Downscaling de imagens MODIS e LANDSAT para estimativas de evapotranspiração em alta resolução espacial e temporal

Abstract

A temperatura de superfície é uma variável fundamental para balanços energéticos entre superfície e atmosfera, sendo muito utilizada na hidrologia para a estimativa de evapotranspiração. A natureza pontual de suas medições e o baixo número de estações meteorológicas que a medem faz com que o uso de sensoriamento remoto para obtê-la torne- se mais frequente e abrangente. Mesmo abrangendo grandes áreas, as imagens de sensoriamento remoto termal podem apresentar resoluções espaciais moderadas, quando a disponibilidade de dados é diária (e.g. sensor MODIS) e resoluções espaciais mais detalhadas, mas com resolução temporal de até 16 dias (e.g. Landsat). Essa relação inversa entre resolução espacial e temporal fez com que fossem desenvolvidas técnicas para aproveitar o melhor de cada resolução. Uma dessas técnicas é denominada downscaling. Dessa forma, buscou-se a obtenção de imagens de alta resolução espacial e temporal por meio de downscaling para estimativas de evapotranspiração, usando o modelo geeSEBAL. Como área de estudo, utilizou-se dados medidos em estações micrometeorológicas instaladas no sul do Brasil. Os resultados do downscaling da temperatura, ao compará-los com as imagens termais do Landsat, demonstraram que 84% dos valores MAE e 65% de RMSE ficaram abaixo de 2 K. Grande parte dos valores de R (77%) foram superiores à 0,70. Os valores de viés ficaram em sua grande maioria (84%) entre -2 e 2 K. De modo geral, comparando os resultados de downscaling obtidos com as medições de campo, os valores de MAE variaram entre 1,18 e 3,96 K; RMSE entre 1,55 e 4,32 K; com viés variando de -1,07 a 3,96 K. Os valores de R ficaram, em média, bem próximos de 0,90. Ao comparar os resultados de evapotranspiração com aqueles obtidos com imagens Landsat, verificou-se que 61% do MAE e 39% do RMSE apresentaram valores inferiores à 1,5 mm/d. Os valores de R tiveram valores maiores que 0,70 em 84% dos casos. Os vieses tiveram 74% dos resultados entre - 1,5 à 1,5 mm/d. Os resultados da comparação da evapotranspiração com as medições de campo demonstraram maior amplitude de erro conforme estação, com valores medianos de MAE de 1,90 mm/d; RMSE de 2,25 mm/d; viés de 0,10 mm/d; e com R de até 0,69. Mesmo com a variabilidade dos resultados, observou-se a viabilidade do downscaling da temperatura de superfície e evapotranspiração usando computação em nuvem para o desenvolvimento de séries temporais de alta resolução temporal e espacial usando o modelo geeSEBAL.

Land surface temperature (LST) is a key parameter for energy balances between surface and atmosphere. However, its punctual measures and the lack of meteorological sites has provided opportunities to the use of remote sensing to retrieve this variable. In hydrology, evapotranspiration (ET) models has as input land surface temperature. Remote sensing is able to provide data for large areas, however, the retrieved data may have coarse spatial resolution with daily temporal resolution (e.g. MODIS sensor), and finer spatial resolution, but with temporal resolution of 16 days (e.g. Landsat). This trade-off between spatial and temporal resolutions stimulated researchers to develop methods and algorithms that create high spatial and temporal resolution images. One of these methods is called downscaling. Thus, this research aimed to create high temporal and spatial resolution LST and ET images in the south region of Brazil. In the downscaling of LST, the results were validated with thermal images of Landsat images. Most of the values of MAE (84%) and RMSE (65%) were below 2 K. Similar results were verified with the correlation coefficient, wherein 77% of the values were higher than 0.70. Bias values were mostly (84%) between -2 and 2 K. The results of the downscaling were validated with in situ measurements. The accuracy levels can be slightly different between sites and LST retrieval methods. The average values of MAE were between 1,18 e 3,96 K; RMSE values were between 1,55 and 4,32 K; and bias were between -1,07 and 3,96 K. Correlation Coefficients were nearly 0,90. While comparing to evapotranspiration obtained with Landsat images, accuracy results were the following: Values of MAE and RMSE were lower than 1.5 mm/d in 61% and 39% of the times. R values were higher than 0.70 most of the times (i.e. 84%). Bias values ranged from -1.5 to 1.5 mm/d in 74% of the results. The comparison with in situ measurements showed higher errors range depending on the selected site. MAE median value was 1.90 mm/d; median RMSE was 2.25 mm/d; median bias was 0.10 mm/d and R has 0.69 as its maximum value. Despite the variable results obtained, the use of cloud computing to retrieve higher spatial-temporal resolution time series of LST and ET is feasible.