@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"
}