este estudo teve como objetivo a análise da dinâmica do Índice de Vegetação por Diferença Normalizada (NDVI) e da Temperatura da Superfície Terrestre (LST) em relação às variações na precipitação pluviométrica durante o período de 2001 a 2019. Para realizar essa análise, a plataforma Google Earth Engine (GEE) foi empregada, juntamente com dados dos sensores Moderate Resolution Imaging Spectroradiometer (MODIS) e TerraClimate, utilizando programação em JavaScript. O coeficiente de correlação de Pearson (r) no software R® foi aplicado para avaliar as relações entre os dados da série temporal do NDVI e da precipitação pluviométrica, bem como entre os dados da LST e a precipitação pluviométrica. Este estudo destacou a eficácia da plataforma GEE no processamento das imagens, permitindo uma análise abrangente da dinâmica da bacia do rio Sucuru e sua relação com fatores climáticos fundamentais, fornecendo informações cruciais para a gestão dos recursos hídricos na região, destacando a importância do SR como uma ferramenta eficaz para monitorar os recursos naturais das bacias hidrográficas. Os coeficientes de correlação de Pearson revelaram uma correlação moderada entre o NDVI e a precipitação pluviométrica, bem como entre a LST e a precipitação pluviométrica, indicando uma forte associação entre a dinâmica da vegetação e a LST com os padrões de precipitação pluviométrica.