Estimativa da umidade do solo em diferentes profundidades a partir do produto do satélite SOIL MOISTURE OCEAN SALINITY (SMOS) em Pernambuco utilizando um filtro exponencial

Abstract

As secas são desastres naturais cuja severidade e duração apresentam difícil previsibilidade. Esse evento extremo pode ser identificado, por exemplo, quando teores de umidade do solo abaixo da média são detectados. A umidade em profundidades subsuperficiais possui importante papel em aspectos ecológicos e socioeconômicos, sendo a agricultura um setor fortemente afetado pelas secas, dada a dependência da safra da disponibilidade de água na zona de raiz e, portanto, da umidade do solo. Nesse sentido, esse parâmetro é utilizado em modelos hidrológicos e climáticos bem como no monitoramento de culturas, visto que é indicador da disponibilidade de água para a transpiração e fornece previsibilidade acerca da ocorrência de secas agrícolas. Dentre as metodologias de aferição, o sensoriamento remoto é uma opção viável para obtenção de dados de umidade do solo em larga escala, visto que os dados gerados por satélite possuem grande abrangência espacial e tem frequência temporal satisfatória. A missão SMOS obtém informações de umidade do solo através de um radiômetro que opera na Banda L. Portanto, os dados por ele obtidos referem-se à umidade nos primeiros centímetros do solo. Nesse trabalho, um filtro exponencial para estimar o teor de água na zona da raiz a partir de séries temporais de umidade superficial obtidas via sensoriamento remoto foi avaliado para estações do estado de Pernambuco, com base nos dados do SMOS e utilizando estações in situ nas profundidades de 20 cm e 40 cm para calibração e definição de parâmetros. Os resultados obtidos para a zona de raiz foram também comparados aos produtos de umidade do solo dos modelos GLDAS-Noah e GLDAS-CLSM. O teor de umidade do solo estimado pelo filtro exponencial apresentou incrementos médios na correlação de Pearson e reduções no RMSE, de 34% e 25%, respectivamente, quando comparados aos dados do SMOS sem sua aplicação, chegando a correlações mais de 100% maiores e RMSE 70% menores. Quanto aos dados resultantes do filtro com o GLDAS, observou-se um padrão espacial na comparação entre estes e os dados provenientes do filtro.