Resumo A cobertura vegetal da superfície terrestre é um dos condicionante da variação de temperatura do ar encontrado nestes locais. Assim o objetivo da presente pesquisa é verificar a correlação espacial existente entre os padrões de uso da terra e valores de temperatura de superfície (Ts) registrados pelo satélite Landsat 8. A área de estudo está localizada na zona rural de Francisco Beltrão/PR, caracterizada pela presença de usos agrícolas de subsitência. Foram processados dados de cenas datadas de 27/11/2017 e 13/12/2017, tanto para a obtenção dos mapas de uso e cobertura da terra, como para os dados de temperatura de superfície. As Ts registradas por cada uma das classes de uso da terra: água, floresta, campo sujo, campo, lavoura e solo exposto, demosntraram uma forte correlação de Pearson, sendo de 0,9116 e 0,9292 respectivamente para as cenas mapeadas. Ao analisar a homogeneidade entre as variâncias da Ts de cada classe, verificou-se que os valores das médias não possuem uma similaridade mínima significativa entre si. O teste de Tukey indicou que para a primeira data nenhuma das classes de uso apresentou valores semelhantes entre si. Já para a segunda data as classes de água e floresta apresentaram Ts estatisticamente similares, além das classes de campo sujo e campo.

Abstract The vegetation covering of the terrestrial surface is one of the conditioning factors for the variation in air temperature found in these places. Thus, the objective of this research is to verify the spatial correlation between land use patterns and surface temperature values (Ts) recorded by Landsat 8 satellite. The study area is located in the rural area of Francisco Beltrão/PR, characterized by the presence of subsistence agricultural uses. Scene data dated 11/27/2017 and 12/13/2017 were processed, both for obtaining land use and land covering maps, as well as for surface temperature data. The registered Ts for each class of land use: water, dense forest, open forest, grazing, plantation, and cropped land showed a strong Pearson correlation, being 0.9116 and 0.9292 respectively for the mapped scenes. When analyzing the homogeneity between the Ts variances of each class, it was found that the values of the means do not have a significant minimum similarity to each other. The Tukey test showed that none of the classes of use showed similar values for the first date. For the second date, however, the water and dense forest classes had statistically similar Ts, in addition to the open forest and grazing classes.

Os padrões de uso da terra e a utilização dos recursos naturais motivam atualmente muitas pesquisas no campo da simulação de cenários em diversas regiões do mundo. Igualmente, o presente trabalho pretende simular o cenário de florestas nativas do Rio Grande do Sul a fim de localizar e quantificar em um mapa a evolução das florestas deste Estado para o ano de 2020. Para tanto, foram classificados os padrões de uso da terra em imagens dos satélites referentes aos anos de 1988, 1998 e 2007. O mapa da evolução florestal, ao ser cruzado com vários mapas temáticos de aspectos físicos e humanos, definiu, respectivamente, a matriz de transição Markov e os pesos de evidências, ambos requisitos na calibração do modelo estocástico. Como resultado, a simulação da paisagem florestal do Rio Grande do Sul para o ano de 2020 apresentou um aumento de áreas de floresta nativa em quase todas as regiões do Estado com mais de 5.113km².

Land use patterns and the potential misuse of our planet's natural resources have recently called the attention of an increasing worldwide number of studies in the area of scenario simulation. In this context, the present study aims at simulating the native forest scenario of the southern state of Rio Grande do Sul, Brazil, for the 2020, by locating and quantifying in a map the evolution of forest in this state. Land use patterns were classified based on satellite images from the years 1988, 1998 and 2007. The forest evolution map was cross-checked with several thematic maps of physical and human aspects and defined the Markov transition matrix and the evidence weights, both of which are requirements for the calibration of the stochastic model. The simulation of Rio Grande do Sul's forest landscape for the year 2020 showed an increase of the native forest in almost all regions of the state, covering an area of more than 5,113km².