Kaiyu Guan, líder do projeto BESS-STAIR, deixou, e o autor principal Chongya Jiang, direito, são pesquisadores do Centro para Biocombustíveis Avançados e Inovação em Bioprodutos (CABBI) da Universidade de Illinois em Urbana-Champaign. Crédito:The Center for Advanced Biofuels and Bioproducts Innovation (CABBI)
A crescente ameaça de seca e o aumento da demanda por água tornaram as previsões precisas do uso da água nas plantações críticas para a gestão e sustentabilidade dos recursos hídricos.
Mas as limitações nos modelos existentes e nos dados de satélite apresentam desafios para estimativas precisas de evapotranspiração - uma combinação de evaporação do solo e transpiração das plantas. O processo é complexo e difícil de modelar, e os dados de sensoriamento remoto existentes não podem fornecer dados precisos, informações de alta resolução em uma base diária.
Uma nova estrutura de mapeamento de alta resolução chamada BESS-STAIR promete fazer exatamente isso, ao redor do globo. BESS-STAIR é composto por um modelo biofísico dirigido por satélite que integra a água das plantas, ciclos de carbono e energia - o Breathing Earth System Simulator (BESS) - com um algoritmo de fusão genérico e totalmente automatizado chamado STAIR (SaTellite dAta IntegRation).
O quadro, desenvolvido por pesquisadores do Centro de Bioenergia Avançada e Inovação de Bioprodutos do Departamento de Energia dos EUA (CABBI) da Universidade de Illinois em Urbana-Champaign, foi testado em 12 locais em todo o Cinturão do Milho dos EUA, e suas estimativas alcançaram o melhor desempenho relatado em qualquer estudo acadêmico até agora.
O estudo, publicado em Hidrologia e Ciências do Sistema Terrestre , foi liderado pelo Associado de Pesquisa de Pós-Doutorado Chongya Jiang, do tema de sustentabilidade do CABBI, e o líder do projeto Kaiyu Guan, Professor Assistente do Departamento de Recursos Naturais e Ciências Ambientais (NRES) e Professor da Blue Waters no National Center for Supercomputing Applications (NCSA).
"BESS-STAIR tem um grande potencial para ser uma ferramenta confiável para aplicações de gestão de recursos hídricos e agricultura de precisão para o Corn Belt dos EUA e até mesmo em todo o mundo, dada a cobertura global de seus dados de entrada, "Jiang disse.
Os métodos tradicionais de sensoriamento remoto para estimar a evapotranspiração dependem fortemente de dados de radiação térmica, medir a temperatura do dossel da planta e do solo à medida que eles esfriam por meio da evaporação. Mas esses métodos têm duas desvantagens:os satélites não podem coletar dados sobre as temperaturas da superfície em dias nublados; e os dados de temperatura não são muito precisos, que por sua vez afeta a precisão das estimativas de evapotranspiração, Disse Jiang.
Em vez disso, a equipe CABBI se concentrou nos ciclos de carbono-água-energia da planta. As plantas transpiram água para a atmosfera através de buracos em suas folhas chamados estômatos. À medida que a água sai, o dióxido de carbono entra, permitindo que a planta conduza a fotossíntese e forme biomassa.
O modelo BESS-STAIR primeiro estima a fotossíntese, depois, a quantidade de carbono e água que entra e sai. Os métodos anteriores de sensoriamento remoto não consideravam o componente de carbono como uma restrição, Disse Jiang. "Esse é o avanço desse modelo."
Outra vantagem:os métodos baseados na temperatura da superfície só podem coletar dados sob céu claro, então eles têm que interpolar a evapotranspiração para dias nublados, criando lacunas nos dados, ele disse. O modelo BESS-STAIR para todos os climas usa refletância de superfície, que é semelhante em dias claros e nublados, eliminando quaisquer lacunas.
O algoritmo STAIR fundiu dados de dois sistemas de satélite complementares - Landsat e MODIS - para fornecer dados de alta resolução diariamente, fornecendo alta resolução espacial e alta resolução temporal. O Landsat coleta informações detalhadas sobre as terras da Terra a cada oito a 16 dias; O MODIS fornece uma imagem completa do globo todos os dias para capturar mudanças mais rápidas na superfície da terra.
Esta não é a primeira vez que os pesquisadores combinam dados dos dois sensores de satélite, mas os métodos anteriores só funcionaram em uma pequena região por um curto período de tempo, Disse Guan. Os algoritmos anteriores eram difíceis de aumentar e não eram totalmente automáticos, requerendo entrada humana significativa, e eles não podiam ser aplicados em áreas amplas por um período de tempo mais longo.
Por contraste, a estrutura da equipe CABBI foi avaliada em diferentes regiões do Cinturão do Milho dos EUA ao longo de duas décadas, Disse Jiang. Os pesquisadores construíram um pipeline no supercomputador do NCSA para estimar automaticamente a refletância da superfície, bem como a evapotranspiração em grande escala por longos períodos de tempo. Usando dados de 2000 a 2017, a equipe aplicou BESS-STAIR em 12 locais em Corn Belt, validando de forma abrangente suas estimativas de evapotranspiração com medições de torres de fluxo em cada local. Eles mediram a precisão geral, bem como espacial, sazonal, e variações interanuais.
"Podemos fornecer diariamente, Evapotranspiração de resolução de 30 m a qualquer hora e em qualquer lugar no Cinturão do Milho dos EUA em horas, o que é sem precedentes, "Disse Guan.
A descoberta terá tempo real, benefícios práticos para os agricultores dos EUA que lidam com a crescente gravidade das secas, conforme documentado em vários estudos recentes.
“A agricultura de precisão é um dos nossos principais alvos. A evapotranspiração é muito importante para a irrigação e também muito importante para a gestão da água, "Disse Guan." Esta é uma solução que vai além de parcelas experimentais e impacta o mundo real, para milhões de campos em todos os lugares. "