Avaliação com base em informação de satélite.

Os primeiros satélites meteorológicos, lançados no espaço há cerca de 50 anos, tinham como principal objectivo auxiliar e melhorar a capacidade de previsão meteorológica (Kogan, 2000). Não obstante, cedo se descobriu a sua utilidade para a avaliação de impactos decorrentes do clima e de fenómenos meteorológicos. Assim, em especial desde a década de 80, foi sendo utilizada informação de satélite para a detecção, monitorização e avaliação de impactos de seca, tendo por base as condições da vegetação (Kogan, 1995; 1997; 2000).

O princípio base da utilização de dados de detecção remota para avaliação de alterações das características da vegetação, nomeadamente no que toca a alterações na clorofila, do teor de humidade e nas condições de temperatura das plantas, corresponde ao facto de a folha de uma planta reflectir e transmitir a radiação solar incidente de uma forma que é caracterizada pelo teor de humidade existente nas células pigmentadas (Gates, 1970). Por essa razão, foi iniciado um estudo mais aprofundado na interpretação dos sinais recebidos pelos sensores de detecção remota disponíveis, tendo sido realizados diversos ensaios laboratoriais relativos à reflectância e transmitância espectral das folhas de plantas. Tal permitiu detectar variações relevantes dessas características para algumas bandas de comprimento de onda, sendo as mais significativas entre as bandas do visível e do infravermelho (0.5 a 1.4 µm) (Myers, 1970). Na sequência desses estudos, as alterações da reflectância nessas bandas começaram a ser utilizadas para a classificação de usos do solo, para a estimativa de produtividades das culturas e para a detecção de stress hídrico das culturas (Tarpley et al, 1984). Tendo por base os dados de monitorização das bandas espectrais do visível (0.58 - 0.68 µm) e do infravermelho próximo (0.73 – 1.10 µm), obtidos a partir dos sensores instalados nos satélites meteorológicos, como é o caso do sensor AVHRR – Advanced Very High Resolution Radiometer do satélite NOAA-7, que obtêm dados contínuos com uma resolução de 4 km (global) a 1km (em áreas específicas), várias foram as combinações matemáticas testadas. Dessas, a que obteve melhores resultados foi a correspondente ao índice NDVI - Normalized Difference Vegetation Index (Rouse et al, 1973 e 1973a; Tucker, 1979; Tarpley et al, 1984; Tucker & Sellers, 1986), traduzido pela expressão [2.18]. Este índice obteve melhores resultados pois permite uma certa compensação das variações sentidas devido, por exemplo, às condições de luminosidade e às inclinações da superfície terrestre (Tarpley et al, 1984).

[2.18] Sendo NIR (near infrared) a reflectância espectral na banda do infravermelho próximo e VIS a reflectância espectral na banda do visível, este índice permite detectar as situações em que existe uma redução das condições de humidade nas plantas, uma vez que, nessa situação, a reflectância na banda do visível (VIS) aumenta, enquanto a reflectância na banda do infravermelho próximo (NIR) diminui. Desta forma, a vegetação saudável e em óptimas condições de desenvolvimento dá origem aos valores de NDVI mais elevados, enquanto nas situações de seca se verifica uma redução significativa dos valores de NDVI (Kogan, 1997), verificando-se ainda uma correlação bastante razoável entre as variações do NDVI e as reduções mais significativas de produção primária (Tucker, 1979; Tucker & Sellers, 1986).

Não obstante, as flutuações de curto prazo do NDVI deverão ser distinguidas das variações de longo prazo, uma vez que estas últimas podem reflectir alterações mais

111

significativas na condição da vegetação face ao normal para determinadas épocas do ano. Atendendo a esse facto foi desenvolvido um novo índice, a partir dos dados de NDVI, denominado VCI – Vegetation Condition Index [2.19] (Kogan, 1995).

)

) [2.19]

NDVI, NDVImin e NDVImax correspondem, respectivamente, aos valores médios semanais, mínimo e máximo absolutos de NDVI, para o período plurianual de avaliação (Kogan, 1995).

Apesar de existir uma boa correlação entre os valores mais baixos deste índice e os valores de produção de algumas culturas (como por exemplo do milho dos EUA), este indicador não é, todavia, fiável a 100% pois, em algumas situações, podem resultar valores muito baixos sem que se verifique a existência de uma situação de seca (como pode ser o caso de situações com elevados teores de humidade e/ou situações de elevada nebulosidade) (Kogan, 1995).

Não obstante, apesar dos bons resultados obtidos na aproximação das condições de seca com base nos índices descritos, tem sido questionada, mais recentemente, a utilização sistemática dos mesmos, uma vez que a avaliação da causa específica, que está na origem da afectação das condições de vegetação, dependerá sempre da utilização de informação complementar adicional. Nesse sentido, surgiu o índice VegDRI – Vegetation Drought Response Index, que procura associar informação de seca meteorológica (SPI, PDSI) com informação obtida por detecção remota (NDVI), e ainda outros factores que podem alterar os efeitos de uma situação de seca, tais como a ocupação do solo, a capacidade de armazenamento dos solos, as áreas de agricultura regada e, ainda, as regiões identificadas como espaços naturais (Hayes et al, 2005; Brown et al, 2008). Globalmente a metodologia da determinação do VegDRI passa pelo processamento e organização de dados das variáveis em análise em fases sazonais, geração de modelos empíricos de classificação de informação do tipo análise categórica e árvores de decisão (CART), para cada fase sazonal e, por fim, aplicação dos modelos sazonais aos dados geoespaciais para a construção de um mapa de VegDRI com 1km de resolução espacial. Estes mapas podem ser definidos com periodicidade quinzenal e permitem uma percepção mais rigorosa do estado das condições de vegetação, devido aos efeitos de seca, facilitando uma avaliação e gestão a uma escala mais local (Brown et al, 2008).

Por outro lado, a nível Europeu (JRC, 2008) é utilizado o índice NDWI – Normalized Difference Water Index (Gao, 1996), tendo por base a reflectância dos canais do infravermelho próximo (NIR) e do infravermelho de onda curta (SWIR). Esta última varia tanto com os teores de humidade existentes na vegetação, como com a estrutura esponjosa do mesofilo das folhas das plantas, enquanto a reflectância na onda do infravermelho próximo é afectada pela estrutura interna das folhas das plantas e ainda pela matéria seca existente nas mesmas, mas não pelo teor de humidade. Desta forma, a combinação das duas reflectâncias reduz a variação devido à estrutura e composição interna das folhas das plantas, melhorando a precisão na determinação de alterações do teor de água nas plantas (JRC, 2008). O NDWI pode ser expresso pela fórmula [2.20], sendo ρ a reflectância para cada uma das bandas mencionadas:

)

112

Gao (1996) considerou o NDWI um bom indicador dos níveis de humidade existentes nas plantas, tendo como vantagem, face ao NDVI, o facto de ser menos sensível a efeitos de dispersão provocados por condições atmosféricas. Além disso, o NDWI melhora a capacidade de avaliação do teor de humidade das plantas, face ao NDVI que avalia esse teor por análise da pigmentação das folhas das plantas (clorofila), que não é directamente, nem uniformemente relacionada com o teor de água existente nas plantas (Ceccato et al, 2002).

Na Península Ibérica também já existem algumas aplicações, com bons resultados, de avaliação com base em informação satélite, sendo, aqui, salientados dois exemplos, um para Espanha (Vicente-Serrano, 2007) e outro Portugal Continental (Gouveia et al, 2009).

Vicente-Serrano (2007) efectuou um estudo para a zona nordeste da Península Ibérica (bacia hidrográfica do rio Ebro) tendo comparado os valores de VCI mensais (para o período de 1987 a 2000) com os valores correspondentes de SPI, calculados a partir de dados de precipitação de estações meteorológicas da área. Nesse estudo foi possível verificar a existência de uma boa correlação entre os valores de VCI e os mapas de SPI, determinados com a mesma resolução (1km), em especial para o SPI com dados de precipitação acumulada a 12 meses, o que parece indicar que o estado da vegetação será, essencialmente, dependente da água acumulada no solo nos 12 meses anteriores. Não obstante, foi também verificado que essa correlação é, no entanto, variável no espaço, em especial com o tipo de uso do solo, confirmando-se uma maior sensibilidade dos valores de VCI para as áreas de sequeiro.

Por outro lado, Gouveia et al (2009) avaliou a variação do NDVI face à mediana para Portugal Continental, no período de 1999-2006. Da observação de valores de anomalia do NDVI em Portugal Continental, no período em causa, foi possível identificar os anos de 1999, 2002 e 2005 como os períodos de seca mais relevantes. Este último terá sido mesmo o mais gravoso com impactos significativos na vegetação, no sul do país, mantendo-se essa afectação em 9 dos 11 meses do ciclo vegetativo das culturas. Além disso, neste estudo, é referida a possibilidade de observação de impactos nas culturas, tanto em solos aráveis, como nas florestas, não obstante confirmar-se, nos terrenos aráveis, uma maior sensibilidade aos períodos secos.

Pontos fortes e limitações

Os principais pontos fortes deste tipo de avaliação estão relacionados com o facto de as fontes de informação (satélites) serem externas à superfície terrestre, eliminando-se alguns dos problemas mais correntes das redes de monitorização com base em estações pontuais (falhas por medição inadequada, vandalização, falta de manutenção ou até mesmo localização inadequada por dificuldades de acesso a algumas áreas). Além disso, permite abranger áreas não cobertas pelas redes de monitorização terrestres, sendo possível uma caracterização contínua no tempo e no espaço de uma vasta área. No caso das variáveis instrumentais, obtidas a partir das redes de monitorização, tal apenas é possível com recurso a modelos específicos de distribuição no espaço, como por exemplo a geoestatística (Kogan, 2000).

Não obstante estas vantagens e, ainda, o facto de estes dados estarem disponíveis praticamente sem custos para quase toda a superfície terrestre, existem também algumas limitações consideráveis, como sejam os problemas de “ruído” nas imagens processadas por

113

satélite, extremamente dependentes da existência de nuvens ou mesmo de aerossóis ou vapor de água na atmosfera, bem como outras limitações relacionadas, por exemplo, com a anisotropia da superfície terrestre, ou com o posicionamento do satélite em relação à área em avaliação (Kogan, 1997). Outra das mais importantes desvantagens deste tipo de informação, não obstante a evolução conseguida com o desenvolvimento do índice VegDRI, está relacionada com o facto de a detecção e avaliação de seca ser unicamente centrada na análise de impactos na vegetação, em especial nas áreas directamente dependentes das condições de precipitação, como é o caso das áreas de sequeiro. Por esse facto, torna-se difícil prever a evolução das restantes áreas agrícolas, nomeadamente de regadio, uma vez que dependem de origens de água distintas, bem como dos potenciais impactos sobre outros sectores utilizadores, como o abastecimento urbano, o turismo, a indústria ou até mesmo a produção de energia.

2.2.4.3 Avaliação global de indicadores/ índices múltiplos

No ponto 2.2.3 foram analisados diversos tipos de índices cuja formulação assenta, essencialmente, na avaliação de uma ou múltiplas variáveis instrumentais (indicadores), com vista à caracterização dos efeitos de seca decorrentes da afectação de uma ou mais fases do ciclo hidrológico. Não obstante, a avaliação isolada de cada um desses índices acaba por ter um valor relativamente parcial na avaliação de uma determinada região, pois os efeitos de seca dependem não só da componente climatológica (afectação das condições de precipitação) mas também das características da região, tanto no que toca às utilizações existentes e à sua dependência dos recursos hídricos, como no que diz respeito às características de armazenamento (naturais e artificiais, como é o caso das albufeiras) e, ainda, da flexibilidade de operação dos sistemas de exploração dos mesmos (Svoboda et al, 2004; Hayes et al, 2005; Steinemann et al, 2005; Garrote et al, 2007). Em sistemas com um considerável nível de regulação, a caracterização de situações de seca deverá, então, ser efectuada com base em diferentes tipos de avaliações/ variáveis, procurando atender às especificidades da região (Hayes et al, 2005; Garrote et al, 2007, Wilhite, 2009). Como exemplo poderá indicar-se o caso de uma região cuja utilização mais importante corresponda à agricultura de regadio, que se verifique ser, também, a principal ocupação do solo da área em análise. Neste caso, a verificação da ocorrência de impactos numa situação de seca não estará tão directamente relacionada com a afectação da precipitação (como acontece nas áreas de agricultura de sequeiro), mas antes com a variação dos níveis de água armazenados nas principais origens de água, sejam elas superficiais (albufeiras) ou subterrâneas (aquíferos).

Por outro lado, é importante notar que a avaliação segundo um parâmetro único acarreta vantagens significativas para o processo de tomada de decisão, facilitando o escalonamento de medidas e de procedimentos a adoptar, bem como a comparação entre diferentes situações de seca e regiões distintas (Wilhite, 2009).

Como experiências mais relevantes na avaliação global de secas, tendo por base indicadores/ índices múltiplos, são descritos, em seguida: (i) o caso do sistema de indicadores múltiplos desenvolvido no âmbito da elaboração do plano de gestão de secas do estado da Geórgia, EUA, no qual se procurou desenvolver um sistema de indicadores com consistência estatística, permitindo a combinação e comparação de indicadores de diferentes tipos para a

114

avaliação e definição de medidas de mitigação, tendo por base dados históricos e a experiência empírica dos principais especialistas na matéria (Steinemann & Cavalcanti, 2006), (ii) ainda nos EUA, o caso do US Drought Monitor, principal impulsionador, desde 1999, deste tipo de avaliação (Svoboda et al, 2002), e (iii), por último, o sistema de indicadores hidrológicos de Espanha, primeiro sistema de avaliação de secas Europeu a agregar informação de diferentes variáveis (desde a precipitação aos volumes armazenados, passando pelos níveis de escoamento e níveis piezométricos) para a obtenção de um resultado final global, por sistema de exploração (DGA, 2005).

Sistema de Indicadores Múltiplos – Estado da Geórgia (EUA)

Segundo Steinemann & Cavalcanti (2006), os principais problemas que, habitualmente, surgem na utilização e avaliação de diferentes tipos de indicadores/ índices de seca devem-se ao facto de não existir um trabalho de avaliação, comparação e validação dos mesmos, sendo muitas vezes utilizados de forma ad hoc, sem critério científico específico, condicionando seriamente a sua validade operacional. Uma vez que a grande maioria destes índices foi desenvolvida com base em dados de regiões com características muito diversas, os principais pontos fracos dos mesmos são, muitas vezes (Steinemann et al, 2005, Steinemann & Cavalcanti, 2006):

 Consistência espacial e temporal dos resultados dos diferentes índices, atendendo a que deverão poder representar uma razoável variabilidade temporal (p.e., ao longo do ano) e espacial (p.e., variações nas características do clima entre sub-regiões);

 Especificidade na definição das escalas espacial e temporal de avaliação, de acordo com as características da região de base, a partir da qual foram desenvolvidos;

 Consistência estatística dos valores limite e das diferentes categorias de severidade de seca entre índices distintos (correspondente, muitas vezes, a diferentes probabilidades de ocorrência);

 Distinção entre o despoletar de uma situação de seca e o alívio da mesma, devendo haver uma distinção ou reajuste dos valores limite para cada situação;

 Abordagem sistemática na combinação de indicadores/ índices múltiplos, havendo duas possibilidades essenciais para o fazer: (i) agregando os valores todos num só, numa metodologia similar à seguida, p.e., para o SWSI53_{, embora as suas bases científicas sejam} normalmente frágeis e a ponderação resultante seja essencialmente subjectiva; (ii) por avaliação contínua de diferentes índices, por exemplo dados de precipitação, de escoamento e de volumes armazenados, e classificação final do estado de seca de acordo com as classificações obtidas para os diferentes índices avaliados (a mais gravosa, a classificação média, etc.).

Tendo por base estas questões, Steinemann & Cavalcanti (2006) apresentaram uma metodologia que foi seguida no desenvolvimento do sistema de indicadores/ índices para suporte do plano de gestão de secas para o estado da Geórgia. Estiveram envolvidos, nesse processo, um grupo de representantes de diversas entidades ligadas à gestão da água, a nível local e

115

também estadual, que designaram por Georgia Drought Planning Commitee, bem como cerca de 100 stakeholders, desse estado. A metodologia seguida assentou nos seguintes passos principais (Steinemann & Cavalcanti, 2006):

1 – Definição da escala espacial e do objectivo de avaliação; 2 – Desenvolvimento de indicadores/ índices de seca;

3 – Estabelecimento de níveis de severidade e alerta de seca;

4 – Definição dos objectivos para os valores limite dos diferentes níveis de severidade; 5 – Definição dos valores limite (percentis/ probabilidades de ocorrência) para os diferentes níveis de alerta e severidade;

6 – Determinação dos valores dos índices;

7 – Obtenção de sequências de classificação individualizadas para cada índice; 8 – Determinação de sequências de classificação globais de seca;

9 – Recolha da avaliação dos especialistas para uma situação de seca específica; 10 – Comparação da sequência de classificação global determinada com as avaliações respectivas dos especialistas na gestão de secas;

11 – Refinamento iterativo do processo de classificação global de seca;

12 - Selecção final dos indicadores/ índices finais e respectivos valores limite para a classificação dos níveis de alerta e severidade de seca.

Estabelecida a escala espacial de avaliação equivalente às divisões climáticas definidas pelo National Climatic Data Center54 do National Oceanic & Atmospheric Administration (NOAA),

correspondentes a áreas com características similares em termos de precipitação e temperatura, foram seleccionadas as principais variáveis de base a analisar de uma lista de mais de 100 possíveis indicadores. As quatro variáveis principais consideradas no final foram: precipitação (através do índice SPI, avaliado a diferentes escalas temporais de avaliação, SPI-3, 6, 9 e 12 meses), escoamento, volumes armazenados e níveis piezométricos. Estas variáveis serviram de base para definição de uma escala de níveis de alerta e severidade a considerar no plano de gestão de secas. Para tal, foram consideradas duas possibilidades na definição desses níveis: (i) a partir de percentis representando a probabilidade de ocorrência e, (ii) a partir dos reais impactos ocorridos. Uma vez que, para a concretização desta última hipótese, existem maiores dificuldades no tratamento analítico (devido à menor sistematização deste tipo de dados), a abordagem acabou por ser a de definição de percentis, considerada mais intuitiva, objectiva e fácil de ser implementada (Steinemann, 2003). Foram, então, considerados os seguintes níveis de alerta e severidade de seca apresentados na Tabela 2.7:

116

Tabela 2.7: Níveis de alerta e severidade de seca definidos e respectiva probabilidade de ocorrência considerada (Steinemann & Cavalcanti, 2006).

Nível de alerta e severidade Probabilidade de ocorrência (%)

0 35 a 50

1 20 a 35

2 10 a 20

3 5 a 10

4 Menos de 5

Como passo seguinte, foram estipulados, junto dos principais especialistas e gestores da água da região, os objectivos para a definição de valores limite representativos dos diferentes níveis de seca. Os aspectos principais indicados pelos representantes das entidades passaram pela distinção, através dos valores limite, entre: (i) o despoletar de uma situação de seca, permitindo a indicação do desenvolvimento de uma situação de seca, ainda em fase incipiente, mas minimizando falsos alarmes antes da adopção de medidas, e (ii) o alívio da mesma, situação em que os indicadores deverão ser conservativos, não permitindo a redução para classes de severidade inferiores sem que haja a confirmação de que a seca está mesmo em fase de alívio, evitando, todavia, situações de restrições prolongadas. Além disso, foi sugerido que os valores limite possibilitem uma certa estabilidade na classificação final, bem como uma transição suave e gradual entre níveis, devendo ser fáceis de determinar, compreender e implementar, para que possam apoiar, de forma eficaz, o processo de tomada de decisão e permitir uma justificação científica das decisões tomadas (Steinemann & Cavalcanti, 2006).

Perante estes objectivos, os indicadores seleccionados foram sujeitos a um processo de transformação para obtenção de maior consistência estatística, de forma a poderem ser agregados, comparados e analisados segundo o método dos percentis e da probabilidade de ocorrência associada. No caso da precipitação foi considerado o ajuste dos registos históricos a uma função de distribuição de probabilidade, neste caso a função de distribuição Gamma (para a aplicação do índice SPI), tendo sido avaliados diferentes períodos temporais para atender à maior estabilidade e menor oscilação na classificação de severidade de seca. Por sua vez, para as variáveis escoamento e volumes armazenados, foram definidas funções empíricas de distribuição de probabilidade, tendo por base a ordenação crescente dos registos históricos mensais. Assim, para cada mês, a estimativa de percentis é dada por [2.21]:

) , [2.21] sendo p(x) o valor de estimativa do percentil, i o número de ordem do registo avaliado e n o número de registos históricos total.

Depois de transformados os indicadores para determinação dos percentis, foram determinados os valores limite correspondentes a cada nível de severidade de seca (definidos na Tabela 2.7). Desta forma, foram obtidas as sequências de classificação de severidade de seca para cada indicador de base considerado. Estas sequências foram posteriormente