Devido as ações antrópicas e uso desordenado dos recursos naturais, nosso planeta tem apresentado constantes mudanças nas paisagens devido as alterações no uso e ocupação do solo. Para reduzir, ou até mesmo cessar o uso irracional dos recursos naturais, faz-se necessário o constante monitoramento do uso e cobertura do solo, e para tal, tem-se utilizado imagens de satélite para obter informações espaço-temporais das modificações da paisagem. Diante disso, o objetivou-se com este trabalho, trabalho realizar a classificação e identificação das mudanças de uso e ocupação do solo no município de Anápolis – Go. Para isso, foram utilizadas uma imagem de satélite Landsat-5, de 1985, e outra do Landsat-8, de 2015. Para Para a identificação das classes de uso e cobertura do solo foi utilizada as bandas 5R4G3B, para o Landsat 5, e 6R5G4B, para o Landsat 8. O processo de classificação supervisionada de imagens foi realizado a partir dos algoritmos da mínima distância e da máxima verossimilhança, selecionando a de melhor acurácia de acordo com o Kappa. Em relação aos resultados, observou-se que o melhor classificador foi o de máxima verossimilhança, com excelente índice Kappa. Em 1985, as classes de formações vegetais cobriram 38,89% da região, enquanto as atividades agrícolas 24,96% e as áreas degradadas ou de recuperação 30,62%. Em 2015, a agricultura representou 15,31%, a vegetação natural 20,50% e as áreas degradadas ou em recuperação 54,28%. As maiores reduções percentuais corresponderam a formações campestres, de 14,73%, e os aumentos percentuais às áreas de recuperação, de 25,43%. No período de 30 anos, houve um aumento substancial das atividades antrópicas em detrimento da vegetação natural. Os altos percentuais de áreas degradadas nos últimos 30 anos, revelam a consolidação das atividades humanas no município, sendo necessário uma melhor gestão e planejamento dos espaços destinados a uso humano e a vegetação natural.
RESUMOA estimativa de dados meteorológicos é imprescindível quando não se dispõe de dados observacionais. No entanto, a confiabilidade no uso destes, está condicionada a existência de concordância entre os dados preditos e os observados. Particularmente para a variável temperatura do ar, sendo uma das mais importantes para o planejamento das atividades agrícolas. Diante disso, objetivou-se com este trabalho, estimar os valores máximos, mínimos e médios da tempetura do ar, na escala decendial, a partir de coordenadas geográficas e altitude para o estado de Goiás. Para tanto, foram consideradas séries históricas de dados (1987-2017) oriundas de 27 municípios goianos. Para as estimativas consideradas neste estudo utilizou-se técnicas de análise de regressão múltipla, onde foi verificada a significância dos modelos preditores. Os coeficientes de determinação ajustados resultantes do modelo encontrado variaram de 0,66 a 0,82 para Tmax, de 0,56 a 0,72 para Tmin e de 0,66 a 0,74 para Tmed. Com este resultado, as médias das temperaturas máximas e médias decendiais, podem ser estimadas satisfatoriamente nos municípios goianos por meio da altitude, latitude e longitude.Palavras-chave: modelo matemático, temperatura do ar, regressão múltipla GEOGRAPHICAL COORDINATES AND ALTITUDE IN AIR TEMPERATURE ESTIMATION IN THE STATE OF GOIÁS ABSTRACTThe estimation of meteorological data is essential when observational data are not available. However, the reliability in its use, is conditioned by the existence of agreement between the predicted and observed data. Particularly for the variable air temperature, one of the most important for the planning of agricultural activities, this type of information has a strategic character. The objective of this work was to estimate the air temperature, maximum, minimum and mean values of air temperature, in the decendial scale, from geographic coordinates and altitude for the state of Goiás (Brazil). Historical data series from 27 municipalities in the state of Goiás were considered. For the estimates considered in this study multiple regression analysis techniques were used, where the significance of the predictive models was verified. The adjusted coefficients of determination resulting from the model found ranged from 0.66 to 0.82 for Tmax, from 0.56 to 0.72 for Tmin and from 0.66 to 0.74 for Tmed. With this result, mean maximum and average decendial temperatures can be estimated satisfactorily in the municipalities of Goiás by means of altitude, latitude and longitude.
Despite the importance of global solar radiation (Rs), data of this variable are available for many regions of Brazil due to low density of surface weather stations, mainly in the North and Central-West regions. The estimation of this variable for regions with no Rs data are based on mathematical models, which has shown to be a via work was to contribute to these studies through the calibration and evaluation of three traditional models: Angstrom-Prescott (AP), Hargreaves (HAR), and Bristow propose a new model (PMo) for estimation of Rs from multiple regression. The models were adjusted and evaluated for six locations in the state of Goiás (Central meteorological data from 2008 to 2016. The local adjustment process improved the predictive capacity of the models AP (r 2 = 0.74 and MAE = 1.68), BC (r = 0.55 and MAE = 2.32). However, according to the Nash index, unsatisfactory performances were found for the HAR model for the municipalities of Mineiros and Rio for Rio Verde. Despite requiring more meteorological variables, the PMo model estimated Rs adequately for the evaluated regions (r and HAR methods.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.