Luciana Rossato Spatafora

This work analyzes the quality of the soil moisture L3 (25 km) and L4 (1 km) products generated at the Barcelona Expert Center (BEC) in two sites located in distinct semi-arid regions, where measurement networks are installed: “Red de Estaciones de Medición de la Humedad del Suelo” (REMEDHUS), which is located in the central part of the Duero basin (Spain), and National Center for Monitoring and Early Warning of Natural Disasters (CEMADEN), at Northeast of the Brazil. REMEDHUS has been used as a calibration/validation site for SMOS and SMAP missions. It is a dense network covering 35 x 35 km2 and it has 22 stations. The CEMADEN network provides a database for the development of early warnings for natural disasters that occurs in Brazil, such as droughts and floods. It is a sparse network covering 1000 x 1000 km2 with more than 500 station. Results show good correspondence between SMOS L4 data and the in situ soil moisture data for REMEDHUS and CEMADEN networks. Correlations mean range from 0.3 to 0.8, and depend mainly on the station situation, soil type, and land cover on both Spain and Brazil networks. For the average data of both series, the correlation coefficient is higher than 0.6. Results show that the L4 product are better correlated than the L3 product, although L4 and L3 products are quite similar. This indicates that both products are ready for its operational use, with L4 providing a better representation of the soil moisture status at finer scales.Validação de produtos de umidade do solo, SMOS L3 e L4, nas redes REMEDHUS (Espanha) e CEMADEN (Brasil) R E S U M OEste trabalho analisa a qualidade dos produtos L3 (25 km) e L4 (1 km) de umidade do solo gerados no Barcelona Expert Center (BEC) em dois locais localizados em regiões semi-áridas distintas, onde estão instaladas redes de medição: Estações de Medição de Umidade do Solo” (REMEDHUS), localizado na parte central da bacia do Douro (Espanha), e Centro Nacional de Monitoramento e Aviso Prévio de Desastres Naturais (CEMADEN), no nordeste do Brasil. O REMEDHUS foi usado como um local de calibração / validação para missões SMOS e SMAP. É uma rede densa cobrindo 35 x 35 km2 e possui 22 estações. A rede CEMADEN fornece um banco de dados para o desenvolvimento de alertas precoces de desastres naturais que ocorrem no Brasil, como secas e inundações. É uma rede esparsa cobrindo 1000 x 1000 km2 com mais de 500 estações. Os resultados mostram boa correspondência entre os dados SMOS L4 e os dados de umidade do solo in situ para as redes REMEDHUS e CEMADEN. As correlações variam de 0,3 a 0,8 e dependem principalmente da situação da estação, tipo de solo e cobertura do solo nas redes da Espanha e do Brasil. Para os dados médios de ambas as séries, o coeficiente de correlação é superior a 0,6. Os resultados mostram que o produto L4 está melhor correlacionado que o produto L3, embora os produtos L4 e L3 sejam bastante semelhantes. Isso indica que ambos os produtos estão prontos para seu uso operacional, com L4 fornecendo uma melhor representação do status de umidade do solo em escalas mais refinadas.Palavras-chave: umidade do solo, satélite SMOS, validação, REMEDHUS, CEMADEN.

Soil moisture over the Brazilian semiarid region is presented in different visualizations that highlight spatial, temporal and short-term agricultural risk. The analysis used the Soil Moisture Index (SMI), which is based on a normalization of soil moisture by field capacity and wilting point. The index was used to characterize the actual soil moisture conditions into categories from severe drought to very wet. In addition, the temporal evolution of SMI was implemented to visualize recent trends in short-term drought and response to rainfall events at daily time steps, as new data are available. Finally, a visualization of drought risk was developed by considering a critical value of SMI (assumed as 0.4), below which water stress is expected to be triggered in plants. A novel index based on continuous exposure to critical SMI was developed to help bring awareness of real time risk of water stress over the region: the Index of Stress in Agriculture (ISA). The index was tested during a drought over the region and successfully identified locations under water stress for periods of three days or more. The monitoring tools presented here help to describe the real time conditions of drought over the region using daily observations. The information from those tools support decisions on agricultural management such as planting dates, triggering of irrigation, or harvesting.

Microwave-based satellite rainfall products offer an opportunity to assess rainfall-related events for regions where rain-gauge stations are sparse, such as in Northeast Brazil (NEB). Accurate measurement of rainfall is vital for water resource managers in this semiarid region. In this work, the SM2RAIN-CCI rainfall data obtained from the inversion of the microwave-based satellite soil moisture (SM) observations derived from the European Space Agency (ESA) Climate Change Initiative (CCI), and ones from three state-of-the-art rainfall products (Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS), Climate Prediction Center Morphing Technique (CMORPH), and Multi-SourceWeighted-Ensemble Precipitation (MSWEP)) were evaluated against in situ rainfall observations under different bioclimatic conditions at the NEB (e.g., AMZ, Amazônia; CER, Cerrado; MAT, Mata Atlântica; and CAAT, Caatinga). Comparisons were made at daily, 5-day, and 0.25° scales, during the time-span of 1998 to 2015. It was found that 5-day SM2RAIN-CCI has a reasonably good performance in terms of the correlation coefficient over the CER biome (R median: 0.75). In terms of the root mean square error (RMSE), it exhibits better performance in the CAAT biome (RMSE median: 12.57 mm). In terms of bias (B), the MSWEP, SM2RAIN-CCI, and CHIRPS datasets show the best performance in MAT (B median: −8.50%), AMZ (B median: −0.65%), and CER (B median: 0.30%), respectively. Conversely, CMORPH poorly represents the rainfall variability in all biomes, particularly in the MAT biome (R median: 0.43; B median: −67.50%). In terms of detection of rainfall events, all products show good performance (Probability of detection (POD) median > 0.90). The performance of SM2RAIN-CCI suggests that the SM2RAIN algorithm fails to estimate the amount of rainfall under very dry or very wet conditions. Overall, results highlight the feasibility of SM2RAIN-CCI in those poorly gauged regions in the semiarid region of NEB.

A seca é considerada o desastre natural que pode causar as maiores perdas econômicas e sociais, com o maior número de pessoas afetadas diretamente dentre todos os tipos de desastres naturais. Na região semiárida do Brasil, é manifestada por meio da redução da produtividade agrícola ou mesmo pecuária, causando sérios problemas sócio-políticos. Diferentes indicadores de seca são conhecidos e utilizados na comunidade científica. O presente trabalho explora a aplicabilidade de um índice híbrido de seca, calculado a partir de dados de NDVI e temperatura da superfície, denominado VSWI. O índice foi aplicado em áreas de pastagens no semiárido do Brasil para a avaliação dos impactos da seca de 2012-2013 na vegetação. De acordo com os resultados 85% da região foi impactada pela seca entre os anos de 2012-2013. De maneira geral, os resultados obtidos por meio do índice VSWI concordaram com aqueles obtidos por meio de interpolação de dados observacionais de precipitação, armazenamento de água no solo (modelo de balanço hídrico) e dados de produção pecuária. Diante disso, a relação empírica LST-NDVI pode ser eficazmente explorada como um indicador das características espaço-temporais de condições de estresse hídrico na vegetação para a região semiárida do Brasil. Além disso, os resultados também pontuaram para a importância da dinâmica da vegetação nas análises dos impactos da seca, uma vez que anos previamente mais secos ou mais úmidos apresentam impactos nos anos subsequentes (efeitos memória e recuperação vegetal).