ads:
UNIVERSIDADE FEDERAL DO CEARÁ
INSTITUTO DE CIÊNCIAS DO MAR
PÓS-GRADUAÇÃO EM CIÊNCIAS MARINHAS TROPICAIS
Técnicas de Sensoriamento Remoto para
Monitoramento Ambiental com Aplicações em
Recursos Pesqueiros no Atlântico Tropical
ANTONIO GERALDO FERREIRA
FORTALEZA-CE
Agosto/2005
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
UNIVERSIDADE FEDERAL DO CEARÁ
INSTITUTO DE CIÊNCIAS DO MAR
PÓS-GRADUAÇÃO EM CIÊNCIAS MARINHAS TROPICAIS
TÉCNICAS DE SENSORIAMENTO REMOTO
PARA MONITORAMENTO AMBIENTAL COM
APLICAÇÕES EM RECURSOS PESQUEIROS NO
ATLÂNTICO TROPICAL
ANTONIO GERALDO FERREIRA
Dissertação apresentada ao Mestrado em
Ciências Marinhas Tropicais do Instituto de
Ciências do Mar da Universidade Federal do
Ceará, como requisito parcial à obtenção do
título de MESTRE.
Orientador: Prof. Dr. Carlos Artur Sobreira Rocha
FORTALEZA-CE
Agosto/2005
ads:
Após a finalização dos trabalhos da defesa de Dissertação de Mestrado do aluno
Antonio Geraldo Ferreira, intitulada “Técnicas de Sensoriamento Remoto para
Monitoramento Ambiental com Aplicações em Recursos Pesqueiros no Atlântico
Intertropical”, a Banca Examinadora considerando o conteúdo do trabalho e a apresentação
realizada considera a DISSERTAÇÃO APROVADA.
Prof. Dr. Carlos Artur Sobreira Rocha
(orientador)
Prof. Dr. Carlos Alessandre Domingos Lentini
(membro da banca examinadora)
Prof. Dr. Antonio Clécio Fonteles Tomaz
(membro da banca examinadora )
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
“Eu não sei que imagem mostro ao mundo, mas para mim, eu pareço um menino brincando
na praia, e me divertindo de vez em quando, ao encontrar uma pedrinha mais lisa ou uma
concha mais bonita, enquanto o oceano da verdade permanece indescoberto diante de mim”
Sir Isaac Newton
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
DEDICO
Aos meus pais, José Ferreira e Maria Aparecida,
aos meus irmãos, Elizabete, Fátima, Francisco
Israel (in memorian) e José Luiz, e,
à Alice e Gabriel, que trazem luz e alegria a
minha vida.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
AGRADECIMENTOS
Ao Dr. Carlos Artur Sobreira Rocha, pelo companheirismo, confiança, amizade e
orientação.
Ao Dr. Luiz Augusto Toledo Machado, do Instituto Nacional de Pesquisas
Espaciais - INPE, pela co-orientação deste trabalho, pela amizade, incentivo e auxílio no que
se referiu à parte de satélites.
Ao Coordenador do Curso de Pós-Graduação Dr. Luis Drude Lacerda, ao Diretor
do LABOMAR Dr. Luiz Parente Maia, e aos professores do curso de pós-graduação que
propiciaram, além da formação, um ambiente hospitaleiro, amigo e de estímulo durante o
desenvolvimento deste estudo, e às secretárias da pós-graduação Rosângela e Gorette.
Ao Dr. Milton Kampbell, do INPE, pelo auxílio no processamento das imagens
SeaWiFs.
Ao Dr. Jacques Servain, da FUNCEME/IRD e Dr. Paulo Travassos, da UFRPe,
pelas valiosas discussões que em muito contribuíram para este trabalho.
Aos meus colegas de curso e da FUNCEME, especialmente ao Afrânio, Bruno,
Carlos Henrique, David, Laélia, Santana, Sérgio Sombra, Sílvia, Widmark e Wagner, que
contribuíram diretamente para o sucesso deste trabalho.
À MSc. Cláudia Ramos Zagaglia e ao Dr. Paulo Travassos, pela gentileza em
fornecer os dados de pesca utilizados neste estudo.
À Fundação Cearense de Meteorologia e Recursos Hídricos - FUNCEME, pelas
facilidades computacionais.
À Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico
(FUNCAP), pela concessão da bolsa de estudos.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
RESUMO
Neste trabalho foram estudados, a partir de dados obtidos através de sensores a
bordo de satélites, os padrões mensais e sazonais de parâmetros físicos e biológicos sobre o
Atlântico Tropical, para a área compreendida entre as latitudes 30
o
N – 30
o
S e longitudes 80
o
W – 5
o
E. As propriedades físicas ambientais (temperatura da superfície do mar, medida pelo
sensor AVHRR; e vento; medido pelos sensores AMI e SeaWinds), combinados com dados
de clorofila-a (medida pelo sensor SeaWiFS), revelaram aspectos do ciclo sazonal e interanual
desses parâmetros sobre o Atlântico Tropical. Verificou-se que áreas com TSMs mais
aquecidas encontram se preferencialmente ao norte do Equador, durante praticamente todo o
ano, com exceção de março, abril e maio, onde estas se posicionam no hemisfério sul. Para os
campos médios mensais do vento, verificou-se que os Alísios de Nordeste são mais intensos
que os de Sudeste durante as estações de inverno e primavera austral, sendo o inverso para
estações de inverno e primavera boreal. As imagens de clorofila-a revelaram o
enriquecimento das massas d’águas superficiais, destacando-se a divergência equatorial e a
retroflexão da Corrente Norte do Brasil. O estudo das três espécies de atuns (Albacoras Lage,
Branca e Bandolin), capturadas na área compreendida entre 15º N – 15º S e 50º W – 15º W,
através da análise de séries temporais, mostrou que a Captura por Unidade de Esforço (CPUE)
para as Albacoras Lage e Branca apresentam tendência de não-estacionaridade, enquanto a
Albacora Bandolin apresenta tendência de estacionaridade. As diferenças encontradas entre as
CPUES mensais e anuais das três espécies, foram estudadas através do uso de modelos de
análise de variância, sendo que as relações entre as CPUEs e as variáveis ambientais citadas
anteriormente, apresentaram correlações significativas, permitindo o ajuste de modelos
lineares simples e múltiplos, e em alguns casos aplicou-se transformação logarítmica no valor
das variáveis.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
ABSTRACT
ABSTRACT
In this work, monthly and seasonal patterns of physical and biological parameters
over the Tropical Atlantic, using data obtained from sensors on board satellites are studied for
the area encompassed by 30
o
N – 30
o
S and 80
o
W – 5
o
E. The physical environmental
properties (sea surface temperature; measured by the AVHHR sensor; and wind; measured by
AMI and SeaWinds sensors), combined with chlorophyll-a data (measured by the SeaWiFS
sensor), revealed characteristics related to the seasonal and inter-annual cycle of these
parameters in the Tropical Atlantic. It was found that areas with warmer SSTs, normally form
north of the equator, during practically the entire year, with the exception of March, April and
May, when they formed in the southern hemisphere. For average monthly wind fields, it was
found that the Northeast tradewinds were more intense than those from the Southeast during
the seasons of austral winter and spring, and the opposite for the boreal winter and spring. The
chlorophyll-a images revealed the enriching of superficial water, notably the equatorial
divergence and the backflow of the North Brazil Current. Time series analysis of the three
species of Tuna (Albacoras: Lage, Branca and Bandolin), caught in the area between 15º N –
15º S and 50º W – 15º W, showed that the CPUE for Albacoras Lage and Branca presented a
tendency towards non-stationary whereas for Albacora Bandolin appeared to be stationary.
The differences found between monthly and annual CPUEs, of the three species were studied
using Variance Analysis Models (ANOVA). The relationship between CPUEs and the
aforementioned environmental variables, showed significant correlations, allowing the
adjustment of simple and multiple linear models, and in some cases variables logarithmic
transformation were applied.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
VII
SUMÁRIO
LISTAS DE FIGURAS
LISTAS DE TABELAS
LISTA DE SIGLAS E ABREVIATURAS
1 INTRODUÇÃO ....................................................................................................18
2 FUNDAMENTAÇÃO TEÓRICA PARA ESTIMATIVA REMOTA DE
PARÂMETROS ATMOSFÉRICOS E OCEANOGRÁFICOS ......................25
2.1 Introdução ..............................................................................................................25
2.2 A Radiação Eletromagnética ................................................................................. 29
2.2.1 O Espectro eletromagnético .................................................................................. 30
2.2.2 Princípios e leis da radiação eletromagnética ....................................................... 31
2.3 A Interação da Radiação com a Atmosfera e com a Superfície ............................ 34
2.4 Sistemas Sensores ................................................................................................. 36
2.5 Temperatura da Superfície do Mar ....................................................................... 38
2.5.1 Aspectos teóricos relacionados à determinação da TSM ...................................... 38
2.5.2 Esquema de processamento .................................................................................. 39
2.5.2.1 Correção atmosférica ............................................................................................ 40
2.6 Concentração de Clorofila-a ................................................................................. 41
2.6.1 Aspectos teóricos relacionados à determinação da concentração de clorofila-a ... 42
2.6.2 O SeaWiFS ............................................................................................................ 43
2.7 Direção e Velocidade dos Ventos ......................................................................... 45
2.7.1 Aspectos teóricos relacionados à determinação da direção e velocidade dos ventos
................................................................................................................................ 46
2.7.2 O espalhamento ressonante de Bragg ................................................................... 48
3 DADOS E METODOLOGIA ............................................................................. 51
3.1 Área de estudo ....................................................................................................... 51
3.1.1 Aspectos meteorológicos e oceanográficos .......................................................... 53
3.2 Dados Utilizados ................................................................................................... 54
3.2.1 Dados de temperatura da superfície do mar .......................................................... 55
3.2.2 Dados de vento ...................................................................................................... 56
3.2.3 Dados de concentração de clorofila-a .................................................................. 57
3.2.4 Dados de pesca ..................................................................................................... 57
3.2.4.1 Descrição das espécies em estudo ........................................................................ 59
3.2.4.1.1 Albacora Lage ....................................................................................................... 60
3.2.4.1.2 Albacora Branca .................................................................................................... 61
3.2.4.1.3 Albacora Bandolin ................................................................................................ 62
3.3 Metodologia de Análise dos Dados ....................................................................... 63
4 RESULTADOS E DISCUSSÕES ...................................................................... 69
4.1 Padrões mensais e sazonais da TSM no Oceano Atlântico Intertropical .............. 69
4.1.1 Dipolo de anomalia da temperatura da superfície do mar no Oceano Atlântico
Tropical ................................................................................................................................... 75
4.2 Padrões sazonais do vento no Oceano Atlântico Intertropical .............................. 77
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
VIII
4.3 Padrões
mensais e sazonais da Concentração de Clorofila-a no Oceano Atlântico
Intertropical .......................................................................................................... 83
4.4 Análise dos Dados da CPUE das Albacoras Lage, Branca e Bandolin ................ 88
4.4.1 Teste do Coeficiente de Corralação de Spearman ................................................ 88
4.4.2 Albacora Lage ...................................................................................................... 91
4.4.3 Albacora Branca ................................................................................................. 101
4.4.4 Albacora Bandolin .............................................................................................. 111
5 CONCLUSÕES E RECOMENDAÇÕES ...................................................... 122
5.1 Conclusões ........................................................................................................... 122
5.2 Recomendações para trabalhos futuros ............................................................... 124
6 REFERÊNCIAS BIBLIOGRAFICAS ............................................................ 125
APÊNDICE A ……………………………......…………………………....................…… 132
APÊNDICE B ...................................................................................................................... 159
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
IX
LISTA DE FIGURAS
Figura 2.1 a) Ilustração do IFOV e b) do ângulo sólido ................................................... 28
Figura 2.2 Flutuações dos campos elétrico e magnético de uma onda eletromagnética se
propagando na direção Z ................................................................................. 29
Figura 2.3 Espectro Eletromagnético (1 A
o
= 10
-16
µ.m)................................................... 31
Figura 2.4 Emitância em função do comprimento de onda para dois materiais usados num
radiômetro de satélite. As curvas normalizadas de Planck que representam a
radiação solar (5800 K) e radiação terrestre (260 K) são mostradas................ 32
Figura 2.5 Curva de irradiância solar em função do comprimento de onda, para mostrar
absorção da radiação, pelos gases e vapor d´água............................................ 35
Figura 2.6 Curva espectral das radiações solares e da terrestres, janelas atmosféricas e
transmitância espectral do comprimento de onda............................................ 36
Figura 2.7 Esquema de um sensor passivo (A) e um sensor ativo (B)............................. 37
Figura 2.8 Diagrama esquemático dos processos necessários à obtenção da TSM........... 40
Figura 2.9 Geometria de imageamento dos sistemas radar: a) a bordo de avião e b) a bordo
de satélites: as três antenas do escaterômetro do vento geram um feixe de radar
45
o
para frente, obliquamente, e 45
o
para trás, através de uma faixa de 500 Km
de largura, 200 Km à direita da direção de deslocamento do satélite.............. 47
Figura 2.10 Diagrama esquemático representando o espelhamento e reflexão das
microondas para uma superfície oceânica do tipo: a) lisa, b) intermediaria e c)
muito rugosa. Quando a rugosidade aumenta, mais energia das microondas é
retornada na direção da fonte de microondas .................................................. 48
Figura 2.11 Espalhamento ressonante de Bragg.................................................................. 50
Figura 3.1 Região de estudo: a) Oceano Atlântico na área compreendida entre as latitudes
30
o
N – 30
o
S e longitudes 80
o
W – 5
o
E), e b) Divisões da
ZEE................................................................................................................... 52
Figura 3.2 Pontos onde houve informações de captura das Albacoras Lage, Branca e
Bandolin durantes os anos de:a) 1995, b) 1996, c) 1997, d) 1998, e) 1999, f)
2000, g) 2001, h) 2002 e i) 2003. Resolução espacial: 1º Latitude x 1º
Longitude.......................................................................................................... 58
Figura 3.3 a)Thunnus albacares, por Cada, L.A., e b) Thunnus albacares por
Archambault, C................................................................................................. 60
Figura 3.4 a) Thunnus alalunga, por Cada, L.A., e b) Thunnus alalunga por Archambault,
C.….................................................................................................................. 61
Figura 3.5 a) Thunnus obesus por Cada, L.A., e b) Thunnus obesus por Archambault, C.
.......................................................................................................................... 62
Figura 4.1 Média histórica sazonal da TSM no oceano Atlântico Intertropical, obtidas a
partir dos dados do satélite NOAA/AVHRR, com resolução espacial de 9 Km x
9 Km, relativas aos trimestres: a) DJF, b) MAM, c) JJA e d) SON. A escala de
cores representa a TSM em graus Celsius (
o
C)................................................ 71
Figura 4.2 Média histórica mensal da TSM, no oceano Atlântico Intertropical, obtidas a
partir dos dados do satélite NOAA/AVHRR, com resolução espacial de 9 Km x
9 Km, relativas aos meses: a) janeiro, b) fevereiro, c) março, d) abril, e) maio,
f) junho, g) julho, h) agosto, i) setembro, j) outubro, k) novembro e l)
dezembro. A escala de cores representa a TSM em graus Celsius (
o
C)........... 73
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
X
Figura 4.3
Séries temporais mensais dos índices normalizados das anomalias de TSM para
o Atlântico Norte (área: 30
o
N – 5
o
N e 60
o
W – 15
o
E), indicadas na figura pela
linha azul, Atlântico Sul (área: 5
o
N – 20
o
S e 60
o
W – 15
o
E), indicadas na figura
pela linha vermelha. Esses dados foram gerados a partir do sensor AVHRR, e
compreendem o período de janeiro de 1985 a dezembro de 2004. ................. 76
Figura 4.4 Séries temporais mensais do dipolo de TSM para a bacia do Oceano Atlântico
Tropical, geradas a partir do sensor AVHRR e de navios mercantes. Os dados
utilizados na geração da série compreendem o período de janeiro de 1985 a
dezembro de 2004 e foram obtidos dentro da área compreendida entre as
latitudes 28
o
.N – 20
o
.S e longitude 60
o
.W – 15
o
.E........................................... 77
Figura 4.5
Média histórica (período:1991 a 200) sazonal do vento no oceano Atlântico
Intertropical, relativa aos meses: a) DJF, b) MAM, c) JJA, e d) SON. ........... 79
Figura 4.6 Média histórica (período: 1999 a 2000) mensal do vento no Oceano Atlântico
Intertropical, relativa aos meses: a) Janeiro, b) fevereiro , c) março, e d) abril,
e) maio, f) junho, g) julho, h) agosto, i) setembro, j) outubro, k) novembro e l)
dezembro ......................................................................................................... 81
Figura 4.7 Imagens obtidas a partir dos dados do sensor SeaWiFS, mostrando a
concentração de phytoplancton nos meses de janeiro a março (a), abril a junho
(b), julho a setembro (c) e outubro a dezembro(d)........................................... 84
Figura 4.8 Imagens obtidas a partir dos dados do sensor SeaWiFS, mostrando a
concentração de phytoplancton nos meses de janeiro a dezembro (figura 4.7 a a
l, respectivamente). Essas imagens foram obtidas a partir do composite dos
dados coletados pelo sensor SeaWiFS no período compreendido entre setembro
de 1997 e dezembro de 2004. A escala de cores representa a concentração de
clorofila-a em mg/m
3
........................................................................................ 86
Figura 4.9 a) Peso vivo (total anual) capturado da espécie Albacora Lage, e b) CPUE, nas
áreas compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W,
aqui referida como HN, e latitude 0.4°N - 15°S e longitude 50°W - 15°W, aqui
referida como HS ............................................................................................. 92
Figura 4.10
Série Temporal da Albacora Lage. Período: 1995 a 2003................................ 92
Figura 4.11 Distribuição espacial, para o ano de 1995, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 94
Figura 4.12 Distribuição espacial, para o ano de 1996, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 94
Figura 4.13 Distribuição espacial, para o ano de 1997, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 95
Figura 4.14 Distribuição espacial, para o ano de 1998, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 95
Figura 4.15 Distribuição espacial, para o ano de 1999, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 96
Figura 4.16 Distribuição espacial, para o ano de 2000, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 96
Figura 4.17 Distribuição espacial, para o ano de 2001, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 97
Figura 4.18 Distribuição espacial, para o ano de 2002, do total anual da CPUE (Kg/n
o.
de
anzóis-dia para a Albadora Lage...................................................................... 97
Figura 4.19 Distribuição espacial, para o ano de 2003, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Lage..................................................................... 98
Figura 4.20 a) Peso vivo (total anual) capturado da espécie Albacora Branca, e b) CPUE, nas
áreas compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W,
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
XI
aqui referida como HN, e latitude 0.4°N - 15°S e longitude 50°W - 15°W, aqui
referida como HS ........................................................................................... 102
Figura 4.21 Série Temporal da Albacora Branca............................................................... 102
Figura 4.22 Distribuição espacial, para o ano de 1995, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 104
Figura 4.23 Distribuição espacial, para o ano de 1996, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 104
Figura 4.24 Distribuição espacial, para o ano de 1997, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 105
Figura 4.25 Distribuição espacial, para o ano de 1998, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 105
Figura 4.26 Distribuição espacial, para o ano de 1999, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 106
Figura 4.27 Distribuição espacial, para o ano de 2000, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 106
Figura 4.28 Distribuição espacial, para o ano de 2001, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 107
Figura 4.29 Distribuição espacial, para o ano de 2002, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 107
Figura 4.30 Distribuição espacial, para o ano de 2003, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Branca................................................................ 107
Figura 4.31 a) Peso vivo (total anual) capturado da espécie Albacora Bandolin, e b) CPUE,
nas áreas compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W -
15°W, aqui referida como HN, e latitude 0.4°N - 15°S e longitude 50°W -
15°W, aqui referida como HS ....................................................................... 112
Figura 4.32 Série Temporal da Albacora Bandolin........................................................... 112
Figura 4.33 Distribuição espacial, para o ano de 1995, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 114
Figura 4.34 Distribuição espacial, para o ano de 1996, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 114
Figura 4.35 Distribuição espacial, para o ano de 1997, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 115
Figura 4.36 Distribuição espacial, para o ano de 1998, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 115
Figura 4.37 Distribuição espacial, para o ano de 1999, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 116
Figura 4.38 Distribuição espacial, para o ano de 2000, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 116
Figura 4.39 Distribuição espacial, para o ano de 2001, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 117
Figura 4.40 Distribuição espacial, para o ano de 2002, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 117
Figura 4.41 Distribuição espacial, para o ano de 2003, do total anual da CPUE (Kg/n°
de
anzóis-dia) para a Albacora Bandolin............................................................ 118
Figura A1 Instrumentos a bordo do satélite NOAA ........................................................135
Figura A2 Diagrama esquemático do satélite AQUA e dos principais sensores que voam a
bordo do mesmo .............................................................................................139
Figura A3 Ilustração da geometria de varredura do feixe dual ........................................ 148
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
XII
Figura A4
– Diagrama esquemático do satélite ERS-1 e dos instrumentos que voam a bordo
do mesmo ........................................................................................................151
Figura A5 Diagrama esquemático do satélite ERS-2 e dos instrumentos que voam a bordo
do mesmo ....................................................................................................... 154
Figura A6 Esquema ilustrativo dos principais componentes dos satélites da série
METEOSAT .................................................................................................. 157
Figura b.1 Eixo de confluência (circundado em vermelho) dos ventos Alísios de sudeste
com os de nordeste .........................................................................................161
Figura b.2 Zona de Convergência Intertropical-ZCIT mostrada através das imagens do
satélite METEOSAT-7, recepcionadas pela estação de recepção de dados de
satélite da FUNCEME. Figuras 5a) e 5c) (canal visível – 21/03/2003 - 12:00
GMT) mostram a posição da ZCIT no mês de abril de 2003, período chuvoso
da região Nordeste do Brasil, na qual o Ceará está inserido e Figuras 5b) (canal
visível – 08/10/2003 - 12:00 GMT) e 5d) (canal infravermelho – composite de
imagens) mostram a ZCIT no mês de outubro de 2003, fora do período
chuvoso da região. ......................................................................................... 161
Figura b.3 Diagrama esquemático da nebulosidade associada aos Vórtices Ciclônicos de
Altos Níveis-VCAN ...................................................................................... 162
Figura b.4 Imagens do satélite METEOSAT 7, canal infravermelho, recepcionada pela
estação de recepção de dados de satélite da FUNCEME ...............................163
Figura b.5
Imagem do Satélite Meteosat-7, canal infravermelho do dia 11/01/2000 às
21:00h local, recepcionada pela estação de recepção de dados de satélite da
FUNCEME, mostrando nebulosidade que está se deslocando desde a costa da
África até o litoral leste do Brasil....................................................................164
Figura b.6 Esquematização da Célula de Walker sobre a Bacia do Pacífico Tropical. Sob
condições normais observa-se o ramo ascendente da Célula de Walker
(favorável à formação de nuvens convectivas profundas) sobre o Pacífico oeste e
Austrália onde se tem águas quentes e pressões baixas. Por outro lado, sobre a
região do Pacífico leste, próximo do Peru e Equador, onde se verifica a presença
de águas frias (devido à ressurgência - afloramento na superfície das águas
oceânicas advindas do fundo do Oceano Pacífico) e pressões altas, manifesta-se
o ramo subsidente da Célula de Walker (que inibe a formação de nuvens)......165
Figura b.7 Esquematização da circulação atmosférica de grande escala no sentido zonal
(Célula de Walker) modificada em associação ao episódio El Niño sobre o
Oceano Pacífico. Sobre a região do Pacífico centro-leste, incluindo
Peru/Equador, observa-se o ramo ascendente (favorável à formação de nuvens)
da Célula de Walker e, por outro lado, sobre o Pacífico oeste/norte da Austrália e
também no Atlântico Equatorial, incluindo o leste da Amazônia e norte do semi-
árido nordestino tem-se, conseqüentemente, o ramo descendente (que inibe a
formação de nuvens)..........................................................................................166
Figura b.8 a) Diagrama Esquemático da Circulação de Hadley-Walker sobre a América do
Sul Tropical e o setor do Atlântico Sul Tropical. A nebulosidade sobre o oceano
representa a atividade convectiva sobre a Zona de Convergência Intertropical-
ZCIT, e b) Diagrama Esquemático da Célula de Hadley..................................166
Figura b.9 Dipolo da Temperatura da Superfície do Mar sobre o Oceano Atlântico Tropical.
A escala do gráfico indica anomalias de TSM (ºC), relativas às diferenças entre a
bacia norte (área: 5
o
N – 25
o
N/50
o
W-20
o
W) e bacia sul (área: 2
o
S-22
o
S/25
o
W-5
o
E)..............................................................................................................168
Figura b.10 Esquema mostrando, de maneira simplificada, os padrões oceânicos e
atmosféricos que contribuem para a ocorrência de anos: a) normais, chuvosos ou
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
XIII
muito chuvosos, e b) secos ou muito secos, na parte norte da região Nordeste do
Brasil..................................................................................................................169
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
XIV
LISTA DE TABELAS
Tabela 3.1 Lista das variáveis oceanográficas e atmosféricas, unidades utilizadas e
espécies de atuns utilizadas no presente trabalho ............................................ 54
Tabela 3.2 Dados ambientais (atsm, tsm, vento e clorofila) e de CPUE para as Albacoras
Lage, Branca e Bandolin, por ano, mês, latitude (lat) e longitude (lon), relativos
ao período compreendido entre 1995 e 2003................................................... 65
Tabela 3.3 Hipóteses testadas, relativas às CPUEs das Albacoras Lage, Branca e Bandolin
.......................................................................................................................... 68
Tabela 4.1 Tabela ilustrativa do teste do coeficiente de correlação de Spearman ............ 90
Tabela 4.2 Peso vivo (total anual) capturado da espécie Albacora Lage nas áreas
compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W, aqui
referida como HN, e latitude 0.4°N - 15°S e longitude 50°W - 15°W, aqui
referida como HS ............................................................................................. 91
Tabela 4.3 Latitude (LAT) e longitude (LON) das CPUEs (Kg/anzóis-dia) mínimas e
máximas anuais para a Albacora Lage, dentro da área compreendida entre 15
o
N
– 15
o
S e 50
o
W – 15
o
W...................................................................................... 93
Tabela 4.4 Análise de variância das CPUEs (kg/n
°
anzóis-dia) para a Albacora Lage, no
período de 1995 a 2003.................................................................................... 98
Tabela 4.5 Anos entre os quais existiu diferença estatisticamente significativa, na CPUE,
para a Albacora Lage, segundo o Teste de Tukey............................................ 99
Tabela 4.6 Meses entre os quais existiu diferença estatisticamente significativa, na CPUE,
para a Albacora Lage, segundo o Teste de Tukey............................................ 99
Tabela 4.7 Valores máximos da CPUE (Kg/n
o
. de anzóis-dia) para a Albacora Lage, em
cada trimestre, e o mês onde esse valor ocorreu............................................ 100
Tabela 4.8 Peso vivo (total anual) capturado da espécie Albacora Branca nas áreas
compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W, aqui
referida como HN, e, latitude 0.4°N- 15°S e longitude 50°W - 15°W, aqui
referida como HS............................................................................................ 101
Tabela 4.9 Latitude (LAT) e longitude (LON) das CPUEs (Kg/anzóis-dia) mínimas e
máximas anuais, para a Albacora Branca, dentro da área compreendida entre
15
o
N – 15
o
S e 50
o
W – 15
o
W.......................................................................... 103
Tabela 4.10 Análise de variância das CPUEs (kg/n
°
anzóis-dia) para a Albacora Branca, no
período de 1995 a 2003.................................................................................. 108
Tabela 4.11 Anos entre os quais existiu diferença estatisticamente significativa, na CPUE,
para a Albacora Branca, segundo o Teste de Tukey...................................... 109
Tabela 4.12 Meses entre os quais existiu diferença estatisticamente significativa, na CPUE,
para a Albacora Branca, segundo o Teste de Tukey...................................... 109
Tabela 4.13 Valores máximos da CPUE (Kg/n
o
. de anzóis-dia) para a Albacora Branca em
cada trimestre e o mês onde esse valor ocorreu............................................. 110
Tabela 4.14
Peso vivo (total anual) capturado da espécie Albacora Bandolin nas áreas
compreendidas entre: latitude 0.5° N - 15° N e longitude 50° W - 15° W, aqui
referida como HN, e, latitude 0.4° N - 15° S e longitude 50° W - 15° W, aqui
referida como HS............................................................................................ 111
Tabela 4.15 Latitude (LAT) e Longitude (LON) das CPUEs (Kg/anzóis-dia) mínimas e
máximas anuais, para a Albacora Bandolin, dentro da área compreendida entre
15
o
N – 15
o
S e 50
o
W – 15
o
W...................................................................... 113
Tabela 4.16 Análise de variância das CPUEs (kg/n
°
anzóis-dia) para a Albacora Bandolin,
no período de 1995 a 2003............................................................................. 118
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
XV
Tabela 4.17
Anos entre os quais existiu diferença estatisticamente significativa, na CPUE,
para a Albacora Bandolin, segundo o Teste de Tukey................................... 119
Tabela 4.18 Meses entre os quais existiu diferença estatisticamente significativa, na CPUE,
para a Albacora Bandolin, segundo o Teste de Tukey................................... 119
Tabela 4.19 Valores máximos da CPUE (Kg/n
o
. de anzóis-dia) para a Albacora Bandolin
em cada trimestre e o mês onde esse valor ocorreu........................................ 120
Tabela A1 Informações sobre os satélites da série NOAA que estão operando ao redor da
Terra............................................................................................................... 135
Tabela A2 Características técnicas do imageador AVHRR que voa a bordo dos satélites da
série NOAA. .................................................................................................136
Tabela A3
Características técnicas do imageador MODIS que voa a bordo do satélite
AQUA..............................................................................................................140
Tabela A4 Características técnicas do imageador SeaWiFS que voa a bordo do satélite
SeaStar ...........................................................................................................144
Tabela A5 Sensores já lançados ao espaço com a finalidade de medir a cor do oceano ...144
Tabela A6 Sensores que serão lançados ao espaço com a finalidade de medir a cor do oceano
............................................................................................................ 145
Tabela A7 Características técnicas do sensor SeaWinds que voa a bordo do satélite
QuikSCAT ........................................................................................................147
Tabela A8 Características técnicas do sensor AMI que voa a bordo do satélite ERS-1 ....150
Tabela A9
Características técnicas do sensor AMI que voa a bordo do satélite ERS-2 ..153
Tabela A10 Características técnicas dos satélites da série METEOSAT ...........................156
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
XVI
LISTA DE SIGLAS E ABREVIATURAS
A
o
ângstrom
0
C graus Celsius
m/s metros por segundo
mg/m
3
miligrama por metro cúbico
nm nanometro
µm micrometro
AMI Active Microwave Instrument
aTSM Anomalia da Temperatura da Superfície do Mar
AVHRR Advanced Very High Resolution Radiometer
CERSAT Centre ERS d'Archivage et de Traitement - French
CPUE Captura por Unidade de Esforço
CZCS Coastal Zone Color Scanner
DPA Departamento de Pesca e Aqüicultura
ENOS El Niño-Oscilação Sul
ERS-1 European Remote Sensing Satellite – 1
ERS-2 European Remote Sensing Satellite – 2
ESA European Space Agency
FTP File Transfer Protocol
GPCP Global Precipitation Climatology Project
HN Hemisfério Norte
HS Hemisfério Sul
ICCAT International Commission For The Conservation Of Atlantic Tunas
IFREMER Institut Français de Recherche Pour L'exploitation de La Mer
MAPA Ministério da Agricultura, Pecuária e Abastecimento
MODIS Moderate-Resolution Imaging Spectrometer
NEB Região Nordeste do Brasil
NASA National Aeronautics and Space Administration
NOAA National Oceanic and Atmospheric Administration
NSCAT II NASA Scatterometer II
SeaWiFS Sea-viewing Wide Field-of-view Sensor
TSM Temperatura da Superfície do Mar
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
XVII
REVIZEE Recursos Vivos da Zona Econômica Exclusiva
VCAN Vórtice Ciclônico de Altos Níveis
ZEE Zona Econômica Exclusiva
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
18
1 INTRODUÇÃO
O oceano e a atmosfera, na escala de tempo mensal e sazonal, interagem
conjuntamente como um complexo sistema acoplado. Segundo Lorenzetti e Araújo (2004), os
oceanos desempenham um papel fundamental na modulação do clima em escala global e
regional, onde os dois principais mecanismos de interação do oceano com a atmosfera são: a
emissão de radiação e a liberação de calor latente de evaporação, os quais dependem da
Temperatura da Superfície do Mar (TSM).
Segundo Souza (1997 apud Philander, 1992b, p. 1), os padrões anômalos
originados das interações ar-mar, que eventualmente se processam sobre os oceanos tropicais,
estão relacionados com a geração de fenômenos climáticos anormais (que tanto condicionam
as atividades do homem) em diversas regiões continentais ao redor do globo terrestre. Dentre
esses fenômenos podemos citar o El Niño e o Dipolo do Atlântico, cujas anomalias de TSM
(aTSM) estão relacionadas com variações climáticas em várias regiões do globo terrestre,
incluindo a região Nordeste do Brasil. Além de afetar os campos de convergência dos ventos
nos baixos níveis da circulação troposférica, altera também a convecção profunda. Por sua
vez, as mudanças nos campos atmosféricos afetam as correntes oceânicas, alterando o balanço
de calor nas camadas superiores do oceano (Moura e Shukla, 1981; Perrot e Perrot, 1990;
Souza, 1997; Alves, 2002 e Lorenzetti e Araújo, 2004).
Fatores como temperatura, luz, salinidade, nutrientes e outros, interagem para
produzir habitats distintos no ambiente marinho. Sabendo-se que é possível isolar cada um
dos fatores ambientais e considerar a influência de cada um sobre os organismos
separadamente, o comportamento de um organismo em um dado momento será determinado
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
19
não por simples fator exógeno, mas pela influência e interação de muitos fatores que atuam
simultaneamente e pela ação de fatores endógenos. Os organismos devem estar
funcionalmente adaptados a um conjunto de variáveis ambientais. Para se entender essas
adaptações e a dinâmica dos ecossistemas marinhos, é essencial conhecer os fatores
associados a esses ambientes (Pereira e Gomes, 2002).
Para se monitorar de forma contínua a vasta área oceânica, é preciso escolher uma
ferramenta tecnológica adequada, visto que necessitamos ter medidas freqüentes e seguras da
distribuição espacial e temporal de parâmetros físicos e biológicos do oceano tais como:
TSM, salinidade, concentração de clorofila, etc.; e da atmosfera: precipitação, vento,
cobertura de nuvens, etc. realizadas por instrumentos operacionais, isto é, instrumentos que
são capazes de realizar essas medidas de forma contínua. Os sensores remotos instalados nos
satélites apresentam essas características e são, portanto, as ferramentas apropriadas para
realizá-las, principalmente em regiões de difícil acesso ao ser humano. Porém, procedimentos
e algoritmos adequados para extração dos dados obtidos devem ser desenvolvidos e
continuamente aperfeiçoados e validados.
Desde o lançamento ao espaço do primeiro satélite meteorológico, há mais de 40
anos, eles se tornaram indispensáveis para estudos da atmosfera terrestre. De fato, junto com
seus sensores de observação da terra e do oceano, os satélites meteorológicos vêem a Terra de
uma perspectiva global, a qual é única e inalcançável por qualquer outro sistema de
observação (Kidder and Vonder Haar, 1995).
Até então, o conhecimento sobre os oceanos, de parâmetros atmosféricos e
oceanográficos, apoiava-se em medidas pontuais obtidas através da realização de expedições
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
20
oceanográficas, distribuídas no tempo e no espaço de forma bastante heterogênea. Foi apenas
a partir do aparecimento da técnica do sensoriamento remoto, que estes parâmetros passaram
a ser coletados de forma repetitiva, com uma freqüência da ordem de 24h ou menos, e com
resolução espacial variando de metros a centenas-milhares de quilômetros. Isto tornou
possível o acompanhamento e análise da evolução espaço-temporal de parâmetros e
fenômenos atmosféricos e oceanográficos, tais como a cobertura de nuvens, ventos próximos
à superfície e em altitude, temperatura da superfície do mar e suas anomalias (indicativas dos
fenômenos El Niño e Dipolo do Atlântico), ressurgências costeiras e a concentração de
clorofila-a.
Com base nessa nova ferramenta tecnológica, inúmeros trabalhos científicos
utilizando dados de TSM, vento e concentração de clorofila-a, juntamente com medidas in
situ, foram publicados, para validar os algoritmos desenvolvidos (McMillin, 1975; Barton e
Prata, 1995, Waliser e Gautier, 1993; Hardman-Mountford, 2003, Yoder, 2000, Platt e
Sathyendranath, 1988, McClain, et al, 1993).
Com o avanço do conhecimento na área da biologia marinha e da tecnologia
espacial, a aplicação dessa última em diversas áreas do conhecimento, permitiu, a utilização
das técnicas de sensoriamento remoto para prospecção dos recursos pesqueiros dos oceanos,
visando maximizar ganhos e reduzir custos da indústria que explota esses recursos. Isto
tornou-se possível porque vários trabalhos têm demonstrado a existência de relação entre a
distribuição de peixes pelágicos como os atuns e os aspectos ambientais observados a partir
de dados de satélites (Laurs et al, 1984, Dagorn et al 1997, Block, 1998, Santos, 2000, Mano
et al, 2003, Zagaglia, 2004).
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
21
No Brasil, segundo Maluf (1979), a utilização de dados de satélite aplicados à
pesca teve início no final da década de 70, ampliando-se nas décadas seguintes conforme
relatado por Silva Junior e Maluf (1993), sendo que o principal objetivo do uso do
sensoriamento remoto, na área de pesca por satélite, é potencializar o aumento da captura de
peixes de interesse, a partir da localização de áreas que apresentam indicações oceanográficas
favoráveis à presença dos cardumes, considerando-se simultaneamente, as características
biológicas da espécie e a importância da manutenção dos estoques pesqueiros (Mano et al,
2003).
Essa ferramenta tecnológica já vem sendo utilizada principalmente na região Sul
do Brasil, visto que na região Nordeste do Brasil a pesca se caracteriza pelo seu caráter
predominantemente artesanal. Entretanto, vale ressaltar que existe uma reduzida frota
industrial, que opera tanto na zona da plataforma continental como em áreas oceânicas,
direcionada principalmente para a captura de lagostas, camarões, pargos e atuns, destinados
em sua maioria ao mercado internacional.
Segundo relatório do IBAMA, de 1998, sobre desembarques da pesca marítima e
estuarina no Brasil, em 1997, na região Nordeste do Brasil, do total de 93.545 toneladas
registradas, a pesca industrial contribuiu com 8.819 toneladas, enquanto a pesca artesanal
contribuiu com 84.726 toneladas. Esse fato denota a necessidade da incorporação de novas
tecnologias que permitam ampliar o poder de captura dessa frota industrial.
A determinação, portanto, de parâmetros físicos obtidos através de técnicas de
sensoriamento remoto, podem gerar informações relevantes para a indústria pesqueira. A
TSM, por exemplo, é importante, visto que para cada espécie de peixe existe uma faixa de
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
22
temperatura que é considerada ótima para seu metabolismo. Dessa forma, a localização de
determinada espécie de peixe depende principalmente da temperatura da água do mar
(Matsura, 1997). Já a clorofila-a nos dá um indicativo da produção primária dos oceanos,
sendo que, a combinação dessa com dados de TSM permite uma maior precisão na
localização de cardumes (Mano, 2003).
Sensores como o Advanced Very High Resolution Radiometer (AVHRR) - a
bordo dos satélites de órbita polar da série NOAA-n (National Oceanis and Atmospheric
Administration); o Sea-viewing Wide Field-of-view Sensor (SeaWiFS) - a bordo do satélite
de órbita polar SeaSTAR da NASA (National Aeronautics and Space Administration); o
Moderate-Resolution Imaging Spectrometer (MODIS) - a bordo do satélite de órbita polar
AQUA da NASA, são capazes de fornecer essas informações. Além disso, sensores como o
Active Microwave Instrument (AMI) e Sea Winds, a bordo dos satélites ERS-2 da ESA
(European Space Agency ) e QuikScat da NASA, respectivamente, permitem a obtenção de
dados de vento muito próximos à superfície oceânica.
Portanto, através das tecnologias espacial e computacional atualmente
disponíveis, é possível estudar o planeta Terra como um sistema global e em suas várias
escalas espaciais e temporais. Os estudos científicos assim conduzidos procuram integrar as
diversas disciplinas de pesquisa que focam o entendimento do planeta como um todo, suas
partes e como essas partes interagem entre si (Kampel, 2004). Esse aspecto foi o que nos
motivou a realizar o presente trabalho e buscar atingir os objetivos propostos para o mesmo
que são:
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
23
1 – Descrever, a partir de imagens de satélites, os padrões mensais e sazonais de
TSM, vento e clorofila-a sobre o oceano Atlântico Tropical, para a área compreendida entre
as latitudes 30º N – 30º S e longitudes 50º W – 5º E;
2 – Relacionar as variáveis ambientais TSM, vento e clorofila-a, obtidas por
sensoriamento remoto, com dados de captura de três espécies de atuns (Albacora Lage,
Albacora Branca e Albacora bandolin), disponíveis (1995 a 2993), para a área compreendida
entre as latitudes 15º N – 15º S e longitudes 50º W – 15º W.
Para atingir os objetivos (1 e 2) serão utilizadas imagens dos satélites NOAA,
SeaStar, Aqua e Meteosat. As técnicas estatísticas a serem utilizadas na análise dos dados, no
que se refere ao item 2, são aquelas relativas a correlações, série temporais e análise
multivariada.
No capítulo 2, descreve-se os principais aspectos teóricos relativos à obtenção de
parâmetros físicos e biológicos da superfície terrestre, utilizando-se técnicas de sensoriamento
remoto. No capítulo 3, encontra-se o detalhamento dos conjuntos de dados utilizados, bem
como a descrição da metodologia adotada nesse trabalho.
No capítulo 4, são apresentados e discutidos os principais resultados encontrados
nas análises das imagens de satélite, bem como, as correlações obtidas entre as variáveis
ambientais e as CPUEs (Captura por Unidade de Esforço) para as três espécies de atuns
estudadas. No capítulo 5, tem-se as conclusões e recomendações para trabalhos futuros.
No Apêndice A, são apresentadas as principais características dos satélites e
sensores que geraram dados e imagens para este trabalho. Finalmente, no Apêndice B,
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
24
encontram-se descritos os principais sistemas atmosféricos causadores ou inibidores de chuva
na região nordeste do Brasil. Esta descrição é acompanhada de imagens de satélite, que
ilustram estes sistemas.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
25
2 FUNDAMENTAÇÃO TEÓRICA PARA ESTIMATIVA REMOTA DE PARÂMETROS
ATMOSFÉRICOS E OCEANOGRÁFICOS
Neste capítulo, serão apresentados os conceitos teóricos e as técnicas aplicadas
para estimativa remota dos parâmetros atmosféricos e oceanográficos utilizados no presente
estudo.
2.1 Introdução
Observando a Terra a partir do espaço, podemos ver e inferir muitas de suas
características, tais como: florestas verdes e degradadas, desertos, nuvens, oceanos,
continentes, perfis verticais da atmosfera, temperatura da superfície do mar, etc. Mas,
observações contínuas e operacionais da Terra a partir do espaço, só são possíveis utilizando-
se satélites artificiais. Esses satélites carregam a bordo instrumentos chamados sensores
radiométricos, que medem as propriedades espectrais dos alvos e fenômenos da superfície
terrestre e sua atmosfera.
O sol, estrela mais próxima da Terra, é a fonte de toda a energia e vida no nosso
planeta, sendo que, o principal processo responsável pela transferência dessa energia na
atmosfera é a radiação eletromagnética. Porém, essa radiação que interage com o sistema
Terra/Atmosfera, proveniente do sol, é devolvida para o espaço, grande parte em outro
comprimento de onda,, e isto pode ser explicado pelo simples fato de que a temperatura do
planeta Terra não está aumentando nem diminuindo, ou seja, a Terra está em equilíbrio
radiativo. Logo, os radiométricos instalados a bordo de satélites, capazes de medir
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
26
quantidades de
energia radiante, tornam possível a observação da Terra a partir do espaço,
aplicando-se técnicas de sensoriamento remoto.
Existem várias definições para o termo sensoriamento remoto. Aqui,
apresentaremos duas delas: 1 – Sensoriamento Remoto é a utilização de sensores para
aquisição de informações sobre objetos ou fenômenos sem que haja contato direto entre eles.
Os sensores seriam os equipamentos capazes de coletar energia proveniente do objeto,
convertê-la em sinal passível de ser registrado e apresentá-lo em forma adequada à extração
de informações (Novo, 1998), e, 2 - Sensoriamento Remoto é a utilização conjunta de
sistemas sensores e equipamentos para processamento e transmissão de dados, com o objetivo
de estudar o ambiente terrestre através do registro e análise das interações entre a energia
eletromagnética e as substâncias componentes do planeta em suas mais diversas
manifestações (Kazmierczak e Escada, 1995).
Como a troca de energia entre a superfície da Terra, sua atmosfera e o resto do
universo ocorrem por transferência radiativa, três elementos básicos são necessários para que
observações remotas possam ser feitas, ou seja: 1 – sensor radiométrico, 2 – objeto a ser
observado e 3 – fluxo de energia radiante. Além disso, as observações remotas só podem ser
realizadas quando há reflexão, emissão ou reflexão-emissão da radiação.
Os sensores radiométricos respondem ao fluxo de energia eletromagnética
incidente sobre eles, dentro da banda de freqüência/comprimento de onda para os quais foram
designados, e, em geral, as características desses sistemas sensores são expressas pela sua
resolução espacial, espectral ou geométrica, temporal e radiométrica.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
27
A resolução espacial ou geométrica está ligada à capacidade do sensor em
distinguir objetos na superfície terrestre. Normalmente, em sensores ópticos eletrônicos a
bordo de satélites, utiliza-se o conceito de IFOV (Instantaneous Field of View-Campo de
Visada Instantâneo). O IFOV, figura 2.1 (a), é definido como sendo a área observada por
determinado sensor sobre a superfície da terra dentro de um ângulo sólido (medido em
radianos), em um dado instante de tempo.
O conceito de ângulo sólido, figura 2.1 (b), é importante porque está relacionado à
quantidade de energia emitida (ou refletida) por um elemento plano de área A por unidade de
tempo. Essa energia é conhecida como intensidade de radiação emitida ou intensidade de
irradiação, e segundo Kreith, 1977, é dada pela equação 2.1.
=
θω
ϕθ
cos
),(
A
q
d
d
I (2.1)
onde q é o fluxo de energia por unidade de tempo (refletida ou emitida na forma difusa), que
deixa a superfície subentendida num ângulo sólido d
ϖ
, conforme a figura 2.1 b. A área na
qual a energia é medida deve ser normal à direção de emissão, e por isso, aparece
multiplicada por cosθ. No sistema de coordenadas fixo ao elemento radiante, o ângulo sólido
é dado por:
ϕθθω
dd
r
A
d
s
sen
2
== (2.2)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
28
(a) (b)
Figura 2.1
– a) Ilustração do IFOV e b) do ângulo sólido.
Fonte:
2.1 - a) www.eeb.ucla.edu - Acesso:
21/02/2005 – 10:22 h (hora local) e b) adaptado de Kidder and Vonder Harr, 1995.
A resolução espectral de um determinado sistema sensor, está relacionada ao
número de bandas espectrais e à largura individual de cada banda espectral. Um sistema com
alta resolução espectral, tipicamente contém um número elevado de bandas espectrais, as
quais individualmente abrangem um intervalo estreito de comprimentos de onda. A resolução
temporal refere-se à freqüência de cobertura ou intervalo de tempo que o satélite leva para
voltar a observar e adquirir dados sobre a área de interesse da superfície terrestre. A resolução
radiométrica refere-se à largura do espectro, ou seja, representa o número, espaçamento e
largura das bandas ao longo do espectro eletromagnético.
As informações relativas às órbitas ocupadas pelos sistemas sensores utilizados
neste trabalho, são encontradas no Apêndice A.
d
ϖ
=sen
θ
d
θ
d
ϕ
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
29
2.2 A Radiação eletromagnética
Sabe-se, a partir das formulações do físico escocês James Clerk Maxwell, que a
radiação eletromagnética é formada por ondas eletromagnéticas, que são campos elétricos e
magnéticos perpendiculares entre si se propagando no espaço (Figura 2.2). Então, podemos
definir uma onda eletromagnética como a oscilação do campo elétrico (E) e magnético (M)
segundo um padrão harmônico de ondas. Por padrão harmônico se entende que as ondas são
espaçadas repetitivamente no tempo (Novo, 1988).
Figura 2.2
– Flutuações dos campos elétrico e magnético de uma onda eletromagnética se propagando na
direção Z.
Fonte:
www.rc.unesp.br - Acesso: 10/01/2005 – 14:00 hora local.
A Teoria quântica postula que a energia transmitida pela radiação eletromagnética
existe em unidades discretas chamadas fótons. Como a radiação eletromagnética, no vácuo,
viaja à velocidade da luz (c = 2.99792458 x 10
8
ms
-1
), esta pode ser caracterizada pelo
comprimento de onda λ (Hz) e freqüência ν (s
-1
), e são relacionadas pela expressão:
c = λ ν (2.3)
A equação 2.3 é muito importante pois relaciona três características de uma onda
eletromagnética: a velocidade, a freqüência e o comprimento de onda.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
30
A quantidade de energia ε associada a um fóton de radiação é dada pela equação
(2.4),
ε
= h
ν
(2.4)
onde h = 6,626 x 10
-34
Js e é denominada constante de Plank. Das equações (2.3) e (2.4)
obtemos que
ε = h c/ λ (2.5)
Da equação (2.5) podemos concluir que a quantidade de energia contida em um
fóton de radiação é inversamente proporcional ao comprimento de onda da radiação, ou seja,
quanto menor o comprimento de onda da radiação, maior a energia associada ao fóton e vice-
versa.
2.2.1 O espectro eletromagnético
As radiações eletromagnéticas, conforme visto anteriormente, variam de acordo
com o comprimento de onda ou a freqüência, e cobrem a região do espectro que vai desde a
radiação gama (altamente energética devido à sua alta freqüência e comprimento de onda λ <
10
-5
µ
m ) até às ondas de rádio (menos energéticas) cujas freqüências são da ordem de 300
MHz e λ > 10
6
. µm) Ao conjunto das radiações Gama, Raio-X, Ultravioleta, Visível,
Infravermelho, Microondas e Ondas de Rádio, dá-se o nome de espectro eletromagnético que,
segundo Moreira (2003), nada mais é do que a ordenação dessas radiações em função do
comprimento de onda ou da freqüência (Figura 2.3). A radiação ultravioleta próxima situa-se
na região espectral (0,28 µm < λ < 0,39 µm); a radiação visível situa-se na região espectral
(0,39 µm < λ < 0,74 µm) e a radiação infravermelho próximo na região espectral (0,74 µm <
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
31
λ < 2,4 µm). Juntos, os intervalos espectrais do ultravioleta, visível e infravermelho próximo,
formam o tão chamado espectro óptico ou visível (Bukata et al, 2000).
Figura 2.3 –
Espectro Eletromagnético (1 A
o
. = 10
-16
µ.m).
Fonte:
www.rc.unesp.br - Acesso: 10/01/2005 –
14:10h (hora local).
As bandas mais utilizadas para se obter informações da superfície, utilizando
técnicas de sensoriamento remoto, são as do visível, infravermelho próximo, infravermelho
médio, infravermelho termal ou distante e microondas.
2.2.2 Princípios e leis da radiação eletromagnética
A radiação que deixa o sistema terra-atmosfera pode ser dividido em duas
categorias principais: (1) radiação refletida pelo sol e (2) radiação emitida pela Terra, sendo
que, a relação entre o fluxo de energia, temperatura do corpo e o comprimento de onda λ, é
descrita pela função de Planck (equação 2.6)
( )
( )
1
2
/
5
2
−
=
KThc
e
hc
B
λ
λ
λ
(2.6)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
32
onde B
λ
é a radiância emitida num determinado comprimento de onda λ, h é a constante de
Planck (6,6260755 x 10
-34
Js), K é a constante de Boltzman (1,380658 x 10
-23
JK
-1
), c é a
velocidade da luz e T é a temperatura absoluta da fonte emissora. A distribuição espectral da
radiância emitida pelo sol a uma temperatura de 5800 k e pela Terra a 260 K é mostrada na
figura 2.4.
Figura 2.4
– Emitância em função do comprimento de onda para dois materiais usados num radiômetro de
satélite. As curvas normalizadas de Planck que representam a radiação solar (5800 K) e radiação
terrestre (260 K) são mostradas.(Não devemos nos enganar com essas curvas normalizadas. A
radiância solar é muito mais ampla do que a terrestre para qualquer comprimento de onda).
Fonte
:
Kidder e Vonder Harr, 1995 – Pág.57.
A equação (2.6) indica que qualquer objeto que possua uma temperatura superior
a 0 K irá irradiar energia e esta aumenta com a temperatura. Quanto maior T, este corpo
radiará em λ mais curto. Pela equação (2.7) também podemos verificar que para qualquer
temperatura T, B
λ
(T) há um único valor máximo para um dado comprimento de onda. Para se
obter o comprimento de onda onde a emissão é máxima, deve-se fazer a derivada parcial de
B
λ
(T) com respeito a λ e igualá-la a 0 (zero), ou seja, 0=
∂
∂
λ
λ
B
, obtendo-se a lei do
deslocamento de Wien (equação 2.7) :
)(
9,2897
kT
mK
m
µ
λ
= (2.7)
onde λ
m
é o comprimento de onda (µm) da máxima emissão para um corpo negro temperatura
T (K).
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
33
Em relação ao sol (T ≅ 5700 K), a superfície deste está próxima da temperatura na
qual a maior parte da radiação está dentro da região visível do espectro ( λ ≈ 0,5 µm). Isto
sugere que, durante a evolução humana nossos olhos se adaptaram ao sol, de forma a ficarem
mais sensíveis aos comprimentos de onda que ele irradia mais intensamente ( Eisberg e
Resnick, 1988) para a Terra (T ≅ 250 K), λ ≈ 11 µm, que é a região do infravermelho.
Podemos então verificar que a distribuição espectral da radiação solar que chega até à
superfície da Terra é completamente diferente da radiação emitida pela Terra (ver Figura 2.4).
Também podemos conhecer a radiância de um corpo negro, integrando a equação
(2.6) sobre todos os comprimentos de onda. Desde que a radiância de um corpo negro é
independente da direção, a irradiância de um corpo negro é simplesmente π B
λ
(Kidder e
Vonder Haar, 1995). Considerando esses fatos, obtemos que a irradiância de um corpo negro
é dada por:
444
21
5
0
15
)( TTccdTBM
BB
σ
π
λπ
λ
===
−−
∞
∫
(2.8)
onde
σ
é chamada de constante de Stefan-Boltzmann (5,67051 x 10
-8
W m
-2
K
-4
), e a equação
(2.8) é conhecida como a lei de Stefan-Boltzmann.
Como corpos reais geralmente não são corpos negros, isto é, eles não emitem
radiação de acordo com a Lei de Plank, é necessário relacionarmos a radiação emitida por um
corpo real, com a emissão de um corpo negro, e isto é feito de acordo com a Lei de Kirchoff
(equação 2.9)
B
MM
B
ε
=
(2.9)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
34
onde ε é a emissividade da fonte. Por definição, a emissividade de um corpo negro é unitária
para todos os comprimentos de onda, e a emissividade de qualquer substância real é entre zero
e um, e pode variar com o comprimento de onda (Wallace e Hobbs, 1977).
2.3 A interação da radiação com a atmosfera e com a superfície
A atmosfera terrestre é parcialmente ansparente à radiação solar, visto que na
mesma encontram-se partículas de diversos tamanhos que interagem com a radiação solar
incidente. Aproximadamente 95% da radiação solar eletromagnética, segundo Bukata (2000),
está incluída dentro do intervalo espectral 0,29 µm < λ < 2,4 µm, com máxima emissão em
torno de
λ
= 0,4738
µ
m, conforme pode ser visto na figura 2.5. A distribuição corresponde
aproximadamente àquela de um corpo negro a 5770K.
A radiação eletromagnética ao chocar-se com as partículas existentes na
atmosfera, dependendo do comprimento de onda incidente, pode ser espalhada, absorvida ou
emitida. A absorção pode ser quase total, como é o caso da radiação ultravioleta (absorvida
pelo ozônio), ou parcial, como ocorre em quase todo o espectro a partir de 0,3 µm (Moreira,
2003), conforme é mostrado na figura 2.5.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
35
Figura 2.5
– Curva de irradiância solar em função do comprimento de onda, para mostrar absorção da radiação,
pelos gases e vapor d´água.
Fonte:
Adaptado de Bukata et al 2000).
Esses espalhamentos são conhecidos como Espalhamento molecular, ou Rayleigh,
Espalhamento Mie e Espalhamento não seletivo. Mais detalhes a respeito desses
espalhamentos podem ser encontrados em Kidder e Vonder Haar (1995).
Porém, existem certos comprimentos de onda nos quais a radiação proveniente do
sol ou da superfície terrestre é pouco atenuada pela atmosfera, ou seja, a atmosfera é
relativamente (mas não absolutamente) transparente a certas regiões do espectro
eletromagnético. Essas regiões são chamadas de janelas atmosféricas conforme mostrado na
figura 2.6. As mais importantes para o uso em sensoriamento remoto da atmosfera e
superfície são as janelas em torno do visível e infravermelho (3,7 µm e entre 8,5 - 12,5 µm,
respectivamente), e em microondas entre 2 – 4 mm. A janela entre 8,5 - 12,5 µm é marcada
pela banda de absorção do ozônio 9,6
µ
m (vibracional), e é afetada pela absorção do vapor
d´água (Kidder e Vonder Haar, 1995).
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
36
Figura 2.6
– Curva espectral das radiações solares e da terrestres, janelas atmosféricas e transmitância espectral
do comprimento de onda.
Fonte:
http://www.envi.com.br. Acesso: 10/01/2005 – 15:10h (hora
local).
Essas janelas atmosféricas são de fundamental importância, pois é a partir delas e
do parâmetro físico ou biológico que se deseja medir, que se projetam os sensores que voam a
bordo dos satélites.
2.4 Sistemas Sensores
Para realizar essas medidas, existem dois tipos de sensores remotos que são
classificados quanto à fonte de energia, em ativos e passivos. Os sensores ativos, por
possuírem fonte de radiação própria, são capazes de emitir um feixe de energia em
determinada faixa espectral, para irradiar o alvo, conforme ilustrado na figura 2.7 (A) e medir
a radiação retornada ao sensor. O Light Detection and Ranging (LIDAR) e o Radio Detection
and Ranging (RADAR) são dois exemplos. Já os sensores passivos (Figura 2.7 B) são aqueles
que dependem de uma fonte externa de energia, como o sol, e medem a radiação refletida e/ou
emitida pelos alvos da superfície terrestre. Sensores digitais como o Landsat Thematic
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
37
Mapper (LTM) e o Advanced Very High Resolution Radiometer (AVHRR) são exemplos de
sensores passivos.
Figura 2.7
- Esquema de um sensor passivo (A) e um sensor ativo (B).
Fonte:
Moreira, 2003.
Os sistemas infravermelhos operando a partir do espaço, permitem que cada
sensor veja uma grande área. Devido a sua alta altitude e resolução, a observação necessita ser
feita através de um pequeno ângulo sólido (FOV), visto que a quantidade de radiação recebida
pelo detector é bem pequena. Além disso, a radiação infravermelha precisa viajar a grande
distância, a fim de atingir o sensor, o que reduz também a quantidade final de radiação devido
aos processos de absorção em determinados comprimentos de onda. Para superar esses
fatores, os detectores infravermelhos lançados ao espaço são projetados para serem muito
sensíveis. Também, a Terra emite uma quantidade enorme de radiação infravermelha que
adiciona a desordem à imagem; entretanto, com a ajuda de algoritmos computacionais, a
radiação do fundo emitida pela Terra pode ser filtrada fora do sinal do detector.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
38
2.5 Temperatura da superfície do mar
A obtenção da Temperatura da Superfície do Mar (TSM) a partir de radiômetros
infravermelhos a bordo de satélites, numa base diária, semanal e mensal, tem permitido o
monitoramento dos oceanos em escala global e regional, sendo que a principal fonte de dados
infravermelhos termais da TSM são os satélites operacionais de órbita polar da série TIROS-
N/NOAA, AQUA e TERRA. Para mais detalhes sobre esses satélites e os sensores que
carregam a bordo ver Apêndice A.
A seguir, serão apresentados os aspectos teóricos relacionados à determinação da
TSM utilizando-se sensores passivos a bordo desses satélites.
2.5.1 Aspectos teóricos relacionados à determinação da TSM
Um radiômetro mede a radiação sobre uma banda finita de comprimento de onda.
Supondo que L(λ
1
,λ
2
) representa a radiância medida na região λ
1
para λ
2
, para um corpo
negro
1
)(
5
2
21
2
1
2
1
2
),(),(
−
∫∫
==
λ
λ
λ
λ
λ
λ
λ
λλλλ
KT
hc
e
dhc
dTBL
(2.10)
Para qualquer radiância medida dentro de uma janela de comprimento de onda
específico, existe uma temperatura associada, tal que, naquela temperatura, um corpo negro
emitiria a mesma radiação. Isto é chamado de temperatura de brilho. Em iguais
circunstâncias, se conhecemos a emissividade de um corpo e medimos a radiância emitida,
podemos determinar a temperatura verdadeira do corpo. Porém, há três limitações principais
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
39
em usar medidas de radiância, diretamente a partir de sensores a bordo de satélites, para
estimar a TSM. Primeiramente, as nuvens bloqueiam a radiação infravermelha proveniente da
superfície. Se as regiões com nuvens não forem identificadas apropriadamente, as medidas da
temperatura da nuvem serão associadas incorretamente com a TSM. Em segundo, a atmosfera
interveniente absorve parte da radiação emitida pela superfície e esta também emite alguma
radiação que vai diretamente ao sensor do satélite. Em terceiro lugar, a radiação solar é
refletida da superfície para o sensor.
Esses problemas são corrigidos pelos procedimentos que identificam as regiões
com nuvens ou as regiões que podem estar contaminadas com radiação solar. Além disso, os
efeitos da atmosfera interveniente são dependentes do comprimento de onda. A medida
passiva da radiação em diferentes comprimentos de onda pode ser usada para inferir uma
correção atmosférica.
A fim de estimar acuradamente a TSM, é necessário eliminar a influência da
emissão das nuvens, além de calibração e navegação precisas. Antes de estimar a TSM, os
pixels da imagem com resolução total (full-resolution) devem ser discriminados em pixels
livres de nuvens ou em pixels contaminados por nuvens, usando algoritmos de filtragem de
nuvem, isto é, testes de limiares para refletância, e da temperatura de brilho entre canais
divididos em janelas.
2.5.2 Esquema de processamento
A determinação da TSM utilizando os dados do satélite NOAA, canais 1, 2, 3, 4 e
5, passa pelas seguintes etapas: entrada: Imagens NOAA/AVHRR nos Canais 1, 2, 4 e 5 →
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
40
Geolocalização → Correção Radiométrica → Mascaramento de Nuvens → Correção
Atmosférica → Mapas de TSM. Esses passos são mostrados de forma esquemática na figura
2.8. Detalhes sobre as etapas relativas à geolocalização, correção radiométrica e
mascaramento de nuvens são encontradas em Ferreira, 2004.
Figura 2.8
– Diagrama esquemático dos processos necessários à obtenção da TSM.
Fonte:
Adaptado de França,
1994
2.5.2.1 Correção atmosférica
A metodologia de correção das influências atmosféricas nos canais AVHRR
baseia-se no procedimento utilizado pela NOAA, que faz uso do algoritmo MCSST (“Multi-
Channel Sea Surface Temperature”). Esse algoritmo é calibrado com medidas in situ de
temperatura da superfície do mar, obtidas através de bóias que realizam medidas de TSM à
profundidade média de 1m, simultaneamente com as passagens dos satélites da série NOAA-
n. Através do uso simultâneo da temperatura de brilho dos canais 4 e 5 (Tb4 e Tb5) e medidas
in situ de TSM via bóia, a equação 2.11 é obtida através de regressão, para determinação da
TSM (ºC),
TSM = a
0
Tb4 + a
1
(Tb4 -Tb5) + a
2
(Tb4 - Tb5) (1.0/cos θ - 1) - a
3
(2.11)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
41
onde os parâmetros a
0
, a
1
, a
2
e a
3
são atualizados periodicamente pela NOAA, utilizando o
procedimento descrito acima. Em 1995, por exemplo, início da operação do NOAA-14, os
valores destes
parâmetros eram: a
0
= 1.017342, a
1
= 2.139588, a
2
= 0.779706 e a
3
= 278.43,
sendo que a última atualização aconteceu em agosto de 2002. Tb4 e Tb5 são as temperaturas
de brilho nos canais 4 e 5, respectivamente, e θ é o ângulo zenital do satélite para um dado
pixel na imagem dos canais AVHRR 4 e 5.
As equações utilizadas para derivar a TSM, baseadas no MCSST (para as
passagens durante o dia), a partir dos satélites NOAA 15, NOAA-16, NOAA-17 e
AQUA/MODIS, encontram-se no Apêndice A.
2.6 Concentração de clorofila-a
A obtenção da concentração de clorofila-a a bordo de satélites, apresentada neste
trabalho, foi obtida a partir do sensor passivo SeaWiFS que voa a bordo do satélite OrbView
2, conhecido como Seastar. Para mais detalhes sobre esse satélite e o sensor SeaWiFS ver
Apêndice A.
A seguir serão apresentados os aspectos teóricos relacionados à determinação da
concentração de clorofila-a, utilizando-se esse sensor.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
42
2.6.1 Aspectos teóricos relacionados à determinação da concentração de clorofila-a
A cor da água do mar pode ser definida, em termos gerais, como sendo o resultado
das interações existentes entre os raios solares que nele penetram e a presença e concentração
de diversos tipos de matérias (orgânica ou inorgânica) e/ou substâncias dissolvidas. Partindo
deste princípio, Morel (1980) classificou a água do mar em duas categorias: água do tipo
1(águas ocênicas): aquela onde a atividade fitoplanctônica apresenta uma ação predominante
sobre as propriedades ópticas (absorção e difusão) da água, e água do tipo 2 (águas costeiras),
onde estas propriedades sofrem uma maior influência de outros tipos de matéria ou
substância, dentre as quais podemos citar os sedimentos em suspensão como sendo os mais
importantes.
Nas regiões oceânicas, a cor da água está basicamente relacionada à presença do
fitoplâncton e seus pigmentos fotossintéticos, principalmente a clorofila e seus derivados,
sendo esses um dos responsáveis, pela absorção e difusão dos raios solares que penetram na
água do tipo 1. Desta forma, a concentração do fitoplâncton pode alterar a coloração da água
do mar de um azul escuro, característico de águas oligotróficas, para um azul-esverdeado,
indicando uma elevada biomassa primária ou mais precisamente, alta concentrações de
clorofila.
Entretanto, nas regiões costeiras, a cor da água do mar está mais relacionada à
presença de matéria mineral em suspensão e orgânica dissolvida, cuja ação sobre a absorção e
difusão dos raios solares "mascaram" os efeitos óticos provocados pela presença do
fitoplâncton. Ryther (1969), afirma que os maiores níveis de produção primária ocorrem nas
águas costeiras rasas com até 180m de profundidade. Dessa forma, nas regiões costeiras, é a
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
43
matéria em suspensão que poderá ser quantificada, incluindo a concentração de clorofila-a.
Ryther (1969), afirma também que águas distantes das zonas costeiras são influenciadas por
divergências, frentes, e outros aspectos hidrográficos (ou oceanográficos) que trazem águas
ricas em nutrientes da subsuperfície para a zona eufótica. As divergências equatoriais são
exemplos de tais regiões. Assim, a coloração da água do mar pode ser utilizada para estimar a
concentração de clorofila e, em conseqüência, a produtividade nos oceanos.
2.6.2 O SeaWiFS
O SeaWiFS, assim como seu predecessor, o CZCS, foi designado e projetado para
ser um sensor de cor do oceano. Porém, o SeaWiFS tem um canal adicional no comprimento
de onda 865 nm, que pode ser utilizado para estudar aerossóis minerais (Stegmann, 2000). As
principais características estão disponíveis na tabela 2 do Apêndice A.
Segundo Zagaglia (2003), o processo de obtenção dos valores de concentração de
cloforofila-a a partir dos dados gerados pelo sensor SeaWiFS, engloba 4 etapas: 1) –
transformação da imagem bruta (nível 0), representada por números digitais, comumente
denominados de counts (10 bits) em níveis de radiância aparente no sensor (L
λ
); 2) –
transformação da radiância aparente em reflectância, também aparente; 3) – correção
atmosférica do pré-processamento das imagens SeaWiFS, e 4) – obtenção da concentração de
clorofila-a após a correção atmosférica e a determinação das reflectâncias espectrais da
superfície do oceano.
Na etapa 1, ainda segundo Zagaglia (2003), a contribuição da atmosfera por meio
de processos de absorção e espalhamento da radiação, ainda não está excluída, sendo que a
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
44
transformação da imagem bruta em L
λ
, é feita através da Equação 2.12, é realizada para todas
as bandas e considera os fatores descritos por Eplee e Barnes (2000).
L
λ
= (ND1
λ
-ND2
λ
)K1
g,d,λ
(1+K2
λ
(T–T
ref
))K3
pxl,λ
M
ms,λ
α
λ
(
β
λ
+
γ
λ
(t-t
0
) +
δ
λ
(t-t
0
)
2
) (2.12)
onde:
L
λ
é
a radiância espectral detectada pelo sensor; λ é o comprimento de onda considerado;
ND1
λ
é o número digital da imagem (count); ND2
λ
é o numero digital referente a um alvo
negro, ou seja, um alvo que por ter reflectância muito baixa sua radiância é toda atmosférica;
K1
g,d,
λ
é o coeficiente de calibração; g é o ganho do detector, d é o detector; K2
λ
é o fator de
correção dependente da temperatura do detector; T é a temperatura do detector; T
ref
é a
temperatura de referência (20
o
C); K3 é o fator de correção de modulação; pxl é o número do
pixel ao longo da linha; M é o fator de correção para o espelho; ms é o lado do espelho (a ou
b);
α
é o ganho representativo da calibração absoluta;
β
é o termo constante da correção
temporal; γ é o termo linear da correção temporal; δ é o termo quadrático da correção
temporal; t é o termo referente aos dados do sensor e t
0
é o tempo de referência para a
correção temporal (4 de setembro de 1997 às 16:26:30 UT). Os coeficientes de correção
temporal são significativos apenas para as bandas 7 e 8 (Zagaglia, 2003). Esse processamento
comumente chamado de calibração é realizado normalmente pelo sistema de ingestão de
imagens, no caso do MODIS existem os softwares da NASA e o (International MODIS/AIRS
Processing Package) IMAPP.
Na etapa 2, é feita a transformação da radiância aparente em reflectância, também
aparente, utilizando-se a equação 2.13.
θ
π
ρ
λ
λ
λ
cosE
L
A
= (2.13)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
45
onde ρ
λ
é a reflectância espectral aparente; L
λ
é a radiância espectral no sensor; E
λ
é a
irradiância no topo da atmosfera e θ é o ângulo zenital do sol.
A correção atmosférica é a próxima etapa (terceira etapa) da fase de pré-
processamento das imagens SeaWiFS. Zagaglia (2003), menciona que segundo Wang (2000),
90% do sinal registrado por sensores que operam no espectro visível da radiação
eletromagnética provém da atmosfera.
A determinação da clorofila-a (Cl-a), na quarta e última etapa do processo, é feita
utilizando-se o algoritmo bio-óptico (equação 2.14 ) desenvolvido por O´Reilly et al. (2000),
e denominado de Ocean Chlorophyll, versão 4 (OC4v4).
)
4
4
3
4
2
44
(
532.1649.0930.1067.3366,0
0.10
ssss
RRRR
Ca
−++−
= (2.14)
sendo que R
4s
= )(log
510
555
490
555
443
55510
RRR >> , onde R443, R490, R510 e R555 são as
reflectâncias da superfície do oceano, relativas às bandas espectrais 2, 3, 4 e 5 do sensor
SeaWiFs, respectivamente. O argumento da função log
10
é a razão máxima das referidas
reflectâncias.
2.7 Direção e velocidade dos ventos
Medidas de velocidade e direção dos ventos sobre o oceano podem ser feitas
indiretamente, utilizando-se sensores remotos ativos de microondas a bordo de satélites, como
é o caso dos sensores AMI e SeaWinds, respectivamente, que voam a bordo dos satélites
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
46
ERS-1 (desativado), ERS-2 e QuikScat. Mais detalhes sobre esses satélites e os sensores que
levam a bordo podem ser encontrados no Apêndice A.
A seguir, serão apresentados os aspectos teóricos relacionados à determinação do
vento, utilizando-se sensores ativos a bordo de satélites.
2.7.1 Aspectos teóricos relacionados à determinação da direção e velocidade dos ventos
Os sensores remotos ativos de microondas utilizados para medir a direção e
velocidade dos ventos são chamados de escaterômetros, que significa sensor de espalhamento.
Os escaterômetros enviam pulsos de microondas em direção à superfície do oceano, sobre um
certo ângulo e determinada freqüência. Essa radiação, com comprimento de onda da ordem de
alguns centímetros, é espalhada e refletida pela superfície do oceano, e uma pequena parte
desta energia emitida é retroespalhada na direção do detector do escaterômetro.
Esse espalhamento refere-se àquele decorrente da interação das ondas
eletromagnéticas ou fótons, com a superfície do oceano, cujo retroespalhamento depende da
rugosidade devido às pequenas ondas, que possuem escala da ordem de centímetros. Como a
quantidade de energia retroespalhada é dependente das propriedades da superfície e do ângulo
no qual a energia das microondas atinge o alvo, os escaterômetros podem ser utilizados para
estimar, com grande precisão, a direção e velocidade dos ventos sobre o oceano.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
47
Para realizar essas medidas, o sensor à bordo do satélite ou avião, viaja no sentido
do vôo (A) com o nadir (B) diretamente abaixo da plataforma. O feixe de microondas é
transmitido obliquamente em ângulos retos na direção do vôo, iluminando a faixa (C) que é
afastada do nadir. A largura (D) se refere à dimensão, sobre uma faixa, perpendicular à
direção do vôo, enquanto o azimute (E) se refere à dimensão, ao longo da trilha, paralela ao
sentido do vôo. Esse tipo de geometria de observação (side-looking viewing-“visada lateral”)
é típica dos sistemas de sensores ativos orbitais (sistemas RADAR) que voam a bordo de
avião ou satélite (Figuras 2.9 a) e 2.9 b).
(a) (b)
Figura 2.9
– Geometria de imageamento dos sistemas radar: a) a bordo de avião e b) a bordo de satélites: as três
antenas do escaterômetro do vento geram um feixe de radar 45
o
para frente, obliquamente, e 45
o
para trás, através de uma faixa de 500 Km de largura, 200 Km à direita da direção de
deslocamento do satélite.
Fonte:
Figura 2.8 a): http://www.ccrs.nrcan.gc.ca/ccrs e b):
www.ifremer.fr/.../ ers/sensors/ami.htm – Acesso: 04/02/2005 às 10:30 h (hora local).
Caso a superfície do oceano seja calma, lisa, a visão oblíqua da mesma com o
radar ativo não produziria nenhum retorno. Se a superfície for rugosa, o retroespalhamento,
para um sensor que observe a superfície fora do nadir, passa a ser significativo, porém, a
reflexão especular é mais importante somente para ângulos de visada entre 0 e 15
o
.
Para ângulos de visada maiores do que estes, segundo Yuras (2004), pode-se obter
um sinal de retorno mediante a dispersão na superfície. A figura 2.11 ilustra diferentes graus
de rugosidade superficial. Na figura 2.10: a) verifica-se somente a ocorrência de reflexão
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
48
especular; b) observa-se dispersão, porém, a reflexão é dominante na direção especular; e, em
c) verifica-se somente dispersão.
(a) (b)
(c)
Figura 2.10
– Diagrama esquemático representando o espelhamento e reflexão das microondas para uma
superfície oceânica do tipo: a) lisa, b) intermediaria e c) muito rugosa. Quando a rugosidade
aumenta, mais energia das microondas é retornada na direção da fonte de microondas
. Fonte:
www.eeb.ucla.edu/.../ nezlin/Altimetry.htm - - Acesso: 04/02/2005 às 11:30 h (hora local)
2.7.2 O espalhamento ressonante de Bragg
A fim de estimar a velocidade do vento sobre os oceanos, utilizando
escaterômetros de microondas, é necessário estimar o coeficiente de retroespalhamento (σ),
utilizando-se para isso, por exemplo, o modelo de Bragg.
Como visto anteriormente, o escaterômetro é um sistema RADAR que mede o
nível da energia transmitida e que foi retroespalhada pela superfície, de dois ou mais ângulos
azimutais. Sobre o oceano, o retroespalhamento é devido às reflexões em fase (Bragg) da
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
49
radiação de microondas transmitida pelo escaterômetro. Este retroespalhamento é devido à
presença de trens de ondas sobre a superfície do oceano geradas pelo vento, cujo
comprimento de onda é da ordem de 5 - 20cm. Devido ao fato de que estas pequenas ondas
tendem a se posicionar perpendicularmente ao sentido do vento, existe um retroespalhamento
maior no sentido ascendente ou descendente do vento do que no sentido transversal. A
amplitude da onda e o retroespalhamento também aumentam com o aumento da velocidade do
vento. A partir de um modelo empírico relacionando o vetor vento e o retroespalhamento para
uma dada geometria, a velocidade e direção do vento próximo à superfície podem ser
derivadas de uma ou mais medidas de retroespalhamento sobre a mesma área, feita de
diferentes ângulos de visada.
O escateromêtro de microondas que emite um sinal de radar com comprimento de
onda λ em direção ao oceano, em um ângulo oblíquo da ordem de 20
o
a 40
o
em relação à
vertical, é baseado no princípio do espalhamento ressonante de Bragg. A radiação refletida de
uma onda reforça ou cancela aquela das ondas sucessivas, dependendo do espaçamento das
ondas e da geometria de visada. Uma parte deste sinal é espalhada pela superfície do mar, que
sofre ondulações devido à ação dos ventos. Segundo Polito e Sato (2004) , uma fração do
sinal emitido volta à antena do satélite, e a este pequeno sinal dá-se o nome de “seção reta de
espalhamento” ou simplesmente
σ
0,
que é a medida que o escaterômetro registra efetivamente
(equação 2.15).
dA
A
∫
=
0
σσ
(2.15)
=
i
S
I
A
φ
θπσ
cos4
[m
2
] (2.16)
onde A é a área observada pelo radar, θ é o ângulo zenital entre a normal e a direção de
visada, I
s
é a intensidade radiante espalhada em direção à antena e é medida em W sr
-1
, e φ
i
é
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
50
o fluxo radiante incidente sobre a superfície, medido em W. Porém, a relação entre σ
0
e o
vento à superfície ainda não é completamente entendida (Kidder e Vonder Haar, 1995).
Desde que os comprimentos de onda do sensor sejam da ordem de 2 cm, ondas de
capilaridade são responsáveis pelo retroespalhamento. A figura 2.11 ilustra o processo de
espalhamento de Bragg
.
Figura 2.11 – Espalhamento ressonante de Bragg. Fonte: Polito e Sato, 2004.
No espalhamento de Bragg ou ressonante, a distância D é igual ao comprimento
de onda eletromagnética. A diferença de caminho D, figura 2.11, entre os sinais espalhados
por flancos consecutivos das ondas, se assemelha ao comprimento da onda eletromagnética.
Desta forma, o sinal emitido por todas as ondas nesta localidade estão aproximadamente em
fase, causando um sinal de retorno relativamente forte (Polito e Sato, 2004). Ainda segundo
Polito e Sato (Op. Cit., pág 49), quanto mais forte for o vento maior será a amplitude das
ondas capilar-gravidade e, portanto, maior será a área efetiva que causa o espalhamento,
aumentando assim σ
0
.
A função de transferência para o escaterômetro, que relaciona o coeficiente
normalizado de retroespalhamento e o vento à superfície, utilizados pela ESA (Banda- C do
ERS ) e pela NASA (Quikscat), são denominados CMDO4 (Stoffelen e Anderson, 1997) e
QSCAT-1 (SeaWinds User´s Manual, 2003), respectivamente.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
51
3 DADOS E METODOLOGIA
Neste capítulo, apresenta-se uma descrição das características dos sistemas
atmosféricos atuantes, sobre a área em estudo, e de regiões adjacentes (com enfoque sobre a
região Nordeste do Brasil); dos aspectos oceanográficos; das espécies de atuns Albacora
Lage, Albacora Branca e Albacora Bandolin; do conjunto de dados utilizados e da
metodologia adotada para analisá-los.
3.1 Área de estudo
O Governo Brasileiro ao assinar em 1982, e ratificar em 1988, a Convenção das
Nações Unidas sobre o Direito do Mar, assumiu uma série de direitos e deveres frente à nação
e à comunidade internacional. Dentre tais compromissos, destacam-se aqueles relacionados à
exploração da Zona Econômica Exclusiva (ZEE), que constitui um novo conceito de espaço
marítimo, introduzido pela Convenção, sendo definido como uma área que se estende desde o
limite exterior do mar territorial, de 12 milhas de largura até 200 milhas náuticas da costa, no
caso do nosso país.
Segundo Paiva (1997), entende-se por mar territorial a faixa marinha adjacente ao
Estado Costeiro, sobre a qual exerce soberania, sendo que cada Estado costeiro pode
estabelecer a largura de seu mar territorial, desde que não seja ultrapassado o limite de 12
milhas náuticas. Ainda segundo Paiva (Op. Cit., p. 51), uma grande importância foi conferida
à chamada Zona Econômica Exclusiva.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
52
O Brasil tem na sua ZEE direitos de soberania para fins de exploração e
aproveitamento, conservação e gestão dos recursos naturais vivos ou não vivos, das águas
sobrejacentes ao leito do mar e seu subsolo, além de outras atividades com vista à exploração
e aproveitamento da Zona para fins econômicos, como a produção de energia a partir da água,
marés, correntes e ventos, dentro da ótica de uso sustentável do mar.
Para estudar as possíveis relações existentes entre as espécies de atuns (Albacora
Lage, Albacora Branca e Albacora Bandolin) e a temperatura da superfície do mar,
concentração de clorofila-a e vento na superfície, selecionou-se a área compreendida entre as
latitudes 15º N e 15º S e longitudes 50º W e 15º W, que compreende a ZEE do Norte e
Nordeste brasileiro, além de parte das águas internacionais do oceano Atlântico Intertropical
(figura 3.1). Para mais detalhes sobre as divisões da ZEE, mostradas na figura 3.1, ver
Ferreira (2004).
(a) (b)
Figura 3.1 – Região de estudo: a) Oceano Atlântico na área compreendida entre as latitudes 30
o
N – 30
o
S e
longitudes 80
o
W – 5
o
E), e b) Divisões da ZEE.
Fonte:
Figura 3.1 b: Programa REVIZEE - Proposta Nacional
de Trabalho, 1997.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
53
3.1.1 Aspectos meteorológicos e oceanográficos
O clima de qualquer região é determinado em grande parte pela circulação geral
da atmosfera. Esta, resulta em última instância, do aquecimento diferencial do globo pela
radiação solar, da distribuição assimétrica de oceanos e continentes e também das
características topográficas sobre os continentes. Padrões de circulação gerados na atmosfera
redistribuem calor, umidade e momentum (quantidade de movimento) por todo o globo. No
entanto, essa redistribuição não é homogênea, agindo algumas vezes no sentido de diminuir as
variações regionais dos elementos climáticos, tais como, temperatura e precipitação (Boletim
de Monitoramento e Análise Climática-Climanálise-Número Especial, 1986).
No que se refere aos padrões da TSM nos oceanos Pacífico (El Niño ou La Niña)
e Atlântico (Dipolo do Atlântico), vários estudos têm demonstrado que dependendo do
período do ano e da intensidade com que ocorrem, estes têm um papel fundamental, por
exemplo, na definição da qualidade do período chuvoso da região Nordeste do Brasil e de sua
variabilidade espacial e temporal (Repelli e Alves, 1996 e Uvo et al., 1996). O El Niño
também influencia as chuvas na região Sul do Brasil.
Uvo et al. (1997), aponta para a existência de estreita relação entre a precipitação
sobre a região Nordeste do Brasil (NEB) e eventos de El Niño Oscilação Sul (ENSO), TSM
sobre a bacia do Atlântico Tropical, ventos alísios, pressão ao nível do mar, posição da Zona
de Convergência Intertropical (ZCIT) sobre o Atlântico e Frentes Frias. Além desses,
podemos citar também os Vórtices Ciclônicos de Autos Níveis (VCAN) (Gan e Kousky,
1982), dos Complexos Convectivos de Mesoescala (CCMs) (Ramos et al., 1994), e do efeito
das brisas marítima e terrestre na precipitação.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
54
Muito desses fenômenos têm sua gênese sobre o oceano e através de mecanismos
de circulação geral da atmosfera, de escala global e regional, que influenciam as chuvas sobre
o oceano, dentro da área em estudo, bem como do continente adjacente a esta. Alguns desses
mecanismos e a influência dos oceanos Pacífico e Atlântico no clima da região são descritos
no Apêndice B.
3.2 Dados utilizados
As variáveis oceanográficas, atmosféricas e de pesca das três espécies de atuns
estudadas no presente trabalho estão listadas na tabela 3.1.
Tabela 3.1
Lista das variáveis oceanográficas e atmosféricas, unidades utilizadas e espécies de atuns utilizadas
no presente trabalho
VARIÁVEIS OCEANOGRÁFICAS, ATMOSFÉRICAS E
DE PESCA
UNIDADES
Temperatura da superfície do mar e anomalia
0
C
Velocidade do vento m/s
Precipitação mm/dia
Concentração de clorofila-a mg/m
3
Captura Kg
Esforço No. de anzóis-dia
CPUE Captura/esforço
ESPÉCIES DE ATUNS
Albacora Lage (Thunnus albacares)
Albacora Branca (Thunnus alalunga)
Albacora Bandolin (Thunnus obesus)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
55
3.2.1 Dados de temperatura da superfície do mar
Os dados de temperatura da superfície do mar foram obtidos a partir do sensor
Advanced Very High Resolution Radiometer (AVHRR), para o período de janeiro de 1995 a
dezembro de 2002, e foram gerados com resolução espacial de 9 km e acurácia variando entre
0,3 e 0,5
o
C. Esse sensor voa a bordo dos satélites de órbita polar NOAA-14, NOAA-16,
NOAA-17 e NOAA-18, e são operados pela National Oceanic and Atmospheric
Administration (NOAA), e as passagens escolhidas foram as das órbitas ascendentes (durante
o dia). Para o período compreendido entre janeiro de 2003 e dezembro de 2004, foram
utilizados dados com resolução espacial de 4 km, obtidos do sensor Moderate-Resolution
Imaging Spectrometer (MODIS), que voa a bordo do satélite de órbita polar AQUA, operado
pela National Aeronautics and Space Administration (NASA). As órbitas escolhidas também
foram as ascendentes (durante o dia). A acurácia na medida, para esse sensor, é de
aproximadamente 0,3
o
C. Para mais detalhes a respeito dos satélites de órbita polar da série
NOAA e AQUA e sensores AVHRR e MODIS, consultar Apêndice A.
Os arquivos contendo os dados de TSM, no formato binário e ASCII, foram
obtidos junto à NOAA/NASA AVHRR Oceans Pathfinder sea surface temperature data, via
File Transfer Protocol (FTP) no endereço eletrônico:
http://podaac.jpl.nasa.gov/pub/sea_surface_temperature.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
56
3.2.2 Dados de vento
Os dados de vento foram obtidos junto ao IFREMER/CERSAT, via ftp no
endereço eletrônico: ftp.ifremer.fr//pub/ifremer/cersat/tmp/MWF_E1_monthly147349.tar e
ftp.ifremer.fr//pub/ifremer/cersat/tmp/MWF_E2_monthly1473410.tar.
Os arquivos MWF_E1_monthly147349.tar e MWF_E2_monthly1473410.tar
continham dados mensais da velocidade do vento e das componentes zonal e meridional,
sobre a área compreendida entre as latitudes 30
o
N – 30
o
S e longitudes 70
o
W – 20
o
W. Os
arquivos relativos ao período de março de 1992 a março de 1996
(MWF_E1_monthly147349.tar) foram obtidos a partir do sensor AMI (Active Microwave
Instrumentation), que voou a bordo do satélite ERS-1 (European Remote Sensing satellite 1) e
os dados relativos a março de 1996 a janeiro de 2001 (MWF_E2_monthly1473410.tar) foram
gerados a partir dos dados fornecidos pelo mesmo tipo de sensor (AMI), instalado no satélite
ERS-2 (European Remote Sensing satellite 2). Ambos os arquivos foram obtidos no formato
NETCDF, com resolução espacial de 1
o
. de longitude x 1
o
. de latitude. A acurácia na medida
da velocidade do vento estimada por esses satélites é aproximadamente 1 m/s e 14
o
em
direção.
Os dados de vento relativos ao período compreendido entre fevereiro de 2001 e
dezembro de 2003, foram obtidos a partir do sensor SeaWinds que voa a bordo do satélite
QuikSCAT. Esses dados foram obtidos via ftp, no formato ASCII, numa base diária, com
resolução espacial de 25 km, no endereço eletrônico http://poet.jpl.nasa.gov. A acurácia dos
mesmos é de 2 m/s e 20
o
em direção.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
57
3.2.3 Dados de concentração de clorofila-a
Os dados de concentração de clorofila-a foram obtidos a partir dos dados coletados
pelo sensor Sea-Viewing Wide Field Sensor (SeaWiFS), que voa a bordo do satélite de órbita
polar OrbView-2 da NASA, também conhecido como SeaStar. A resolução espacial dos
mesmos é de 9 km e cobrem o período compreendido entre setembro de 1997 e dezembro de
2004. Os arquivos contendo esses dados foram obtidos junto à NASA, pelo Instituto Nacional
de Pesquisas Espaciais (INPE), via FTP, no endereço eletrônico
http://daac.gsfc.nasa.gov/data/dataset/SEAWIFS. Após o processamento, os mesmos foram
disponibilizados em formato ASCII, para a Fundação Cearense de Meteorologia e Recursos
Hídricos (FUNCEME). O acesso aos dados do INPE também foi realizado via FTP.
3.2.4 Dados de pesca
Os dados de pesca dos atuns, relativos à área definida para esse estudo (item 3.1),
foram cedidos pelo Departamento de Pesca e Aqüicultura (DPA) do Ministério da
Agricultura, Pecuária e Abastecimento (MAPA) em uma resolução de 1
o
de latitude por 1
o
de
longitude, por dia de pesca, e cobrem o período compreendido entre 1995 e 2003. Esses
dados, são relativos à captura em peso (Kg), número de indivíduos e esforço de pesca
(número de anzóis-dia). As figuras 3.2 (a), (b), (c), (d), (e), (f), (g), (h) e (i), mostram,
respectivamente, para os anos e 1995 a 2003, os pontos onde houve informações sobre as
capturas da Albacora Lage, Albacora Branca e Albacora Bandolin.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
58
(a) (b)
(c) (d)
(e) (f)
Figura 3.2
- Pontos onde houve informações de captura das Albacoras Lage, Branca e Bandolin durantes os anos
de:a) 1995, b) 1996, c) 1997, d) 1998, e) 1999, f) 2000, g) 2001, h) 2002 e i) 2003. Resolução
espacial: 1º Latitude x 1º Longitude.
(continua)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
59
(g) (h)
(i)
Figura 3.2
– conclusão.
3.2.4.1 – Descrição das espécies em estudo
A seguir será feita uma breve descrição das espécies de atuns utilizadas neste
estudo.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
60
3.2.4.1.1 - Albacora Lage
(a) ] (b)
Figura 3.3 - a) Thunnus albacares, por Cada, L.A., e b) Thunnus albacares por Archambault, C. Fonte:
http://www.fishbase.org/Photos/PicturesSummary.cfm-16/06/2005 - 00:29 h (hora local).
Nome Científico: Thunnus albacares (Bonnaterre)
Ordem: Escombriformes
Família: Escómbridos (Thunnidae)
Denominações: em português: Albacora Lage; em inglês: Yellowfin tuna
A Albacora Lage (figura 3.3) é uma espécie pelágica, cosmopolita e de grande
importância comercial, que habita, principalmente, as águas tropicais e subtropicais dos
oceanos (com exceção do mar Mediterrâneo), onde formam grandes cardumes. É uma espécie
de águas quentes (ocorre na escala de temperaturas entre 15 °C e 31 °C), e é encontrada em
abundância nas águas tropicais do Atlântico, entre as latitudes 45º N e 45º S (Miyake e
Hayasi, 1978). Os dados coletados até o momento mostram que o tamanho máximo já
registrado, para essa espécie, foi de 239 cm; o peso máximo, 200 Kg e a idade máxima
registrada foi de 8 anos. A Albacora Lage pode ser encontrada em profundidades que variam
entre 1 e 250 m (http://www.fishbase.org/Summary/SpeciesSummary) . Segundo o informe
ICAT 2004-2005, a principal zona de desova é a zona equatorial do golfo da Guiné, e ocorre
entre janeiro e abril.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
61
3.2.4.1.2 - Albacora Branca
(a) (b)
Figura 3.4 –
a) Thunnus alalunga, por Cada, L.A., e b) Thunnus alalunga por Archambault, C.
Fonte:
http://www.fishbase.org/Photos/PicturesSummary.cfm-16/06/2005 - 00:56 h (hora local)
Nome Científico: Thunnus alalunga (Bonnaterre)
Ordem: Escombriformes
Família: Escómbridos (Thunnidae)
Denominações: em português: Albacora Branca; em inglês: Albacore
A Albacora Branca (figura 3.4) é uma espécie pelágica de grande importância
comercial que habita, principalmente, as águas dos oceanos Atlântico, Pacífico e Índico,
incluindo o mar Mediterrâneo. É uma espécie de águas quentes (ocorre na escala de
temperaturas entre 10 °C e 26 °C) e é encontrada no Atlântico, principalmente entre as
latitudes 59° N - 46° S e longitudes 180° W - 180° E. Os adultos (indivíduos com mais de 90
cm) aparecem principalmente em águas subtropicais ou tropicais, enquanto que os jovens se
encontram em águas temperadas onde formam grandes cardumes na superfície (Miyake e
Hayasi, 1978).
Os dados estatísticos mostram que, até o momento, o tamanho máximo já
registrado, para essa espécie, foi de 140 cm; o peso máximo, 60,3 Kg, e não foram
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
62
encontradas informações sobre a idade máxima registrada. A Albacora Lage pode ser
encontrada em intervalos de profundidade que variam entre 1 e 600 m e os cardumes
concentram-se ao longo de descontinuidades térmicas
(http://www.fishbase.org/Summary/SpeciesSummary) A desova ocorre na primavera e no
verão austral e boreau, sendo que o atum branco alcança a maturidade com 90 cm de
comprimento (idade de 5 anos) no Atlântico, e com uma medida inferior a 62 cm (idade 2
anos) no Mediterrâneo. Até essa idade se encontra principalmente em águas superficiais, onde
é pescado com artes de superfície (informe ICCAT 2004-2005(I)).
3.2.4.1.3 - Albacora Bandolin
(a) (b)
Figura 3.5 –
a) Thunnus obesus por Cada, L.A., e b) Thunnus obesus por Archambault, C.
Fonte:
http://www.fishbase.org/Photos/PicturesSummary.cfm-17/06/2005 - 01:17h (hora local).
Nome Científico: Thunnus obesus (Lowe)
Ordem: Escombriformes
Família: Escómbridos (Thunnidae)
Denominações: em português: Albacora bandolin; em inglês: Bigeye tuna
A Albacora Bandolin (figura 3.5) é uma espécie de ambiente pelágico,
amplamente distribuída em quase todo o Atlântico, entre 50º N e 45º S. Com exceção do mar
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
63
Mediterrâneo, é encontrada em águas tropicais e subtropicais dos três oceanos. De acordo
com o Informe SCRS 2004-2005(I), da ICCAT, esta espécie é capaz de submergir à
profundidades que variam desde a superfície até 250 m, efetuando amplos movimentos
verticais. É uma espécie de águas quentes (ocorre na escala de temperaturas entre 13 °C e 29
°C, mas o ótimo é entre 17 °C e 22 °C), que é capturada freqüentemente com a Albacora Lage
em águas equatoriais e temperadas (Miyake e Hayasi, 1978). Espécie de crescimento
relativamente rápido, aproximadamente 105 cm de comprimento na idade de 3 anos, 140 de
comprimento na idade de 5 anos e 163 cm na idade de 7 anos. O tamanho máximo já
registrado, para esta espécie, foi de 250 cm; peso máximo 210 Kg e a idade máxima 11 anos
(http://www.fishbase.org/Summary/SpeciesSummary). Segundo o Informe SCRS 2004-
2005(I), da ICCAT, a Albacora Bandolin atinge a maturidade com a idade de
aproximadamente 3,5 anos.
3.3 Metodologia de análise dos dados
Com base no banco de dados referidos em 3.2.5, selecionou-se as espécies de
peixes mais abundantes (Albacoras Lage, Branca e Bandolin), dentro da área em estudo (15º
N – 15º S e 50º W – 15º W), a qual corresponde a ZEE Norte/Nordeste do Brasil.
Os dados relativos a mês e ano da captura, latitude e longitude do local de pesca,
número de anzóis-dia utilizados e peso vivo capturado (Kg), foram, em seguida, transferidos
para uma planilha do EXCEL. Estes foram dispostos em ordem crescente de ano e mês.
Dentro de cada mês ordenou-se os dados, de maneira tal que os pontos de captura se iniciam
nas latitudes mais altas do hemisfério norte e decrescem em direção à linha do equador,
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
64
crescendo novamente, a partir daí, em direção às latitudes mais altas do hemisfério sul. Ao
final da seleção, considerando o período em análise (1995 a 2003), obtivemos uma matriz (p x
q), onde: p = 18891 linhas e q = 6 colunas. Esse número elevado de linhas de dados explica-se
pelo fato de que havia várias informações, dentro de cada mês, para uma mesma latitude e
longitude.
O passo seguinte foi somar os dados relativos ao número de anzóis e peso vivo,
dentro de cada mês, que possuíam a mesma latitude e longitude e assim calcular as CPUEs
mensais. Para realizar essa tarefa, desenvolveu-se, um programa de computador utilizando-se
o software MATLAB versão 6.1. Como estávamos interessados em determinar a captura por
unidade de esforço para cada espécie, por latitude e longitude, esse passo também foi incluído
no programa. O mesmo gerou um arquivo no formato ASCII, com informações relativas ao
ano, mês, latitude, longitude, número de anzóis, peso vivo, cpue_lage, cpue_branca,
cpue_bandolin, dispostas em forma de colunas. Esse arquivo foi posteriormente importado
para o EXCEL, tendo seu tamanho reduzido para uma matriz (m x n), onde: m = 3806 linhas,
e n = 9 colunas.
Como um dos objetivos do trabalho é estudar a relação existente entre
determinadas variáveis ambientais e os dados de CPUE, a etapa seguinte consistiu em
selecionar os dados de TSM e suas anomalias, vento e clorofila-a, obtidos conforme descrito
nos itens 3.2.1, 3.2.2 e 3.2.3, para as latitudes e longitudes onde havia informações sobre o
esforço de pesca para as três espécies de atuns já citadas. Como os dados de satélites possuem
resolução espacial de 9 Km x 9 Km, e os dados de captura das albacoras, resolução espacial
de 1º de latitude x 1º de longitude aproximadamente, 111 Km x 111 Km, foi necessário se
desenvolver um programa, utilizando a linguagem de scripts, que localizasse dentro da
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
65
imagem do satélite os pontos mais próximos ou coincidentes com as latitudes e longitudes
onde havia dados de captura.
Após a obtenção dos valores das aTSM, TSM, vento e clorofila-a, para cada
latitude e longitude, os mesmos foram incluídos na planilha do EXCEL que já continha
informações relativas a ano, mês, latitude, longitude, número de anzóis, peso vivo, cpue-lage,
cpue-branca, cpue-bandolin. O arquivo final tomou a forma ilustrada na tabela 3.2, onde o
cálculo da CPUE foi feito utilizando-se a equação 3.3.1.
)
.
)(
(
diaanzóisNo
KgPesoVivo
ESFORÇO
CAPTURA
CPUE
−
= (3.1)
Tabela 3.2
– Dados ambientais (atsm, tsm, vento e clorofila) e de CPUE para as Albacoras Lage, Branca e
Bandolin, por ano, mês, latitude (lat) e longitude (lon), relativos ao período compreendido entre 1995 e 2003.
ano
mês
lat
lon
atsm
(°c)
tsm
(°c)
vento
m/s
clorofila
mg/m
3
cpue lage
Kg/n°
anzóis-
dia
cpue branca
Kg/n° anzóis-
dia
cpue bandolin
Kg/n° anzóis-dia
1995
1 3 -27
0,45 27,00
4,87 9,9999 0,0261 0,0223 0,0654
1995
1 2 -27
0,00 26,70
4,05 9,9999 0,1113 0,0149 0,2634
1995
1 0 -28
0,75 26,55
3,78 9,9999 0,0297 0,0294 0,3559
. . . . . . . . .
. . .
. . . . . . . . . . . . . . . . . . . . .
1999
8 -9 -33
0,15 26,25
7,93 0,0716 0,2307 0,0593 0,2600
1999
8 -9 -31
0,30 26,25
8,26 0,0794 0,0865 0,0988 0,0650
1999
8 -9 -30
-0,15
25,80
8,22 0,0851 0,2018 0,0593 0,0650
. . . . . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
2003
12 -10
-34
0,88 27,41
7,62 0,0646 0,0000 0,0762 0,0000
2003
12 -10
-29
0,49 26,68
8,01 0,0490 0,0769 0,2885 0,2404
2003
12 -10
-28
0,46 26,46
7,78 0,0582 0,3558 0,1599 0,2464
Observação: Os valores 9,9999 que aparecem na tabela 3.2 indicam ausência de valores de
clorofila-a. Ressalta-SE que no período compreendido entre 1995 a agosto de 1997 não havia
satélites realizando medidas desse parâmetro oceanográfico.
A metodologia básica utilizada na análise dos dados descritos em 3.2.5, consistiu,
numa primeira fase, na utilização de modelos de séries temporais das CPUEs das espécies em
estudo, uma vez que estes modelos envolvem projeções baseadas, exclusivamente, nas
observações do passado da variável que se quer estudar.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
66
Segundo Libonati et al (2004), a principal característica de uma série temporal,
que a torna distinta de uma amostra aleatória simples, é a vinculação das observações com o
fator tempo, sendo que, a análise de séries temporais baseia-se na premissa segundo a qual os
fatores que influenciaram o comportamento dos dados no passado continuam influenciando
seus movimentos futuros.
Ressalta-se, porém, que as séries temporais das CPUEs da Albacora Lage,
Albacora Branca e Albacora Bandolin podem sofrer influência de diversos fatores, tais como:
variações temporal e espacial, mudanças em padrões tecnológicos, variações nas condições
ambientais, etc. Esses e outros fatores determinam os componentes das séries temporais, os
quais serão estudados quanto à tendência, variações cíclicas e sazonais e variações
irregulares. No que se refere a estacionaridade ou não da série temporal das CPUEs , para
determiná-la, aplicou-se o teste do coeficiente de correlação de Spearman.
Prosseguindo nas análises, estudamos as possíveis relações existentes entre a
CPUE e as variáveis ambientais aTSM, TSM, vento e clorofila-a, utilizando modelos de
regressão simples e múltipla e em alguns casos aplicamos transformação logarítmica no valor
das variáveis. Ressalta-se que a transformação logarítmica aumenta as distâncias entre os
valores pequenos e reduz as distâncias entre os valores grandes, tornando distribuições com
assimetria positiva (cauda mais longa à direita) em distribuições aproximadamente simétricas.
Com isso, temos uma situação mais adequada para estabelecer a reta de regressão (Barbetta et
al, 2004).
Na análise de regressão múltipla, procuramos construir um modelo estatístico-
matemático para se estudar, objetivamente, a relação entre as variáveis independentes (aTSm,
TSM, vento e clorofila-a) e a variável dependente (CPUE da Albacora Lage, Albacora Branca
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
67
e Albacora Bandolin) e, a partir do modelo, conhecer a influência de cada variável
independente, como também predizer a variável dependente em função do conhecimento das
variáveis independentes.
A análise de regressão múltipla parte de um conjunto de observações (x
11,
x
21, . . .,
x
k1,
y
1
), (x
12,
x
22, . . .,
x
k2,
y
2
), . . .,( x
1n
, x
2n
, . . .,x
kn
, y
n
) relativas às variáveis X1, X2, . . .,Xk
(variáveis qantitativas ou indicadoras de certos atributos), Y (variável quantitativa contínua) .
Segundo Barbetta et al, 2004, para uma dada observação, Y depende, em parte, dos
correspondentes valores x
1
, x
2
, . . ., x
k
(variáveis independentes) e de uma infinidade de outros
fatores, representados pelo termo de erro, ε. Supôs-se então, o seguinte modelo para as
observações:
Y
i
=
α
+
β
1
x
1i
+
β
2
x
2i
+ . . . +
β
k
x
ki
+
ε
i
(i = 1, 2, . . ., n) (3.2)
onde Y
i
, é a variável aleatória associada à i-ésima observação de Y; α, β
1
, β
2
, β
k
são
parâmetros a serem estimados através do método dos mínimos quadrados, e ε
i
representa o
efeito (erro) aleatório da i-ésima observação. Barbetta et al (2004), também afirmam que se
deve supor que as variáveis independentes X
1
, X
2
, . . ., X
k
não devem ter correlações altas
entre si.
Procurou-se então, através desses modelos, relacionar variável dependente CPUE,
com as variáveis ambientais citadas anteriormente, denominadas de variáveis explicativas ou
independentes.
O passo seguinte foi a aplicação do teste F, através da análise de variância, para
verificação da existência de diferenças estatisticamente significantes entre as CPUEs na escala
mensal e anual. Utilizou-se um experimento fatorial completamente casualizado, uma vez
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
68
que: 1 – analisamos a combinação dos tratamentos meses e anos, e 2 – as CPUEs são
aleatoriamente alocadas nos meses e anos. Para a aplicação do teste F a literatura recomenda,
para amostras que não possuem tamanhos iguais, a utilização de testes não paramétricos
(Foster, 1998, Kirk, 1968 apud Cochran, 1947 e Norton, 1953). Ressalta-se, no entanto, que
se observou a não homogeneidade das variâncias, mas, tendo em vista que a matriz do
conjunto de dados possui aproximadamente 3800 linhas, prosseguimos com a aplicação da
análise de variância. As hipóteses a serem testadas são encontradas na tabela 3.3.
Tabela 3.3
– Hipóteses testadas, relativas às CPUEs das Albacoras Lage, Branca e Bandolin
HO HA
as CPUEs ao longo dos meses são iguais as CPUEs ao longo dos meses são diferentes
as CPUEs ao longo dos anos são iguais as CPUEs ao longo dos anos são diferentes
a interação dos meses e ano da CPUE é igual a interação dos meses e ano da CPUE é
diferente
A parte que se refere à caracterização mensal e sazonal dos aspectos
meteorológicos e oceanográficos sobre o Atlântico, isto é, como se apresentam as variações
médias dos padrões da temperatura da superfície do mar, da concentração de clorofila-a, vento
e precipitação, foi feita gerando-se médias históricas mensais e sazonais, representativas do
período de 1985 a 2004. Essas foram elaboradas a partir dos dados fornecidos pelos satélites
NOAA e AQUA (aTSM e TSM – período 1985 a 2004), ERS-1 e ERS-2 (vento – período:
1991 a 2000) e SeaStar (clorofila-a – período: 1998 a 2004). Para calcular as médias sazonais
foram considerados os trimestres de dezembro, janeiro e fevereiro (DJF), março, abril e maio
(MAM), junho, julho e agosto (JJA), e setembro, outubro e novembro (SON). Esses trimestres
são representativos das estações de verão e inverno, outono e primavera, inverno e verão, e
primavera e outono, nos HS e HN, respectivamente.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
69
4 RESULTADOS E DISCUSSÕES
4.1 Padrões mensais e sazonais da TSM no Oceano Atlântico Intertropical
A figura 4.1 mostra as médias históricas sazonais para o campo de TSM, obtidas a
partir do sensor AVHRR, para os períodos testados de DJF, MAM, JJA e SON. Verifica-se
através dessa figura, que no período de DJF, as TSMs variam entre, aproximadamente 15
o
C e
30
o
C, sendo que as temperaturas mais elevadas localizam-se preferencialmente entre as
latitudes 5
o
N e 15
o
S, tanto na costa leste do Brasil quanto na costa oeste do continente
Africano. No trimestre seguinte (MAM), as águas com temperaturas acima de 26
o
C dominam
toda a bacia do Atlântico tropical, entre as latitude 5
o
N e 15º S, estendendo-se até a latitude
20
o
S, na área compreendida entre as longitudes 45
o
W – 20
o
W. Nos meses seguintes, essas
águas mais aquecidas começam a se deslocar em direção ao hemisfério norte, seguindo o
movimento aparente do sol sobre a Bacia Atlântica Central. Esses resultados estão em
concordância com aqueles obtidos por Souza (1997), mostrando que as áreas contendo águas
mais quentes posicionam-se preferencialmente ao norte da linha do Equador terrestre, durante
praticamente todo o ano, com exceção do trimestre MAM, onde estas se posicionam
preferencialmente no HS.
Sabe-se hoje que a circulação de massas d’água nos oceanos, influencia
fortemente a distribuição horizontal, do calor recebido pelo sol, por todo o planeta. Regiões de
afloramento de massas d’água ou “upwelling”, em inglês, podem ser encontradas ao longo do
Equador, onde a dinâmica de Ekman em oceano aberto pode ser aplicada. Nessa região, onde
a componente de leste dos Alísios é bem desenvolvida, a TSM ao longo do Equador, no
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
70
Atlântico central, é freqüentemente 2
o
C mais fria do que é, a aproximadamente 200 km, em
ambos os lados do Equador (Figuras 4.2 f a 4.2 k). Se pegarmos, por exemplo, a TSM média
para o meses de agosto e setembro (Figuras 4.2 h e 4.2 i), notamos que as águas costeiras da
África são mais frias do que as águas na mesma latitude, longe da costa Africana. Também
notamos uma “língua” de águas relativamente mais frias ao longo do Equador, principalmente
nos meses de junho, julho e agosto, onde os ventos Alísios de Sudeste começam a ficar mais
intensos.
Trabalhos pretéritos sugerem que as baixas temperaturas observadas
superficialmente ao longo do Equador são, pelo menos em parte, resultado da divergência de
águas superficiais resultante de um transporte de Ekman em ambos os lados do Equador
(Knauss, 1997).
Na bacia Atlântica, entre as latitudes 30
o
N – 30
o
S, as TSMs mais baixas
aparecem no lado leste da bacia, ao longo da zona costeira da Mauritânia-Senegal e de
Angola. Para essas regiões, as TSMs mínimas ocorrem durante janeiro a abril, na parte norte e
durante julho a novembro, no sul. Segundo Servain e Legler (1986) essas TSMs mínimas são
influenciadas pelas correntes superficiais frias em direção ao Equador (Corrente Canária ao
norte, e a corrente de Benguela ao sul), e pelo permanente e sazonal afloramento costeiro.
Esse resultado amplia os obtidos por Picaut et al (1985 apud Servain e Legler,1986), que
afirmam que as TSMs mínimas ocorrem entre fevereiro e abril na parte norte e durante julho a
outubro na parte sul. Isto se explica pelo fato de que a resolução espacial dos dados
NOAA/AVHRR (9 km x 9km) é bem superior a dos dados utilizados por Picaut et al(Op. Cit.,
p. 70), cuja resolução espacial é de 2
o
de latitude por 2
o
de longitude.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
71
As TSMs relativamente mais baixas ao longo do Equador (0
o
– 20
o
W)
correspondem à ressurgência equatorial sazonal que ocorre no verão boreal (Figuras 4.2 f a
4.2 j). Evidências indiretas sugerem que isto pode ser devido ao efeito de uma forçante remota
ligada ao aumento do stress zonal do vento no Atlântico equatorial oeste (Servain e Legler,
1986). As TSMs mais altas são encontradas na parte oeste da bacia Atlântica onde a
termoclina é mais profunda.
A posição média sazonal da faixa latitudinal de máxima TSM segue um
deslocamento similar ao da ZCIT, isto é, mais para o norte em setembro e outubro (Figuras
4.2 i e 4.2 j) e mais para o sul em março e abril (Figuras 4.2 c e 4.2 d ).
Focando agora a análise na área da ZEE nordeste, área compreendida entre as
latitudes 15º N e 15º S e longitude 50º W e 15º W, verifica-se ao longo do ano, um gradiente
térmico relativamente reduzido de aproximadamente 5 °C a 6 °C, com a TSM variando de 24
°C a 30 °C. Entretanto, nessa área, uma variação sazonal bem definida pode ser observada,
com massas d’água de mesma temperatura deslocando-se no sentido sudeste-noroeste, ao
longo da faixa litorânea (Figura 4.1)
(a) (b)
Figura 4.1
– Média histórica sazonal da TSM no oceano Atlântico Intertropical, obtidas a partir dos dados do
satélite NOAA/AVHRR, com resolução espacial de 9 Km x 9 Km, relativas aos trimestres: a) DJF, b) MAM, c)
JJA e d) SON. A escala de cores representa a TSM em graus Celsius (
o
C).
(continua)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
72
(c) (d)
Figura 4.1
– conclusão.
No período de dezembro a maio, correspondente ao verão/outono austral, toda a
faixa litorânea dentro da área da ZEE nordeste apresenta temperaturas elevadas, ou seja,
superiores a 28 °C, principalmente nos meses de fevereiro, março e abril (Figuras 4.2 b, c, e d,
respectivamente), quando águas com temperaturas entre 29 °C e 30 ºC envolvem toda a costa
da ZEE nordeste. Essa última característica só é possível de ser notada devido à resolução
espacial do sensor AVHRR (9 km x 9 km). A partir do mês de maio (Figura 4.2 e), essa massa
d’água quente começa a ser “empurrada” para o norte, em conseqüência da penetração de
águas com temperaturas mais baixas, aproximadamente 21 °C, no extremo sudeste da área
compreendida entre as latitudes 18
o
S – 20
o
S e longitudes 22
o
W – 5
o
E. Esse avanço
gradativo de águas frias provenientes do Atlântico Sul pode ser observado até o mês de
setembro (Figura 4.2 i), quando águas superficiais com temperaturas entre 15 °C e 22 °C são
observadas nessa extremidade.
A partir do mês de outubro (Figura 4.2 j), as águas mais frias, com temperaturas
inferiores a 24 °C, começam a regredir, dando espaço à penetração de águas com
temperaturas mais elevadas, superiores a 26°C, que vão, novamente, no ápice do verão
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
73
austral, envolver toda a costa norte/nordeste do Brasil, estendendo-se, inclusive, por toda a
ZEE adjacente.
Uma característica da distribuição espaço-temporal da TSM na ZEE Nordeste que
merece ser destacada, é que o seu gradiente térmico é sempre perpendicular à linha da costa,
com a TSM diminuindo da zona litorânea para a zona oceânica. Esse fato está diretamente
associado à própria direção da linha de costa, ao estrangulamento da Bacia Atlântica na região
tropical, em decorrência do avanço da costa brasileira e, evidentemente, à hidrodinâmica da
região no que se refere às correntes e ao deslocamento das isotermas nas diferentes épocas do
ano.
(a) (b)
(c) (d)
Figura 4.2
– Média histórica mensal da TSM, no oceano Atlântico Intertropical, obtidas a partir dos dados do
satélite NOAA/AVHRR, com resolução espacial de 9 Km x 9 Km, relativas aos meses: a) janeiro, b) fevereiro,
c) março, d) abril, e) maio, f) junho, g) julho, h) agosto, i) setembro, j) outubro, k) novembro e l) dezembro. A
escala de cores representa a TSM em graus Celsius (
o
C).
(continua)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
74
(e) (f)
(g) (h)
(i) (j)
(k) (l)
Figura 4.2
– conclusão.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
75
4.1.1 Dipolo de anomalia da temperatura da superfície do mar no Oceano Atlântico Tropical
A variabilidade térmica interanual no Atlântico Tropical apresenta dois modos
típicos de variabilidade, um modo equatorial e outro conhecido como dipolo (Servain et al,
1998). Esse último envolve variações espaciais de TSM nos dois hemisférios, entre
aproximadamente 5º N – 20º N e 5º S – 20º S com variabilidade nas escalas sazonal,
interanual e decadal.
Segundo Souza et al (1998), o padrão de dipolo, modo de variabilidade oceano-
atmosfera de grande escala, mais importante da variabilidade climática interanual sobre a
Bacia do Atlântico Tropical, durante o outono austral (apud Nobre, 1993; Nobre e Shukla,
1996), caracteriza-se pela manifestação de um padrão de anomalias de TSM, configurando-se
espacialmente com sinais opostos sobre a bacia norte e sul do Atlântico. Isto pode ser
observado claramente na figura 4.3, que mostra as séries temporais mensais dos índices
normalizados das anomalias de TSM para o Atlântico Norte e Sul, geradas a partir dos
sensores AVHRR e MODIS.
O padrão inverso de anomalias de TSM, mostrado na figura 4.3, gera, segundo Souza
et al., 1998, a presença de um gradiente térmico meridional e inter-hemisférico nos baixos
níveis do Atlântico Equatorial (apud Wagner, 1996). Esse gradiente, agindo em conjunto com
os padrões anômalos de pressão ao nível médio do mar (PNM) e vento horizontal,
desempenham influências diretas na manutenção, posicionamento e intensidade da ZCIT
(apud Nobre, 1993), que se constitui no principal fenômeno indutor de chuvas na região do
NEB, quando de sua migração em direção ao Hemisfério Sul, no final do verão e outono
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
76
austral (apud Hastenrath e Greischar, 1993). A importância do dipolo do Atlântico para o
clima da região Nordeste do Brasil é discutida no anexo B.
-3,20
-2,80
-2,40
-2,00
-1,60
-1,20
-0,80
-0,40
0,00
0,40
0,80
1,20
1,60
2,00
2,40
2,80
3,20
1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1998 1999 2000 2001 2002 2003 2004
ANO
ÍNDICE DO DIPOLO (DESVIO PAADRÃO)
H.N H.S
Figura 4.3 – Séries temporais mensais dos índices normalizados das anomalias de TSM para o Atlântico Norte
(área: 30
o
N – 5
o
N e 60
o
W – 15
o
E), indicadas na figura pela linha azul, Atlântico Sul (área: 5
o
N –
20
o
S e 60
o
W – 15
o
E), indicadas na figura pela linha vermelha. Esses dados foram gerados a partir
dos sensores AVHRR (1985 a 2002) e MODIS (2003 e 2004), e compreendem o período de
janeiro de 1985 a dezembro de 2004.
A figura 4.3 mostra a série temporal dos índices de anomalias de TSM para o
Atlântico Tropical (em desvios padrões), gerados a partir de dados obtidos por navios
mercantes, com resolução espacial de 2
o
. grau de latitude por 2
o
. de longitude (≈ 222 km x
222 km) e pelos satélites da série NOAA, com resolução espacial de 9 km x 9 km (período:
1985 a 2002) e com resolução espacial de 4 km x 4 km (período: 2002 a 2003). A
metodologia utilizada para geração dos índices é aquela descrita por Servain (1991).
Pode-se verificar através da figura 4.4 que existe boa concordância entre os dados
de TSM obtidos por navios mercantes (medidas in situ) e os gerados através de imagens de
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
77
satélites. Os satélites constituem-se, portanto, uma ferramenta útil para o monitoramento do
dipolo do Atlântico, em tempo quase real.
Figura 4.4
– Séries temporais mensais do dipolo de TSM para a bacia do Oceano Atlântico Tropical, geradas a
partir dos sensores AVHRR e MODIS, e de navios mercantes. Os dados utilizados na geração da
série compreendem o período de janeiro de 1985 a dezembro de 2004 e foram obtidos dentro da área
compreendida entre as latitudes 28
o
.N – 20
o
.S e longitude 60
o
.W – 15
o
.E.
Pode-se verificar através da figura 4.4 que existe boa concordância entre os dados
de TSM obtidos por navios mercantes (medidas in situ) e os gerados através de imagens de
satélites. Os satélites constituem-se, portanto, uma ferramenta útil para o monitoramento do
dipolo do Atlântico, em tempo quase real.
4.2 Padrões sazonais do vento no Oceano Atlântico Intertropical
A figura 4.5 ilustra as médias históricas sazonais (1991 a 2000) do campo de
vento à superfície, nos meses de DJF, MAM, JJA e SON. Observa-se claramente, nessas
figuras, o giro do vento no sentido anti-horário sobre a bacia sul, e horário sobre a bacia norte
do Atlântico Intertropical. Esses giros estão associados à presença dos Centros de Alta
-3,50
-3,00
-2,50
-2,00
-1,50
-1,00
-0,50
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
jan/8
5
ja
n
/86
jan/8
7
j
an/
88
jan/8
9
j
an/
90
jan/91
jan/9
2
ja
n
/93
j
an/
94
ja
n
/95
jan/9
6
ja
n
/97
jan/98
ja
n
/99
jan/0
0
j
an/
01
jan/02
jan/0
3
jan/04
M ÊS/A NO
NAVIOS M ERCANTES NOAA/AVHRR e A QUA/M ODIS
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
78
Pressão Climatológicos Semipermanentes do Atlântico Norte (AAN) e do Atlântico Sul
(AAS). No hemisfério sul, verifica-se um aumento gradativo da intensidade dos ventos de
DJF para SON, sendo que os trimestres JJA e SON apresentam as maiores intensidades na
velocidade do vento. O contrário ocorre no hemisfério norte, ou seja, verifica-se uma
diminuição gradativa na intensidade dos ventos de DJF para SON, sendo que os trimestres
JJA e SON apresentam as menores intensidades na velocidade do vento.
Observa-se, particularmente nos dois últimos trimestres do ano (Figuras 4.5 c e
4.5 d), um aumento significativo do vento na faixa litorânea leste e norte da Região Nordeste
do Brasil, principalmente na faixa que vai do litoral do Rio Grande do Norte ao do Piauí, onde
os ventos, nesse período, atingem velocidades superiores a 10 m/s (36 km/h). Esse aumento
na velocidade dos ventos está associado ao deslocamento do AAS, para posições mais
próximas do continente, visto que durante o inverno as temperaturas são menores sobre os
continentes, e os centros de alta pressão tendem a migrar em direção a eles.
Com base na figura 4.5, verifica-se que a confluência dos ventos Alísios de
Sudeste com os de Nordeste ocorre na faixa equatorial, originando a formação de
convergência de massa à superfície, com ascensão associada de ar, dando origem à chamada
Zona de Convergência Intertropical (ZCIT). Segundo Vianello (1991), nessa zona, predomina
calma atmosférica sobre grandes extensões, daí ser conhecida na terminologia náutica como
“zona de calmarias” ou doldruns”. Essa confluência posiciona-se nos meses de DJF, em torno
da linha do Equador, sendo que no trimestre seguinte (MAM), considerado o mais chuvoso da
região norte do Nordeste do Brasil, a confluência dos ventos se dá um pouco mais ao sul desta
linha. Isto se explica, segundo Vianello (1991), pelo fato de que como essa é uma zona de
convergência de massa, um fluxo para cima predomina nessa região, resultando na formação
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
79
de pesadas nuvens e abundantes chuvas convectivas. Nos trimestres seguintes (JJA e SON),
essa confluência desloca-se novamente para posições mais ao norte da linha do Equador. Para
mais detalhes sobre a ZCIT, consultar anexo B.
(a) (b)
(c) (d)
Figura 4.5
– Média histórica (período:1991 a 2000) sazonal do vento no oceano Atlântico Intertropical, relativa
aos meses: a) DJF, b) MAM, c)JJA, e d) SON. A escala de cores representa a velocidade do vento
em m/s.
A figura 4.6 ilustra as médias mensais do campo de vento. Verifica-se que os
ventos Alísios de Nordeste são mais intensos que os de Sudeste nas estações de inverno e
primavera austral, para uma vasta área centrada ao redor de 10
o
N, 45
o
W (Figuras 4.6 a – e).
Nos meses de junho a novembro, os ventos Alísios de Sudeste tornam-se mais intensos (área
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
80
centrada em 10
o
S, 20
o
W), que os de Nordeste (Figuras 4.6 f – k). Esses resultados
concordam com aqueles encontrados por Servain e Legler (1986).
Os ventos Alísios de Nordeste e os de Sudeste estão separados, segundo Servain e
Legler (1986), por um eixo cinemático, estendendo-se para o nordeste a partir do contorno da
costa da África. A posição mais setentrional (8
o
N – 12
o
N) e a mais meridional (2
o
S – 4
o
N)
do ciclo anual da ZCIT ocorre durante o verão de cada hemisfério, respectivamente.
Em geral, segundo Hastenrath (1978, apud Souza, 1997, p. 51), a presença de
TSM anomalamente positiva (negativa) está associada à pressões baixas (altas) que provocam
um relativo enfraquecimento (fortalecimento) no Centro de Alta Pressão Climatológico. A
intensidade das Altas Subtropicais, por sua vez, influencia diretamente na direção e
magnitude dos ventos Alísios sobre a superfície do oceano.
Um fenômeno oceanográfico de escala regional, e que está ligado às condições de
vento, é a ressurgência na faixa de águas costeiras adjacentes ao litoral do estado do Rio de
Janeiro – e, em especial, em Cabo Frio. Segundo Villela (2003), esse fenômeno ocorre nessa
região, nos meses de janeiro a março, e com menos intensidade, entre julho e setembro, sendo
o forte vento de nordeste a leste freqüente na região, uma das principais causas. Nas figuras
4.6 a a 4.6 c, e 4.6 g a 4.6 i, representativas do período janeiro a março e julho a setembro,
respectivamente, pode-se observar para a região de Cabo Frio (latitude 23ºS e longitude
42ºW) que, historicamente, os ventos nos períodos citados anteriormente são mais intensos, se
comparados aos outros meses e possuem direção preferencial de nordeste a leste, concordando
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
81
com dados medidos in situ, pelo navio oceanográfico Prof. W. Besnard da Universidade de
São Paulo, conforme relatado por Villela (2003).
(a) (b)
(c) (d)
(e) (f)
Figura 4.6
– Média histórica (período: 1991 a 2000) mensal do vento no Oceano Atlântico Intertropical, relativa
aos meses: a) Janeiro, b) fevereiro , c) março, e d) abril, e) maio, f) junho, g) julho, h) agosto, i)
setembro, j) outubro, k) novembro e l) dezembro. A escala de cores representa a velocidade do
vento em m/s.
(continua
)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
82
(g) (h)
(i) (j)
(k) (l)
Figura 4.6
– conclusão.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
83
4.3 Padrões mensais e sazonais da concentração de clorofila-a no Oceano Atlântico
Intertropical
Em algumas regiões costeiras, por efeito de fatores geográficos, meteorológicos e
oceanográficos, águas oceânicas profundas chegam até à superfície, trazendo consigo os
diversos sais nutrientes (nitrato, fosfato e silicato), que culminam por fertilizar o mar costeiro,
fenômeno este denominado de ressurgência. Ela ocorre principalmente a oeste dos
continentes, como no caso da costa Africana e do Peru, como pode ser observado através das
figuras 4.7 e 4.8. Essas figuras, para a área compreendida entre as latitudes 30º N - 30
o
S e
longitudes 80
o
W – 15
o
E, também mostram outros fenômenos oceanográficos que podem ser
observados, através da concentração de clorofila-a, dentre os quais podemos destacar a
divergência equatorial e a retroflexão da Corrente Norte do Brasil (CNB).
Na figura 4.7, correspondente aos quatro trimestres do ano, observa-se que no
interior da ZEE-Nordeste as variações das concentrações de clorofila-a são muito pequenas ao
longo do ano, apresentando níveis bastante baixos, com os valores oscilando
aproximadamente entre 0,01 mg/m
3
e 0,8 mg/m
3
, conferindo à região seu caráter oligotrófico.
Entretanto, nas adjacências do Arquipélago de São Pedro e São Paulo (0
o
, 29
o
W), valores
mais elevados, em torno de 1,0 mg/m
3
, são observados nos terceiro e quarto trimestres do ano,
os quais estão diretamente associados à divergência equatorial.
Como análise comparativa, podemos observar nessas mesmas imagens que, em
áreas mais afastadas da ZEE-Nordeste, as variações sazonais das concentrações de clorofila-a
são claramente perceptíveis. Os destaques são a retroflexão da CNB, indicada na figura 4.7 d,
pelo número 1; a divergência equatorial, indicada pelo número 2 na mesma figura; e, as
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
84
ressurgências costeiras na costa africana, indicadas pelo número 3. Vale ressaltar que o
número 4, mostrado na figura 4.7 d, não indica área com maior concentração de clorofila. A
cor vermelha indica, nesse caso, sedimentos provenientes do Rio Amazonas.
Através dessas figuras podemos observar que o lado oeste do oceano Atlântico é,
de forma geral, caracterizado por baixa produtividade primária. Essa condição é desfeita nas
regiões de ressurgência costeira, onde as águas mais frias do fundo afloram, promovendo a
eutrofização do meio. A principal região de ressurgência costeira do litoral brasileiro, e citada
no item 4.2, é Cabo Frio, indicada na figura 4.7 c pelo número 5. Além disso, trata-se de uma
área com presença semipermanente de meandros e vórtices ciclônicos, que muitas vezes
induzem o aparecimento de ressurgências de quebra de plataforma. Vale destacar que, na
costa nordeste, existem três regiões onde ocorrem ressurgências associadas aos bancos
oceânicos, que são a cadeia Norte Brasileira, a cadeia de Fernando de Noronha e o
arquipélago de São Pedro e São Paulo (Travassos et al, 1999).
(a) (b)
Figura 4.7
– Imagens obtidas a partir dos dados do sensor SeaWiFS, mostrando a concentração de
phytoplancton nos meses de janeiro a março (a), abril a junho (b), julho a setembro (c) e outubro
a dezembro(d). Essas imagens foram obtidas a partir do composite dos dados coletados pelo
sensor SeaWiFS, no período compreendido entre setembro de 1997 e dezembro de 2004. A
escala de cores representa a concentração de clorofila-a em mg/m
3
.
(continua)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
85
(c) (d)
Figura 4.7
– conclusão.
Nos meses de janeiro e fevereiro, figuras 4.8 a e 4.8 b, verifica-se entre as
latitudes 15
o
N e 5
o
S, que concentrações de clorofila-a com valores entre 0,1 mg/m
3
e 1,0
mg/m
3
se estendem por toda a região oceânica (com exceção de algumas áreas adjacentes à
faixa litorânea dos continentes sul americano e africano), dentro desses limites latitudinais. A
partir de março (Figura 4.8 c), essas concentrações de clorofila-a começam a recuar em
direção à costa da África. Em junho, estas reiniciam seu deslocamento em direção à costa
norte da América do Sul, atingindo valores de concentração de clorofila-a entre 0,1 e 0,5
mg/m
3
.
A partir de julho (Figura 4.8 g), observa-se o inicio da atuação da retroflexão da
CNB, levando as concentrações de clorofila-a em direção à costa africana, fenômeno esse,
observado até o mês de novembro, figura 4.8 k. Outro aspecto interessante, observado no mês
de novembro, é a existência de uma faixa com concentrações de clorofila-a, variando entre
0,07 e 0,3 mg/m
3
, que se estende por toda a bacia do Oceano Atlântico, entre a linha do
Equador e aproximadamente 5
o
N. Essa faixa começa a ser desfeita em dezembro, quando as
concentrações de clorofila-a começam a deslocar-se novamente da costa oeste da África em
direção à América do Sul.
1
2
3
3
4
5
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
86
Outro aspecto observado nessas figuras é a assimetria leste-oeste na produção
primária da zona equatorial do oceano Atlântico. A explicação para esse fato, segundo Platt e
Sathyendranath (1988), é o aprofundamento da termoclina de leste para o oeste,
conseqüentemente, maior disponibilidade de nutrientes no lado leste do Atlântico, se
comparado ao oeste.
(a) (b)
(c) (d)
Figura 4.8
– Imagens obtidas a partir dos dados do sensor SeaWiFS, mostrando a concentração de
phytoplancton nos meses de janeiro a dezembro (figura 4.8 a a l, respectivamente). Essas
imagens foram obtidas a partir do composite dos dados coletados pelo sensor SeaWiFS no
período compreendido entre setembro de 1997 e dezembro de 2004. A escala de cores representa
a concentração de clorofila-a em mg/m
3
.
(continua)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
87
(e) (f)
(g) (h)
(i) (j)
Figura 4.8
– continuação.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
88
(k) (l)
Figura 4.8
– conclusão.
4.4 Análise dos dados da CPUE das Albacoras Lage, Branca e Bandolin
A seguir serão analisados os dados relativos às CPUEs das Albacoras Lage,
Branca e Bandolin e as correlações destas com as variáveis ambientais aTSM, TSM, vento e
clorofila-a, sendo que as análises e discussões serão apresentadas, para cada espécie,
separadamente.
4.4.1 Teste do Coeficiente de Correlação de Spearman
A fim de verificarmos se a série de dados em análise, para as três espécies de
atuns, possui ou não estacionaridade, aplicou-se, o Teste do Coeficiente de Correlação de
Spearman, conforme descrito em Libonati et all (2004), que é dado por:
)1(
6
1
2
−
−=
NN
T
p
(4.1)
onde, p é o coeficiente de Spearman, N é o numero de observações e T é dado pela equação
4.2,
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
89
∑
=
−=
N
t
tRtT
1
2
)( . (4.2)
na qual t é o tempo (dados relativos aos anos de observações, no nosso caso, 1995 a 2003), e
que deve ser numerado seqüencialmente, e Rt é a posição dos itens após essa classificação,
conforme ilustrado na tabela 4.1.
Para melhor entendimento de como foram aplicadas as fórmulas 4.1 e 4.2, na
tabela 4.1 são apresentadas partes dos dados utilizados para o cálculo do coeficiente de
Spearman, para a Albacora Lage. Na coluna Ano (1
a
.coluna), são apresentados os anos
relativos ao período em análise (1995 a 2003). Dentro de cada ano, os meses são numerados
seqüencialmente (coluna 2 - Tempo t), iniciando-se em janeiro de 1995 (t=1) e finalizando em
dezembro de 2003 (t=108). Na coluna 3, são apresentados os valores das CPUEs mensais, e
na coluna 4, esses mesmos dados são classificados em ordem crescente. Rt (coluna 5) é a
posição dos itens após essa classificação. Por exemplo: o valor de Rt para o mês de agosto de
1995 (t = 8, na tabela 4.1), é: Rt = 4, porque o valor da CPUE, correspondente a agosto desse
ano (0,3265), ocupa a quarta posição na coluna 4. Os valores para a coluna 6, denominada
“Diferença”, são resultantes da diferença entre Rt e o Tempo t; e na coluna 7, T representa o
quadrado dos valores constantes da coluna 6. O valor 129434 da linha denominada Soma na
tabela 4.1 é resultante do somatório do quadrado da diferença entre Rt e t (vide equação 4.2).
Uma vez obtido o valor de T, e substituindo-o na fórmula 4.1, podemos calcular o valor de p,
que para o exemplo apresentado é p = 0,38351, como indicado na linha denominada
Coeficiente de Spearman, da tabela 4.1. Aplicando-se esse mesmo procedimento para a CPUE
da Albacora Branca e Albacora Bandolin, obtem-se valores de p = 0,18069 e p = -0,03377,
respectivamente.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
90
Como os valores de p para a série de CPUE da Albacora Lage e Branca são
positivos, conclui-se que ambas as séries são não-estacionárias. Para a série da Albacora
Bandolim o valor encontrado de p foi negativo, indicando uma série estacionária. Uma das
explicações para o resultado encontrado é que a pesca, na área em estudo, é dirigida
principalmente para as Albacoras Lage e Branca, sendo a pesca da Albacora Bandolin,
considerada como secundária.
Tabela 4.1
– Tabela ilustrativa do teste do coeficiente de correlação de Spearman
Ano
Tempo
CPUE
Albacora Lage
Rt
Diferença
T
t
Albacora Lage
Ordem Crescente
1995 1 2,3793 0,0000 28 27 729
1995 2 3,3259 0,0000 37 35 1225
1995 3 1,3632 0,0000 18 15 225
1995 4 1,3693 0,3265 19 15 225
1995 5 0,0000 0,3345 1 -4 16
1995 6 0,0000 0,4092 2 -4 16
1995 7 0,0000 0,5073 3 -4 16
1995 8 0,3265 0,5421 4 -4 16
1995 9 6,0027 0,5963 71 62 3844
1995 10 2,4901 0,7528 30 20 400
1995 11 4,9615 0,8141 60 49 2401
1995 12 5,9269 0,8421 70 58 3364
1996 13 3,8364 0,9224 47 34 1156
...
...
...
...
...
...
..
2003 97 0,5963 10,8162 9 -88 7744
2003 98 5,2479 10,8588 64 -34 1156
2003 99 1,9823 10,9170 26 -73 5329
2003 100 5,0773 11,4530 61 -39 1521
2003 101 5,1409 11,5284 62 -39 1521
2003 102 3,8325 12,0006 46 -56 3136
2003 103 8,9863 13,1615 91 -12 144
2003 104 6,2952 13,2065 74 -30 900
2003 105 9,8495 13,5982 96 -9 81
2003 106 4,4618 13,6322 57 -49 2401
2003 107 8,3993 13,7419 86 -21 441
2003 108 10,8588 15,2577 98 -10 100
0 129434
0,38351
Soma
Coeficiente de Sperman
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
91
4.4.2 Albacora Lage
A tabela 4.2 e a figura 4.9, mostram, por hemisfério e ano, dentro da área de
estudo, os valores do peso vivo capturado e da CPUE para a Albacora Lage. Nessa tabela
pode-se destacar o ano de 2001, onde se obteve a maior captura (1558,69 toneladas), embora
a CPUE (86,4317 Kg/n
o
. de anzóis-dia) tenha sido um pouco menor, se comparada à de 1999
que foi de 86,6368 Kg/n
o
. de anzóis-dia e capturou-se apenas 700,16 toneladas. Através dessa
tabela e ou figura 4.9 também se pode observar que tanto o peso vivo capturado quanto a
CPUE sempre foram superiores no HS, se comparadas às do HN.
Tabela 4.2 –
Peso vivo (total anual) capturado da espécie Albacora Lage, e CPUE, nas áreas compreendidas
entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W, aqui referida como HN, e latitude 0.4°N -
15°S e longitude 50°W - 15°W, aqui referida como HS.
ALBACORA LAGE
ANO
Peso
Vivo
(ton)
HN
Peso
Vivo
(ton)
HS
Total Geral
(ton)
CPUE
(Kg/n°.
anzóis-dia)
HN
CPUE
(Kg/n°.
anzóis-dia)
HS
Total Geral
(Kg/n°.
anzóis-dia)
1995 187,14
197,74
384,88
14,0363
14,1091
28,1454
1996 119,69
229,01
348,70
9,9159
15,6746
25,5905
1997 139,25
329,77
469,02
20,3804
48,8968
69,2772
1998 37,24
197,72
234,97
9,9790
39,2474
49,2264
1999 113,95
586,21
700,16
29,2532
57,3836
86,6368
2000 94,39
470,48
564,86
12,9156
54,1476
67,0632
2001 55,45
1503,24
1558,69
36,3476
50,0841
86,4317
2002 77,28
344,37
421,65
23,8953
50,8503
74,7456
2003 45,21
187,01
232,22
26,2655
44,4626
70,7281
TOTAL 869,60
4045,55
4915,15
182,9888
374,8561
557,8449
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
92
(a) (b)
Figura 4.9
– a) Peso vivo (total anual) capturado da espécie Albacora Lage, e b) CPUE, nas áreas
compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W, aqui referida como HN, e
latitude 0.4°N - 15°S e longitude 50°W - 15°W, aqui referida como HS.
Analisando-se a série temporal para a espécie Albacora Lage, figura 4.10,
verifica-se que, com exceção do ano 2000, no primeiro trimestre dos anos analisados (janeiro
a março), há um aumento na CPUE. Porém, no quadrimestre seguinte (abril, maio, junho e
julho), ocorre um decréscimo no valor da mesma. A partir de agosto, a CPUE volta a crescer.
Albacora Lage
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11
1995 1996 1997 1998 1999 2000 2001 2002 2003
Meses do ano
CPUE(Kg/1000anzóis)
Figura 4.10
– Série Temporal da Albacora Lage. Período: 1995 a 2003
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
93
Esse padrão coincide com a migração sazonal da ZCIT para sua posição mais
austral, que ocorre entre os meses de fevereiro a abril, quando as águas mais aquecidas se
posicionam abaixo da linha do Equador, e a componente meridional do vento de norte para
sul, em condições normais, é mais intensa. A partir de julho/agosto as águas mais aquecidas
se posicionam acima de 5º N, onde a ZCIT agora tende a se localizar, e a componente de sul
para norte da componente meridional do vento é mais intensa.
As figuras 4.11 a 4.19 mostram, respectivamente, para os anos de 1995 a 2003, a
distribuição espacial da CPUE (Kg/n°
de anzóis-dia) anual para a Albacora Lage. As CPUES
mínimas e máximas, por latitudes e longitudes, são listadas na tabela 4.3, onde se verifica que
as CPUEs máximas ocorrem em latitudes próximas à linha do Equador, enquanto que as
CPUEs mínimas ocorrem em latitudes mais afastadas desta, confirmando a preferência dessa
espécie de atum por águas mais quentes .
Tabela 4.3
– Latitude (LAT) e longitude (LON) das CPUEs (Kg/anzóis-dia) mínimas e máximas anuais para a
Albacora Lage, dentro da área compreendida entre 15
o
N – 15
o
S e 50
o
W – 15
o
W.
ANO LAT – LON CPUE MÍNIMA LAT - LON CPUE MÁXIMA
1995 3
o
N-36
o
W 0,0010 7
o
S-34
o
W 1,6435
1996 7
o
S-20
o
W 0,0043 1
o
S-31
o
W 1.2602
1997 2
o
N-18
o
W 0,0057 3
o
S-37
o
W 5,7041
1998 13
o
S-33
o
W 0,0032 2
o
S-34
o
W 8,0139
1999 5
o
N-24
o
W 0,0088 2
o
S-33
o
W 3,1926
2000 7
o
N-29
o
W 0,0020 12
o
S-35
o
W 2,4054
2001 14
o
S-35
o
W 0,0116 0
o
-25
o
W 2,5110
2002 10
o
N-33
o
W 0,0045 3
o
S-30
o
W 2,5868
2003 1
o
S-37
o
W 0,0250 1
o
N-30
o
W 2, 9663
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
94
Figura 4.11
– Distribuição espacial, para o ano de 1995, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Figura 4.12
– Distribuição espacial, para o ano de 1996, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
95
Figura 4.13
– Distribuição espacial, para o ano de 1997, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Figura 4.14
– Distribuição espacial, para o ano de 1998, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
96
Figura 4.15
– Distribuição espacial, para o ano de 1999, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Figura 4.16
– Distribuição espacial, para o ano de 2000, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
97
Figura 4.17
– Distribuição espacial, para o ano de 2001, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Figura 4.18
– Distribuição espacial, para o ano de 2002, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
98
Figura 4.19
– Distribuição espacial, para o ano de 2003, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Lage.
Para se verificar quais os anos e/ou meses apresentaram diferenças
estatisticamente significantes entre as CPUEs da Albacora Lage, foi aplicado o teste F através
da análise de variância, onde se tomou como nível de significância a probabilidade
α
= 0,05
(Tabela 4.4). Caso a estatística F tenha sido significante, aplicou-se o teste de Tukey, para se
verificar quais anos e/ou meses mostravam existência de diferenças estatisticamente
significantes entre si. Os resultados obtidos são apresentados nas tabelas 4.5 e 4.6.
Tabela 4.4
– Análise de variância das CPUEs (kg/n
°
anzóis-dia) para a Albacora Lage, no período de 1995 a
2003.
Fontes de
variação
Soma dos
Quadrados
(S.Q.)
Graus de
Liberdade
(G.L.)
Quadrado
Médio
(Q. M.)
Distribuição
(F)
Probabilidade.
(H0)
Ano 5,666
8
0,708
12,430
0,000
Mês 1,334
11
0,121
2,129
0,016
Ano x mês 15,917
88
0,181
3,175
0,000
Resíduo 210,646
3697
5,698E-02
- -
Variação Total 233,56
3804
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
99
Tabela 4.5 – Anos entre os quais existiu diferença estatisticamente significativa na CPUE para a Albacora Lage,
segundo o Teste de Tukey.
ANO (I) ANOS COM OS QUAIS ANO(I) APRESENTA DIFERENÇA
1995 1997, 1998, 1999, 2001, 2002 e 2003
1996 1997, 1998, 1999, 2001, 2002 e 2003
1997 1995, 1996 e 2000
1998 1995, 1996 e 2000
1999 1995, 1996 e 2000
2000 1997, 1998, 1999, 2000, 2001, 2002 e 2003
2001 1995, 1996 e 2000
2002 1995, 1996 e 2000
2003 1995, 1996 e 2000
Tabela 4.6
– Meses entre os quais existiu diferença estatisticamente significativa na CPUE para a Albacora
Lage, segundo o Teste de Tukey.
MÊS (I) MESES COM OS QUAIS MÊS(I) APRESENTA DIFERENÇA
Janeiro Abril e maio
Fevereiro Maio
Março -
Abril Janeiro e outubro
Maio Janeiro, fevereiro e outubro
Junho -
Julho Outubro
Agosto -
Setembro -
Outubro abril, maio, julho e novembro
Novembro Outubro
Dezembro -
O próximo passo da análise foi avaliar os dados agrupados por trimestres, dentro
de cada ano da série.
Os valores mais altos de CPUE encontrados dentro de cada trimestre, estão
marcados em negrito na tabela 4.7, onde se pode observar que o segundo trimestre é, em
geral, o que apresenta menores valores de CPUE. Exceção para os anos de 1998 e 1999, onde
a CPUE máxima ocorreu em meses localizados no primeiro e segundo trimestres. Verifica-se
também, através da tabela 4.7 e figura 4.10, que a CPUE, dentro de cada ano, possui dois
períodos consecutivos, com valores mais significativos nos trimestres 4 e 1.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
100
Tabela 4.7 – Valores máximos da CPUE (Kg/n
o
. de anzóis-dia) para a Albacora Lage, em cada trimestre, e o
mês onde esse valor ocorreu.
ANO TRIMESTRE 1 TRIMESTRE 2 TRIMESTRE 3 TRIMESTRE 4
1995 3,3259 (fevereiro)
1,3693 (abril)
6,0027 (setembro) 5,9269 (dezembro)
1996
5,7761(fevereiro)
0,8141 (maio)
3,7109 (setembro)
2,8607 (dezembro)
1997 8,3538 (março)
9,0655 (maio) 8,9492 (julho)
5,6724 (dezembro)
1998
8,3558 (março) 13,6322 (abril)
1,6706 (setembro) 6,2668 (dezembro)
1999
13,7419 (março) 11,5284 (maio)
5,2236 (setembro) 11,4530 (dezembro)
2000
13,1615 (janeiro)
3,4700 (abril) 8,6027 (agosto)
10,9170 (novembro)
2001
13,2065 (março)
9,0810 (abril) 7,5666 (julho)
15,2577 (novembro)
2002
13,5982 (março)
7,4781 (abril) 7,5666 (julho)
8,6581 (novembro)
2003 5,2479 (fevereiro)
5,1409 (maio)
9,8495 (setembro) 10,8588 (dezembro)
Ajustou-se, então, um modelo linear múltiplo, conforme descrito no item 3.3,
considerando-se como variável dependente, a CPUE, e as variáveis independentes, TSM,
vento e clorofila-a, relativos à latitude 14ºS – trimestre 1. Utilizando a planilha Excel
obtivemos um R
2
(R-quadrado) igual a 0,811. Este resultado indica que, na amostra
observada, 81,1% da variação da CPUE da Albacora Lage pode ser explicada por uma relação
linear que envolve a TSM, o vento e a clorofila-a. Os demais 18,9% podem ser considerados
como variação provocada por fatores físicos ou biológicos não considerados no modelo de
regressão. Através da ANOVA, o teste F resultou no valor F = 10,038, com correspondente
valor p = 0,006, indicando que as variáveis independentes escolhidas, são significativas para
explicar a variação da CPUE da Albacora Lage. Assim, para o caso em análise, obtivemos a
equação 4.3:
CPUE = 1,470 - 0,053*tsm + 0,002*vento + 0,467*clorofila-a (4.3)
p=0,007 p=0,823 p=0,151
Com a equação 4.3 para um particular valor de TSM, vento ou clorofila-a, pode-se
obter uma predição para a CPUE da Albacora Lage, para a latitude 14ºS. Como os valores de
p para as variáveis vento e clorofila-a são superiores ao nível de significância
α
= 0,05, essas
variáveis podem ser excluídas do modelo sem prejuízo.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
101
4.4.3 Albacora Branca
A tabela 4.8 e a figura 4.20 mostram, por hemisfério dentro da área de estudo, os
valores do peso vivo capturado e da CPUE para a Albacora Branca. Nessa tabela, pode-se
destacar o ano de 2001, onde se capturou 2809,88 toneladas, e a CPUE foi de 69,7948 Kg/n
o
.
de anzóis-dia. Através dessa tabela também se pode observar que, tanto o peso vivo capturado
quanto a CPUE , sempre foram numericamente muito superiores no Hemisfério Sul, se
comparados ao Hemisfério Norte.
Tabela 4.8 –
Peso vivo (total anual) capturado da espécie Albacora Branca nas áreas compreendidas entre:
latitude 0.5°N - 15°N e longitude 50°W - 15°W, aqui referida como HN, e, latitude 0.4°N- 15°S e
longitude 50°W - 15°W, aqui referida como HS.
ALBACORA BRANCA
ANO
Peso Vivo
(ton)
HN
Peso Vivo
(ton)
HS
Total Geral
(ton)
CPUE
(Kg/n°.
anzóis-dia)
HN
CPUE
(Kg/n°.
anzóis-dia)
HS.
Total Geral
(Kg/n°.
anzóis-dia)
1995 10,00
69,78
79,78
0,7109
5,1782
5,8891
1996 14,75
96,55
111,29
1,3195
6,7151
8,0346
1997 24,05
125,65
149,69
3,8343
10,1058
13,9401
1998 3,57
869,53
873,10
0,8076
38,4349
39,2425
1999 12,30
383,95
396,24
1,9227
28,3624
30,2851
2000 19,49
803,24
822,73
1,1909
33,3382
34,5291
2001 10,10
2799,78
2809,88
6,4059
63,3889
69,7948
2002 9,68
430,32
439,99
4,4605
30,6254
35,0859
2003 3,63
39,10
42,73
1,9598
7,5509
9,5107
TOTAL 107,57
5617,90
5725,43
22,6121
223,6998
246,3119
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
102
Figura 4.20
– a) Peso vivo (total anual) capturado da espécie Albacora Branca, e b) CPUE, nas áreas
compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W, aqui referida como HN, e
latitude 0.4°N - 15°S e longitude 50°W - 15°W, aqui referida como HS.
A análise da série temporal, para a espécie Albacora Branca, figura 4.21, mostra
que no período compreendido entre 1995 e 2002, as CPUEs tiveram um aumento
significativo, voltando a cair em 2003, para valores bem inferiores aos obtidos em 2002.
Albacora Branca
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11
1995 1996 1997 1998 1999 2000 2001 2002 2003
Meses do ano
CPUE(Kg/1000anzóis)
Figura 4.21
- Série Temporal da Albacora Branca. Período: 1995 a 2003
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
103
As figuras 4.22 a 4.30 mostram, respectivamente, para os anos de 1995 a 2003, a
distribuição espacial da CPUE (Kg/n°
de anzóis-dia) anual para a Albacora Branca. As
latitudes e longitudes onde as CPUES foram mínimas e máximas são listadas na tabela 4.9.
Verifica-se, através desta tabela que as CPUEs mínimas ocorrem preferencialmente entre a
linha do Equador e 6
o
N.
As CPUEs máximas, conforme Tabela 4.9, ocorrem nas latitudes mais altas do
HS, estando fora da influência da migração sazonal da ZCIT, que segundo Uvo (1989) atinge
sua posição mais extrema no hemisfério sul, em torno de 7º S. Isto reforça o fato de que esta
espécie de atum prefere as águas tropicais e subtropicais e procura se concentrar ao longo de
descontinuidades térmicas, que são mais acentuadas fora da região equatorial. Isto permite a
utilização de imagens no infravermelho termal, para demarcar as regiões onde ocorrem essas
frentes termais, com maior eficiência, se comparadas à região equatorial onde o gradiente
térmico é baixo.
Tabela 4.9
– Latitude (LAT) e longitude (LON) das CPUEs (Kg/anzóis-dia) mínimas e máximas anuais, para a
Albacora Branca, dentro da área compreendida entre 15
o
N – 15
o
S e 50
o
W – 15
o
W.
ANO
LAT-LON CPUE MÍNIMA LAT-LON CPUE MÁXIMA
1995 5
o
.N-31
o
.W 0,0002 8
o
.S-33
o
.W 0,7428
1996 6
o
.N-39
o
.W 0,0014 12
o
.S-35
o
.W 1,0543
1997 6
o
.N-29
o
.W 0,0008 2
o
.S-31
o
.W 0,6744
1998 2
o
.S-37
o
.W 0,0017 12
o
.S-35
o
.W 3,0011
1999 2
o
.N-29
o
.W 0,0024 11
o
.S-32
o
.W 1,3977
2000 6
o
.N-36
o
.W 0,0004 11
o
.S-32
o
.W 1,3120
2001 0
o
-20
o
.W 0,0035 15
o
S-30
o
.W 3,4552
2002 2
o
.N-29
o
.W 0,0008 15
o
.S-35
o
.W 0,8951
2003 4
o
.N-37
o
.W 0,0021 3
o
.S-31
o
.W 0,6219
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
104
Figura 4.22
– Distribuição espacial, para o ano de 1995, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Figura 4.23
– Distribuição espacial, para o ano de 1996, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
105
Figura 4.24
– Distribuição espacial, para o ano de 1997, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Figura 4.25
– Distribuição espacial, para o ano de 1998, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
106
Figura 4.26
– Distribuição espacial, para o ano de 1999, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Figura 4.27
– Distribuição espacial, para o ano de 2000, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
107
Figura 4.28
– Distribuição espacial, para o ano de 2001, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Figura 4.29
– Distribuição espacial, para o ano de 2002, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
108
Figura 4.30
– Distribuição espacial, para o ano de 2003, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Branca.
Para se verificar quais os anos e/ou meses apresentaram diferenças
estatisticamente significantes entre as CPUEs da Albacora Branca (Tabela 4.10), foi aplicado
o mesmo procedimento utilizado para a Albacora Lage. Os resultados obtidos são
apresentados nas tabelas 4.12 e 4.12.
Tabela 4.10
– Análise de variância das CPUEs (kg/n° anzóis-dia) para a Albacora Branca, no período de 1995 a
2003.
Fontes de variação Soma dos
Quadrados
(S.Q.)
Graus de
Liberdade
(G.L.)
Quadrado
Médio
(Q. M.)
Distribuição
(F)
Probabilidade.
(H0)
Ano 2,796
8
0,349
22,213
0,000
Mês 3,188
11
0,290
18,423
0,000
ano x mês 11,129
88
0,126
8,039
0,000
Resíduo 58,162
3697
1,573E-02 - -
Variação Total 75,275
3804
- - -
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
109
Tabela 4.11 – Anos entre os quais existiu diferença estatisticamente significativa na CPUE para a Albacora
Branca, segundo o Teste de Tukey.
ANO (I) ANOS COM OS QUAIS ANO(I) APRESENTA DIFERENÇA
1995 1998, 1999, 2000, 2001 e 2002
1996 1998, 1999, 2001 e 2002
1997 1998, 2001 e 2002
1998 1995, 1996, 1997, 2000, 2002 e 2003
1999 1995, 1996, 1998, 2001 e 2003
2000 1995, 1998 e 2001
2001 1995, 1996, 1997, 1999, 2000, 2002 e 2003
2002 1995, 1996, 1997, 1998, 2001 e 2003
2003 1998, 1999, 2001 e 2002
Tabela 4.12
– Meses entre os quais existiu diferença estatisticamente significativa, na CPUE, para a Albacora
Branca, segundo o Teste de Tukey.
MÊS (I) MESES COM OS QUAIS MÊS(I) APRESENTA DIFERENÇA
Janeiro Fevereiro, março, abril, maio, junho, julho, agosto, setembro e outubro
Fevereiro Janeiro, novembro e dezembro
Março Janeiro, outubro, novembro e dezembro
Abril Janeiro, novembro e dezembro
Maio Janeiro, setembro, outubro, novembro e dezembro
Junho Janeiro, novembro e dezembro
Julho Janeiro, novembro e dezembro
Agosto Janeiro, novembro e dezembro
Setembro Janeiro, maio, novembro e dezembro
Outubro Janeiro, março, maio, novembro e dezembro
Novembro Fevereiro, março, abril, maio, junho, julho, agosto, setembro e outubro
Dezembro Fevereiro, março, abril, maio, junho, julho, agosto, setembro e outubro
O próximo passo da análise foi avaliar os dados agrupados por trimestres, dentro
de cada ano da série.
Os valores mais altos de CPUE encontrados dentro de cada trimestre, para a
Albacora Branca, estão marcados em negrito na tabela 4.13, onde se pode observar que na
maioria dos anos, meses localizados no primeiro, terceiro e quarto trimestre são os que
apresentam valores de CPUE mais altos, exceção para o ano de 1998, onde a CPUE máxima
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
110
ocorreu em meses localizados no segundo e quarto trimestres. Verifica-se, também, através da
tabela 4.13 e figura 4.21, que a CPUE, dentro de cada ano, possui dois períodos consecutivos,
com valores mais significativos nos trimestres 4 e 1.
Tabela 4.13
– Valores máximos da CPUE (Kg/n
o
. de anzóis-dia) para a Albacora Branca em cada trimestre e o
mês onde esse valor ocorreu.
ANO TRIMESTRE 1 TRIMESTRE 2
TRIMESTRE 3 TRIMESTRE 4
1995 0,6293 (janeiro) 0,1984 (abril)
1,8259 (setembro) 1,4123 (dezembro)
1996
0,7551 (janeiro)
0,3035 (abril)
2,8467 (setembro)
0,5236 (novembro)
1997
2,5136 (fevereiro)
0,8700 (abril) 1,8101 (setembro)
2,0753 (outubro)
1998 4,6837 (janeiro)
5,3906 (abril)
0,5510 (julho)
9,7436 (dezembro)
1999
6,7879 (janeiro)
2,7336 (abril) 3,3741 (setembro)
6,4750 (dezembro)
2000
3,1553 (janeiro)
0,3033 (maio) 2,1488 (setembro)
15,9849 (dezembro)
2001
5,4581 (março)
1,1109 (abril) 1,6091 (setembro)
21,9582 (dezembro)
2002
24,3283 (janeiro)
0,5295 (abril) 0,8731 (setembro)
1,8051 (dezembro)
2003 0,4935 (março) 0,3559 (abril)
1,3666 (setembro) 3,1546 (novembro)
Ajustou-se, então, um modelo linear múltiplo, conforme descrito no item 3.3,
considerando-se como variável dependente a CPUE, e as variáveis independentes TSM, vento
e clorofila-a, relativos à latitude 14ºS – trimestre 1. Utilizando a planilha Excel obtivemos um
R
2
(R-quadrado) igual a 0,843. Este resultado indica que, na amostra observada, 84,3% da
variação da CPUE da Albacora Branca, pode ser explicada por uma relação linear que
envolve a TSM, o vento e a clorofila-a. Os demais 15,7% podem ser considerados como
variação provocada por outros fatores não considerados no modelo de regressão. Através da
ANOVA, o teste F resultou no valor F = 12,561, com correspondente valor p = 0,003,
indicando que as variáveis independentes escolhidas são significativas para explicar a
variação da CPUE da Albacora Branca. Assim, para o caso em análise, obtivemos a equação
4.4:
CPUE = 5,480 - 0,210*tsm + 0,074*vento + 3,581*clorofila-a (4.4)
p=0,022 p=0,155 p=0,047
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
111
Com a equação 4.4, para um particular valor de TSM, vento ou clorofila-a, pode-
se obter uma predição para a CPUE da Albacora Branca, para a latitude 14º S. Como o valor
de p para a variável vento, é superior ao nível de significância α = 0,05, essa variável pode ser
excluída do modelo, sem prejuízo.
4.4.4 Albacora Bandolin
A tabela 4.14 e figura 4.31 mostram, por hemisfério, dentro da área de estudo, os
valores do peso vivo capturado e da CPUE, para a Albacora Bandolin. Através dessa tabela se
verifica, com exceção do ano 2000, que nos outros anos o peso vivo capturado e a CPUE
foram numericamente superiores no hemisfério norte, se comparados aos do hemisfério sul.
Tabela 4.14 –
Peso vivo (total anual) capturado da espécie Albacora Bandolin nas áreas compreendidas entre:
latitude 0.5° N - 15° N e longitude 50° W - 15° W, aqui referida como HN, e, latitude 0.4° N -
15° S e longitude 50° W - 15° W, aqui referida como HS.
ALBACORA BANDOLIN
ANO
Peso Vivo
(ton)
HN
Peso Vivo
(ton)
HS
Total Geral
(Kg)
CPUE
(Kg/n°.
anzóis-dia)
HN
CPUE
(Kg/n°.
anzóis-dia)
HS
Total Geral
(Kg/n°.
anzóis-dia)
1995 380,80
576,75
957,55
23,6247
36,6301
60,2548
1996 510,60
906,50
1417,10
32,3553
51,3143
83,6696
1997 362,77
664,23
1027,00
38,2621
48,2540
86,5161
1998 31,41
209,50
240,91
4,9049
30,1407
35,0456
1999 323,06
840,02
1163,09
41,0262
62,6838
103,7100
2000 707,20
532,23
1239,43
71,2758
59,2329
130,5087
2001 139,56
815,04
954,59
40,7927
31,5565
72,3492
2002 301,27
483,96
785,23
32,6423
37,3021
69,9444
2003 26,20
171,54
197,74
17,8519
35,6836
53,5355
TOTAL
2782,87
5199,77
7982,64
302,7359
392,7980
695,5339
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
112
Figura 4.31
– a) Peso vivo (total anual) capturado da espécie Albacora Bandolin, e b) CPUE, nas áreas
compreendidas entre: latitude 0.5°N - 15°N e longitude 50°W - 15°W, aqui referida como HN, e
latitude 0.4°N - 15°S e longitude 50°W - 15°W, aqui referida como HS.
Analisando-se a série temporal para a espécie Albacora Bandolin, figura 4.32,
verifica-se que, com exceção dos anos de 1995 e 1998, no primeiro trimestre dos anos
analisados (janeiro a março), há um aumento na CPUE. Porém, no quadrimestre seguinte
(abril, maio, junho e julho), ocorre um decréscimo no valor da mesma. A partir de agosto o
valor da CPUE volta a aumentar.
Albacora Bandolin
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11
1995 1996 1997 1998 1999 2000 2001 2002 2003
Meses do ano
CPUE(Kg/1000anzóis)
Figura 4.32
- Série Temporal da Albacora Bandolin. Período: 1995 a 2003
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
113
Este padrão, assim como ocorre para a Albacora Lage, coincide com a migração
sazonal da ZCIT para sua posição mais austral, que ocorre entre os meses de fevereiro a abril,
quando as águas mais aquecidas se posicionam abaixo da linha do Equador, e a componente
meridional do vento, de norte para sul em condições normais, é mais intensa. A partir de
julho/agosto as águas mais aquecidas se posicionam acima de 5º N, onde a ZCIT agora tende
a se localizar, e a componente de sul para norte da componente meridional do vento é mais
intensa.
As figuras 4.33 a 4.41 mostram, respectivamente, para os anos de 1995 a 2003, a
distribuição espacial da CPUE (Kg/n°
de anzóis-dia) anual para a Albacora Bandolin. As
latitudes e longitudes onde as CPUES foram mínimas e máximas são listadas na tabela 4.15.
Verifica-se, através desta tabela, que as CPUEs máximas ocorrem no HS, em latitudes
próximas à linha do Equador, e as CPUEs mínimas, preferencialmente em latitudes superiores
a 8
o
S, indicando a preferência da espécie por TSMs mais aquecidas.
Tabela 4.15
– Latitude (LAT) e Longitude (LON) das CPUEs (Kg/anzóis-dia) mínimas e máximas anuais, para
a Albacora Bandolin, dentro da área compreendida entre 15
o
N – 15
o
S e 50
o
W – 15
o
W.
ANO
LAT-LON CPUE MÍNIMA LAT-LON CPUE MÁXIMA
1995 2
o
N-37
o
W 0,0157 3
o
S-32
o
W 1,4101
1996 11
o
N-38
o
W 0,0146 1
o
S-29
o
W 2,1602
1997 0
o
-38
o
W 0,0188 1
o
S-35
o
W 3,1002
1998 14
o
S-33
o
W 0,0013 2
o
S-34
o
W 5,1478
1999 11
o
S-28
o
W 0,0076 1
o
S-33
o
W 3,6319
2000 12
o
S-30
o
W 0,0013 5
o
S-18
o
W 3,5889
2001 14
o
S-36
o
W 0,0039 0
o
-30
o
W 2,1579
2002 10
o
S-32
o
W 0,0039 3
o
S-34
o
W 1,7165
2003 8
o
S-26
o
W 0,0164 2
o
S-28
o
W 1,8975
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
114
Figura 4.33
– Distribuição espacial, para o ano de 1995, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Figura 4.34
– Distribuição espacial, para o ano de 1996, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
115
Figura 4.35
– Distribuição espacial, para o ano de 1997, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Figura 4.36 – Distribuição espacial, para o ano de 1998, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
116
Figura 4.37
– Distribuição espacial, para o ano de 1999, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Figura 4.38
– Distribuição espacial, para o ano de 2000, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
117
Figura 4.39
– Distribuição espacial, para o ano de 2001, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Figura 4.40
– Distribuição espacial, para o ano de 2002, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
118
Figura 4.41
– Distribuição espacial, para o ano de 2003, do total anual da CPUE (Kg/n°
de anzóis-dia) para a
Albacora Bandolin.
Para se verificar quais os anos e/ou meses apresentaram diferenças
estatisticamente significantes entre as CPUEs da Albacora Bandolin (Tabela 4.16), foi
aplicado o mesmo procedimento utilizado para a Albacora Lage. Os resultados obtidos são
apresentados nas tabelas 4.17 e 4.18.
Tabela 4.16 – Análise de variância das CPUEs (kg/n° anzóis-dia) para a Albacora Bandolin, no período de 1995 a
2003.
Fontes de variação Soma dos
Quadrados
(S.Q.)
Graus de
Liberdade
(G.L.)
Quadrado
Médio
(Q. M.)
Distribuição
(F)
Probabilidade.
(H0)
Ano 5,794
8
0,724
13,647
0,000
Mês 4,064
11
0,369
6,962
0,000
ano x mês 17,628
88
0,200
3,775
0,000
Resíduo 196,196
3697
5,307E-02
- -
Variação Total 223,682
3804
- - -
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
119
Tabela 4.17 – Anos entre os quais existiu diferença estatisticamente significativa, na CPUE, para a Albacora
Bandolin, segundo o Teste de Tukey.
ANO (I) ANOS COM OS QUAIS ANO(I) APRESENTA DIFERENÇA
1995 1996
1996 1995, 1997, 1998, 1999, 2000, 2001, 2002 e 2003
1997 1996, 1998, 2001, 2002 e 2003
1998 1996, 1997, 1999 e 2000
1999 1996, 1998, 2001, 2002 e 2003
2000 1996, 1998, 2001 e 2002
2001 1996, 1997, 1999 e 2000
2002 1996, 1997, 1999 e 2000
2003 1996, 1997 e 1999
Tabela 4.18
– Meses entre os quais existiu diferença estatisticamente significativa, na CPUE, para a Albacora
Bandolin, segundo o Teste de Tukey.
MÊS (I) MESES COM OS QUAIS MÊS(I) APRESENTA DIFERENÇA
Janeiro Fevereiro, junho e julho
Fevereiro Janeiro, abril, maio, junho, julho, agosto, setembro, outubro,
novembro e dezembro
Março Maio, junho, julho, agosto, setembro, novembro e dezembro
Abril Fevereiro, junho, e julho
Maio Fevereiro e março
Junho Janeiro, fevereiro, março, abril e outubro
Julho Janeiro, fevereiro, março, abril, outubro e dezembro
Agosto Fevereiro e março
Setembro Fevereiro e março
Outubro Fevereiro, junho e julho
Novembro Fevereiro e março
Dezembro Fevereiro, março e julho.
O próximo passo da análise foi avaliar os dados agrupados por trimestres, dentro
de cada ano da série.
Os valores mais altos de CPUE encontrados dentro de cada trimestre, para a
Albacora Bandolin, estão marcados em negrito na tabela 4.19, onde se pode observar que, o
segundo e terceiro trimestre são, em geral, os que apresentam menores valores de CPUE.
Exceção são os anos de 1998, 2001, 2002 e 2003, onde a CPUE máxima ocorreu em meses
localizados no segundo e terceiro trimestres. Assim como ocorreu para a Albacora Lage e
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
120
Albacora Bandolin, pode-se verificar, através da tabela 4.19 e figura 4.32, que a CPUE,
dentro de cada ano, possui dois períodos consecutivos, com valores mais significativos nos
trimestres 4 e 1.
Tabela 4.19
– Valores máximos da CPUE (Kg/n
o
. de anzóis-dia) para a Albacora Bandolin em cada trimestre e o
mês onde esse valor ocorreu.
ANO TRIMESTRE 1 TRIMESTRE 2 TRIMESTRE 3 TRIMESTRE 4
1995
8,9669 (janeiro)
4,3731 (abril) 6,9040 (setembro)
10,9722 (dezembro)
1996
17,5399 (fevereiro)
3,3541 (junho) 5,8847 (setembro)
8,1445 (dezembro)
1997
12,8785 (março)
9,4581 (abril) 10,5505 (setembro) 6,5944 (dezembro)
1998 2,1031 (março)
12,8936 (abril)
0,4756 (julho)
6,0710 (dezembro)
1999
28,7182 (março)
9,7549 (abril) 3,3739 (setembro)
19,2490 (dezembro)
2000
24,5075 (fevereiro)
8,4555 (abril) 6,4611 (agosto)
20,0671 (outubro)
2001
12,4999 (fevereiro)
3,0666 (maio)
9,7970 (agosto)
8,9565 (novembro)
2002
20,5055 (fevereiro)
6,8700 (abril)
0,4520 (setembro) 4,8254 (dezembro)
2003 3,3264 (março)
6,4290 (abril)
5,4860 (setembro)
11,6900(novembro)
Ajustou-se então um modelo linear múltiplo, conforme descrito no item 3.3,
considerando-se como variável dependente a CPUE, e as variáveis independentes TSM, vento
e clorofila-a, relativas à média do trimestre 2 da CPUE (1995 a 2003). Utilizando a planilha
Excel, obtivemos um R
2
(R-quadrado) igual a 0,997. Este resultado indica que, na amostra
observada, 99,7% da variação da CPUE da Albacora Bandolin pode ser explicada por uma
relação linear que envolve a TSM, o vento e a clorofila-a. Os demais 0,3% podem ser
considerados como variação provocada por outros fatores não considerados no modelo de
regressão. Através da ANOVA, o teste F resultou no valor F = 233,759, com correspondente
valor p = 0,004, indicando que as variáveis independentes escolhidas são significativas para
explicar a variação da CPUE da Albacora Bandolin. Assim, para o caso em análise, obtivemos
a equação 4.5.
ln(CPUE) = -66,352 + 20,873*ln(tsm) + 0,075*ln(vento) + 2,479*ln(clorofila-a) (4.5)
p=0,003 p=0,539 p=0,012
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
121
Com a equação 4.5, para um particular valor de TSM, vento ou clorofila-a, pode-
se obter uma predição para a CPUE da Albacora Bandolin, para o trimestre 2. Como o
valor de p para a variável vento é superior ao nível de significância α = 0,05, essa
variável pode ser excluída do modelo, sem prejuízo.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
122
5 CONCLUSÕES E RECOMENDAÇÕES
5.1 Conclusões
Através de imagens de satélites, pudemos observar, sobre o Atlântico Tropical,
aspectos da dinâmica sazonal e interanual de algumas variáveis ambientais (tsm, vento e
clorofila-a) e as relações dessas com as CPUEs das Albacoras Lage, Branca e Bandolin, para
a área delimitada entre as latitudes 15 ºN – 15 ºS e longitudes 50
ºW – 15 ºW. Desta forma, as
principais conclusões do presente trabalho são:
1 - O uso de satélites meteorológicos e ambientais, devido à sua alta resolução espacial e
temporal e aos diferentes ranges espectrais, permitem: 1 - observar o oceano e a atmosfera em
tempo quase-real; 2 - estudar processos dinâmicos e termodinâmicos do oceano e da
atmosfera; 3 - estudar áreas com concentrações significativas de clorofila-a; 4 - estudos
climatológicos: e, 5 - monitorar eventos oceanográficos, climáticos e de tempo (relativo à
meteorologia).
2 - As análises das médias históricas mensais da TSM permitiram verificar os padrões desse
parâmetro físico sobre o oceano Atlântico Tropical, na área de cobertura das imagens, com
maior grau de acurácia, se comparados àqueles fornecidos pelos modelos globais, visto que a
resolução espacial do sensor AVHRR no ponto subsatélite é de 1 km x 1 km, enquanto que a
dos modelos de circulação geral da atmosfera (GCMs) é em torno de 1 a 2 graus de latitude x
longitude (
≈
111 Km x 111 Km a 222 Km x 222 Km).
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
123
3 - As CPUEs, para as Albacoras Lage e Bandolin, apresentam uma tendência de crescimento,
entre aproximadamente, dezembro e março, coincidindo com a migração sazonal da TSM,
para posições mais austral. Essa migração pode estar associada à intensificação da
componente meridional do vento, ou seja, de norte para sul.
4 – Observou-se que as CPUEs máximas, para a Albacora Branca, encontram-se em latitudes
localizadas no extremo sul da área em estudo, indicando que esta espécie procura se
concentrar ao longo de descontinuidades térmicas, mais evidentes em regiões mais afastadas
do Equador.
5 - As correlações trimestrais entre as CPUEs, das espécies Albacora Lage e Albacora Branca,
e as variáveis ambientais (TSM, vento e clorofila-a), permitiram o ajuste de modelos lineares
da forma:
CPUE =
α
+
β
TSM +
γ
Vento +
η
Clorofila-a,
para previsão da CPUE. Correlações altamente significativas foram obtidas, com R
2
= 0,811
para a Albacora Lage e R
2
= 0,843 para a Albacora Branca.
6 – Para a Albacora Bandolin, as correlações trimestrais entre as CPUEs e as variáveis
ambientais, permitiram o ajuste de modelos lineares com transformações de variáveis da
forma:
ln(CPUE) = α + βln(TSM) + γln(Vento) + ηln(Clorofila-a),
com R
2
= 0,997.
7 – Os coeficientes de Spearman obtidos para a Albacoras Lage, Branca e Bandolin, foram
respectivamente: p = 0,38351, p = 0,18069 e p = -0,03377, indicando que as séries temporais
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
124
para as Albacoras Lage e Branca são não estacionárias, enquanto que a da Albacora Bandolin
é estacionária.
8 – As análises de variância (ANOVA) mostraram a existência de diferenças estatisticamente
significantes, nas CPUEs das três espécies de atuns estudadas, para o fatores mês e ano.
9 - As correlações mensais entre as CPUEs das Albacoras Lage, Branca e Bandolin e as
variáveis ambientais, TSM e suas anomalias, vento e clorofila, não apresentam valores
significativos, indicando que essas espécies, além de seu caráter migratório, apresentam um
comportamento sazonal.
5.2 Recomendações para trabalhos futuros
1 - Visando a melhoria no entendimento das correlações entre as variáveis ambientais, obtidas
através de imagens de satélites, e as espécies de atuns e afins, sugere-se a inclusão das
variáveis precipitação e altimetria do mar e a utilização de técnicas de análises multivariada
com o objetivo de diminuir a dimensionalidade dos dados.
2 - Utilizar o sensor MODIS, visto que esse sensor mede, na mesma passagem, a TSM e a
clorofila-a, e isto poderia trazer novos conhecimentos relativos às relações entre as CPUEs
das Albacoras Lage, Branca e Bandolin e variáveis ambientais.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
125
6 REFERÊNCIAS BIBLIOGRÁFICAS
ALVES, J. M. B. Reanálise de índices de temperatura da superfície do mar no Atlântico e
Pacífico tropicais: potenciais indicadores da qualidade da estação chuvosa do setor norte do
Nordeste do Brasil. Revista Brasileira de Agrometeorologia, Santa Maria-RS, v. 10, n.1, p.
179–187. 2002.
ALVES, J.M.B.; SOUZA, E.B.; REPELLI, C.A.; VITORINO, I.; FERREIRA, N.S. Episódios
de la niña na bacia do oceano pacífico equatorial e a distribuição de chuvas no setor norte do
nordeste brasileiro. Revista Brasileira de Meteorologia, São José dos Campos, v.12, p. 63-
76. 1997.
BARBETTA, P.A.; REIS, M.M.; BORNIA, A.C., Estatística para cursos de engenharia e
informática. São Paulo: Atlas, 2004. 410 p.
BARTON, I. J.; PRATA, A. J. Satellite derived sea surface temperature data sets for climate
applications. Advanced Space. Research, v. 16, n.10, p. 127-136. 1995.
BLOCK, B. A.; DEWAR, H.; FARWELL, C.; PRINCE, E. D. A new satellite technology for
tracking the movements of Atlantic bluefin tuna. Ecology, v. 95, p. 9384-9389. 1998.
BOLETIM DE MONITORAMENTO E ANÁLISE CLIMÁTICA: Climanálise, São José dos
Campos: INPE, número especial, 1986. 125 p.
BROWN, O. B.; MINNETT, PETER J. MODIS infrared sea surface temperature algorithm
“algorithm theoretical basis document – version 2.0”. Miami: University of Miami-FL, 91
p. 1999.
BUKATA, R.P.; JEROME, J. H.; KONDRATYEV K. Y.; POZDNYAKOV, D.V. Optical
properties and remote sensing of inland and coastal waters. Washington-USA: CRC Press
LLC, 2000. 362 p.
CATCH the wind: the quik scat story an adventure in math, science and technology.
Disponível em: <http:/winds.jpl.nasa.gov>. Acesso em 21 maio 2005.
DAGORN, L.; PETIT M.; STRETTA, J. M. Simulation of large-scale tropical tuna
movements in relation with daily remote sensing data: the artificial life approach. BioSystem,
n. 44 p. 167-180. 1997.
EISBERG, R.; RESNICK, R. Física Quântica – Átomos, Moléculas, Sólidos, Núcleos e
Partículas. Tradução de Paulo Costa Ribeiro, Enio Frota da Silveira e Marta Feijó Barroso.
4.ed. Rio de Janeiro: Campus, 1988. 928 p.
EOS Data Products – Handbook, TRMM – TERRA, Data Assimilation System, vol. 1, 2003.
FERREIRA, A.G., Atlas da Temperatura da superfície do mar sobre o oceano Atlântico
intertropical a partir dos dados dos satélites NOAA-14 e NOAA-16 (1995 a 2003).
Fortaleza: FUNCEME, 2004. 199 p.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
126
FERREIRA, C.C.; PIMENTEL, A. A. Identification of the ITCZ Axis by computacional
Techniques. In: GARCIA, Fernando G., et al. (Ed.). Numerical Simulations in the
Environmental and Earth Sciences. United Kingdon: Cambridge University Press, 1997. p.
231-234. 1997
FERREIRA, M.E., 1997. Satélites meteorológicos: histórico, principais características,
sensores e dados. São José dos Campos: INPE, 1997. (V Curso de Interpretação de Imagens e
Análise Meteorológica, 1 a 10 de out.1997).
FOSTER, J.J. Data analysis using SPSS for windows. London: SAGE Publications, 1999,
224 p.
GAN, M.A; KOUSKY, V.E., Um estudo observacional sobre as baixas frias da alta
troposfera nas latitudes subtropicais do atlântico sul e leste do Brasil. São José dos
Campos: INPE, 1982. 25 p.
HARDMAN-MOUNTFORD, N. J.; RICHARDSON, A. J.; AGENBAG, J. J.; HAGEN, E.,
NYKJAER, L.; SHILLINGTON, F. A.; VILLACASTIN C. Ocean climate of the south east
atlantic observed from satellite data and wind models. Progress in Oceanography, v. 59, p.
181-221. 2003.
HOOKER, S.B. et al. SeaWiFS Calibration and validation plan. USA: NASA Technical
Memorandun 104566, v.1, 1992. 45 p. (SeaWiFS Technical Reports Series, 3)
KAMPEL, M. Características gerais dos satélites NOAA: Histórico, instrumentos e
comunicação de dados. In: Ferreira, N. J. (Ed.) Aplicações ambientais brasileiras dos
satélites NOAA e TIROS-N, São Paulo-SP: Oficina de Textos, 2004. p.15-40. 271 p.
KAZMIERCZAK, M.L.; ESCADA, M.I.S. II Curso de geoprocessamento. Fortaleza:
FUNCEME, 1995. 149 p.
KIDDER, S.Q.; VONDER HAAR, T.H. Satellite meteorology an introducion. San Diego -
California: Academic Press, Inc, 1995. 466 p.
KIRK, R.E., Experimental design: procedures for the behavioral sciences. Belomnt,
California: Brooks/Cole Publishing Company, 1968. 577 p.
KNAUSS, J. A. Introduction to Physical Oceanography. New Jersey: Prentice Hall, 1997.
309 p.
KREITH, F. Princípios da transmissão de calor. São Paulo: Edgard Blücher, 1977.
LAURS, M. R.; FIELDE, P. C.; MONTGOMERY D.R. Albacore tuna catch distributions
relative to environmental features observed from satellites. Deep Sea Research, v. 31, n. 9, p.
1085-1099. 1984.
LIBONATI, J.J.; FILHO, J.F.R.; CARVALHO M.; LEMES, S. Séries temporais, In:
CORRAR, L.J.; THEÓPHILO, C.R. (Ed.) Séries Temporais em pesquisa operacional para
decisão em contabilidade e administração. São Paulo- SP : Atlas, 2004. p 193-241. 489 p.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
127
LORENZETTI, J.A.; ARAUJO, C.E.S. Determinação da Temperatura da Superfície do Mar
(TSM). a partir do sensor AVHRR, In: Ferreira, N. J. (Ed.) Aplicações ambientais
brasileiras dos satélites NOAA e TIROS-N, São Paulo-SP: Oficina de Textos, 2004. p 103-
126. 271p.
MALUF, S. Cartas de pesca: um modelo de cartas de pesca utilizando dados
oceanográficos e de sensoriamento aplicado à sardinha Sardinella brasiliensis. Tese de
Mestrado em Sensoriamento Remoto, (INPE-1379-PRE/176)-São José dos Campos. 1979.
MANO, M. F.; HARGREAVES, F. M.; SÃO THIAGO, P. M.; CARVALHO, G. A.
Utilização do sensoriamento remoto no suporte à pesca esportiva e industrial na costa
brasileira: superando limitações. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 11, 2003, Belo Horizonte. Anais , p.1595-1601.
MCCLAIN, C. R.; FELDMAN, G.; ESAIAS, W. Oceanic biological productivity. In:
GURNEY, R. J.; FOLSTER, J. L.; PARKINSON, C. L (Ed.). Atlas of satellite observations
related to global change. USA, Cambridge University Press, 1993, 470 p.
McCLAIN, E.P. Multiple atmospheric-window techniques for 1 satellite-derived sea surface
temperatures In: GOWER, J. (Ed). Oceanography from space. New York: Plenum Press,
1981. p.73-85.
McCLAIN, E.P.; PICHEL W.G.; WALTON, C.C Comparative performance of AVHRR-
based multichannel sea surface temperatures. Journal of Geophysical Research, v. 90, n. 11,
p.11587. 1985.
McMILLIN, L. M. Estimation of sea surface temperatures from two infrared window
measurements with different absorption. Journal of Geophysical Research, v. 80, n. 5, p.113
- 117. 1975.
MIYAKE, M.; HAYASI, S. Manual de operaciones para estadisticas y mestreo de los
tunidos y espécies afines em el oceano atlântico. Madrid-Espanha. Comisión Internacional
para La Conservación Del Atún Atlântico, 1978.149 p.
MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação.
2.ed. res. amp. Viçosa-MG: UFV, 2003. 307 p.
MOREL, A. In-Water and remote measurements of ocean color. Bond. – layer Meteorology,
vol. 18, n.2, p. 178-201. 1980.
MOTA, G. V. Estudo observacional de distúrbios ondulatórios de leste no nordeste
brasileiro. 1997. 93f. Tese (Mestrado) - Departamento de Ciências Atmosféricas,
Universidade de São Paulo, São Paulo.
MOURA, A. D., SHUKLA, J. On the dynamics of droughts in northeast Brazil: observations,
theory and numerical experiments with a general circulation model. Journal of the
Atnospheric Sciences, n. 38, v. 7, p. 2653 – 2675. 1981.
NOVO, E. M. L. M. Sensoriamento remoto princípios e aplicações. 2.ed. SãoPaulo-
SP,1998, 308p.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
128
O´REILLY, J. E. et al. Ocean color chlorophyll algorithms for SeaWiFS, OC2 and OC4
version 4. SeaWiFS Postlaunch Technical Report Series, v. 11, p. 9 – 23. 2000.
PAIVA, M. P. Recursos pesqueiros estuarinos e marinhos do Brasil. Fortaleza: Edições
UFC, 1997. 286 p.
PEREIRA, R. C.; GOMES, A. S. (Orgs). Biologia marinha. Rio de Janeiro: Interciência,
2002. 480 p.
PERROTT, F. A. S.; PERROT, R. A. Abrupt climate fluctuations in the tropics: the influence
of Atlantic Ocean Circulation.
Nature
, vol. 343, p. 607 – 612. 1990.
PLATT, T.; Sathyendranath, S. Oceanic Primary Production: Estimation by Remote Sensing
at local and regional scales. Articles, p. 1613 – 1619. 1988.
POLITO, S.P.; SATO, O.T. Oceanografia por satélites. São Paulo: Instituto Oceanográfico
da USP, 2004. 51 p.
RAMIREZ, M.C.V. 1997. Padrões climáticos dos vórtices ciclônicos em altos níveis no
nordeste do Brasil. 1997. 104f. Tese ( Mestrado ) – Instituto Nacional de Pesquisas Espacias,
São José do Campos.
SANTOS, A. M. P. Fisheries oceanography using satellite and airbone remote sensing
methods: a review. Fisheries Research, n. 49, p. 1-20. 2000.
REPELLI, C. A.; ALVES, J. M. B. O uso de Análise de correlações canonicas para
prognosticar a variabilidade espacial da precipitação sobre o Nordeste do Brasil. Revista
Brasileira de Meteorologia, v.11, n.2, p. 67 – 75. 1996.
RYTHER, J. H. Photosynthesis and fish production in the sea. Science, vol. 166, p.72-76.
1969
SeaWinds Science Data Product – User´s Manual. Version 1.1 - D-21551, 2003. 128 p.
SERVAIN, J. Empirical Orthogonal Function Analyses of Tropical Atlantic Sea Surface
Temperature and Wind Stress. Journal of Geophysical Research, v. 91, n. C12, p.14181-
14191. 1986.
SERVAIN, J. Simple climatic indices for the tropical atlantic ocean and some applications.
Journal of Geophysical Research, v. 96, n. C8, p.15137-15146. 1991.
SERVAIN, J. et al. A pilot research moored array in the tropical Atlantic (PIRATA). Bulletin
of American Meteorological Society, v. 79, n. 10, p.2019-2031. 1998.
SILVA JUNIOR, C. L.; MALUF, S. Possibilidades de aplicação do sensor AVHRR/NOAA
na pesca brasileira. In: Simpósio Brasileiro de Sensoriamento Remoto, 7., Curitiba, mai. 1993.
Anais. INPE, 1993.
SOUZA, E. B. Um estudo observacional sobre o padrão de dipolo de anomalias de
temperatura da superfície do mar no Oceano atlântico tropical. 1997. 138f. Tese
(Mestrado) - Instituto Nacional de Pesquisas Espacias, São José dos Campos.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
129
SOUZA, E. B.; ALVES, J. M.; NOBRE, P. Anomalias de precipitação nos setores norte e
leste do nordeste brasileiro em associação aos eventos do padrão de dipolo observados na
Bacia do atlântico tropical. Revista Brasileira de Meteorologia, São José dos Campos, v. 13,
n. 2, p. 45-55. 1998.
STEGMANN, P.M. Ocean-color satellites and the phytoplankton-dust connection. In:
HALPERN, D. (Ed.) Satellites, oceanography and society. (Elsevier Oceanography series),
2000. p. 207 - 223. 380 p.
STOFFELEN, A.; ANDERSON, D. Scatterometer data interpretation: estimation and
validation of the transfer function CMDO4.
Journal of Geophysical Research
, v. 102, n. C3,
p. 5767-5780, mar.1997.
TRAVASSOS, P.; HAZIN, F. H. V.; ZAGAGLIA, C. R.; ADVÍNCULA, R.; SCHOBER, J.
Thermohaline structure around seamounts and islands off North-Eastern Brazil. Archive of
Fishery and Marine Research, v. 47, n. 2/3, p. 211-222, 1999.
UVO, C.R.B.; BERNDTSSON, R., 1996. Regionalization and Spatial Properties of Ceará
State Rainfall in Northeast Brazil. Journal of Geophysical Research, v. 101, n. D2, p. 4221-
4233. 1996.
UVO, C.R.B.; REPELLI, C.A.; ZEBIAK, S.; KUSHNIR, Y., 1997. A Study on the influence
of the pacific and atlantic SST on the northeast Brazil monthly precipitation unsing singular
value decomposition. In: GARCIA, F. G., et al.(Ed.). Numerical simulations in the
environmental and earth sciences. United Kingdon: Cambridge University Press, United
Kingdon, 1997. p. 210-216.
UVO, C.R.B, 1989. A zona de convergência intertropical e sua relação com a
precipitação sobre a região norte do nordeste do Brasil.1989. Tese ( Mestrado ) - Instituto
Nacional de Pesquisas Espacias, São José dos Campos.
VIANELLO, R.L., 1991. Meteorologia básica e aplicações. Viçosa-MG: Universidade
Federal de Viçosa, 1991. 449 p.
WALLACE, J.M.; HOBBS, P. V. Atmospheric science: an introduction survey. USA-
Academic Press, 1977. 467 p.
WALISER, D. E.; GAUTIER, C. A Satellite-derived climatology of the ITCZ. Journal of
Climate, v. 6, p. 2162-2174.1993.
YOLDER, A. J. An overview of temporal and spatial patterns in satellite-derived chlorophyll-
a imagery and their relation to ocean process. In: HALPERN, D. (Ed.). Satellites,
Oceanography and Society. (Elsevier Oceanography series), 2000. p. 225 - 255. 380 p.
YURAS, G. Introducción a la percepción remota del océano. Disponivel em: <
www.profc.udec.cl/~gabriel/tutoriales/curso/cap01-historia.PDF>. Acesso em 20 abr. 2004.
ZAGAGLIA, C. R. Técnicas de sensoriamento remoto aplicadas à pesca de atuns no
Atlântico oeste equatorial. 2003,180f. Tese (Mestrado) - Instituto Nacional de Pesquisas
Espaciais, São José dos Campos.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
130
ZAGAGLIA, C. R.; LORENZETTI, J. A.; E STECH, J. L. Remote sensing data and longline
catches of yellowfin tuna (Thunnus albacares) in the equatorial Atlantic. Remote Sensing of
Environmental, v. 93, p. 267-281. 2004.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
131
APÊNDICES
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
132
APÊNDICE A
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
133
APÊNDICE A
- Satélites meteorológicos e ambientais
Satélites da série NOAA
Sensor AVHRR
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
134
Os satélites da série NOAA foram designados para operarem numa órbita quase-
polar, heliossíncrona, a uma altitude de aproximadamente 800 km. O período orbital é de 102
minutos, o que produz 14,1 órbitas por dia. Devido ao fato de que o número de órbitas por dia
não é um número inteiro, o caminho suborbital não se repete no dia a dia, embora a hora solar
local da passagem do satélite seja essencialmente a mesma para qualquer latitude. Para mais
detalhes consultar www.noaa.gov e Kampel, 2004.
O sensor infravermelho Advanced Very High Resolution Radiometer (AVHRR)
foi o primeiro radiômetro a voar a bordo do satélite TIROS-N, em 1978. A partir do
lançamento do satélite NOAA-7, em junho de 1981, através da utilização dos dados
infravermelhos do sensor AVHRR, com cinco canais, três dos quais no infravermelho termal,
vem sendo obtida estimativa da TSM de forma operacional e consistente para os oceanos
(Lorenzetti e Araújo, 2004).
A figura A1 mostra um diagrama dos satélites da série TIROS N (Television
InfraRed Observation Satellite), com os sensores que estão instalados a bordo dos mesmos.
Os satélites NOAA 6, 7 e 12 são similares, e os satélites NOAA 8, 9, 10, 11, 13, 14, 15, 16,
17 e 18 são versões modificadas dos TIROS N e são chamados Advanced TIROS. Na Tabela
A1, são apresentados os satélites da série NOAA que ainda estão operando na órbita da Terra,
o grau de operacionalidade do sensor AVHRR em cada um deles, os comprimentos de onda
dos canais desse sensor e a sua finalidade típica.
Os canais 1 e 2 medem a luz refletida na região do visível e infravermelho
próximo, respectivamente. Os canais 3, 4, e 5 são dominados pela radiação emitida da
superfície. O canal 3 tem a vantagem de ser menos sensível ao vapor de água atmosférico.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
135
Entretanto, o canal 3 admitirá uma quantidade substancial de radiação solar refletida,
conseqüentemente é usado primeiramente na noite. Os canais 4 e 5 são mais afetados pelo
vapor de água, mas não são contaminados substancialmente pela radiação solar refletida. É a
combinação criteriosa de medidas de radiância dos canais 3, 4 e 5 que permite a extração da
temperatura da superfície do mar.
Figura A1
−
−−
− Instrumentos a bordo do satélite NOAA.
Fonte:
Kidder e Haar, 1995
Tabela A1 – Informações sobre os satélites da série NOAA que estão operando ao redor da Terra.
SATÉLITE
ALTITUDE
(Km)
DATA DE
LANÇAMENTO
DATA EM QUE
TORNOU-SE
OPERACIONAL
SITUAÇÃO
DO SENSOR
AVHRR
NOAA 12 804 14/05/1991 17/09/1991
NOAA 14 844 30/12/1994 10/04/1995
NOAA 15 807 13/05/1998 15/12/1998
NOAA 16 849 21/09/2000 20/03/2001
NOAA 17 810 24/06/2002 15/10/2002
NOAA 18 854 20/05/2005 10/06/2005
Legenda:
Operacional Operacional com limitações
Não operacional
Fonte:
https://www.seaspace.com/technical/satnews.htm - 04/06/2005 às 22:17h (hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
136
Tabela A2 - Características técnicas do imageador AVHRR que voa a bordo dos satélites da série NOAA.
SATÉLITE NOAA-14/AVHRR
Canal Espectral Banda
Espectral
Resolução
Espacial no Nadir
Finalidade Típica
1 – Visível
0.58 – 0.68
µ
m
1.1 km Detecção de nuvens
2 - Infravermelho próximo
0.725 – 1.10 µm
1.1 km Definir contorno
oceano-continente
3 – Infravermelho
3.55 – 3.93 µm
1.1 km Detecção de gelo e
neve
4 – Infravermelho
10.3 – 11.3 µm
1.1 km TSM
5 – Infravermelho
11.5 – 12.5 µm
1.1 km TSM
Fonte:
www.noaa.gov - 04/10/2003 às 15:45h (hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
137
SATÉLITE AQUA
Sensor MODIS
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
138
O satélite Aqua foi lançado ao espaço em maio de 2002, e sua espaçonave carrega
a bordo seis instrumentos construídos com tecnologia de última geração. É o estado da arte,
hoje, dentre os satélites ambientais de órbita quase polar. A sua órbita nominal é
heliossíncrona, circular, quase-polar, com altitude de 705 Km, e o horário de cruzamento com
o Equador terrestre da órbita ascendente é 13:30 hora local. A inclinação da órbita com o
Equador terrestre é de 98
o
, e o período nodal de 99 minutos.
Os seis instrumentos indicados na figura A2 são: o Atmospheric Infrared Sounder
(AIRS), o Advanced Microwave Sounding Unit (AMSU-A), o Humidity Sounder for Brazil
(HSB), o Advanced Microwave Scanning Radiometer para EOS (AMSR-E), o Moderate-
Resolution Imaging Spectroradiometer (MODIS), e o Clouds and the Earth's Radiant Energy
System (CERES). Cada um deles tem características e potencialidades excepcionais, e os seis,
em conjunto, formam um poderoso meio para observações da terra. Aqui, ênfase é dada ao
sensor MODIS, através do qual foram obtidas medidas de TSM para o período compreendido
entre janeiro de 2003 e dezembro de 2004, utilizados neste trabalho. Para mais detalhes dos
canais espectrais deste sensor e suas finalidades típicas, ver tabela A3.
O MODIS é um avanço significativo em termo de sensores orbitais, se
comparado, por exemplo, ao CZCS e ao SeaWiFs. Ele foi projetado para medir processos
físicos e biológicos numa base global de uma a duas vezes por dia. Seus instrumentos
permitem observações simultâneas da cobertura de nuvens, da temperatura da superfície do
mar, concentração de clorofila, mudanças na cobertura vegetal, temperatura de superfícies
vegetadas, etc.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
139
O seu arranjo óptico fornece imagens em 36 bandas espectrais discretas de 0,4 a
14,5 µm. As bandas espectrais têm resolução espacial de 250m, 500m ou 1km no nadir. O
MODIS fornece produtos com cobertura global, tais como: a) cor do oceano, definido como
radiância espectral, deixando o oceano dentro de 5% de 415 a 653 nm, possibilitado pela
correção atmosférica dos canais infravermelho próximos; b) fluorescência da clorofila dentro
de 50% na superfície da água, para concentrações de 0,5mg m
-3
; c) concentrações de
clorofila-a dentro de 35%, e, d) produtividade oceânica primária numa base diária e anual.
Figura A2 -
Diagrama esquemático do satélite AQUA e dos principais sensores que voam a bordo do mesmo.
Fonte:
http://aqua.nasa.gov/about/instruments.php - 09/07/2005 - 14:53h (hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
140
Tabela A3 - Características técnicas do imageador MODIS que voa a bordo do satélite AQUA.
SATÉLITE AQUA /MODIS
Canal Espectral Banda Espectral
Resolução
Espacial no Nadir
Finalidade Típica
1
620 – 670 nm
2 841 – 876 nm
250 m
Definir contorno
oceano/continente; detecção de
nuvens e aerossóis
3 459 – 479 nm
4 545 – 565 nm
5 1230 – 1250 nm
6 1628 – 1652 nm
7 2105 – 2155 nm
500 m
Medir propriedades relativas
ao continente, nuvens e
aerossóis
8 405 – 420 nm
9 438 – 448 nm
10 483 – 493 nm
11 526 – 536 nm
12 546 – 556 nm
13 662 – 672 nm
14 673 – 683 nm
15 743 – 753 nm
16 862 – 877 nm
Determinar cor do oceano,
medir quantidade de
fitoplâncton e propriedades
biogeoquímicas
17 890 – 920 nm
18 931 – 941 nm
19 915 – 965 nm
Medir quantidade de vapor d’
água atmosférico
20 3.660 - 3.840 µm
21 3.929 - 3.989 µm
22 3.929 - 3.989 µm
23 4.020 - 4.080 µm
Medir temperatura da
superfície e de nuvens
24 4.433 - 4.498 µm
25 4.482 - 4.549 µm
Medir temperatura atmosférica
26 1.360 - 1.390 µm
27 6.535 - 6.895 µm
28 7.175 - 7.475 µm
Detecção de nuvens cirrus e
conteúdo de vapor d´água
29 8.400 - 8.700 µm Propriedades das nuvens
30 9.580 - 9.880 µm Medidas de ozônio
31 10.780 - 11.280 µm
32 11.770 - 12.270 µm
Medidas da temperatura da
superfície e de nuvens
33 13.185 - 13.485 µm
34 13.485 - 13.785 µm
35 13.785 - 14.085 µm
36 14.085 - 14.385 µm
1000 m
Medir atitude do topo de
nuvens
Fonte:
EOS Data Products – Handbook, vol. 1 – TRMM – TERRA, Data Assimilation System, 2003
A determinação da clorofila-a (Ca), por exemplo, a partir do sensor MODIS, passa
pelas quatro etapas já citadas no item 2.6 do capítulo 2 (referente ao SeaWiFS), sendo que na
quarta etapa do processo, o algoritmo bio-óptico, desenvolvido por O´Reilly et al. (2000),
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
141
especificamente para o MODIS, é o apresentado na equação A1, sendo denominado de Ocean
Chlorophyll, versão 3 (OC3M).
)
4
3
3
3
2
33
(
403.1659.0457.1753.22830,0
0.10
MMMM
RRRR
Ca
−++−
= (A1)
sendo que R
3M
= )(log
490
550
443
55010
RR > , onde R443, R490 e R550 são as reflectâncias da
superfície do oceano relativas às bandas espectrais 09, 10, 12 do sensor MODIS,
respectivamente. O argumento da função log
10
é a razão máxima das referidas reflectâncias.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
142
SATÉLITE OrbView 2
(SEASTAR)
Sensor SeaWiFS
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
143
O satélite OrbView 2, mais conhecido como SeaStar, foi lançado ao espaço no dia
primeiro de agosto de 1997, e levou a bordo o sensor Sea-viewing Wide Field-of-view Sensor
(SeaWiFS), desenhado especialmente para medir a cor do oceano. A sua órbita nominal é
heliossíncrona, circular, quase-polar, com altitude de 705 Km, e o horário de cruzamento com
o Equador terrestre da órbita descendente é meio dia, hora local, ± 20 minutos. A inclinação
da órbita com o Equador terrestre é de 98,2
o
, e o período nodal de 99 minutos (Hooker et al,
1992).
O SeaWiFS, assim como seu predecessor, o CZCS, foi designado e projetado para
ser um sensor de cor do oceano, e tal como, tem as mesmas características e canais espectrais
que o CZCS, e como este, contém canais no infravermelho próximo que são destinados para
uso em esquemas de correção atmosférica em todas as imagens de cor do oceano. Porém, o
SeaWiFS tem um canal adicional no comprimento de onda 865nm, que pode ser utilizado
para estudar aerossóis minerais (Stegmann, 2000). As principais características deste sensor
estão disponíveis na tabela A4. Na tabela A5 encontram-se listados os sensores que
atualmente estão medindo a cor do oceano e algumas de suas características. Já os sensores
que serão lançados ao espaço, com a mesma finalidade, encontram-se listados na tabela A6.
Nesta tabela também estão listadas as datas de lançamento previstas para cada sensor.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
144
Tabela A4 - Características técnicas do imageador SeaWiFS que voa a bordo do satélite SeaStar
SATÉLITE SeaStar/SeaWiFS
Canal Espectral
Banda Espectral e
Comprimento de
Onda Central
Resolução Espacial
no Nadir
Finalidade Típica
1 – Visível
Violeta
402 – 422 nm
412 nm
Medir matéria orgânica
dissolvida
2 – Visível
Azul
433 – 453 nm
443 nm
Determinar absorção pela
clorofila
3 - Visível
Azul - Verde
480 – 500 nm
490 nm
Medir absorção por
pigmentos para água do tipo
2 {*} e K(490){**}
4 – Visível
Azul - Verde
500 – 520 nm
510 nm
Determinar absorção pela
clorofila
5 – Visível
Verde
545 – 565 nm
555 nm
Determinar concentração de
pigmentos, propriedades
ópticas e sedimentos
6 - Visível
Vermelho
660 – 690 nm
670 nm
Correção atmosférica
7 – Infravermelho
próximo
745 – 785 nm
765 nm
Correção atmosférica e
quantificação de radiâncias
emitidas por aerossóis
8 – Infravermelho
próximo
845 – 885 nm
865 nm
1,13 Km
Correção atmosférica e
quantificação de radiâncias
emitidas por aerossóis
Fonte:
Hooker et al, 1992 e http://disc.gsfc.nasa.gov/oceancolor/docs - 13/01/2005 - 9:30h (hora local)
{*} Água do tipo 2 é definida por suas características ópticas. São águas costeiras e túrbidas, com alta
produtividade. {**} K(490) é o coeficiente de atenuação difuso em 490 nm, uma medida da claridade
ótica.
Tabela A5
– Sensores já lançados ao espaço com a finalidade de medir a cor do oceano
SENSOR
AGÊNCIA
ESPACIAL
SATÉLITE
DATA
{*}
VARREDURA
(km)
RES. ESP.
(m)
{**}
FAIXAS
C. E.
(nm)
{***}
ORBITA
COCTS CNSA
(China)
HaiYang-1
(China)
15/05/02 1400 1100 10 402-
12500
Polar
MERIS ESA
(Europe)
ENVISAT-
1(Europe)
01/03/02 1150 300/1200 15 412-
1050
Polar
MMRS CONAE
(Argentina)
SAC-C
(Argentina)
21/11/00 360 175 5 480-
1700
Polar
MODIS-
Aqua
NASA
(USA)
Aqua
(EOS-PM1)
04/05/02 2330 1000 36 405-
14385
Polar
MODIS-
Terra
NASA
(USA)
Terra
(USA)
18/12/99 2330 1000 36 405-
14385
Polar
OCI NEC
(Japan)
ROCSAT-
1(Taiwan)
27/01/99 690 825 6 433-
12500
Polar
COM ISRO
(India)
IRS-P4
(India)
26/05/99 1420 350 8 402-
885
Polar
OSMI KARI
(Korea)
KOMPSAT
(Korea)
20/12/99 800 850 6 400-
900
Polar
PARASOL CNES
(France)
Myriade
Series
18/12/04 2100 6000 9 443-
1020
Polar
SeaWiFS NASA
(USA)
OrbView-
2(USA)
01/08/97 2806 1100 8 402-
885
Polar
Fonte:
http://www.ioccg.org/sensors/current.html - 15/01/2005 - 14:30h (hora local)
{*} DATA = Data de Lançamento; {**} RES. ESP. = Resolução Espacial; e {***} C. E. = Cobertura espectral
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
145
Tabela A6 – Sensores que serão lançados ao espaço com a finalidade de medir a cor do oceano
SENSOR
AGÊNCIA
ESPACIAL
SATÉLITE
DATA
{*}
VARREDURA
(km)
RES. ESP.
(m)
{**}
FAIXAS
C. E.
(nm)
{***}
ORBITA
GOCI KARI/KORDI
COMS-1
(Korea)
2008 2500 500 8 400 - 865
Geostation
ary
HES-CW NOAA/NESDIS
GOES-R
(USA)
2012 400 30 - 300 14 412 - 900
Geostation
ary
OCM-II
ISRO
(India)
IRS-P7
(India)
2007 -- 1 - 4 km 8 400 - 900
Polar
S-GLI
JAXA
(Japan)
GCOM-C
(Japan)
2010 1000 750 11 412 - 865
Polar
VIIRS NASA / IPO NPP 2006 3000 370 / 740 22
402 -
11,800
Polar
VIIRS NASA / IPO NPOESS 2009 3000 370 / 740 22
402 -
11,800
Polar
Fonte:
http://www.ioccg.org/sensors/current.html - 15/01/2005 - 14:30h (hora local)
{*} DATA = Data de Lançamento
{**} RES. ESP. = Resolução Espacial
{***} C. E. = Cobertura espectral
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
146
QuikScat
Sensor SeaWinds
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
147
O satélite QuikSCAT da NASA foi lançado ao espaço no dia 19 de julho de 1999,
e levou a bordo o sensor SeaWinds Scaterometter. Este instrumento, também chamado de
NASA Scatterometer II (NSCAT II), é um radar de microondas ativo, que mede a velocidade
e direção do vento próximo à superfície oceânica, sob quaisquer condições de tempo e
nebulosidade. A sua órbita nominal é heliossíncrona, circular, quase-polar, com altitude de
803 Km, e o horário de cruzamento com o Equador terrestre da órbita ascendente é 6 h, hora
solar local, ± 30 minutos. A inclinação da órbita com o Equador terrestre é de 98,6
o
, e o
período nodal de 102 minutos (http://directory.eoportal.org/pres_QuikSCAT.html). Algumas
características dos sensores SeaWinds podem ser encontradas na tabela A7 e uma ilustração
sobre a geometria de varredura do sensor, na figura A3. Para mais detalhes acessar:
http://winds.jpl.nasa.gov/missions/quikscat.
Tabela A7
- Características técnicas do sensor SeaWinds que voa a bordo do satélite QuikSCAT
SATÉLITE QuikScat/SeaWinds
Banda
Espectral
Comprimento
de onda
Frequência
Resolução
Espacial
Finalidade Típica
Ku
Com
polarização
Horizontal
(H) e
Vertical
(V)[*]
1,67 – 2,40 cm
A antena radia pulsos
de microondas a uma
freqüência de 13.402
GHz, com pulso de
110-watt e com
freqüência de
repetição do pulso a
189-hertz (PRF)
25 km
(área total
iluminada
1800 Km)
Realizar medidas
de velocidade e
direção do vento
com alta resolução
espacial e temporal
sobre os oceanos
da Terra.
Fonte:
http://winds.jpl.nasa.gov/missions/quikscat/index.cfm#spacecraft - 09/07/2003 – 23:43h (hora local)
[*] O sinal transmitido é normalmente horizontalmente ou verticalmente polarizado. Para
reflexão simples, a polarização não muda muito, mas se múltiplas reflexões ocorrem, a
orientação da polarização pode ser significantemente alterada.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
148
Figura A3 – Ilustração da geometria de varredura do feixe dual. Fonte:
http://nsidc.org/data/docs/daac/scatterometer_instrument.gd.html - 09/07/2005 - 23:50 hora
local
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
149
SATÉLITE ERS-1
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
150
O satélite ERS-1 foi lançado ao espaço no dia 17 de julho de 1991, e deixou de ser
operacional em 1995. Ele carregava a bordo três sensores principais, o Active Microwave
Instrument (AMI), um Radar Altimeter (RA) e o Along Track Scanning Radiometer (ATSR).
Durante esse período o sensor AMI-Wind scaterometer fez medidas da direção e
velocidade do vento sobre as águas oceânicas do globo terrestre. Conforme se pode observar
na figura A4, o Wind
Scaterometer utiliza três antenas para realizar as medidas citadas
anteriormente. Para mais detalhes sobre os outros sensores a bordo do ERS-1, consultar o
endereço eletrônico da European Space Agency (ESA),
http://earth.esa.int/ers/satconc/satconc.html.
Tabela A8
- Características técnicas do sensor AMI que voa a bordo do satélite ERS-1
SATÉLITE ERS-1/AMI-Wind Scaterometer
Banda
Espectral
Comprimento
de onda
Freqüência
Resolução
Espacial
Finalidade Típica
C
Com
polarização
VV
(Vertical –
Vertical)
3,75 – 7,50 (cm)
A antena radia
pulsos de
microondas a uma
freqüência de 5.3
GHz
50 K m
(área total
iluminada
500 Km)
Realizar medidas
de velocidade e
direção do vento
sobre os oceanos
da Terra
Fonte:
http://winds.jpl.nasa.gov/missions/quikscat/index.cfm#spacecraft - 09/07/2003 – 23:43h (hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
151
Figura A4
– Diagrama esquemático do satélite ERS-1 e dos instrumentos que voam a bordo do mesmo.
Fonte:
http://earth.esa.int/ers/satconc/satconc.html - 10/04/2005 - 17:12h (hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
152
SATÉLITE ERS-2
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
153
O satélite ERS-2 foi lançado ao espaço no dia 21 de abril de 1995, tendo
completado em 2005 dez anos em operação. Assim como o ERS-1, o ERS-2 leva a bordo o
sensor AMI-Wind scaterometer que faz medidas da direção e velocidade do vento sobre as
águas oceânicas do globo terrestre. A sua órbita nominal é heliossíncrona, circular, quase-
polar, com altitude de 780 Km, e o horário de cruzamento com o Equador terrestre da órbita
descendente é 10:30h (hora solar local). A inclinação da órbita com o Equador terrestre é de
98,6
o
, e o período nodal de 101 minutos.
Algumas características do sensor AMI, a bordo do ERS-2, podem ser
encontradas na tabela A9. Além desse sensor o ERS-2 carrega a bordo mais 7 sensores: o
Active Microwave Instrument (AMI), um Radar Altimeter (RA), o Along Track Scanning
Radiometer (ATSR), o Global Ozone Monitoring Experiment (GOME), o Precise Range and
Range-Rate Equipment (PRARE), o Microwave Sounder (MS), o Instrument Data Hundling
and Transmission (IDHT) e o Laser Retroreflector (LRR). Detalhes técnicos sobre esses
sensores, listados na figura A5, podem ser encontrados em www.ifremer.fr/.../
ers/sensors/ers2.htm e http://earth.esa.int/ers/satconc/satconc.html.
Tabela A9
- Características técnicas do sensor AMI que voa a bordo do satélite ERS-2
SATÉLITE ERS-2/AMI-Wind Scaterometer
Banda
Espectral
Comprimento
de onda
Freqüência
Resolução
Espacial no Nadir
Finalidade Típica
C
Com
polarização
VV
(Vertical –
Vertical)
3,75 – 7,50 cm
A antena radia
pulsos de
microondas a
uma freqüência
de 5.3 GHz
50 Km
(área total
iluminada 500
Km)
Realizar medidas
de velocidade e
direção do vento
sobre os oceanos
da Terra
Fonte:
http://earth.esa.int/ers/tenyears/ - 10/04/2005 – 20:26h ( hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
154
Figura A5
– Diagrama esquemático do satélite ERS-2 e dos instrumentos que voam a bordo do mesmo.
Fonte:
http://earth.esa.int/ers/satconc/satconc.html - 10/07/2005 - 17:12h (hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
155
SATÉLITE METEOSAT
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
156
Os satélites de órbita geossíncrona ou geoestacionária METEOSAT estão
posicionados a aproximadamente 36.000 km de altitude e ficam orbitando no plano equatorial
da Terra, “imageando” de forma quase contínua a face do planeta voltada para o satélite. Para
que isto seja possível, é preciso que estes satélites tenham a mesma velocidade angular que a
Terra. Os satélites dessa série, por exemplo, podem fornecer imagens a cada meia-hora. Na
tabela A10 encontram-se algumas características técnicas dos satélites da série METEOSAT,
e na figura A6 os principais componentes desses satélites. Para mais detalhes consultar
www.eumetsat.de.
Por possuírem excelente resolução espacial e temporal os satélites METEOSAT
são muito úteis para monitoramento e previsões meteorológicas, já que com essa resolução
temporal pode-se acompanhar a gênese, maturação e dissipação de sistemas meteorológicos
para regiões de interesse, no nosso caso a região Nordeste do Brasil e oceano Atlântico
Intertropical.
Tabela A10
– Características técnicas dos satélites da série METEOSAT
SATÉLITE METEOSAT – 7
Canal Vísivel
Vapor
d´água
Infravermelho
Banda espectral
0.5 – 0.9µm 5.7 – 7.1µm 10.5 – 12.5µm
Tipo de detector Fotodiodos de Si
HgCdTe HgCdTe
Dimensões
250 x 250 µm 70 x 70 µm 70 x 70 µm
Campo de Visada 0.07 mrad 0.14 mrad 0.14 mrad
Número de linhas por imagem 5000 2500 2500
Resolução no ponto subsatélite 2.5 km 5.0 km 5.0 km
Fonte:
Satellite et surveillance du climat-Atlas de veille climatique:1986-1994 (Afrique et Atlantique
intertropical), 1994
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
157
Figura A6 –
Esquema ilustrativo dos principais componentes dos satélites da série METEOSAT
. Fonte:
www.eumetsat.int/en/ mtp/space/spacecraft.html – 11/07/2005 – 14:30h (hora local).
As figuras ilustrativas de cada satélite foram obtidas nos endereços que se
seguem:
Satélite NOAA
http://www.noaa.gov - 04/07/2005 às 20:00h (hora local)
Satélite AQUA
http://nsidc.org/data/docs/daac/aqua_platform.gd.html - 04/07/2005 às 21:05 h
(hora local)
Satélite SeaStar
http://space.skyrocket.de/doc_sdat/orbview-2.htm - 04/07/2005 às 22:41h (hora
local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
158
Satélite Quickscat
http://directory.eoportal.org/pres_QuikSCAT.html - 09/07/2005 - 23:23h (hora
local)
Satélite Ers-1
http:// ilrs.gsfc.nasa.gov/. ../slr_sats.html: 10/07/2005 – 16:28h (hora local)
Satélite Ers-2
http://earth.esa.int/ers/satconc/satconc2.html - 10/07/2005 - 18:04h (hora local)
Meteosat 7.
http:// www.eumetsat.de - 11/07/2005 – 14:30h (hora local)
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
159
APÊNDICE B
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
160
APÊNDICE B
– Sistemas Atmosféricos atuantes sobre a região Nordeste do Brasil e a
influência dos oceanos Pacífico e Atlântico Intertropicais no clima da região
Os principais sistemas atmosféricos inibidores ou causadores de chuva sobre a
região Nordeste do Brasil são descritos de forma resumida a seguir. Essa descrição é
acompanhada com exemplos ilustrativos, onde são utilizadas imagens dos satélites da série
METEOSAT, recepcionados diretamente pela estação de recepção de dados de satélite da
FUNCEME, localizada na cidade de Fortaleza, estado do Ceará.
B.1 - Zona de Convergência Intertropical - ZCIT
A Zona de Convergência Intertropical (ZCIT) pode ser definida como uma banda
de nuvens que circunda a faixa equatorial do globo terrestre (figuras b.1 e b.2 ), formada
principalmente pela confluência dos ventos Alísios do hemisfério norte com os ventos Alísios
do hemisfério sul, em baixos níveis (o choque entre eles faz com que o ar quente e úmido
ascenda e provoque a formação das nuvens), baixas pressões, altas temperaturas da superfície
do mar, intensa atividade convectiva e precipitação.
A ZCIT é o fator mais importante na determinação de quão abundante ou
deficiente serão as chuvas no setor norte do Nordeste do Brasil. Normalmente ela migra
sazonalmente de sua posição mais ao norte, aproximadamente 14
o
N em agosto-outubro para
posições mais ao sul, aproximadamente 2 a 4
o
S entre fevereiro a abril. Esse deslocamento da
ZCIT está relacionado aos padrões da Temperatura da Superfície do Mar (TSM) sobre essa
bacia do oceano Atlântico Tropical (Uvo, 1989).
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
161
Figura b.1 -
Eixo de confluência (circundado em vermelho) dos ventos Alísios de sudeste com os de nordeste –
ZCIT.
Fonte:
Apostila do Curso de Meteorologia da FUNCEME, 1998.
(a) (b)
(c) (d)
Figura b.2 -
Zona de Convergência Intertropical-ZCIT mostrada através das imagens do satélite METEOSAT-7,
recepcionadas pela estação de recepção de dados de satélite da FUNCEME. Figuras 5a) e 5c)
(canal visível – 21/03/2003 - 12:00 GMT) mostram a posição da ZCIT no mês de abril de 2003,
período chuvoso da região Nordeste do Brasil, na qual o Ceará está inserido e Figuras 5b) (canal
visível – 08/10/2003 - 12:00 GMT) e 5d) (canal infravermelho – composite de imagens) mostram a
ZCIT no mês de outubro de 2003, fora do período chuvoso da região.
A ZCIT é mais significativa sobre os oceanos, e por isso, a TSM é um dos fatores
determinantes na sua posição e intensidade
ZCIT sobre a
região Nordeste
do Brasil
ZCIT posicionada ao
norte da linha do
Equador terrestre
NUVENS
ASSOCIADAS
à ZCIT
Região
Nordeste do
Brasil
Posição do eixo de
máxima atividade
convectiva associada à
ZCIT
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
162
B.2 – Vórtice Ciclônico de Altos Níveis - VCAN
Os Vórtices Ciclônicos de Altos Níveis que penetram na região Nordeste do
Brasil, formam-se no oceano Atlântico sul e na costa leste brasileira, principalmente entre os
meses de novembro e março, e sua trajetória normalmente é de leste para oeste, com maior
freqüência entre os meses de janeiro e fevereiro, conforme demonstrado por Gan e Kousky
(1982). O tempo de vida desses sistemas varia, em média, entre 7 a 10 dias. Segundo
Ramirez, 1997, as análises da estrutura vertical dos VCANs indicam que estes possuem uma
circulação térmica direta, isto é, ocorrem movimentos subsidentes de ar mais frio no centro e
movimentos ascendentes de ar mais quente nas bordas.
A nebulosidade associada aos VCANs, quando observados através de imagens de
satélites, têm a forma aproximada de um círculo girando no sentido horário, no hemisfério sul.
Na sua periferia há formação de nuvens causadoras de chuva e no centro há movimentos de ar
de cima para baixo (subsidência), aumentando a pressão e inibindo a formação de nuvens
(Figuras b.3 e b.4).
Figura b.3
– Diagrama esquemático da nebulosidade associada aos Vórtices Ciclônicos de Altos Níveis-VCAN,
em 200 hPa no Atlântico Sul. Fonte: Kousky e Gan 1981.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
163
Figura b.4
- Imagens do satélite METEOSAT 7, canal infravermelho, recepcionada pela estação de recepção de
dados de satélite da FUNCEME.
B.3 – Ondas de Leste
Na camada mais baixa dos Alísios, o ar é
geralmente úmido e a
temperatura é
governada pelas trocas de calor entre a interface oceano-atmosfera
.
No entanto, esta camada
é pouco profunda e o tipo de nuvem prevalecente é Cumulus raso, que raramente precipita.
Acima desta camada fica a Camada de Inversão dos ventos alísios, onde a temperatura
aumenta com a altura. Sua principal característica é atuar como um eficiente tampão que
impede o movimento ascendente do ar. Por esse motivo é rara a precipitação nas regiões dos
alísios, exceto onde a camada de inversão é levantada ou destruída ( Mota, 1997).
VCAN
CENTRO
PERÍFERIA
NUVENS
ASSOCIADAS
AO VCAN
CENTRO
PERIFERIA
REGIÃO
NORDESTE
DO BRASIL
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
164
Ainda segundo Mota, 1997, apesar dos Alísios estarem relacionados com
condições de tempo estáveis, em algumas regiões dos trópicos estas situações tranqüilas são
interrompidas por distúrbios que, por se moverem com os Alísios para oeste e apresentarem
configurações ondulatórias nos campos de vento e pressão, são chamados de Ondas de Leste.
Essas ondas que se formam no campo de pressão atmosférica, na faixa tropical do
globo terrestre, na área de influência dos ventos Alísios, e se deslocam de oeste para leste, ou
seja, desde a costa da África até o litoral leste do Brasil (Figura b.4), provocam chuvas
principalmente na Zona da Mata que se estende desde o Recôncavo Baiano até o litoral do
Rio Grande do Norte. Porém, quando as condições oceânicas e atmosféricas estão favoráveis,
as Ondas de Leste também provocam chuvas no estado do Ceará nos meses de junho, julho e
agosto,
principalmente na parte centro-norte do estado.
Figura b.5 - Imagem do Satélite Meteosat-7, canal infravermelho do dia 11/01/2000 às 21:00h local,
recepcionada pela estação de recepção de dados de satélite da FUNCEME, mostrando
nebulosidade que está se deslocando desde a costa da África até o litoral leste do Brasil.
NEBULOSIDADE
ASSOCIADA ÀS
ONDAS DE LESTE
Litoral
Leste do
Nordeste
Oceano
Atlântico
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
165
B.5 – Aspectos oceanográficos
A circulação atmosférica sobre a região tropical é fortemente modulada e
modificada pelos padrões termodinâmicos sobre as bacias dos oceanos Pacífico e Atlântico
Tropicais. Em anos nos quais se verificam anomalias positivas ou negativas da Temperatura
da Superfície do Mar (TSM) nas bacias desses oceanos, a célula de Hadley que atua no
sentido meridional (ramo ascendente sobre os trópicos e ramos descendentes nas latitudes
subtropicais), e a célula de Walker que atua no sentido zonal (ramo ascendente no Pacífico
oeste e ramo descendente no Pacífico leste) são perturbadas, causando fortes anomalias na
circulação atmosférica sobre os trópicos, visto que essas células são deslocadas de suas
posições climatológicas (Figuras b.6, b.7 e b.8). Conseqüentemente a intensidade e duração
do período chuvoso dessa região também são afetadas.
Figura b.6 -
Esquematização da Célula de Walker sobre a Bacia do Pacífico Tropical. Sob condições normais
observa-se o ramo ascendente da Célula de Walker (favorável à formação de nuvens convectivas
profundas) sobre o Pacífico oeste e Austrália onde se tem águas quentes e pressões baixas. Por outro
lado, sobre a região do Pacífico leste, próximo do Peru e Equador, onde se verifica a presença de
águas frias (devido à ressurgência - afloramento na superfície das águas oceânicas advindas do
fundo do Oceano Pacífico) e pressões altas, manifesta-se o ramo subsidente da Célula de Walker
(que inibe a formação de nuvens).
FONTE:
Monitor Climático/Boletim de Monitoramento
Climático – Edição Especial, 1997. O Fenômeno El Niño- Oscilação Sul: Teorias, Observações e
Previsões. FUNCEME, Fortaleza, CE. no. 2, 31 p.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
166
Figura b.7 -
Esquematização da circulação atmosférica de grande escala no sentido zonal (Célula de Walker)
modificada em associação ao episódio El Niño sobre o Oceano Pacífico. Sobre a região do
Pacífico centro-leste, incluindo Peru/Equador, observa-se o ramo ascendente (favorável à
formação de nuvens) da Célula de Walker e, por outro lado, sobre o Pacífico oeste/norte da
Austrália e também no Atlântico Equatorial, incluindo o leste da Amazônia e norte do semi-árido
nordestino tem-se, conseqüentemente, o ramo descendente (que inibe a formação de nuvens).
FONTE:
Monitor Climático/Boletim de Monitoramento Climático – Edição Especial, 1997. O
Fenômeno El Niño- Oscilação Sul: Teorias, Observações e Previsões. FUNCEME, Fortaleza, CE.
no. 2, 31 pp.
(a) (b)
Figura b.8 –
a) Diagrama Esquemático da Circulação de Hadley-Walker sobre a América do Sul Tropical e o
setor do Atlântico Sul Tropical. A nebulosidade sobre o oceano representa a atividade convectiva
sobre a Zona de Convergência Intertropical-ZCIT, e b) Diagrama Esquemático da Célula de
Hadley. FONTE: a) Climanálise/Boletim de Monitoramento e Análise Climática – Número
Especial, 1986. INPE. São José dos Campos, SP. 125 p, e b)
http://ag.arizona.edu/~lmilich/dry.html.
Em anos de El Niño, quando as águas superficiais da Bacia do Pacífico, em torno
do Equador e sobre o lado centro-leste, estão mais aquecidas, toda a convecção equatorial
também se desloca para o leste, alterando assim o posicionamento da Célula de Walker.
Devido à continuidade da circulação atmosférica, o ar quente sobre aquela região é
empurrado, originando uma célula descendente sobre o Oceano Atlântico, próximo à Região
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
167
Nordeste do Brasil (NEB) e à Amazônia Oriental. Dependendo da intensidade dessa célula de
circulação e de sua fase de ocorrência, pode haver inibição da formação de nuvens e descida
da Zona de Convergência Intertropical (ZCIT) e, conseqüentemente, deficiência das chuvas
na região do NEB (Boletim de Monitoramento Climático Monitor Climático, 1997). Assim, o
fenômeno El Niño, é um dos responsáveis pela redução das chuvas na Região Norte do
Nordeste do Brasil (NEB).
Por outro lado, muitos trabalhos mostram a influência do Oceano Atlântico
Tropical na distribuição das chuvas nas regiões tropicais do continente Sul-Americano,
principalmente sobre o setor norte do Nordeste do Brasil (Uvo, 1997 apud Hastenrath e
Greischar, 1993; Moura e Shukla,1981 e Uvo, 1989), Alves, et all, 199
e Alves, 2002.
O fenômeno El Niño (aquecimento acima do normal das águas do Oceano
Pacífico Equatorial), por exemplo, dependendo da intensidade e período do ano em que
ocorre, é um dos responsáveis por anos considerados secos ou muito secos, principalmente
quando acontece conjuntamente com o dipolo positivo do Atlântico (Dipolo do Atlântico:
diferença entre a anomalia da Temperatura da Superfície do Mar-TSM na Bacia do Oceano
Atlântico Norte e Oceano Atlântico Sul), que é desfavorável às chuvas. O fenômeno La Niña
(resfriamento anômalo das águas do Oceano Pacífico) associado ao dipolo negativo do
Atlântico (favorável às chuvas), é normalmente responsável por anos considerados normais,
chuvosos ou muito chuvosos na região. As anomalias de TSM associadas ao dipolo do
Atlântico podem ser observadas através da figura b.9.
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
168
Figura b.9
- Dipolo da Temperatura da Superfície do Mar sobre o Oceano Atlântico Tropical. A escala do
gráfico indica anomalias de TSM (ºC), relativas às diferenças entre a bacia norte (área: 5
o
N – 25
o
N/50
o
W-20
o
W) e bacia sul (área: 2
o
S-22
o
S/25
o
W-5
o
E).
Fonte:
IRD/FUNCEME
A área hachurada na figura b.10 (a) indica a posição da ZCIT e o "AAN" Sistema
de Alta Pressão do Atlântico Norte. As setas indicam a intensificação dos ventos Alísios de
Nordeste. Quando as águas do Atlântico Norte estão mais frias que o normal, o Sistema de
Alta Pressão do Atlântico Norte e os ventos Alísios de Nordeste intensificam-se. Se neste
mesmo período o Atlântico Sul estiver mais quente que o normal, o Sistema de Alta Pressão
do Atlântico Sul e os ventos Alísios de Sudeste enfraquecem. Este padrão favorece o
deslocamento da ZCIT para posições mais ao sul da linha do Equador, e é propício à
ocorrência de anos normais, chuvosos ou muito chuvosos para o setor norte do Nordeste do
Brasil.
Na figura b.10(b) a área hachurada indica a posição da ZCIT e o "AAS" Sistema
de Alta Pressão do Atlântico Sul. As setas indicam a intensificação dos ventos alísios de
sudeste. Quando as águas do Atlântico Sul estão mais frias que o normal, o Sistema de Alta
Pressão do Atlântico Sul e os ventos alísios de sudeste intensificam-se. Se neste mesmo
período as águas no Atlântico Norte estiverem mais quentes que o normal, o Sistema de Alta
Pressão do Atlântico Norte e os ventos Alísios de Nordeste enfraquecem. Este padrão
Ferreira, A.G. Técnicas de Sensoriamento Remoto para MonitoramentoAmbiental ...
169
favorece o deslocamento da ZCIT para posições mais ao norte da linha do Equador e é
propício à ocorrência de anos secos ou muito secos para o setor norte do Nordeste do Brasil.
(a) (b)
Figura b.10
– Esquema mostrando, de maneira simplificada, os padrões oceânicos e atmosféricos que
contribuem para a ocorrência de anos: a) normais, chuvosos ou muito chuvosos, e b) secos ou
muito secos, na parte norte da região Nordeste do Brasil.
Fonte:
Adaptado de Boletim de
Monitoramento Climático Monitor Climático, 1996.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
