A bacia hidrográfica, como a unidade territorial para a gestão de recursos hídricos, pode sofrer impactos como consequência à ocupação humana e desenvolvimento de suas atividades, ligadas à produção agrícola e industrial, geração de energia, abastecimento humano, saneamento, entre outros. De modo complementar às alterações na qualidade e na quantidade dos recursos hídricos, também se percebe alterações no uso e cobertura do solo na área das bacias hidrográficas. O estado do Rio de Janeiro, para fins de gestão, tem seu território dividido em nove regiões hidrográficas, cada uma possuindo um comitê de bacia e uma entidade delegatária exercendo a função de agência de água. A disponibilidade de recursos para realização da gestão nas regiões hidrográficas muitas vezes não é suficiente para condução de estudos a respeito do uso e cobertura do solo nessas áreas. Por outro lado, há uma variedade de ferramentas gratuitas e online para condução de análises ambientais diversas. Assim, a partir desse contexto, pretende-se implementar, no presente estudo, o uso de ferramenta online para mapeamento temporal do uso e cobertura do solo nas regiões hidrográficas do Rio de Janeiro como um instrumento de gestão local. A proposta parte do desenvolvimento de uma aplicação no Google Earth Engine (GEE), em que será elaborado um script no para que seja realizada a análise temporal do uso do solo com uso do repositório de imagens do Programa de Dados de Satélite da Iniciativa Internacional sobre Clima e Florestas da Noruega (do inglês, NICFI Satellite Data Program). O desenvolvimento dessa aplicação terá como área piloto a Região Hidrográfica V – Baía de Guanabara, que concentra a maior densidade populacional do estado. A partir dessa iniciativa, será desenvolvido um manual para que os gestores locais possam realizar suas próprias análises na plataforma, segundo os seus parâmetros de interesse, como área de análise, classes de uso de solo, entre outros. O desenvolvimento de uma ferramenta passível de ser aplicada diretamente pelos gestores locais pode auxiliar a superar um dos gargalos encontrados relacionados à falta de recursos e de mão de obra especializada para a condução de análises relacionadas a esse tipo de mapeamento. Assim, pretende-se contribuir para que as tecnologias atuais de sensoriamento remoto sejam cada vez mais incorporadas aos níveis locais de gestão.

Dissertação apresentada ao Programa de Pós-Graduação em Engenharia Civil da Universidade Federal da Integração Latino-Americana, como parte integrante dos requisitos para obtenção do título de Mestre em Engenharia Civil.

A Península Antártica (AP) representa uma das regiões mais dinâmicas e ecologicamente significativas da Antártida. Apesar de ser maioritariamente dominada por terreno glaciado, uma pequena fração da península é constituída por áreas livres de gelo (IFAs). Estas áreas, embora espacialmente limitadas, desempenham um papel importante na ecologia terrestre da região. Localizam-se tipicamente em penínsulas de baixa altitude, escarpas rochosas e nunataks isolados. Fornecem os únicos substratos para o crescimento da vegetação e formação de solos, além de suportarem colónias de aves marinhas e mamíferos. Consequentemente, funcionam como pontos críticos de biodiversidade num ambiente maioritariamente dominado pelo gelo. A AP tem sofrido alterações ambientais profundas nas últimas décadas. Desde, pelo menos, meados do século XX, foi identificada como um ponto quente das alterações climáticas, com taxas de aquecimento entre as mais elevadas registadas no planeta. Estas mudanças climáticas têm-se traduzido no recuo dos glaciares, perda de gelo marinho e colapso de importantes plataformas de gelo. Em conjunto, estes processos têm implicações significativas para a extensão e relevância ecológica das áreas livres de gelo. Assim, compreender a distribuição, a dinâmica e as características ambientais das IFAs é essencial para desenvolver uma visão integrada dos sistemas ecológicos e geomorfológicos da Península Antártica. Apesar de numerosos estudos locais terem sido realizados na AP, a maioria focou-se em questões científicas específicas ou áreas restritas. Avaliações regionais de alta resolução continuam a ser relativamente escassas, representando uma lacuna importante dada a fragmentação espacial das IFAs e o seu valor ecológico. O principal objetivo da investigação realizada foi colmatar essa lacuna, tirando partido dos recentes avanços na observação da Terra para melhorar a delimitação e caracterização das IFAs ao longo da Península Antártica. O estudo desenvolve-se a partir do trabalho de Burton-Johnson et al. (2016), em que cartografaram as IFAs utilizando imagens Landsat-8 a 30 m de resolução. O presente trabalho recorre a imagens Sentinel-2, com resolução espacial de 10 m, bem como a novos modelos digitais de elevação de alta resolução, para disponibilizar cartografia mais detalhada e uma análise regional sistemática das unidades geoecológicas. Um elemento central da investigação consistiu no desenvolvimento de um algoritmo na plataforma Google Earth Engine (GEE) para identificar IFAs a partir de dados de reflectância à superfície do Sentinel-2 (S2_SR). O algoritmo, que denominámos S2-IFA detection, foi concebido para superar vários desafios inerentes à deteção remota em regiões polares. Dá ênfase ao cálculo do Índice de Diferença Normalizada da Neve (NDSI), que permite distinguir entre superfícies cobertas de neve e superfícies livres de neve. Para isso, o algoritmo constrói compósitos de imagens livres de nuvens, aplicando limiares de probabilidade de nebulosidade e removendo píxeis contaminados por nuvens. Um passo fundamental consiste em selecionar o valor mínimo disponível para cada píxel em todas as bandas espectrais, garantindo que o dataset reflete a observação menos contaminada por nuvens ou neve. O compósito é depois refinado selecionando o píxel mais recente com o valor mais baixo na banda do infravermelho próximo (Banda 8). Uma vez construído o compósito, aplica-se o NDSI para delimitar as áreas livres de gelo. Um desafio importante foi o facto de o limiar de NDSI de 0,4, habitualmente usado na literatura para separar neve/gelo de solo, não se ter revelado adequado com a abordagem de compósitos. Após analisar a distribuição de valores de NDSI para neve e solo, concluiu-se que um limiar muito mais baixo, de 0,1, proporcionava uma separação mais precisa. Este valor reduziu os erros de classificação e melhorou a exatidão da deteção das IFAs. Ao identificar a zona de transição entre valores de neve/gelo e valores de solo, o estudo adaptou o algoritmo às condições específicas da Península Antártica, onde pequenas diferenças de cobertura superficial e misturas espectrais podem complicar a classificação. Dada a distribuição fragmentada das IFAs e a enorme extensão espacial da AP (cerca de 3.500 km de comprimento), foi necessário um enquadramento padronizado para a análise regional. Para isso foi utilizada uma grelha de 1 km², fornecendo unidades espaciais consistentes para caracterização adicional. Esta grelha assegura cobertura uniforme e permite a integração de variáveis ambientais diversas. Apenas as células que continham IFAs foram mantidas na análise, enquanto as células com menos de 50% de área terrestre foram excluídas. Para caracterizar o contexto ambiental de cada célula com IFAs, derivaram-se diferentes variáveis. A partir de Modelos Digitais de Elevação (DEMs) de alta resolução extraíram-se altitude e declive, fornecendo descritores morfométricos fundamentais. Também se calculou a distância à costa, reconhecendo a sua importância nos processos ecológicos. Além disso, foi criado um compósito Sentinel-2 para calcular o Índice de Vegetação por Diferença Normalizada (NDVI), destinado a detetar a presença de vegetação nas IFAs. Esta análise baseou-se em trabalhos anteriores (e.g., Casanovas et al., 2015; Vieira et al., 2014), que observaram que na Antártida os valores de NDVI são frequentemente mais baixos, devido à predominância de líquenes e à mistura espectral com rocha, solo, neve e gelo. Para extrair os sinais de vegetação, desenvolveu-se um script específico de processamento NDVI. Semelhante na estrutura ao algoritmo baseado em NDSI, o script NDVI aplicou igualmente máscaras de nuvens e compósitos de valores mínimos. O resultado foi um dataset que capturou o valor mínimo de NDVI para cada píxel, otimizado para detetar vegetação esparsa e de baixa refletância típica dos ambientes terrestres da Antártida. Apesar das semelhanças com a deteção de IFAs, introduziram-se algumas diferenças subtis para refinar a deteção de vegetação. A vegetação não foi a única variável ecológica considerada. Dados do Antarctic Ecosystems Inventory (Tóth et al., 2024) foram usados para identificar colónias de pinguins nas IFAs. Qualquer célula da grelha com vegetação ou colónias de pinguins em mais de 10% da sua área foi atribuída a uma nova classe geoecológica, expandindo o sistema de classificação para além dos critérios morfométricos e espectrais. Desta forma, foi criada uma tipologia de unidades geoecológicas que integra características abióticas e bióticas das IFAs da Península Antártica. A implementação do sistema de classificação baseado em Sentinel-2 enfrentou desafios significativos. As IFAs da AP são escassas, frequentemente muito pequenas e situadas em terrenos íngremes, com problemas de iluminação. A nebulosidade e a variabilidade sazonal da neve complicam ainda mais a análise, mesmo durante o curto verão. Assim, grande parte do trabalho de investigação concentrou-se no desenvolvimento, refinamento e validação do algoritmo S2-IFA, de modo a produzir um dataset de alta resolução fiável. Isto exigiu um esforço computacional substancial na plataforma GEE e uma calibração cuidadosa de limiares e procedimentos de filtragem. O resultado final do processo de deteção das IFAs foi uma grelha de 39.501 km², composta apenas por células contendo IFAs identificadas pelo método NDSI. Neste enquadramento, definiram-se 53 classes geoecológicas distintas, integrando informação de topografia, vegetação e colónias de pinguins. Trata-se de um avanço importante na caracterização regional das IFAs da AP. A fase final da investigação consistiu em avaliar relações entre as novas unidades geoecológicas e sistemas de classificação já existentes. Compararam-se os resultados com os Tipos de Ecossistemas Bioregionais definidos por Tóth et al. (2024) e com a classificação litológica SIMPDESC desenvolvida por Cox (2023). Neste último caso, a classificação foi simplificada para facilitar a análise. Em ambos os casos observaram-se correlações estatisticamente significativas, ainda que a força da associação fosse baixa a moderada. Este resultado reflete a complexidade de relacionar novas classificações espaciais com enquadramentos ecológicos ou geológicos prévios, sobretudo quando baseados em metodologias distintas. No conjunto, a investigação demonstra o potencial das imagens Sentinel-2, combinadas com processamento avançado em Google Earth Engine, para melhorar significativamente a cartografia e caracterização das áreas livres de gelo na Península Antártica. Confirma-se que as IFAs, embora reduzidas em extensão, são altamente heterogéneas e ecologicamente importantes. O novo dataset constitui um recurso para investigação e monitorização futuras, oferecendo maior resolução espacial e uma classificação mais detalhada do que estudos anteriores baseados em imagens de menor resolução. O estudo evidencia os desafios de cartografar ambientes polares. A complexidade espectral das IFAs, a influência da neve e da nebulosidade, e as dificuldades de escalonamento de análises locais para abordagens regionais constituem obstáculos significativos. O trabalho constitui o início de um caminho metodológico para integrar dados de satélite, modelos de elevação e inventários ecológicos num enquadramento geoecológico coerente.

Devido à escassez de água e num contexto de alterações climáticas, é fundamental a implementação, nos Aproveitamentos Hidroagrícolas das regiões mediterrânicas, de práticas melhoradas de gestão da rega. Estas devem abranger diferentes etapas, desde a captação da água na origem, até à rede de rega terciária, à escala da parcela do regante. Na base desta melhoria está a correta quantificação das necessidades de rega (NR) ao nível da parcela agrícola e a sua espacialização ao Perímetro de Rega (PR). Pretendeu-se com este trabalho estimar as necessidades globais de rega do PR do Lucefecit com recurso a Sistemas de Informação Geográfica que permitiram gerir uma grande quantidade com representação espacial e temporal. Os dados foram organizados em camadas climáticas, pedológicas, culturais, administrativas e sistemas de rega, com o objetivo de obter um mapa final com a informação agregada por unidades homogéneas de análise. Utilizaram-se, também, técnicas de Deteção Remota, a partir da plataforma Google Earth Engine, imagens do Sentinel–2 para o cálculo de NDVI de forma a melhorar a estimativa da curva dos coeficientes culturais. O balanço hídrico modelado com o ISAREG calculou as NR que alimentaram um mapa final com a sua distribuição espacial. Os resultados mostram que o aproveitamento hidroagrícola do Lucefecit consume 28,3% a mais das NR simuladas, o que equivale a uma diferença de 158 mm, e que as culturas que mais contribuem para essa diferença são as culturas dos cereais de outono-inverno (com um consumo 231% superior às NR), as pastagens (com um consumo 27,1% superior às NR) e o Milho (com um consumo 20,4% superior às NR). Verifica-se que o caudal de projeto do PRL tem uma capacidade superior à atualmente utilizada, sendo possível aumentar a área regada ou utilizar culturas mais exigentes em rega, com sistemas culturais mais intensivos

A análise das dinâmicas de uso e ocupação do solo na Região de Lisboa e Vale do Tejo é um dos principais objetivos da presente dissertação e é essencial para compreender as transformações do território nas últimas décadas e os seus impactos na sustentabilidade ambiental, no planeamento territorial e na competitividade agrícola. Para além de identificar as mudanças ocorridas, este estudo procura avaliar o desempenho dos instrumentos de planeamento em vigor face ao papel crucial que desempenham na regulação do uso do solo e na influência sobre as dinâmicas existentes. Os resultados evidenciam um aumento significativo dos territórios artificializados sobretudo em detrimento de áreas agrícolas. Contudo, políticas de valorização e de inovação agrícola promoveram uma recuperação parcial destas áreas no Oeste e na Lezíria do Tejo. Por outro lado, o aumento das áreas florestais reflete os esforços sobre a conservação ambiental e da biodiversidade, alinhados com instrumentos de planeamento como o PNPOT, PROF e PROT. A agricultura de regadio revelou-se essencial para o desenvolvimento e competitividade agrícola da região, por manter os níveis de produtividade elevados, tendo sido analisada a sua evolução através do Mapa Anual de Culturas Temporárias de Primavera/Verão, desenvolvido no Google Earth Engine, que apresentou uma exatidão global de 97,6% com a COSc 2021 e de 95,8% com os dados do IFAP. Por último, foram desenvolvidos cenários futuros utilizando o classificador Random Forest para avaliar a adequabilidade da agricultura de regadio face às alterações climáticas. O modelo treinado apresenta uma exatidão global de 74,3 %. Os resultados deste estudo destacam o potencial das ferramentas de monitorização e predição na gestão e planeamento territorial e no apoio à tomada de decisões sobre a gestão eficiente da água, conservação ambiental e integração das áreas urbanas e rurais, garantindo que se alinham com os objetivos dos instrumentos de planeamento.

The last eruption in the Fogo Volcano, which began in November 2014, was the first eruptive event captured by the Sentinel-1 (S1) mission. The present work sought to complement previous research and explore the potential of utilizing data from the Synthetic Aperture Radar (SAR) S1 mission to better monitor active volcanic areas. S1 Ground Range Detected (GRD) data was used to analyze the changes that occurred in the area before, during, and after the eruptive event and was able to identify the progress of the lava flow and measure the affected area (3.89 km2 in total). Using the GRD data on Google Earth Engine (GEE) platform demonstrated high potential in terms of response time to monitor and assess eruptive scenarios in near-real-time, which is fundamental to mitigate risks and to better support crisis management.

Small oceanic islands, such as São Miguel Island in the Azores (Portugal), face heightened susceptibility to the adverse impacts of climate change, biological invasions, and land cover changes, posing threats to biodiversity and ecosystem functions and services. Over the years, persistent conservation endeavors, notably those supported by the EU LIFE Programme since 2003, have played a pivotal role in alleviating biodiversity decline, particularly in the eastern region of São Miguel Island. This study advocates the application of remote sensing data and techniques to support the management and effective monitoring of LIFE Nature projects with land cover impacts. A land cover change detection approach utilizing Rao’s Q diversity index identified and assessed changes from 2002 to 2021 in intervention areas. The study analyzed the changes in LIFE project areas using ASTER, Landsat 8, and Sentinel 2 data through Google Earth Engine on Google Colab (with Python). This methodological approach identified and assessed land cover changes in project intervention areas within defined timelines. This technological integration enhances the potential of remote sensing for near-real-time monitoring of conservation projects, making it possible to assess their land cover impacts and intervention achievements.

Land Surface Temperature (LST) is increasingly important for various studies assessing land surface conditions, e.g., studies of urban climate, evapotranspiration, and vegetation stress. The Landsat series of satellites have the potential to provide LST estimates at a high spatial resolution, which is particularly appropriate for local or small-scale studies. Numerous studies have proposed LST retrieval algorithms for the Landsat series, and some datasets are available online. However, those datasets generally require the users to be able to handle large volumes of data. Google Earth Engine (GEE) is an online platform created to allow remote sensing users to easily perform big data analyses without increasing the demand for local computing resources. However, high spatial resolution LST datasets are currently not available in GEE. Here we provide a code repository that allows computing LSTs from Landsat 4, 5, 7, and 8 within GEE. The code may be used freely by users for computing Landsat LST as part of any analysis within GEE.

A atividade agrícola é muitas vezes considerada a principal causa para a presença de elevadas concentrações de nitratos (NO3-) nas águas subterrâneas, principalmente nas Zonas Vulneráveis aos Nitratos (ZVN). Esta situação pode ser devida ao uso excessivo de fertilizantes ou à gestão deficiente da sua aplicação. Também a prática da rega, nomeadamente a sua deficiente programação e condução e/ou a baixa eficiência de aplicação dos sistemas podem resultar, adicionalmente à precipitação, em excesso de água que origina percolação profunda e serve de transporte dos nitratos até às massas de água. A ZVN de Elvas, localizada sobre dois aquíferos, inclui o Aproveitamento Hidroagrícola do Caia. O presente trabalho pretende averiguar a existência, neste Aproveitamento, de zonas de elevada recarga dos aquíferos, com elevado potencial para o transporte de NO3- entre 2016 e 2020. Pretende-se também quantificar as recargas com origem na rega e na precipitação. Recorreu-se ao modelo ISAREG para a determinação da drenagem para abaixo da zona radical, que foi posteriormente espacializada e convertida em recarga do aquífero com base na sua litologia e profundidade. A identificação e caracterização dos ciclos culturais, fundamental para a quantificação das necessidades de rega, foi baseada no tratamento de imagens do Sentinel-2 de elevada resolução espácio-temporal na plataforma Google Earth Engine. Os resultados mostram que a recarga dos aquíferos ocorre predominantemente associada à precipitação e fora da campanha de rega. Os valores mais elevados de recarga ocorreram em zonas com reduzida capacidade de armazenamento da zona da vadosa e profundidade reduzida do aquífero, que se localizam principalmente a Sul do Aproveitamento. A recarga média anual para 2018 e 2020 foi de 81,5 e 104,9 mm.ano-1 respetivamente, sendo que para 2017 (ano seco) este valor se reduziu para cerca de metade, 56,3 mm.ano-1.