@InProceedings{AlvesRuhoSouzRobe:2023:EsPrBr,
               author = "Alves, Wilany Rodrigues Galv{\~a}o and Ruhoff, Anderson Luis and 
                         Souza, Vanessa de Arruda and Roberti, D{\'e}bora Regina",
          affiliation = "{Universidade Federal do Rio Grande do Sul (UFRGS)} and 
                         {Universidade Federal do Rio Grande do Sul (UFRGS)} and 
                         {Universidade Federal do Rio Grande do Sul (UFRGS)} and 
                         {Universidade Federal de Santa Maria (UFSM)}",
                title = "Estimativa de produtividade bruta (GPP) utilizando imagens Landsat 
                         e o modelo GEESEBAL",
            booktitle = "Anais...",
                 year = "2023",
               editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz 
                         Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
                pages = "e155874",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "GPP, geeSEBAL, CASA, LUE, landsat, GPP, geeSEBAL, CASA, LUE, 
                         landsat.",
             abstract = "A GPP corresponde ao carbono fixado pela vegeta{\c{c}}{\~a}o. 
                         Com o objetivo de facilitar a compreens{\~a}o e analisar a 
                         din{\^a}mica dos fluxos de carbono, foi desenvolvido uma 
                         ferramenta para estimar a GPP para o Brasil usando imagens 
                         Landsat. Utilizamos o modelo geeSEBAL associado ao CASA no 
                         ambiente de programa{\c{c}}{\~a}o da plataforma Google Earth 
                         Engine. O modelo foi aplicado em oito s{\'{\i}}tios 
                         experimentais, localizados nos biomas da Amaz{\^o}nia, Cerrado e 
                         Pampa. As estimativas de GPP di{\'a}rias obtidas pelo modelo 
                         geeSEBAL foram comparadas aos dados observados em torres de fluxo 
                         e tamb{\'e}m com o produto MOD17. Com os resultados obtidos, 
                         verificamos que o geeSEBAL e o MOD17 apresentaram RMSD m{\'e}dio 
                         de 3,35 e 3,54 gCm-2dia-1 em rela{\c{c}}{\~a}o aos dados 
                         observados e os valores de R2 foram maiores para a regi{\~a}o sul 
                         do Brasil. ABSTRACT: A GPP corresponde ao carbono fixado pela 
                         vegeta{\c{c}}{\~a}o. Com o objetivo de facilitar a 
                         compreens{\~a}o e analisar a din{\^a}mica dos fluxos de carbono, 
                         foi desenvolvido uma ferramenta para estimar a GPP para o Brasil 
                         usando imagens Landsat. Utilizamos o modelo geeSEBAL associado ao 
                         CASA no ambiente de programa{\c{c}}{\~a}o da plataforma Google 
                         Earth Engine. O modelo foi aplicado em oito s{\'{\i}}tios 
                         experimentais, localizados nos biomas da Amaz{\^o}nia, Cerrado e 
                         Pampa. As estimativas de GPP di{\'a}rias obtidas pelo modelo 
                         geeSEBAL foram comparadas aos dados observados em torres de fluxo 
                         e tamb{\'e}m com o produto MOD17. Com os resultados obtidos, 
                         verificamos que o geeSEBAL e o MOD17 apresentaram RMSD m{\'e}dio 
                         de 3,35 e 3,54 gCm-2dia-1 em rela{\c{c}}{\~a}o aos dados 
                         observados e os valores de R2 foram maiores para a regi{\~a}o sul 
                         do Brasil.",
  conference-location = "Florian{\'o}polis",
      conference-year = "02-05 abril 2023",
                 isbn = "978-65-89159-04-9",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/4932U2L",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/4932U2L",
           targetfile = "155874.pdf",
                 type = "Meteorologia e climatologia",
        urlaccessdate = "10 maio 2024"
}