UNIVERSIDADE FEDERAL DE CAMPINA GRANDE
CENTRO DE TECNOLOGIA E RECURSOS NATURAIS
UNIDADE ACADÊMICA DE CIÊNCIAS ATMOSFÉRICAS
PÓS-GRADUAÇÃO EM METEOROLOGIA
DISSERTAÇÃO DE MESTRADO
ESTIMATIVA DA EVAPOTRANSPIRAÇÃO PARA O DISTRITO
IRRIGADO DE PALO VERDE, CALIFÓRNIA - ESTADOS UNIDOS,
UTILIZANDO DADOS MEDIDOS EM SUPERFÍCIE E OBTIDOS POR
SATÉLITE
ÉLDER GUEDES DOS SANTOS
Campina Grande, Fevereiro de 2015.
PB – Brasil
2
ÉLDER GUEDES DOS SANTOS
ESTIMATIVA DA EVAPOTRANSPIRAÇÃO PARA O DISTRITO
IRRIGADO DE PALO VERDE, CALIFÓRNIA - ESTADOS UNIDOS,
UTILIZANDO DADOS MEDIDOS EM SUPERFÍCIE E OBTIDOS POR
SATÉLITE
Dissertação apresentada ao Programa de Pós-
graduação em Meteorologia da Universidade
Federal de Campina Grande – UFCG, em
cumprimento às exigências para obtenção do título
de Mestre em Meteorologia.
Área de concentração: Meteorologia de Meso e Grande escalas
Linha de Pesquisa: Radiação e Sensoriamento Remoto
Orientador: Dr. Carlos Antonio Costa dos Santos (UFCG – CTRN – UACA)
Campina Grande, Fevereiro, 2015.
PB – Brasil
3
4
5
DEDICATÓRIA
Dedico aos meus pais, José Everaldo Lopes dos Santos e Lúcia de Fátima Guedes dos Santos.
6
AGRADECIMENTOS
Agradeço a Deus por tudo que Ele tem realizado em minha vida, e ter me concedido
saúde e sabedoria em mais uma fase da minha vida.
Ao Programa de Pós-Graduação em Meteorologia (UACA) do Centro de Tecnologia e
Recursos Naturais da Universidade Federal de Campina Grande, pela oportunidade e pela
confiança depositada.
Ao Prof. Dr. Carlos Antonio Costa dos Santos, pela orientação deste trabalho, pela
amizade e confiança, como também a oportunidade de trabalho desde a minha graduação a
qual foi fundamental para minha vida acadêmica.
A todos os professores e funcionários da Unidade Acadêmica de Ciências
Atmosféricas (UACA)/UFCG.
Aos membros da banca examinadora, Prof. Dr. Humberto (UFAL), Prof. Dr. Ivaldo
(UFCG) e Prof. Carlos (UFCG) pelas valiosas contribuições para a melhoria deste trabalho.
A CAPES (Coordenação de Aperfeiçoamento do Pessoal de Ensino Superior), pelos
recursos financeiros concedidos durante o curso.
Aos meus irmãos, Everton Guedes dos Santos e Emanuel Guedes dos Santos.
Aos colegas de pós-graduação, Leandro, Francisco, Roberta, Leonardo, Zé filho,
Jaqueline, Leydson, Camilla, Uelpis, Ewerton, Vanessa, Francineide, Edcarlos, Pamela,
Waléria, Gabriela, Rafaela, também aos amigos de pós-graduação em engenharia de
processos, Aguinaldo, Evaldo, Iran, João Paulo, Vieira.
Por fim, agradeço a todos que de forma direta ou indireta colaboraram para elaboração
deste trabalho.
MUITO OBRIGADO!!!
7
SUMÁRIO
LISTA DE FIGURAS.................................................................................................................9
LISTA DE TABELAS............................................................................................................11
LISTA DE ABREVIAÇÕES, SIGLAS E SÍMBOLOS...........................................................12
RESUMO..................................................................................................................................14
ABSTRACT..............................................................................................................................15
INTRODUÇÃO ........................................................................................................................ 16
CAPÍTULO I ............................................................................................................................ 16
1.2 - OBJETIVOS..................................................................................................................... 19
1.2.1- Objetivo Geral...................................................................................................19
1.2.2- Objetivos específicos..........................................................................................19
CAPÍTULO II ........................................................................................................................... 20
REVISÃO BIBLIOGRÁFICA ................................................................................................. 20
2.1- Evapotranspiração ......................................................................................................... 20
2.2- Saldo de radiação e Sensoriamento Remoto ................................................................. 23
2.3 - Método da Razão de Bowen......................................................................................... 25
2.4 - S-SEBI (Simplified Surface Energy Balance Index) ................................................... 26
2.5 - Aplicações de outros métodos para estimar a ET.............................................................31
CAPÍTULO III ......................................................................................................................... 34
MATERIAIS E MÉTODOS ..................................................................................................... 34
3.1 - Área de Estudo e Dados ............................................................................................... 34
3.2 – Metodologia ................................................................................................................. 40
3.2.1- Os algoritmos SEBAL E S-SEBI...................................................................................41
3.2.1.1- Calibração Radiométrica (L) ......................................................................... 41
3.2.1.2 - Reflectância Monocromática ().................................................................. 42
3.2.1.3 - Albedo Planetário ou Albedo no Topo da Atmosfera .................................... 43
3.2.1.4 – Albedo da Superfície ..................................................................................... 43
3.2.1.5 - Índices de Vegetação (IVDN, IVAS) e Índice de Área Foliar (IAF) ............. 44
3.2.1.6 – Emissividades ................................................................................................ 44
8
3.2.1.7 - Temperatura da Superfície (TS) ...................................................................... 45
3.2.1.8 - Radiação de Onda Longa Emitida ( LR ) ....................................................... 45
3.2.1.9 - Radiação de Onda Longa Incidente ( LR )..................................................... 46
3.2.1.10 - Radiação de Onda Curta Incidente ( SR ) .................................................... 46
3.2.1.11 - Saldo de Radiação (Rn) ................................................................................ 46
3.2.1.12 - Fluxo de Calor no Solo (G) .......................................................................... 47
3.2.1.13 - Fluxo de Calor Sensível (H), Fluxo de Calor Latente (LE), Fração
deEvapotranspiração de Referência Horária (ETrf_h) e a Evapotranspiração Real Diária
(ETa) (Aplicação do Algoritmo S-SEBI) ...................................................................... 47
CAPÍTULO IV ......................................................................................................................... 50
4.ANÁLISE ESTATÍSTICA ...................................................................................................50
CAPÍTULO V........................................................................................................................... 52
5.1 - Resultados e discussão ................................................................................................ 52
5.2 - Validação.....................................................................................................................57
5.3 - Aplicação do algoritmo S-SEBI..................................................................................64
5.4 - Evapotranspiração real diária (ETr).............................................................................66
5.5 - Saldo de radiação (Rn)................................................................................................75
CAPÍTULO VI ......................................................................................................................... 83
CONCLUSÕES ........................................................................................................................ 83
REFERÊNCIAS BIBLIOGRÁFICAS .................................................................................... 85
9
LISTA DE FIGURAS
Figura 1 - Localização da área de estudo: Distrito Irrigado de Palo Verde (PVID) no Baixo
Rio Colorado, juntamente com as áreas irrigadas.....................................................................35
Figura 2 – Estação micrometeorológica utilizada para obtenção do BE pelo método da razão
de Bowen (BERB) .................................................................................................................... 37
Figura 3 - Modelo da estação meteorológica do Sistema de Informação e Monitoramento da
Irrigação na Califórnia (CIMIS), utilizada para medir os parâmetros meteorológicos. ........... 39
Figura 4 – a)Localização da torre micrometeorológica, junto com as demais estações
utilizadas no estudo, b) Mapa classificativo de colheita no PVID para o ano de 2008 ............ 40
Figura 5 – Fluxograma das etapas do processamento para obtenção do balanço de radiação à
superfície (Rn) pelo algoritmo SEBAL.....................................................................................41
Figura 6 - Representação esquemática da relação entre a temperatura da superfície e a
reflectância da superfície...........................................................................................................49
Figura 7 - Distribuição temporal das variáveis: temperatura do ar (°C), umidade relativa
(%),velocidade do vento (ms-1
), radiação solar (Wm-2
), precipitação (mm), e
evapotranspiração de referência média mensal (ET0), no Distrito Irrigado de Palo Verde,
Califórnia (EUA) para o período de 2001 a 2013 respectivamente. ........................................ 54
Figura 8 - Distribuição temporal das variáveis: temperatura do ar (°C), umidade relativa (%)
e velocidade do vento (ms-1
) no Distrito Irrigado de Palo Verde, Califórnia (EUA) para os
anos de 2007 e 2008 respectivamente. ..................................................................................... 55
Figura 9 - Distribuição temporal das variáveis: radiação solar (Wm-2
), precipitação (mm), e
evapotranspiração de referência (ET0), no Distrito Irrigado de Palo Verde, Califórnia (EUA)
para os anos de 2007 e 2008 respectivamente................. ......................................................... 56
Figura 10– Gráficos de dispersão entre as variáveis ETr e Rn observado e estimado pelo S-
SEBI, para alguns dias dos anos de 2007 e 2008 respectivamente...........................................61
Figura 11 - Distribuição espacial da ETr no Distrito Irrigado de Palo Verde (PVID),
Califórnia (EUA) para os DJ (2007): a) 128; b) 144; c) 160; d) 176; e) 192; f) 224; g) 240; h)
256; i) 272, obtidas através do algoritmo S-SEBI. .............................................................. 66-68
Figura 12 - Distribuição espacial da ETr no Distrito Irrigado de Palo Verde (PVID),
Califórnia (EUA) para os DJ (2008): a) 19; b) 42; c) 67; d) 83; e) 99; f) 115; g) 131; h) 147; i)
10
163; j) 170; k)195; l) 211; m) 218; n) 234; o) 259; p) 275; q) 291; r) 314; s) 323, obtidas
através do algoritmo S-SEBI. ............................................................................................ ..69-73
Figura 13 - Distribuição espacial do Rn no Distrito Irrigado de Palo Verde (PVID), Califórnia
(EUA) para os DJ (2007): a) 128; b) 144; c) 160; d) 176; e) 192; f) 224; g) 240; h) 256; i) 272,
obtidas através do algoritmo S-SEBI................................................................................... 75-77
Figura 14 - Distribuição espacial do Rn no Distrito Irrigado de Palo Verde (PVID), Califórnia
(EUA) para os DJ (2008): a) 19; b) 42; c) 67; d) 83; e) 99; f) 115; g) 131; h) 147; i) 163; j)
170; k)195; l) 211; m) 218; n) 234; o) 259; p) 275; q) 291; r) 314; s) 323, obtidas através do
algoritmo S-SEBI.................................................................................................................77-82
11
LISTA DE TABELAS
Tabela 1- Instrumentação utilizada nas estações meteorológicas do Sistema de Informação e
Monitoramento da Irrigação na Califórnia (CIMIS) instalada no Distrito Irrigado de
PaloVerde (PVDI).....................................................................................................................39
Tabela 2 - Constantes de calibração (LMAX e LMIN) do Landsat 5-TM ..................................... 42
Tabela 3 - Valores do ESUN(Wm-2
µm-1
) válidos para o Landsat 5 ....................................... 42
Tabela 4 - Coeficientes de cada banda para o cômputo do albedo no topo da atmosfera ....... 43
Tabela 5 – Evapotranspiração real observado (ETr obs) (mmdia-1
), evapotranspiração real
estimado (ETrS-SEBI) (mmdia-1
), erros absoluto e percentual médios e raiz do erro quadrático
médio, para alguns dias de estudo referentes ao ano de 2007. ................................................. 57
Tabela 6 – Evapotranspiração real observado (ETr obs) (mmdia-1), evapotranspiração real
estimado (ETr S-SEBI) (mmdia-1), erros absoluto e percentual médios e raiz do erro
quadrático médio, para alguns dias de estudo referentes ao ano de 2008 ................................ 58
Tabela 7 – Saldo de radiação observado (Rn obs) (Wm-2
), Saldo de radiação estimado (Rn S-
SEBI) (Wm-2
), erros absoluto e percentual médios e raiz do erro quadrático médio, para
alguns dias de estudo referentes ao ano de 2007. ..................................................................... 60
Tabela 8 – Saldo de radiação observado (Rn obs) (Wm-2
), Saldo de radiação estimado (Rn S-
SEBI) (Wm-2
), erros absoluto e percentual médios e raiz do erro quadrático médio, para
alguns dias de estudo referentes ao ano de 2008. ..................................................................... 60
Tabela 9 - Coeficiente de correlação, valores do t calculado pelo teste de significância do r
amostral, valores tabelados da distribuição t-Student para o nível de significância de 99%. .. 62
Tabela 10 – Taxa e Volume da evapotranspiração estimados no PVID durantes os dias de
estudo nos anos de 2007 e 2008 ............................................................................................... 74
12
LISTA DE ABREVIAÇÕES, SIGLAS E SÍMBOLOS
CIMIS - Sistema de Informação e Monitoramento de Irrigação na Califórnia
DJ – Dia Juliano
ET-Evapotranspiração
ET0– Evapotranspiração de referência
ETc– Evapotranspiração da cultura
ETr– Evapotranspiração real estimada
G – Fluxo de calor no solo
H – Calor sensível
IVDN – Índice de Vegetação por Diferença Normalizada
K – Graus Kelvin
KC – Coeficientes de Cultivo
LE – Calor latente
m – Metros
m3dia
-1– Metros cúbicos por dia
METRIC – Mapping Evapotranspiration at High Resolution with Internalized Calibration
mm – Milímetros
mmdia-1
- Milímetros por dia
ºC – Graus Celsius
PVID - Irrigated district of Palo Verde
r – Coeficiente de correlação
R2– Coeficiente de determinação
Rn – Saldo de radiação
SEBAL– Surface Energy Balance Algorithm for Land
13
SEBS – Surface Energy Balance System
SSEB – Simplified Surface Energy Balance
S-SEBI– Simplified Surface Energy Balance Index
TM – Thematic Mapper
Wm-2
-Watts por metro quadrado (unidade de potência de acordo com o S.I.)
– Fração Evaporativa
14
RESUMO
O principal objetivo deste trabalho foi estimar a evapotranspiração real diária (ETr) e o saldo
de radiação (Rn) para uma cultura de alfafa, localizada no PVID (Distrito irrigado de Palo
Verde), CA, EUA. Para tanto foram utilizados dados micrometeorológicos e algoritmos
fundamentados em sensoriamento remoto. Foram utilizados os métodos micrometeorológicos
da razão de bowen e o algoritmo S-SEBI (Simplified Surface Energy Balance Index) para a
obtenção da evapotranspiração tendo a cultura da alfafa como referência. Também foram
analisados o comportamento de vários parâmetros meteorológicos em três estações
meteorológicas (Blythe NE, Palo Verde II e Ripley), situadas dentro do PVID, durante o
período de 2001 a 2013. Os resultados mostraram que houve uma subestimação da ETr
estimada pelo algoritmo S-SEBI, quando comparada com a ETr medida na torre experimental,
o qual observou-se um erro médio percentual de 10% e cerca de 8,5% para o Rn. Por outro
lado, quando correlacionou-se os resultados obtidos pelos S-SEBI com os dados observados
em superfície verificou-se que existe uma boa concordância, pois obteve-se correlações
superiores a 0,8 para ETr e 0,9 para Rn respectivamente, o teste t-Student mostrou que as
correlações obtidas são estatisticamente significativas ao nível de 99%. Através das
estimativas da distribuição espacial comprovou-se a eficiência deste método, sendo possível
estimar o volume de água emitida para a atmosfera através da evapotranspiração, desde que
um viés de correções seja aplicado uma vez que o S-SEBI subestima a ETr e Rn.
Palavras-chave: Evapotranspiração, S-SEBI, sensoriamento remoto.
15
ABSTRACT
The aim of this study was to estimate the daily evapotranspiration (ETr) and the net radiation
(Rn) for alfalfa crop, located in the PVID (Palo Verde irrigated District), CA, USA. Therefore
micrometeorological data and algorithms based on remote sensing were used. The
micrometeorological methods of the Bowen ratio and the S-SEBI algorithm (Simplified
Surface Energy Balance Index) to obtain evapotranspiration with the alfalfa crop as a
reference surface were used. We also analyzed the behavior of various meteorological
parameters in three weather stations (Blythe NE, Palo Verde II and Ripley), located in the
PVID, during the period 2001 to 2013. The results showed that there were underestimations
of ETr obtained by S-SEBI algorithm compared with the experimental measurement of ETr
which showed average error rate of 10% and about 8.5% to Rn. On the other hand, when
correlated results obtained by S-SEBI and surface observed data have been found a good
agreement with correlations higher than 0.8 to 0.9 for ETr and Rn, respectively, and the
Student's t-test showed that the obtained correlations are statistically significant at 99% level.
By the estimates of the spatial distribution evidences the efficiency of the S-SEBI algorithm,
it is possible to estimate the volume of water discharged into the air through
evapotranspiration, since a bias correction is applied since the S-SEBI underestimates ETR
and Rn.
Keywords: Evapotranspiration, S-SEBI, remote sensing.
16
CAPÍTULO I
INTRODUÇÃO
Em regiões áridas e semiáridas onde o clima é caracterizado pela precipitação (volume
de chuvas) menor do que a taxa de evaporação e transpiração (evapotranspiração), a água
torna-se o recurso natural mais limitante. Neste contexto, a evapotranspiração que representa
o fluxo de vapor de água da superfície e da vegetação para a atmosfera, é um componente
importante do balanço hídrico e de energia da superfície. Nessas regiões a agricultura depende
fortemente da irrigação onde a água é desviada dos rios, lençóis freáticos, aquíferos, lagos e
mares. No entanto, com as mudanças de clima e intensificação do uso do solo, os
escoamentos de muitos rios mostraram tendências de diminuição durante os últimos 50 anos
(Zhang et al., 2011). Enquanto isso, o aumento das necessidades de água para usos
domésticos, industriais e ambientais, levou à escassez de água doce ao nível mundial
(Vörömarty et al., 2000).
Entretanto, a evaporação da água em superfícies livre (líquida) ou úmida e a
transpiração das plantas são os elementos fundamentais destes processos, nos quais tornam-se
os principais componentes do ciclo hidrológico que retorna a água precipitada para a
atmosfera na forma de vapor. A principal força que conduz ao processo da evaporação e
transpiração é a incidência de energia solar. Transpiração é um caso especial de evaporação.
A transpiração é definida como o processo biofísico pelo qual a água que fez parte do
metabolismo da planta é transferida para a atmosfera preferencialmente pelos estômatos. As
raízes das plantas são responsáveis pela retirada de nutrientes e água do solo, sendo esta água
transportada para cima através do caule e liberada pelas folhas através dos estômatos, local
17
onde ocorre a vaporização (ALLEN et al., 1998). A transpiração, bem como a evaporação
direta, depende do fornecimento de energia, da pressão de vapor e do vento. Assim, variáveis
meteorológicas como a radiação, temperatura do ar, umidade do ar e vento devem ser
considerados quando se avalia a transpiração. O teor de água no solo e a capacidade do solo
para conduzir a água para as raízes também determina a taxa de transpiração, assim como a
salinidade da água. A taxa de transpiração também é influenciada por características da
cultura, aspectos ambientais e práticas de cultivo (ALLEN et al., 1998).
A agricultura irrigada é um dos maiores consumidores de água doce (Ward e Trimble,
2004). Por esta razão, o conhecimento das taxas de evapotranspiração em uma região é uma
questão crítica que permite aos gestores desenvolver estratégias para a operação eficiente dos
recursos hídricos. Infelizmente, as medições de evapotranspiração são escassas e
caras. Medições reais de fluxos de vapor requerem instrumentos especializados, como
lisímetros (López-Urrea et al., 2006), equipamentos de razão de Bowen (Jara et al., 1998) ou
de instrumentação específica para calcular os fluxos instantâneos de momentum e vapor para
aplicar métodos como o dos vórtices turbulentos (Rana e Katerji, 2005).
Devido a semiaridez do clima, em algumas regiões agrícolas no mundo, a produção
agrícola em escala comercial é substancialmente obtida com a irrigação. Assim, o
monitoramento do uso da água na agricultura, com técnicas de sensoriamento remoto, tem
sido tópicos de interesse para o seu manejo sustentável, além de constituir em elementos
indispensáveis ao planejamento dos recursos hídricos.
Em escala regional, existem métodos que usam imagens de satélite e dados
meteorológicos de superfície para calcular tanto a evapotranspiração de referência, quanto a
evapotranspiração real. Um exemplo destes métodos é o S-SEBI (Simplified Surface Energy
Balance Index) (Roerink et al., 2000), que tem sido utilizado em estudos como mecanismo
para a obtenção da ET para grandes áreas.
18
Em qualquer caso, a estimativa correta da evapotranspiração da cultura e, portanto, as
necessidades hídricas das mesmas dependem da disponibilidade de informações
meteorológicas diárias. Infelizmente, estações meteorológicas são escassas e não têm sempre
a instrumentação necessária para medir todas as variáveis relevantes.
Logo, o estudo da evapotranspiração potencial através de técnicas de sensoriamento
remoto é, portanto, de importância fundamental na avaliação das necessidades hídricas da
agricultura em projetos de irrigação.
A área de estudo para este trabalho é o Distrito Irrigado de Palo Verde (PVID), situado
na Califórnia (EUA). É uma região irrigada situada no deserto de Sonora, com o clima
semiárido e com poucos índices de precipitação. A água de irrigação é extraída de uma
barragem no rio Colorado. A área ocupada pelo PVID é de cerca de 521 km², na qual a alfafa
(Medicago sativa) é a cultura predominante. No entanto, a área cultivada agrícola total varia
anualmente. Para uma região tão grande quanto PVID uma abordagem de detecção com base
remota para estimar ET é altamente desejável (CHATTERJEE, 2010).
19
1.2 - OBJETIVOS
1.2.1 OBJETIVO GERAL
Estimar e validar a evapotranspiração real diária obtidas por sensoriamento remoto do
Distrito Irrigado de Palo Verde (PVID), Califórnia (EUA), para os anos de 2007 e 2008.
1.2.2 OBJETIVOS ESPECÍFICOS
Analisar os comportamentos diários, mensais e anual de alguns parâmetros
meteorológicos medidos nas estações de Blythe NE, Palo Verde II e Ripley.
Obter o balanço de energia para os anos de 2007 e 2008 no Distrito Irrigado de Palo
Verde (PVID).
Comparar os valores da evapotranspiração diária obtidos pelo método da Razão de
Bowen, com aqueles estimados através do método S-SEBI.
20
CAPÍTULO II
REVISÃO BIBLIOGRÁFICA
2.1 EVAPOTRANSPIRAÇÃO
O termo evaporação refere-se ao processo pelo qual a água passa da fase líquida para a
fase gasosa, podendo ocorrer tanto em superfícies contínuas de água (mar, lagos e rios),
quanto em superfícies úmidas (solo e plantas) (TUCCI, 1993; PEREIRA et al. 1997). Já a
transpiração corresponde à evaporação da água utilizada nos diversos processos metabólicos
necessários ao crescimento e desenvolvimento das plantas através dos seus estômatos
(REICHARDT e TIMM, 2004). A ocorrência simultânea destes dois processos na natureza
constitui a evapotranspiração (ET), geralmente expressa como lâmina de água por unidade de
tempo (mm dia-1
) (BURMAN et al., 1983).
A evapotranspiração desempenha um papel fundamental na explicação da dinâmica do
balanço hídrico, as interações de massa-energia, solo-atmosfera e como melhorar a gestão da
água na agricultura (Wilcox et al, 2003, Ahmad et al, 2005, Newman et al, 2006, Gowda et
al., 2008 e Rwasoka, 2011). No entanto, a quantificação da evapotranspiração é um processo
complexo e desafiador e, portanto, inúmeras equações foram derivadas (Rana e Katerji, 2000;
Gash, 2007).
De acordo com Raudkivi (1979), a ET assume papel importante no ciclo hidrológico,
sendo responsável pelo retorno à atmosfera de aproximadamente 70% da precipitação anual
na superfície terrestre, representando assim, uma parcela significativa nos estudos de balanço
hídrico e nos projetos de recursos hídricos. Informações quantitativas deste processo podem
ser utilizadas na resolução de numerosos problemas que envolvem o manejo da água. Tanto
para o planejamento de áreas agrícolas irrigadas, quanto para a previsão de cheias ou a
construção de reservatórios, são requeridos dados confiáveis de ET (MORAES, 2007).
21
Contudo, para a avaliação do balanço hídrico de uma região, se faz necessário o
conhecimento dos diferentes conceitos de ET:
Evapotranspiração Potencial (ETp) Termo introduzido por Thornthwaite (1948)
referindo-se ao processo de perda máxima de água para a atmosfera, pela ocorrência
simultânea dos processos de transpiração e evaporação, através de uma superfície natural
gramada, padrão, sem restrição hídrica, e em crescimento ativo (PEREIRA et al. 1997;
TOMASELLA e ROSSATO, 2005). Mais tarde, Penman (1956) adotou o conceito de ETp
como sendo a quantidade de água transferida para a atmosfera por evaporação e transpiração,
na unidade de tempo e de área, por uma cultura de porte baixo (vegetação rasteira), verde, de
altura uniforme e sem deficiência hídrica, que cobre totalmente a superfície do solo
(SEDIYAMA, 1996; REICHARDT e TIMM, 2004).
Evapotranspiração Real (ETr) A evapotranspiração real corresponde a quantidade
de água realmente utilizada por uma extensa superfície vegetada com grama, em crescimento
ativo, cobrindo totalmente o solo, porém, com ou sem restrição hídrica, podendo a ETr ser
igual ou menor a ETp (UNESCO, 1982; TUCCI, 1993; SENTELHAS et al., 1999). Entretanto
pode-se afirmar que a ETr é aquela que ocorre em uma superfície vegetada, independente de
sua área, de seu porte e das condições de umidade do solo, ocorrendo em qualquer
circunstância, sem imposição de qualquer condição de contorno (PEREIRA et al., 1997;
TOMASELLA e ROSSATO, 2005).
Evapotranspiração de Referência (ET0) Termo inicialmente introduzido por
Jensen et al. (1971), a ET0 representa uma extensão da definição original de Penman (1956).
No entanto, somente depois da adoção do boletim FAO-24 elaborado por Doorenbos e Pruitt
(1977) é que tal definição se popularizou. Assim, Doorenbos e Pruitt (1977) definiram a
evapotranspiração de referência como sendo a evapotranspiração de uma área com vegetação
rasteira (grama), em crescimento ativo, mantida a uma altura uniforme de 0,08 a 0,15 m e
bem adaptada às condições locais. O mais recente conceito de ET0 foi proposto por Allen et
22
al. (1998) no Boletim nº 56 da FAO, definindo-a como sendo a evapotranspiração de uma
cultura hipotética, com altura fixa de 0,12 m, albedo igual a 0,23, e resistência da superfície
ao transporte de vapor d’água igual a 70 sm-1
. A cultura hipotética está relacionada a uma
superfície gramada, de altura uniforme, possuindo em torno de 3m² de índice de área foliar
(IAF), assemelhando-se a uma superfície verde, em crescimento ativo, cobrindo totalmente a
superfície do solo e sem restrição hídrica.
ET0 é atualmente considerado um parâmetro confiável para avaliar tendências de longo
prazo de demanda evaporativa da atmosfera de uma superfície de referência (Katerji e Rana,
2011), uma vez que só depende das condições meteorológicas e tem um significado físico
claro, e as variáveis meteorológicas necessárias para calcular ET0 estão disponíveis em todo o
mundo e têm sido medidos por muitos anos. Apesar disto, ET0 pode não corresponder
precisamente aos valores de ET estimados, que dependem da disponibilidade de água,
características e propriedades do solo e vegetação. Avaliar essas tendências de ET0 é de
grande interesse, pois é uma medida das condições de aridez e de exigências das culturas, e
tem importantes implicações para a desertificação de terras e produção de alimentos.
Entre os métodos mais comuns utilizados para determinar estimativas pontuais de
evapotranspiração destacam-se os métodos: Penman, Thornthwaite, Hargreaves, Priestley e
Taylor, Makkink e equações FAO Penman-Monteith (Penman, 1948, Thornthwaite,
1948, Priestley e Taylor,1972, Allen et al, 1998 e 2007). Em áreas heterogêneas é
fundamental, portanto, explorar a estimativa espacial da evapotranspiração real através de
abordagens de modelagem fundamentadas em sensoriamento remoto.
A estimativa da ET0 foi padronizada pelo método da FAO Penman-Monteith, obtido a
partir da equação original de Penman-Monteith e da equação da resistência estomática da
superfície (Allen et al., 1998).
23
( )
( )
( ) ( )
Em que, ET0 é a evapotranspiração de referência (mmdia-1
), Rn é o saldo de radiação (MJm-
2dia
-1), G é o fluxo de calor no solo (MJm
-2dia
-1), T é a temperatura média diária a 2 m de
altura (°C), u2 é a velocidade do vento a 2 m de altura (ms-1
), es é a pressão de saturação do
vapor (kPa), ea é a pressão real de vapor (kPa), γ é o fator psicrométrico, e é a tangente a
curva de pressão de vapor (kPa°C-1
).
2.2–SALDO DE RADIAÇÃO E SENSORIAMENTO REMOTO
O Saldo de Radiação (Rn) na superfície da Terra conduz o processo de evaporação, a
fotossíntese, e aquecimento do solo e do ar. O Rn é a diferença entre a incidência e emitância
de fluxos de radiação na superfície, incluindo ondas longas e curtas. Estima-se a incidência de
radiação de ondas curtas, RS↓, com os resultados de dispersão em superfície, emissão e
absorção dentro de uma coluna atmosférica; enquanto que a radiação de ondas curtas emitidas
RS↑, pode ser estimada pelo albedo de superfície. Radiação de onda longa incidente, RL
↓ e
radiação de onda longa emitida, RL↑, são caracterizadas pela temperatura do ar perto da
superfície, emissividade do ar, temperatura da superfície da terra e emissividade da
superfície. O Rn e o balanço global de energia de superfície são importantes para o
desenvolvimento da camada limite planetária. Sua quantificação sobre superfícies
heterogêneas é essencial para estudar as interações terra-atmosfera.
A radiação solar é responsável pelos processos de aquecimento do ar, do solo e da
transferência de vapor d’agua da superfície para a atmosfera e do metabolismo das plantas. O
24
estudo de fluxo de balanço de radiação é o processo algébrico dos balanços de ondas curtas e
ondas longas entre a energia recebida e a energia perdida (SILVA, 2005).
O Rn é obtido por intermédio de radiômetros, os quais são raramente instalados em
estações meteorológicas utilizadas para estudos regionais e com custo financeiro elevado. As
técnicas de sensoriamento remoto constituem uma metodologia que pode ser aplicada em
grandes áreas com um baixo custo, para obter os dados geofísicos da superfície terrestre
(albedo, emissividade, fluxo de calor no solo, temperatura, fluxo de calor sensível), o que
possibilita estimar o Balanço Energético (BE) e o fluxo de calor latente (LE). Uma das
aplicabilidades do estudo de BE é a estimativa das perdas de água por superfícies vegetadas e
é base dos projetos de agricultura irrigada (GOMES et al., 2009).
As técnicas de sensoriamento remoto apresentam um grande potencial para ser
utilizada na agricultura. Através desta técnica, é possível obter informações sobre: a
evapotranspiração, estimativa de área plantada, produção agrícola, vigor vegetativo das
culturas, além de fornecer subsídios para o manejo agrícola em nível de país, estado,
município ou ainda em nível de micro bacia hidrográfica ou propriedade agrícola
(RUDDORF; MOREIRA, 2002).
Dentre os diversos métodos estabelecidos para a medição da evapotranspiração,
podem-se destacar o balanço de energia obtido pela razão de Bowen (BERB), balanço hídrico
no solo, os que utilizam de lisímetros de pesagem e/ou de drenagem, o método das
correlações turbulentas (Eddy Covariance) e, atualmente as metodologias que aplicam os
recursos radiométricos de imagens de satélite.
Alguns modelos computacionais utilizados em sensoriamento remoto orbital se
destacam por derivar fluxos de energia da superfície tais como o S-SEBI (Simplified Surface
Energy Balance Index) (Roerink et al., 2000), METRIC (Mapping Evapotranspiration at
High Resolution with Internalized Calibration) (Tasumi et al., 2007), SEBS (Surface Energy
Balance System) (Jia et al., 2003), SSEB (Simplified Surface Energy Balance) (Senay et al.,
25
2007), TSEB (Two-Source Energy Balance) (Norman et al., 1995) e SEBAL (Surface Energy
Balance Algorithm for Land) (Bastiaanssen et al., 1998a), que utilizam dados de satélite e de
superfície para calcular os fluxos do balanço energia de uma cultura, e através destes estimar
a evapotranspiração.
2.3 - MÉTODO DA RAZÃO DE BOWEN
Um método que merece destaque e que tem sido utilizado por vários pesquisadores
com o objetivo de obter a estimativa dos componentes do balanço de energia e também da
evapotranspiração é o método da razão de Bowen (BERB) (Bowen, 1926), utilizado em
Bergamaschi et al. (1988), Cunha et al. (1989), Medeiros (1990), Fontana et al. (1991),
Cunha e Bergamaschi (1994), Sauer et al. (1998), Perez et al. (1999), Nagler et al.
(2005).Este método está baseado na teoria de que os fluxos unidimensionais de calor sensível
e latente podem ser descritos em termos das relações fluxos-gradiente (Tanner et al, 1987;
Tanner, 1988):
H = ρcpKh ( T/ z) (2)
LE = (λρεKw/ P)(e/z) (3)
onde H é o fluxo de calor sensível na superfície (Wm-2
), LE é o fluxo de calor latente de
evaporação na superfície (Wm-2
), ρ é a densidade do ar (kgm-3
), cp é o calor especifico do ar a
pressão constante (Jkg-1
°C-1
), T é a temperatura do ar (°C), z é a altura em que são obtidas as
medidas (m), λ é o calor latente de vaporização (Jkg-1
), ε é a razão do peso molecular do vapor
de água pelo do ar seco (0,622), P é a pressão atmosférica (kPa), e é a pressão de vapor (kPa),
Kh é o coeficiente de difusão turbulenta para o calor (m2s
-1) e Kw é o coeficiente de difusão
turbulenta para o vapor de agua (m2s
-1).
A razão de Bowen (β), de acordo com Bowen (1926), pode ser expressa como:
β = H / LE (4)
26
Substituindo as equações 2 e 3 na equação 4, e assumindo Kh = Kw (Verma et al.,1978;
Cellier e Brunet, 1992), β pode ser obtido por (Bowen, 1926):
β =γ (T / e) (5)
onde γ é o fator psicrométrico (kPaoC
-1), T e e são obtidos pelas medidas da temperatura do
ar e pressão de vapor ou ponto de orvalho para duas alturas sobre o topo do dossel, dentro da
camada limite planetária (Payero et al., 2003).
A equação simplificada unidimensional do balanço de energia à superfície e dada a
seguir:
Rn −G = H + LE (6)
em que, Rn é o saldo de radiação, G é o fluxo de calor no solo, H é o fluxo de calor sensível
para o ar e LE é o fluxo de calor latente de evaporação todos expressos em unidades de Wm-2
.
Combinando as equações 4 e 6 resulta na seguinte equação para calcular LE pelos
dados da razão de Bowen:
LE = (R n −G) / (1 +β) (7)
O método do balanço de energia pode ser obtido, ainda, a partir do fluxo vertical de
calor latente usando imagens orbitais. Consequentemente, a evapotranspiração pode ser
determinada através da diferença dos fluxos, também verticais, de calor no solo, calor sensível
e o saldo de radiação, conforme a equação (6).
Esse método é utilizado pelos principais algoritmos que utilizam dados gerados a
partir de imagens de satélites: SEBAL (Bastiaanssen, 1998a), S-SEBI (Roerinket al., 2000),
SEBS (Jia et al., 2003), dentre outros.
2.4 - S-SEBI (SIMPLIFIED SURFACE ENERGY BALANCE INDEX)
O algoritmo S-SEBI é baseado no contraste da fração evaporativa entre áreas secas e
úmidas, e as correspondentes temperaturas máximas e mínimas associadas às áreas
contrastantes (SANTOS e SILVA, 2010). Já os algoritmos SEBAL e o SSEB baseiam-se no
27
conceito de pixels âncoras, pixel quente e frio, representando o solo seco e exposto, e o solo
úmido e bem vegetado, respectivamente (SENAY et al., 2007).
S-SEBI é um algoritmo que possui vantagens em relação a outros algoritmos: não são
necessários dados de estação meteorológica para calcular os fluxos de energia quando os
extremos da superfície hidrológicos estão presentes; não se determina uma temperatura
constante para as condições de solo seco e úmido em toda imagem (como é o caso de outros
métodos), as temperaturas extremas para as condições contrastantes variam de acordo com a
mudança de valores de reflectância (ROERINK et al, 2000).O modelo SSEB é bem mais
simples de ser aplicado e operacionalizado que outros métodos, pois necessita de poucas
etapas de processamento e apenas a evapotranspiração de referência (ET0) como dado de
superfície, além disso, a temperatura de superfície (Ts) é a primeira variável de entrada a ser
usada (SENAY et al., 2011).
O S-SEBI é um algoritmo que requer radiâncias espectrais, sob condições de céu claro,
no visível, infravermelho próximo e infravermelho termal para determinar seus parâmetros
constitutivos: reflectância da superfície, temperatura da superfície e índices de vegetação. O
modelo usa esses parâmetros iniciais para determinar o balanço de energia à superfície,
necessitando apenas da informação da temperatura do ar próximo à superfície na área
estudada (ROERINK et al., 2000; GÓMEZ et al., 2005; SOBRINO et al., 2005; SOBRINO et
al., 2007, SANTOS, 2009).
De acordo com Júnior (2005) a principal desvantagem da metodologia deste algoritmo
é que as imagens estudadas devem conter valores extremos de temperatura da superfície. No
entanto, em comparação com outros modelos como o SEBAL, resultados similares são
obtidos. Isto sugere uma clara vantagem, porque S-SEBI é um método mais simples e que não
é problemático em termos de precisão para se estimar evapotranspiração, enquanto, cálculos
do SEBAL e de modelos similares necessitam determinar o comprimento de rugosidade o
28
qual é uma difícil tarefa, e que nenhum método clássico de sensoriamento remoto provou ter
sido preciso, suficientemente para estimar bem esta variável.
O modelo S-SEBI tem sido amplamente aplicado e avaliado com sucesso na obtenção
da ET com diferentes sensores de satélites em uma ampla variedade de ecossistemas e em
diferentes escalas espaciais (Roerink et al., 2000; Gomez et al., 2005; Sobrino et al.,
2005; Sobrino et al.,2007; Verstraeten et al.,2005; Garcia et al., 2007; Boronina e Ramillien,
2008; Santos, 2009; Galleguillos et al., 2011 e Mattar et al., 2014) em superfícies planas, bem
como em terrenos montanhosos.
Santos (2009), em um estudo realizado na Califórnia (EUA) na região do Baixo Rio
Colorado determinou a evapotranspiração real diária (ETr) da vegetação tamarisk pelo
algoritmo S-SEBI e os validou com os valores medidos in situ, no qual foram observados que
as estimativas da ETr pelo algoritmo S-SEBI são similares aos valores medidos na torre
micrometeorológica, assim como, que a identificação da dinâmica da vegetação através da
distribuição espacial da evapotranspiração, evidencia a aplicabilidade do método na obtenção
da evapotranspiração real diária.
Borges (2013), em estudo realizado com imagens orbitais de Quixeré-CE, em uma
região de interesse na Fazenda Frutacor, onde há predominância da cultura da bananeira,
foram avaliados a precisão e a operacionalidade dos algoritmos S-SEBI e SSEB em relação ao
SEBAL para estimar a evapotranspiração real diária (ETa). De acordo com a autora os
modelos S-SEBI e SSEB exibiram forte correlação, de r > 0,93, com significância de 5% e
mais de 86% de variação explicada. Verificou-se que o SSEB subestimou a ETa em todas as
análises, e de maneira geral o S-SEBI superestimou. O S-SEBI exibiu erros inferiores a 12%
no pomar e caatinga e o SSEB exibiu erros superiores a 22%, contudo para o solo exposto
ambos os modelos apresentaram grandes discrepâncias em relação ao SEBAL, com erros
superiores a 36%. Portanto, dentre os dois algoritmos comparados com o SEBAL, o S-SEBI
mostrou melhor desempenho para estimar a ETa com menores discrepâncias.
29
Júnior (2012) validou o balanço de energia estimado através do algoritmo S-SEBI no
município de Santa Rita do Passa Quatro, no Estado de São Paulo sobre uma região
heterogênea (composta por Cerrado e Cana-de-açúcar), utilizando-se dados
micrometeorológicos e o algoritmo SEBAL para uma intercomparação, através de imagens
orbitais do Landsat 5, os resultados demonstraram que ambos os algoritmos realizam
estimativas similares para o saldo de radiação, as quais estão relativamente próximas da
realidade. A análise indicou que o Cerrado demonstrou uma maior capacidade de armazenar
energia, um albedo inferior e temperaturas da superfície superiores às do bioma de cana-de-
açúcar, evidenciando o impacto do desmatamento devido à colheita nestes parâmetros.
Tratando-se dos fluxos de calor sensível e latente, os algoritmos não revelam destreza em
estima-los e diferem muito quando comparados entre si. Ressalta-se que ambos os algoritmos
foram desenvolvidos para utilização em áreas áridas ou semiáridas, isto reflete as dificuldades
inerentes à realização da estimativa de balanço de energia em terrenos heterogêneos.
Mattar et. al, (2014) estimaram a evapotranspiração real e sua variação em paisagens
semelhantes as mediterrâneas do centro-sul do Chile, utilizando o algoritmo S-SEBI e dados
de estações meteorológicas e remotos fornecidos pelo ASTER e sensores MODIS para
novembro de 2004 e 2006. Mattar et. al, (2014) verificaram a variabilidade espacial
da ET comparado entre os diferentes tipos de plantas, classes de textura e profundidades do
solo usando testes estatísticos não paramétricos. Nessa comparação, as maiores taxas
de ET foram obtidas na floresta com valores de 7,3 ± 0,8 e 8,4 ± 0,8 mmdia-1
para 2004 e
2006, respectivamente. Os menores valores foram estimados para pastagens, com valores de
3,5 ± 1,2 mmdia-1
e para as culturas com taxas de 4,4 ± 1,6 mmdia-1
. Comparação da ET das
coberturas florestais nativas e plantações de espécies exóticas mostraram diferenças
estatisticamente significantes; no entanto, não foi observada uma grande variação, pelo
menos, durante os meses de estudo. Além disso, as maiores taxas de ET foram encontradas
30
nas texturas argila de barro (6,0 ± 1,8 e 6,4 ± 2,0 mmdia-1
) e as taxas mais baixas em solos
arenosos francos (3,7 ± 1,6 e 3,9 ± 1,6 mmdia-1
) para 2004 e 2006. De acordo com os autores
desta pesquisa, estes resultados fazem parte da criação de ferramentas úteis na otimização do
processo de tomada de decisão para a gestão e planejamento dos recursos hídricos e uso do
solo em territórios com poucos instrumentos de medição.
Um outro estudo realizado por Mattar et. al, (2014) em Barrax, que está localizado na
região de La Mancha na Espanha que é uma das mais importantes áreas de
calibração/validação amplamente utilizados para campanhas de campo na Europa, onde a
cobertura da superfície da área de estudo inclui as culturas anuais e superfícies naturais, como
a alfafa, trigo, aveia, milho, grama e solo nu. Foi realizado um estudo entre os dias 10 a 12 de
junho de 2011, nos quais campanhas in-situ e medições ao longo de várias culturas e áreas
naturais, onde foram analisados a influência que a estimativa do albedo da superfície
(reflectância da superfície) (αREF), através da integração BRDF (αBRDF) tem sobre a
estimativa dos componentes do balanço de energia (radiação líquida, fluxos de calor latente e
sensível e evapotranspiração), utilizando o S-SEBI. Para este fim, dados in-situ e imagens de
sensoriamento remoto foram adquiridos em diferentes ângulos de visão zenitais (VZA), tais
como 0 °, ± 40 ° e ± 57 ° pelo Hyperspectral Scanner Airborne (AHS), os quais foram usados
ao longo de uma área agrícola. Os resultados mostraram uma alta variação de
αREF dependendo do VZA quando comparado com αBRDF, com a maior diferença
observada na direção de espalhamento para trás ao longo da região do ponto quente (RMSE
de 0,11 e erro relativo de 65%). Radiação líquida dá erros relativos de 6 a 17%, com o erro
máximo obtido nas imagens que incluem o efeito pixel quente, enquanto que as alterações
significativas não são observadas no caso do fluxo de calor do solo e a fração por
evaporação. No entanto, o fluxo de calor sensível, fluxo de calor latente e evapotranspiração
diária mostraram erros relativos variando entre 23-39%, 6-18% e 5-15%, respectivamente.
31
2.5 APLICAÇÕES DE OUTROS MÉTODOS PARA ESTIMAR A ET
Taghvaeian (2011) estudou o consumo de água espacialmente distribuídos no qual foi
modelado sobre um segmento do Baixo Rio Colorado, na Califórnia (EUA), que contém áreas
de agricultura irrigada e para cultura da Tamarisk dominada de ecossistemas ribeirinhos,
através de estimativa de evapotranspiração mais elevada utilizando o modelo SEBAL. Para o
sistema de irrigação, os dados de evapotranspiração foram distribuídos e analisados em
conjunto com medidas pontuais de precipitação e fluxo de superfície, a fim de obter-se o
fechamento do saldo diário e anual de água.
Taghvaeian observou que o erro anual de fecho era inferior a 1% do desvio total de
água para a área. Para floresta Tamarisk, as estimativas de ET remotamente detectados foram
mais elevadas do que os resultados de um método à base de água subterrânea independente
durante a primavera e meses de inverno. Este foi principalmente devido ao tempo de
passagem do satélite fixo, que aconteceu em ângulos baixos de elevação do sol na primavera e
no inverno e resultou em uma presença significativa de sombras na cena do satélite e,
consequentemente, uma menor estimativa da temperatura da superfície, o que resultou em
uma estimativa de evapotranspiração mais elevada utilizando o modelo SEBAL.
Chatterjee (2010) investigou a perda de água por ET no PVID e na área de preservação
ambiental Cibola National Wildlife Refuge (CNWR) no sul da Califórnia (EUA), foi
desenvolvido um modelo empírico para estimar ET através do método da razão de Bowen,
durante o período de entre junho de 2006 a novembro de 2008, para toda a PVID usando o
índice de vegetação melhorado (EVI) que é um derivado do satélite MODIS e em superfície
medidas de radiação solar e pressão de vapor. O referido modelo foi utilizado para um campo
de alfafa dentro do PVID para verificar sua aplicabilidade em uma escala espacial
menor. Observou-se que o modelo desenvolvido para o PVID é o melhor para estimar a ET da
32
alfafa. Os resultados foram consistentes com um erro inferior a 8% com a densidade da
vegetação e estimativas a partir de imagens EVI MODIS.
O método SEBS foi utilizado por Rwasoka et. al, (2011) para estimar a
evapotranspiração real na bacia superior Manyame no Zimbabué, em diferentes tipos de
cobertura do solo encontrados no Alto Manyame, os quais foram determinados e avaliados. O
algoritmo SEBS foi executado usando imagens de satélite MODIS, com correção atmosférica
em nove dias de céu claro que se estenderam de 2003 a 2005, os dados deste estudo foram
realizados em duas estações Harare-Kutsaga e Gramados. Foi observado que as estimativas de
evapotranspiração real SEBS mostram-se fisicamente consistentes. As estimativas dos SEBS
foram de 36,5% e 76,5% da evapotranspiração potencial sobre estações Harare-Kutsaga e
Gramados, respectivamente.
Ao longo da estação Harare-Kutsaga o erro médio apresentou uma ligeira
subestimação 0,32 mmdia-1
por SEBS e o erro absoluto médio foi de 0,5 mmdia-1
.
No entanto, ao longo da estação Gramados os resultados não foram tão bons, o erro
médio e erro médio absoluto apresentou uma superestimação 2,6 mmdia-1
. Esta foi
relativamente elevada. As razões apresentadas para os erros de superestimação de
relativamente elevados na estação de Gramados incluem; parametrização, a variabilidade
espacial dos dados de temperatura e heterogeneidade. Em geral, este estudo mostrou que o
SEBS tem potencial para estimar a evapotranspiração real espacial e fornecer informações
úteis que podem ser usados para os recursos hídricos e gestão ambiental e planejamento.
Um estudo realizado por Hattori (2004), o qual examinou a transpiração por tamarisk
ao longo do Rio Grande, no Novo México. Nos quais os fatores ambientais que regem ET
foram identificados utilizando uma equação de Penman-Monteith modificado acoplado à
camada limite atmosférica (ABL). Utilizou-se um modelo de condutância estomática Ball-
Berry para prever a transpiração diária. Os fluxos de calor sensível e latente foram medidos
através de vórtices turbulentos para as estações de crescimento de 1999 e 2001. Uso diário de
33
água no verão foram em média 7,0 milímetros dia-1
, variando de 3,4 milímetros dia-1
para 9,8
milímetros dia-1
. Total sazonal da ET estava em torno de 1000 mm. A importância relativa de
energia disponível versus advecção e condutância estomática foi quantificada por um fator de
acoplamento ABL. Foi observado na parte da manhã um acoplamento fraco para o ABL,
enquanto forte acoplamento estava presente na parte da tarde. Um modelo diário de ET foi
desenvolvido. Os valores diários de ET medidos e modelados concordou em até 10%, o que
está dentro da incerteza nas medições.
34
CAPÍTULO III
MATERIAL E MÉTODOS
3.1 - ÁREA DE ESTUDO E DADOS
A área de estudo para este trabalho é o Distrito Irrigado de Palo Verde (PVID), situado
ao sul da Califórnia (EUA). É uma região irrigada na Bacia Hidrográfica do Rio Colorado,
nas proximidades do deserto de Sonora, com o clima semiárido e com baixos índices de
precipitação. A água de irrigação é extraída de uma única barragem (Hoover Dam) situada no
Rio Colorado na fronteira entre os estados de Arizona e Nevada. A área ocupada pelo PVID é
de cerca de 521 Km². No entanto, a área agrícola cultivada varia anualmente. A água do rio
Colorado é fornecida através de canais ao Distrito Irrigado de Palo Verde (PVID), pelo qual é
elevada por bombas para irrigar uma parte da área cultivada no PVID. A área restante é
irrigada a partir de poços profundos desenvolvidos pelos proprietários de terras. As culturas
predominantes no PVID são cítricas e alfafa.
A Bacia Hidrográfica do Rio Colorado (BHRC) se estende a uma área de 630.000
km². Este rio nasce nas Montanhas Rochosas do Colorado e termina no Golfo da Califórnia. A
precipitação média anual na (BHRC) é cerca de 400 mm, com uma grande variabilidade
temporal (Christensen e Lettenmaier, 2007). O rio Colorado fornece água para regiões de sete
estados dentro dos Estados Unidos e também para o México. A BHRC está dividida em Alta e
Baixa Bacia, com Lees Ferry como o ponto de divisão. A Bacia do Alto serve os estados de
Wyoming, Colorado, Utah e Novo México. A Bacia do Baixo serve os estados de Nevada,
Arizona e Califórnia nos Estados Unidos, e Baixa Califórnia e Sonora no México
(Christensen et al., 2004).
35
Figura 1 - Localização da área de estudo: Distrito Irrigado de Palo Verde (PVID) no Baixo Rio
Colorado, juntamente com as áreas irrigadas.
36
Uma série de barragens ao longo do rio fornece água para usos industriais,
hidrelétricas terras agrícolas, e também fornece controle de inundações e benefícios
recreativos. Os fluxos anuais variam de 6,2 bilhões de metros cúbicos para 30,8 bilhões
de metros cúbicos, com uma média de cerca de 18,5 bilhões de metros cúbicos (Penn,
2001).
Cada sub-bacia pode ser climaticamente caracterizado de acordo com duas épocas
de escoamento hidrológico primárias com diferença de temperatura, precipitação e
escoamento superficial condutores e padrões. A temporada de inverno o escoamento
contendo o ar mais úmido e mais frio é impulsionado por sistemas sinóticos de grande
escala que são cruciais para reposição e armazenamento de água de superfície, não só
devido aos grandes volumes de eventos de precipitação, mas também devido a menor
evapotranspiração (ET), permitindo que os fluxos possam alcançar os sistemas de
reservatórios. As temperaturas mais elevadas que ocorrem entre a primavera e o verão
induzem o degelo das regiões montanhosas. O ar mais seco e quente na temporada do
verão envolve especialmente escoamentos dispersos com uma dinâmica convectiva,
significativamente reforçada pela ET, e inclui a monção da América do Norte, na Bacia
Inferior do BHRC (Murphy e Ellis, 2014).
Os regimes climáticos e as variações anuais na (BHRC) são constituídos pela
combinação da condição climática, das forçantes externas naturais e das externas
antropogênicas. A BHRC recebe influência de sistemas de circulação da atmosfera,
como as altas subtropicais, e dos padrões de anomalias de TSM e teleconexões dos
oceanos Atlântico e Pacífico, sendo eles, a Oscilação Decadal do Pacífico (PDO), a
Oscilação Multidecadal do Atlântico (AMO), o Pacífico América do Norte (PNA) e o
El-Nino Oscilação Sul (ENSO) (Araújo, 2012).
37
Os dados utilizados neste estudo foram para um campo irrigado plantado com
alfafa, na fazenda HayDay Inc., localizada dentro da área irrigada nas proximidades da
área de estudo, com localização 33° 33’ 24’’N, 114° 39’ 59’’W e 84 m. Na referida
fazenda, um sistema de obtenção do BE pela razão de Bowen (BERB) esteve em
operação durante o período experimental (Figura 2). Foi escolhida como a cultura de
referência a alfafa e o método utilizado FAO Penman-Monteith (Allen et al., 1998)
(Equação 1) para a comparação da ET. As características para o lençol freático
apresentaram: Distância para o Rio Colorado de 5100 (m); Profundidade variando de
2,2 a 2,8 (m), salinidade média de 1,338 (mg/L), composição do solo: Areia 20,0 (%);
Silte - 37,7 (%); Argila - 42,3 (%), obtidas por Nagler et al. (2005).
Figura 2 – Estação micrometeorológica utilizada para obtenção do BE pelo método da
razão de Bowen (BERB) (CHATTERJEE, 2010).
38
Nesse estudo foi utilizado o sistema do balanço de energia CR10-3C
confeccionado pela Radiation and Energy Balance Systems, Inc. (REBS), com os
sensores para a medição de temperatura e umidade instalados, em geral, a 0,5 e 1 metro
acima do dossel da alfafa. Os componentes do BERB foram armazenados a cada 15
minutos, com médias dos fluxos de energia obtidas a cada 30 minutos, sendo
determinadas através de dois períodos de 15 minutos, pois os sensores mudam de
posição a cada 15 minutos.
Os fluxos de calor sensível e latente foram obtidos mediante as equações
apresentadas na seção 2.3.O fluxo de calor no solo foi obtido através de 3 fluxímetros,
modelo HFT3.1, instalados a 8 cm de profundidade. O saldo de radiação foi medido
com 3 saldo radiômetros modelo THRDS7.1 instalados a 2 m acima do dossel. Foi
utilizado um piranômetro do modelo PDS7.1 para medir a radiação solar incidente. Na
obtenção da umidade e temperatura do solo foram utilizados sensores dos modelos
SMP1 e STP, respectivamente (SANTOS,2009).
Também foram utilizados os dados das seguintes estações meteorológicas: 1-
Blythe NE (33° 33’ 24’’N, 114° 39’ 59’’W e 83,82 m); 2- Palo Verde II (33° 23’ 20’’N,
114° 43’ 32’’W e 70,1 m) e 3- Ripley (33° 31’ 56’’N, 114° 38’ 02’’W e 76,5m),
situados no PVID onde estas informações foram obtidas através do Sistema de
Informação e Monitoramento da Irrigação na Califórnia (CIMIS), o qual é um programa
do Escritório de Eficiência e Uso da Água (OWUE), Departamento de Recursos
Hídricos Califórnia (DWR), que gere uma rede de mais de 120 estações meteorológicas
automáticas no Estado da Califórnia (EUA), na figura 3 é apresentado o modelo dessas
estações meteorológicas, onde os dados referentes as mesmas estão disponíveis através
do endereço: http://www.cimis.water.ca.gov, cuja instrumentação utilizada nessas
estações encontra-se na Tabela 1.
39
Tabela 1- Instrumentação utilizada nas estações meteorológicas do Sistema de
Informação e Monitoramento da Irrigação na Califórnia (CIMIS) instalada no Distrito
Irrigado de Palo Verde (PVDI).
Figura 3 - Modelo da estação meteorológica do Sistema de Informação e
Monitoramento da Irrigação na Califórnia (CIMIS), utilizada para medir os parâmetros
meteorológicos.
Medida Instrumento Altura (m)
1- Radiação solar global
LI200S (Li-Cor) (Piranômetro)
2,0
2- Temperatura do solo 107b (Fenwal/Campbell Scientific Inc.)
-0,15
UUT51J1
3- Temperatura e
umidade relativa do ar (Vaisala/Campbell
Scientific,Inc.) 1,5
4- Direção do vento 024A (Met-One) 2,0
5- velocidade do vento
6- Precipitação
014A (Met-One)
TE525MM(Texas Electronics)
2,0
1,0
40
Figura 4 – a) Localização da torre micrometeorológica (Razão de Bowen), junto com as
demais estações utilizadas no estudo, b) Mapa classificativo de colheita no PVID para o
ano de 2008.
3.2 – METODOLOGIA
Para este estudo foram utilizadas imagens do sensor Thematic Mapper(TM) a
bordo do satélite Landsat 5, referente aos anos de 2007 e 2008 do PVID. Este satélite
possui resolução espacial de 30 m e 120 m nos canais reflectivos e termal,
respectivamente, e a órbita/ponto de interesse neste estudo foi a 039/037.
Também, foram utilizados produtos obtidos através da metodologia SEBAL a
partir de Santos (2009), que serviram de parâmetros para comparação e verificação da
eficiência dos métodos S-SEBI, a partir de recortes de áreas de interesse do (PVID).
Métodos estes utilizados para estimativa do calor sensível (H), calor latente (LE), fração
evaporativa (Ʌ), fração de evapotranspiração (ETf) e evapotranspiração real diária (ETr).
a) b)
41
3.2.1 – OS ALGORITMOS SEBAL E S-SEBI
As etapas computacionais para a obtenção dos componentes do balanço de
radiação, através do algoritmo SEBAL estão apresentadas no fluxograma da Figura 4 e
detalhadas na sequência.
Figura 5 – Fluxograma das etapas do processamento para obtenção do balanço de
radiação à superfície (Rn) pelo algoritmo SEBAL (SANTOS, 2009).
3.2.1.1- CALIBRAÇÃO RADIOMÉTRICA (L)
A primeira etapa computacional do SEBAL consiste na obtenção da calibração
radiométrica ou radiância espectral, (L), que é calculada pela seguinte expressão:
MIN
MINMAX LDNLL
L
255
(1)
Onde o DN é o número digital de cada pixel da imagem, LMAX e LMIN são as constantes
de calibração espectral do sensor, cujos valores para o Landsat 5-TM, segundo Chander
e Markham (2003), estão apresentados na Tabela 2.
42
Tabela 2 - Constantes de calibração (LMAX e LMIN) do Landsat 5-TM
3.2.1.2 - REFLECTÂNCIA MONOCROMÁTICA ()
Em seguida, calcula-se a reflectância monocromática (), que é a razão entre a
radiação solar refletida e incidente em cada pixel. Em outras palavras representa a
porção da radiação solar de cada banda que é refletida. O seu cômputo é obtido pela
seguinte equação (Allen et al., 2002):
rdESUN
L
cos
(2)
Onde L é a radiância espectral; ESUN é a constante solar monocromática associada a
cada banda do TM – Landsat 5, cujos valores, de acordo com Chander e Markham
(2003), estão apresentados na Tabela 3; é o ângulo zenital do Sol; e dr é a distância
relativa Terra-Sol, que é obtida pela Equação 3.
Tabela 3 - Valores do ESUN(Wm-2
µm-1
) válidos para o Landsat 5
Banda
1
Banda
2
Banda
3
Banda
4
Banda
5
Banda
6
Banda
7
Landsat 5 1957 1826 1554 1036 215,0 - 80,67
365
2cos033,01
DJd r
(3)
Onde DJ é o dia de ordem do ano em que são obtidos os dados radiométricos (imagens
de satélite), cujos valores correspondem aos dias da geração das imagens.
Banda LMIN(Wm-2
st-1m
-1) LMAX (Wm
-2st
-1m
-1)
1 -1,52 193,0
2 -2,84 365,0
3 -1,17 264,0
4 -1,51 221,0
5 -0,37 30,2
6 1,2378 15,303
7 -0,15 16,5
43
3.2.1.3 - ALBEDO PLANETÁRIO OU ALBEDO NO TOPO DA ATMOSFERA
O cálculo do albedo no topo da atmosfera (αtoa) é feito através de uma
combinação linear das reflectâncias espectrais (), calculadas anteriormente, e os pesos
() que para cada banda, e são dados por:
775544332211 toa (4)
Os coeficientes da equação anterior (1, 2,...7) são calculados pela equação
(5) a seguir:
ESUN
ESUN
(5)
Para o Landsat 5-TM, os valores de são apresentados na tabela seguinte:
Tabela 4 - Coeficientes de cada banda para o cômputo do albedo no topo da atmosfera
1 2 3 4 5 6 7
Landsat 5-TM 0,293 0,274 0,233 0,157 0,033 - 0,011
Fonte: Allen et al. (2002)
3.2.1.4 – ALBEDO DA SUPERFÍCIE
O albedo da superfície ou albedo corrigido aos efeitos atmosféricos, que é um
primeiro termo do balanço de radiação, é computado através da equação seguinte:
2
_
sw
radiancepathtoa
(6)
onde, toa é o albedo planetário, path_radiance é a porção da radiação solar refletida pela
atmosfera (Bastiaanssen, 2000) e sw é a transmissividade atmosférica, que é definida
como a fração da radiação solar incidente transmitida pela atmosfera e representa o seu
efeito de absorção e reflexão (Allen et al., 2002). A transmissividade atmosférica é
computada em função da altitude local (z), em metros, conforme a equação:
44
zsw
510275,0 (7)
3.2.1.5 - ÍNDICES DE VEGETAÇÃO (IVDN, IVAS) E ÍNDICE DE
ÁREA FOLIAR (IAF)
O Índice de Vegetação por Diferença Normalizada (IVDN), que é um indicativo
das condições da densidade e porte da vegetação, é obtido através da razão entre a
diferença das reflectâncias do infravermelho próximo (4) e do vermelho (3) e a soma
das mesmas reflectâncias conforme equação:
3434 / IVDN (8)
O Índice de Vegetação Ajustado ao Solo (IVAS) é um índice de vegetação que
visa amenizar os efeitos de “background” do solo, sendo obtido através de equação
proposta por Huete (1988):
3434 /1 FFIVAS (9)
Onde F é um fator de ajuste ao solo (F = 0,5) (Allen et al., 2007a).
O cômputo do Índice de Área Foliar (IAF), que representa a razão entre a área
total de todas as folhas contidas em dado pixel, pela área do pixel, é feito por equação
empírica obtida por Allen et al. (2002):
91,0
59,0
69,0ln
IVAS
IAF
(10)
3.2.1.6 – EMISSIVIDADES
O cálculo da temperatura da superfície é feito através da equação de Planck
invertida, proposta para um corpo negro, para o qual a emissividade é igual a 1. Como
45
cada pixel não constitui um corpo negro, há a necessidade de se estabelecer a sua
emissividade no domínio espectral da banda termal (NB), para fins do cômputo da Ts,
bem como no cômputo da radiação de onda longa emitida pela superfície, que nesse
caso, é considerada a emissividade da banda larga (0) (4 – 100 m).
O cômputo de ambas as emissividades é feito através das equações seguintes,
em função do IAF (Allen et al., 2002):
IAFNB 00331,097,0 (11a)
IAF01,095,00 (11b)
São considerados NB = 0= 0,98quando IAF 3, e para IVDN< 0, no caso de
corpos de água, considera-se NB= 0,99 e 0= 0,985, de acordo com proposta de Allen et
al. (2002).
3.2.1.7 - TEMPERATURA DA SUPERFÍCIE (TS)
A obtenção de Ts, como mencionado anteriormente, é feita através da equação
de Planck invertida, em função da radiância espectral da banda termal L,6 e da
emissividade obtida pela equação (11a):
1ln6,
1
2
L
K
KT
NB
s (12)
Onde K1 = 607,8 Wm-2
sr-1
μm-1
e K2 = 1261 K.
3.2.1.8 - RADIAÇÃO DE ONDA LONGA EMITIDA ( LR )
O terceiro termo do balanço de radiação calculado pelo SEBAL é o fluxo de
radiação termal emitida pela superfície. O seu cômputo é feito pela equação de Stefan-
Boltzmann, em função da temperatura e da emissividade da superfície, qual seja:
46
4
0 sLTR
(13)
onde é constante de Boltzmann (5,67x10-8
Wm-2
K-4
) e os outros termos já foram
definidos anteriormente.
3.2.1.9 - RADIAÇÃO DE ONDA LONGA INCIDENTE ( LR )
A radiação de onda longa emitida pela atmosfera na direção da superfície (Wm-2
)
também é calculada pela equação de Stefan-Boltmann, em função da emissividade do ar
que é obtida pela equação (16) e da temperatura do ar (Ta), obtida junto a uma estação
meteorológica, na área de estudo:
4
aaLTR
(14)
A emissividade do ar (a) foi obtida por:
09,0ln85,0 swa (15)
3.2.1.10 - RADIAÇÃO DE ONDA CURTA INCIDENTE ( SR )
O segundo termo do balanço de radiação é a radiação de onda curta incidente
sR , que é calculado pela equação a seguir:
swrscsdGR cos
(16)
Onde Gsc é a constante solar (1367 Wm-2
) e os demais termos foram previamente
definidos.
3.2.1.11 - SALDO DE RADIAÇÃO (Rn)
O SEBAL faz o cômputo de Rn através da equação:
LLLSSn RRRRRR 01. (17)
47
onde SR é a radiação de onda curta ou solar incidente (Wm
-2), o termo s
R é a
porção da radiação de onda curta refletida pela superfície (Wm-2
), é o albedo da
superfície, LR é a radiação de onda longa emitida pela atmosfera na direção da
superfície (Wm-2
), LR é a radiação de onda longa emitida pela superfície (Wm
-2); o
termo
L
R01 corresponde a radiação de onda longa refletida e 0 é emissividade da
superfície.
3.2.1.12 - FLUXO DE CALOR NO SOLO (G)
O valor de G é computado segundo a equação empírica desenvolvida por
Bastiaanssen (2000):
ns RIVDN
TG
42 98,010074,00038,0
(18)
Onde Ts é a temperatura da superfície (ºC), é o albedo da superfície, IVDN é o índice
de vegetação da diferença normalizada e Rn é o saldo de radiação.
3.2.1.13 - FLUXO DE CALOR SENSÍVEL (H), FLUXO DE CALOR
LATENTE (LE), FRAÇÃO DE EVAPOTRANSPIRAÇÃO DE
REFERÊNCIA HORÁRIA (ETRF_H) E A EVAPOTRANSPIRAÇÃO
REAL DIÁRIA (ETA) (APLICAÇÃO DO ALGORITMO S-SEBI)
As etapas do algoritmo S-SEBI, para estimar os fluxos de calor sensível (H) e
calor latente (LE), através da fração evaporativa (Λ) (Sobrino et al., 2005) estão
descritas a seguir.
O cálculo da fração evaporativa para cada pixel com reflectânciaα0 e temperatura
T0 será obtido da seguinte forma (Roerink et al., 2000; Sobrino et al., 2007):
1) determinação da reflectância dependente da temperatura TLE, onde LEmax(α0) = Rn –
G e H = 0;
48
2) determinação da reflectância dependente da temperatura TH, onde Hmax (α0) = Rn – G
e LE = 0.
A fração evaporativa (Λ) para um pixel particular será calculada como a razão
dada por:
0H
H LE
T T
T T
(19)
A Figura 6 mostra as características espaciais da reflectância da superfície e da
temperatura da superfície juntos com a temperatura média por unidade de reflectância.
Na distribuição espacial é possível reconhecer o limite inferior, onde o fluxo de calor
latente é assumido ser máximo LEmax(α0) e o limite superior localizado aonde o fluxo de
calor sensível é máximo Hmax(α0) (Sobrino et al., 2005; Gómez et al., 2005; Santos e
Silva, 2008). A equação linear, que representa o limite máximo e mínimo, pode ser
escrita como:
0H H HT a b (20)
e
0LE LE LET a b (21)
As variáveis de regressão a e b são locais e temporais.
Substituindo a relação observada por TH e TLE, a fração evaporativa é escrita
como:
0 0
0
H H
H LE H LE
a b T
a a b b
(22)
Uma vez determinada a Λ, os fluxos de calor sensível e latente serão calculados
conforme descrito abaixo (Santos e Silva, 2008):
49
))(1( GRH n
(23)
)( GRLE n (24)
Figura 6 - Representação esquemática da relação entre a temperatura da superfície e a
reflectância da superfície (SANTOS, 2010).
A ETa determinada a partir dos algoritmos SEBAL e S-SEBI é obtida da
evapotranspiração real horária (ETh) (mm/h), que é fornecida através da densidade de
fluxo de calor latente LE,
ETh=3600 LE/ L (25)
Sendo L é o calor latente de vaporização da água (L = 2,45x106 J kg
-1) e 3600 é o
fator de conversão de valores instantâneos da imagem de LE para valores horários.
Em seguida foi realizado a obtenção da fração de evapotranspiração de
referência horaria, FET0_h, que foi obtida pela razão entre a ETh e a evapotranspiração
de referência horaria, ET0_h, calculada pelo método da FAO Penman-Monteith (Allen et
al., 1998), com dados da estação meteorológica instalada na área estudada:
FET0 _ h = ETh /ET0 _h (26)
50
Considerando que o valor da FET0_h = FET0_24, pois de acordo com Trezza
(2002) o comportamento de FET0_hé relativamente constante em todo o período diurno.
Logo, a ETr diária foi dada pela equação seguinte:
ETr=FET0 _h ET0 _ 24(mmdia-1
) (27)
CAPÍTULO IV
4.1 ANÁLISE ESTATÍSTICA
Para encontrar a relação existente entre os parâmetros estudados, a partir dos
seus valores de ETr e Rn medidos no experimento e os estimados através do algoritmo
S-SEBI foram utilizados o Erro Médio Percentual (EMP), Erro Médio Absoluto (EMA),
Raiz do Erro Quadrático Médio (REQM), Erro Absoluto (EA) e o Erro Percentual (EP),
dados pelas expressões abaixo (Wilks, 2006):
∑ |
|
∑|
|
√∑ (
)
| |
51
onde xi é o valor observado, x’i é o valor estimado e N é o número de observações.
Os dados de ET e Rn foram ajustados a um polinômio de primeiro grau pelo
método dos Mínimos Quadrados. Seja Y= α +βX o modelo polinomial de primeiro grau
escolhido para ajustar os pontos (Xi, Yi) da amostra estudada. Foram designados por
“a” e “b” aos valores de estimados de α e β respectivamente. A estimativa de Y do
modelo ajustado compondo “a” e “b” da equação linear, são dadas respectivamente por:
( )
O coeficiente de correlação r mede o grau de ajuste dados o qual é usado tanto
para as relações lineares como não lineares. Logo, o coeficiente de correlação r é dado
pela seguinte expressão:
√
√
∑( )
∑( ) ( )
em que r é uma grandeza adimensional variando entre -1≤ r ≤ 1, sendo que quanto mais
próximo de ± 1 melhor é a qualidade do ajuste.
O teste de significância do r amostral t-Student foi utilizado. Considerando “ρ”
como sendo o coeficiente de correlação de uma população teórica avaliada a partir do
coeficiente de correlação amostral, para ρ = 0 (hipótese nula) denotada por:
√
√ ( )
No caso da hipótese nula ser rejeitada, num determinado nível de significância,
equivale a dizer que o r amostral encontra-se na área de aceitação, ou seja, existe uma
52
correlação entre as populações, caso contrário, se a hipótese nula for aceita, a correlação
entre as populações é igual a zero situando-se na área de rejeição. (Spiegel, 1978).
CAPÍTULO V
5.1 RESULTADOS E DISCUSSÃO
A seguir são apresentados alguns resultados dos parâmetros analisados nesta
pesquisa, destacando os comportamentos diários, mensais e anuais dos parâmetros
meteorológicos medidos nas estações de Blythe NE, Palo Verde II e Ripley onde, esses
dados foram obtidos através Sistema de Informação e Monitoramento de Irrigação na
Califórnia (CIMIS).
Na Figura 7 pode ser observada a distribuição temporal durante o período de
2001 a 2013, para os parâmetros de temperatura do ar (°C), umidade relativa (%),
velocidade do vento (ms-1
), radiação solar (Wm-2
), precipitação (mmano-1
), e
evapotranspiração de referência média mensal (ET0) (mmmês-1
). Já nas Figuras 8 e 9
observam-se valores diários para os mesmos parâmetros citados anteriormente, porém
para os anos de 2007 e 2008.
Observa-se que durante o período de 2001 a 2013 o comportamento da
temperatura do ar esteve entre 10 e 30°C (Fig. 7a), a umidade relativa variou entre 30 e
90% (Fig.7b), a velocidade do vento esteve entre 1 e 3 (ms-1
) (Fig. 7c), a radiação solar
entre 150 e 350 Wm-2
(Fig. 7d), e a precipitação variou entre 0 e 180 mmano-1
(Fig. 7e).
A Figura 7f mostra a distribuição temporal da evapotranspiração de referência média
mensal (ET0), a qual foi realizada especificamente para a ET0 uma média de todos os
meses durante o período de 2001 a 2013, observa-se que no período de inverno
53
(dezembro, janeiro, fevereiro e março) têm-se os menores valores entre 50 e 70 mmmês-
1 e no período de verão (junho, julho, agosto e setembro) têm-se os maiores valores
entre 200 e 250 mmmês-1
, estes resultados já eram de se esperar uma vez que a
quantidade de radiação solar incidente durante o verão é sempre superior ao período de
inverno (conforme a Fig. 7d), o mesmo comportamento é observado na temperatura do
ar de acordo com a figura 7a. Na Figura 7b observa-se que a umidade relativa alcança
seus maiores valores entre 70 e 80 % justamente no período de verão como
consequência da maior quantidade de evapotranspiração nesse período, já no período de
inverno a umidade relativa obtém seus menores valores entre 40 e 50%, a variação
desses parâmetros pode ser explicado pelo fato dessas medições serem coletadas em
áreas de irrigação.
54
Figura 7 - Distribuição temporal das variáveis: temperatura do ar (°C), umidade relativa (%), velocidade
do vento (ms-1
), radiação solar (Wm-2
), precipitação (mmano-1
), e evapotranspiração de referência média
mensal (ET0), no Distrito Irrigado de Palo Verde, Califórnia (EUA) para o período de 2001 a 2013
respectivamente.
55
Figura 8 - Distribuição temporal das variáveis: temperatura do ar (°C), umidade relativa (%) e velocidade do
vento (ms-1
) no Distrito Irrigado de Palo Verde, Califórnia (EUA) para os anos de 2007 e 2008
respectivamente.
56
Figura 9 - Distribuição temporal das variáveis: radiação solar (Wm-2
), precipitação (mm), e
evapotranspiração de referência (ET0), no Distrito Irrigado de Palo Verde, Califórnia (EUA) para os anos de
2007 e 2008 respectivamente.
57
5.2 VALIDAÇÃO
Para a validação do algoritmo S-SEBI foi utilizada uma torre
micrometeorológica situada no PVID com a localização Latitude: 33,46555; Longitude:
-114,71354, tendo como referência a cultura da alfafa, durante alguns dias dos anos de
2007 e 2008 com o objetivo de comparar os valores da evapotranspiração real diária
(ETr) obtidos pelo método da Razão de Bowen, e o saldo de radiação (Rn), em seguida
foi realizado a distribuição espacial desses dados com o auxílio do software Arcgis 9.3.
Nas tabelas 5 e 6 estão apresentados os valores da evapotranspiração real diária,
para alguns dias dos anos de 2007 e 2008 respectivamente, com as medições in situ e
estimadas pelo S-SEBI, também estão presentes alguns parâmetros estatísticos que
explicam o comportamento entre essas duas variáveis.
Tabela 5 – Evapotranspiração real observado (ETrobs) (mmdia-1
), evapotranspiração
real estimado (ETrS-SEBI) (mmdia-1
), erro absoluto (EA) e percentual médio (EP) e raiz
do erro quadrático médio (REQM), para alguns dias de estudo referentes ao ano de
2007.
Dias juliano ETrobs ETrS-SEBI EA(mmdia-1
) EP (%)
128 7,31 6,83 0,48 6,57
144 5,93 7,12 1,19 20,07
160 9,25 7,91 1,34 14,49
176 9,55 7,09 2,46 25,79
192 9,34 8,16 1,18 12,63
224 7,04 7,01 0,03 0,43
240 5,45 4,93 0,52 9,54
256 4,78 4,76 0,02 0,42
272 6,33 5,50 0,83 13,11
REQM 1,148
EMP (%) 11,44
EMA 0,89
58
Tabela 6 – Evapotranspiração real observado (ETrobs) (mmdia-1
), evapotranspiração
real estimado (ETrS-SEBI) (mmdia-1
), erro absoluto (EA) e percentual médio (EP) e raiz
do erro quadrático médio (REQM), para alguns dias de estudo referentes ao ano de
2008.
Dias juliano ETrobs ETr S-SEBI EA(mmdia-1
) EP (%)
19 2,1 2,78 0,68 32,38
42 3,19 3,6 0,41 12,85
67 4,79 4,91 0,12 2,51
83 4,37 3,6 0,77 17,62
99 5,92 7,0 1,08 18,24
115 7,12 6,02 1,1 15,45
131 6,66 7,2 0,54 8,11
147 6,55 7,1 0,55 8,40
163 9,12 7,3 1,82 19,96
170 9,07 7,37 1,7 18,74
195 5,64 4,15 1,49 26,42
211 8,27 5,4 2,87 34,70
218 7,76 7,05 0,71 9,15
234 4,69 3,59 1,1 23,45
259 6,47 4,26 2,21 34,16
REQM 1,35
EMP (%) 18,80
EMA 1,14
Verifica-se que houve uma subestimação dos dados obtidos pelo S-SEBI, porém
de forma geral, os valores estimados pelo algoritmo, o qual é fundamentado em técnicas
de sensoriamento remoto se mantiveram muito próximos dos valores medidos nas torres
de fluxos. Para o ano de 2007 os erros médio absoluto e percentual foram de 0,89
mmdia-1
e 11,44% respectivamente, estes resultados estão compatíveis com os
encontrados por Santos (2009), o qual estimou a ETr em uma vegetação tamarisk,
localizada na área de preservação ambiental de Cibola (Blythe, CA/EUA) onde o
mesmo obteve erros quadrático médio e percentual médio de 0,5 mmdia-1
e 10,6%
respectivamente. Chatterjee (2010), que investigou a perda de água por ET no PVID a
59
partir de imagens EVI MODIS, obteve erros inferiores a 8%. Estes resultados também
concordam com os encontrados por Hattori (2004), o qual examinou a transpiração por
tamarisk ao longo do Rio Grande, no Novo México, medidos através de vórtices
turbulentos para as estações de crescimento de 1999 e 2001. O mesmo obteve no verão
em média 7,0 mm dia-1
, variando de 3,4 mm dia-1
para 9,8 mm dia-1
. Estes valores
diários de ET medidos e modelados concordou em até 10%, o que está dentro da
incerteza nas medições.
O ano de 2007 obteve uma melhor correlação (r= 0,835) em comparação ao ano
de 2008 (r=0,808) (Fig. 10), este fato pode ser justificado pelo maior número de
imagens disponíveis para o ano de 2008, fazendo com que esta correlação torne-se o
mais próximo da realidade. Os resultados encontrados para o ano de 2008 apresentaram
erro médio percentual de 18,8%, já um estudo realizado por Mattar et. al, (2014)
mostrou erros relativos variando entre 5 e 15%, para a evapotranspiração real diária.
Os resultados obtidos para o saldo de radiação (Rn) (tabelas 7 e 8) também
apresentaram uma subestimação dos dados obtidos pelo S-SEBI, com relação aos
encontrados na torre experimental do PVID, porém obtiveram fortes correlações 0,924 e
0,962 (Fig. 10) e erros médios percentuais de 6,79% e 8,49% para os anos de 2007 e
2008, respectivamente. Estes resultados corroboram com os encontrados por Mattar et.
al, (2014), os quais obtiveram, para o saldo de radiação erros relativos de 6 a 17%.
60
Tabela 7 – Saldo de radiação observado (Rnobs) (Wm-2
), Saldo de radiação estimado
(RnS-SEBI) (Wm-2
), erro absoluto (EA) e percentual médio (EP) e raiz do erro
quadrático médio (REQM), para alguns dias de estudo referentes ao ano de 2007.
Dias juliano Rnobs Rn S-SEBI EA(Wm-2
) EP (%)
128 636,93 614,75 22,18 3,48
144 675,98 612,45 63,53 9,40
160 689,33 638,02 51,31 7,44
176 700,02 623,37 76,65 10,95
192 655,91 640,06 15,85 2,42
224 650,24 625,80 24,44 3,76
240 596,93 535,45 61,48 10,30
256 570,31 567,95 2,36 0,41
272 841,89 732,73 109,16 12,97
REQM 57,33
EMP (%) 6,79
EMA 47,44
Tabela 8 – Saldo de radiação observado (Rnobs) (Wm-2
), Saldo de radiação estimado
(RnS-SEBI) (Wm-2
), erro absoluto (EA) e percentual médios (EP) e raiz do erro
quadrático médio (REQM), para alguns dias de estudo referentes ao ano de 2008.
Dias juliano Rnobs Rn S-SEBI EA(Wm-2
)
EP (%)
19 372,31 369,88 2,43 0,65
42 436,24 412,84 23,4 5,36
67 560,85 510,57 50,28 8,96
83 580,92 469,05 111,87 19,26
99 631,76 578,15 53,61 8,49
115 615,33 583,19 32,14 5,22
131 691,92 625,8 66,12 9,56
147 633,34 613,82 19,52 3,08
163 723,36 639,87 83,49 11,54
170 704,29 637,98 66,31 9,42
195 638,83 578,06 60,77 9,51
211 654,43 588,1 66,33 10,14
218 661,28 613,84 47,44 7,17
234 584,49 541,83 42,66 7,30
259 601,38 531,6 69,78 11,60
REQM 59,25
EMP (%) 8,48
EMA 53,07
61
A Figura 10 apresenta as correlações lineares existentes entre as estimativas da
ETr e Rn medido versus estimado, obtidas pelo algoritmo S-SEBI, para os dias
estudados nos anos de 2007 e 2008, juntamente com os seus respectivos coeficientes de
determinação (r²).
Na Tabela 9 constam os valores do coeficiente de correlação entre a
evapotranspiração (ET) estimada pelo método S-SEBI e a ET obtida in situ para os anos
de 2007 e 2008, como também o saldo de radiação (Rn) estimado pelo método S-SEBI e
Figura 10– Gráficos de dispersão entre as variáveis ETr e Rn observado e estimado pelo S-SEBI, para
alguns dias dos anos de 2007 e 2008 respectivamente.
62
o Rn obtido in situ, nos anos de 2007 e 2008. No qual foi aplicado o teste significância
estatística t-Student bilateral. Os resultados mostram que todas as correlações foram
significativas para o nível de significância especificado.
Tabela 9 - Coeficiente de correlação, valores do t calculado pelo teste de significância
do r amostral, valores tabelados da distribuição t-Student para o nível de significância
de 99%.
Variável Correlação tcalculado ttabelado EMP (%)
ET (2007) 0,835* 4,01 3,25 11,44
ET (2008) 0,808* 4,95 2,95 18,80
Rn(2007) 0,924* 6,42 3,25 6,79
Rn(2008) 0,962* 12,83 2,95 8,48
* significa que a correlação é confiável ao nível de 99%.
Observa-se que no ano de 2007 a ETr estimada pelo método S-SEBI obteve um
coeficiente de correlação r= 0,8351, o que implica em um coeficiente de determinação
r2= 0,6974, ou seja, o modelo linear explica, portanto, 69,7% da variância total dos
dados da ETr estimada pelo método S-SEBI, indicando haver uma boa correlação entre a
ETr estimada e a ETr observada, além disso, o erro percentual variou entre 0,42 e
25,79% com um erro médio percentual de 11,44% e 0,89 de erro médio absoluto. A
significância do coeficiente (r) foi baseada no teste de Student (t), para o nível de
significância de 0,01, com 9 graus de liberdade da amostra (ν), o que resultou em
ttabelado= 2,821contra tcal= 4,016. Como tcal>ttabelado, a hipótese nula de que o r amostral
foi obtido em população p=0 foi rejeitada e a hipótese não nula foi aceita.
A mesma avaliação foi feita para o Rn no ano de 2007, o qual obteve um
coeficiente de correlação r= 0,924, o qual implica em um coeficiente de determinação
r²= 0,855, isso mostra que o modelo linear explica cerca de 85,5 % da variância total
63
dos dados do Rn estimado indicando haver uma forte correlação entre o método
utilizado e o medido in situ, por sua vez, o erro percentual variou entre 0,41 e 12,97%
com um erro médio percentual e absoluto de 6,79% e 47,44 respectivamente. O teste de
Student (t), para o nível de significância de 0,01 e 9 graus de liberdade da amostra (ν)
resultou em ttabelado= 2,821contra tcalulado= 6,424. Como no caso anterior da ETr o
tcalulado>ttabelado, a hipótese não nula foi aceita.
Para o ano de 2008, a ETr obteve um coeficiente de correlação r= 0,8084,
resultando em um coeficiente de determinação r2= 0,6536, logo o modelo linear explica
65,3% da variância total dos dados da ETr estimada. O erro percentual para a ETr esteve
entre 2,51 e 34,70% e os erros médio percentual e absoluto foram de 18,80% e 1,14
respectivamente. O teste de Student (t), para o nível de significância de 0,01 e 15 graus
de liberdade da amostra (ν) resultou em ttabelado= 2,602 contra tcalulado= 4,952. Como o
valor calculado é maior que valor tabelado tcalulado>ttabelado, a hipótese não nula foi aceita.
Para o Rn os resultados encontrados no ano de 2008, também mostraram-se
bastante eficientes, onde foi observado um coeficiente de correlação de r= 0,9627, o que
implica em um coeficiente de determinação de r²= 0,9269, portanto o modelo linear
explica 92,69% da variância total dos dados do Rn estimado, indicando haver uma forte
correlação entre as duas variáveis. O erro percentual variou entre 0,65 e 19,26%, com
erros médio percentual e absoluto de 8,48% e 53,07 respectivamente. O teste de Student
(t), para o nível de significância de 0,01 e 15 graus de liberdade da amostra (ν) resultou
em ttabelado= 2,602 contra tcalulado=12,838. Como o valor calculado é maior que valor
tabelado tcalulado>ttabelado, a hipótese não nula foi aceita.
Esses resultados mostram que existem uma boa concordância entre os dados
observados em superfície com aqueles obtidos pelo algoritmo S-SEBI, a utilização do
teste t-Student mostrou que os dados são estatisticamente significativos ao nível de
64
99%, fazendo com que este método possa ser utilizado para estimar a ETr e Rn em áreas
com as mesmas características deste estudo.
De acordo com este estudo e anteriores o método S-SEBI mostrou-se uma
técnica simples e com uma ótima precisão para a obtenção da evapotranspiração real
diária e saldo de radiação, onde observou-se um erro máximo de aproximadamente 20%
e um erro médio em torno de 10%, estes erros são aceitáveis devido a todas as
interferências existentes entre a atmosfera e a superfície.
Uma vez que esse método só depende de informações da temperatura do ar no
momento da passagem do satélite, o qual pode ser substituído pela temperatura do pixel
frio estes resultados mostram a empregabilidade do S-SEBI para regiões onde existe um
contraste entre áreas úmidas (pixel frios) e áreas secas (pixel quentes) e regiões onde
não existem redes de estações meteorológicas bem distribuídas.
5.3 APLICAÇÃO DO ALGORITMO S-SEBI
As Figuras 11 e 12 ilustram a distribuição espacial da ETr diária para os anos de
2007 e 2008, resultados estes obtidos através do algoritmo S-SEBI, para toda área do
PVID, em diferentes dias do ano.
Verifica-se uma excelente concordância entre a distribuição temporal e a
distribuição espacial para todos os dias estudados. Observa-se que existe um
comportamento semelhante entre esses dois anos, nos quais em dias que existem uma
maior quantidade de radiação solar incidente (período entre junho e setembro),
consequentemente ocorre uma maior quantidade de evapotranspiração, obtendo valores
iguais ou superiores a 6 mmdia-1 destacado pelas áreas em azul escuro, em dias com
menor incidência solar (período entre dezembro e março) a evapotranspiração atinge
65
valores iguais ou inferiores a 1 mmdia-1, onde apresentam áreas com tonalidade marrom,
conforme também é observado nos gráficos da evapotranspiração (Figuras 9e e 9f) e
Radiação solar (Figuras 9a e 9b) neste período. Este fato é verificado com mais detalhes
no ano de 2008, pois os dias estão distribuídos ao longo do ano possibilitando assim
constatar o comportamento anual da ETr, os menores valores são observados na Fig.
12(a) (DJ 67) onde registrou-se valores inferiores a 1 mmdia-1, conforme o decorrer do
ano estes valores aumentam atingindo valores superiores a 9mmdia -1conforme as Fig.
12(j) (DJ 170) e 12(k) (DJ 195), a partir desses dias os valores de ETr começam a
decrescer novamente, obedecendo a uma curva parabólica ao longo do ano, este mesmo
comportamento é descrito no ano de 2007, porém o mesmo não é observado igual ao
ano de 2008 devido à ausência de imagens distribuídas ao longo do ano.
As Figuras 13 e 14 apresentam a distribuição espacial do Saldo de radicao (Rn),
para os anos de 2007 e 2008, resultados obtidos pelo algoritmo S-SEBI, para toda area
do PVID, em diferentes dias do ano.
Observa-se um comportamento similar ao verificado na ETr, uma vez que a
mesma depende da radiação incidente na superfície. No período de maior incidência de
energia solar (período entre junho e setembro), verificam-se os maiores valores de
radiação líquida especialmente nas figuras 13(e) (DJ 192) e 14(k) (DJ 195) as quais
obtiveram valores iguais ou superiores a 700 Wm-2
, destacadas por áreas com
tonalidade verde, abrangendo grande parte do PVID.
Para o período com menor incidência solar (período de dezembro a março),
verificam-se os menores valores de radiação líquida especialmente nas figuras 14(a) (DJ
19), 14(b) (D J42) e 14(s) (DJ 323) as quais obtiveram valores iguais ou inferiores a 400
Wm-2
, destacadas por áreas com tonalidade vermelha, abrangendo praticamente 100%
de todo PVID.
66
5.4 EVAPOTRANSPIRAÇÃO REAL DIÁRIA (ETr)
a) b)
c) d)
67
e) f)
g) h)
68
i)
Figura 11 - Distribuição espacial da ETr no Distrito Irrigado de Palo Verde (PVID), Califórnia (EUA)
para os DJ (2007): a) 128; b) 144; c) 160; d) 176; e) 192; f) 224; g) 240; h) 256; i) 272, obtidas através do
algoritmo S-SEBI.
69
a) b)
c) d)
70
e) f)
g) h)
71
i) j)
k) l)
72
m) n)
o) p)
73
q) r)
s)
Figura 12 - Distribuição espacial da ETr no Distrito Irrigado de Palo Verde (PVID), Califórnia
(EUA) para os DJ (2008): a) 19; b) 42; c) 67; d) 83; e) 99; f) 115; g) 131; h) 147; i) 163; j) 170;
k)195; l) 211; m) 218; n) 234; o) 259; p) 275; q) 291; r) 314; s) 323, obtidas através do algoritmo S-
SEBI.
74
A partir dos resultados da ETr obtidos pelo algoritmo S-SEBI, foi estimado a
quantidade de água emitida para a atmosfera durante os dias estudados nos anos de 2007 e 2008
(Tabela 10),com os quais foram extraídos os valores correspondentes a cada pixel das imagens,
possibilitando assim o cômputo da quantidade de água evapotranspirada diária de toda área do
PVID, o qual foi observado valores superiores a 500 m³dia-1
durante o período de maior
incidência solar, os menores valores encontrados foram inferiores a 110m³dia-1
os quais
encontram-se no período de menor incidência solar, esta é uma informação bastante importante,
pois diante desta pode-se utilizar a água de um modo mais eficiente, uma vez que a irrigação
nesta área é feita pelo método de inundação. Como visto anteriormente a aplicação deste
método resultou em uma subestimação dos resultados, portanto deve-se considerar haver um
erro médio percentual de 10%, os quais estão apresentados na tabela 10 a seguir:
Tabela 10 – Taxa e Volume da evapotranspiração estimados no PVID durantes os dias de
estudo nos anos de 2007 e 2008.
* área total estudada= 521km² = 52100ha
** 1mmdia-1
= 10 m³ha-1
dia-1
DJ(2007) mmdia-1
m3dia
-1 DJ(2008) mmdia
-1 m
3dia
-1
128 1941090,4 372,6 19 878563,8 168,6
144 2166362,9 415,8 42 1149300,7 220,6
160 2221475,2 426,4 67 1361570,0 261,3
176 2328659,7 447,0 83 1556304,4 298,7
192 2631119,8 505,0 99 2154671,2 413,6
224 2159406,4 414,5 115 1860300,8 357,1
240 1873187,4 359,5 131 2081874,7 399,6
256 1771704,0 340,1 147 2406596,3 461,9
272 1560242,9 299,5 163 1988624,1 381,7
170 1988624,1 381,7
195 2581224,7 495,4
211 1962718,7 376,7
218 2306633,7 442,7
234 1529499,0 293,6
259 1191359,1 228,7
275 1023621,1 196,5
291 713443,6 136,9
314 561600,5 107,8
323 769012,9 147,6
75
5.5 SALDO DE RADIAÇÃO (Rn)
a) b)
c) d)
76
e) f)
g) h)
77
i)
Figura 13 - Distribuição espacial do Rn no Distrito Irrigado de Palo Verde (PVID), Califórnia (EUA)
para os DJ (2007): a) 128; b) 144; c) 160; d) 176; e) 192; f) 224; g) 240; h) 256; i) 272, obtidas através do
algoritmo S-SEBI.
a) b)
78
c) d)
e) f)
79
g) h)
i) j)
80
k) l)
m) n)
81
o) p)
q) r)
82
s)
Figura 14 - Distribuição espacial do Rn no Distrito Irrigado de Palo Verde (PVID), Califórnia (EUA)
para os DJ (2008): a) 19; b) 42; c) 67; d) 83; e) 99; f) 115; g) 131; h) 147; i) 163; j) 170; k)195; l) 211; m)
218; n) 234; o) 259; p) 275; q) 291; r) 314; s) 323, obtidas através do algoritmo S-SEBI.
CAPÍTULO VI
CONCLUSÕES
Os resultados deste estudo mostram a aplicação de um método relativamente
simples para se obter os fluxos de energia na superfície (S-SEBI) o qual, através do
sensoriamento remoto, é possível ser estimado os parâmetros do balanço de energia de
superfície com uma alta precisão. Foi observado uma subestimação através de uma
validação realizada com os dados medidos e os estimados pelo método, onde obteve-se
um erro percentual médio de 10% para a ETr e 8,5% para o Rn.
A partir de gráficos de dispersão foram identificadas as correlações lineares
existentes entre as estimativas da ETr e Rn medido versus estimado, obtidas pelo
algoritmo S-SEBI, para alguns dias dos anos de 2007 e 2008, os resultados mostraram
que existe uma boa concordância entre os dados, onde obteve-se correlações superiores
a 0,8 e 0,9, respectivamente, e a utilização do teste t-Student mostrou que os dados são
estatisticamente significativos ao nível de 99%.
Através de estimativas da distribuição espacial comprovou-se a eficiência deste
método, as quais concordam com os valores obtidos na torre experimental (distribuição
temporal), onde para a ETr em dias com a maior quantidade de radiação incidente
obteve-se valores superiores 6 mmdia-1
e para o Rn valores superiores a 700 Wm-2
.
Além de poder quantificar o volume de água emitida para a atmosfera pela
evapotranspiração, estimar com precisão a ETr através do sensoriamento remoto é,
portanto, fundamental para o estudo de mudanças do clima global e regional, em
processos e ciclos biogeoquímicos, na produtividade líquida primária, para o balanço
hídrico, e em áreas agrícolas. A grande dificuldade para verificação dos resultados foi a
de conseguir imagens sem a presença de nuvens para períodos distribuídos ao longo do
83
84
ano, bem como da ausência de trabalhos que levam em conta a sensibilidade de
parâmetros utilizados no modelo como a altura média da vegetação. No entanto, os
produtos gerados como saldo de radiação e evapotranspiração, seguiram os valores
encontrados na literatura para outras regiões similares.
85
REFERÊNCIAS BIBLIOGRÁFICAS
AHMAD, M.U.D.; MAGAGULA, T.F.; LOVE, D.; KONGO, V.; MUL, M.L.;
KINOTI, J. Estimating actual evapotranspiration through remote sensing techniques to
improve agricultural water management: a case study in the transboundary Olifants
catchment in the Limpopo Basin, South Africa. In: 6th Water Net/WARFSA/GWP
Annual Symposium, Ezulwini, Swaziland, 2005.
ALLEN, R. G.; TASUMI, M.; MORSE, A.; TREZZA, R.; WRIGHT, J. L.;
BASTIAANSSEN, W. G. M.; KRAMBER, W.; LORITE, I.; ROBISON, C. W.
Satellite - Based Energy Balance for Mapping Evapotranspiration with Internalized
Calibration (METRIC) – Applications. Journal of Irrigation and Drainage
Engineering, v 133, p.395-406, 2007 (b).
ALLEN, R. G.; TASUMI, M.; TREZZA, R. Satellite-Based Energy Balance for
Mapping Evapotranspiration with Internalized Calibration (METRIC) – Model. Journal
of Irrigation and Drainage Engineering, v 133, p.380-394, 2007 (a).
ALLEN, R.; TASUMI, M.; TREZZA, R. SEBAL (Surface Energy Balance
Algorithms for Land) – Advanced Training and User’s Manual – Idaho
Implementation, version 1.0, 2002.
ALLEN, R.G.; PEREIRA, L.S.; RAES, D.; SMITH M. Crop Evapotranspiration.
Guidelines for Computing Crop Water Requirements – FAO Irrigation and
Drainage Paper. No. 56 FAO, Rome, Italy, 300 p. 1998.
86
ARAÚJO, F. R. C. D. Análise de índices de detecção de mudanças climáticas na bacia
hidrográfica do rio colorado – EUA. 104f. Tese (Doutorado em Meteorologia). Unidade
Acadêmica de Ciências Atmosféricas, Universidade Federal de Campina Grande,
Campina Grande-PB, 2012.
BASTIAANSSEN, W. G. M. SEBAL- based sensible and latent heat fluxes in the
irrigated Gediz Basin, Turkey. Journal of Hydrology, v. 229, p. 87-100, 2000.
BASTIAANSSEN, W. G. M.; MENENTI, M.; FEDDES, R. A.; HOLTSLAG, A. A. M.
A remote sensing surface energy balance algorithm for land (SEBAL) 1. Formulation.
Journal of Hydrology, v. 212–213, p.198–212. 1998a.
BASTIAANSSEN, W. G. M.; NOORDMAN, E. J. M.; PELGRUN, H.; DAVIDS,
G.;THORESON, B. P.; ALLEN, R. G. SEBAL Model with Remotely Sensed Data to
Improve Water-Resources Management under Actual Field Conditions. Journal of
Irrigation and Drainage Engineering, ASCE, p. 85-93, 2005.
BASTIAANSSEN, W. G. M.; PELGRUM, H.; WANG, J.; MA, Y.; MORENO, J.
F.ROENRINK, G. J. VAN DER WAL, T. A remote sensing surface energy balance
algorithm for land (SEBAL) 2. Validation. Journal of Hydrology, v. 212–213, p.213-
229.1998b.
BERGAMASCHI, H.; OMETTO, J.C.; VIEIRA, H.J.; Deficiência hídrica em feijoeiro
II. Balanço de energia. Pesquisa Agropecuária Brasileira, v.23, n.7, p.745-757, 1988.
BORGES, C. K. Obtenção da Evapotranspiração Real Diária Através da Aplicação de
Técnicas de Sensoriamento Remoto no Semiárido Brasileiro. Dissertação de Mestrado,
Campina Grande-PB: DCA/CTRN/UFCG, 2013.
87
BORONINA, A.; RAMILLIEN, G. Application of AVHRR imagery and GRACE
measurements for calculation of actual evapotranspiration over the Quaternary aquifer
(Lake Chad basin) and validation of groundwater models. Journal of Hydrology, v.
348, p. 98-109, 2008.
BOWEN, I. S. The ratio of heat losses by conduction and by evaporation from any
water surface. Physical Review, v. 27, p. 779-787, 1926.
BURMAN, R.D.; NIXON, P.R.; WRIGHT, J.L.; PRUITT, W.O. Water requirements.
In: JENSEN, M.E. (Ed.) Design and operation of farm irrigation systems. St. Joseph:
ASAE, p.189-232, 1983.
CELLIER, P.; BRUNET, Y. Flux–gradient relationships above tall plant canopies.
Agricultural and Forest Meteorology, v. 58, p. 93–117, 1992.
CHANDER, G.; MARKHAM, B. Revised Landsat-5 TM Radiometric Calibration
Procedures and Post calibration Dynamic Ranges. IEEE Transactions on Geoscience
and Remote Sensing, v. 41, p. 2674-2677, 2003.
CHATTERJEE, S. Estimating Evapotranspiration Using Remote Sensing: A Hybrid
approach between Modis Derived Enhanced Vegetation Index, Bowen Ratio System,
and Ground Based Micro-meteorological Data. 192f. Tese (Doctor of Philosophy).
Wright State University, 2010.
CHRISTENSEN, N.S.; LETTENMAIER, D.P. A multimodel ensemble approach to
assessment of climate change impacts on the hydrology and water resources of the
Colorado River Basin. Hydrology and Earth Science System, v. 3, pp. 3727–3770,
2007.
88
CHRISTENSEN, N.S.; WOOD, A.W.; VOISIN, N.; LETTENMAIER, D.P.; PALMER
R.N. The effects of climate change on the hydrology and water resources of the
Colorado River Basin. Climatic Change, v. 62 pp. 337–363, 2004.
CHRISTOFIDIS, D. Irrigação, a fronteira hídrica na produção de alimentos.
Irrigação e Tecnologia Moderna, Brasília: ABID, n.54, p. 46-55, 2002.
CUNHA, G. R.; BERGAMASCHI, H.; Balanço de energia em alfafa. Revista
Brasileira de Agrometeorologia, v.2, p.9-16, 1994.
CUNHA, G.R.; BERGAMASCHI, H.; BERLATO, M.A.; Balanço de energia em
cultura de milho: estudo de casos. In: CONGRESSO BRASILEIRO DE
AGROMETEOROLOGIA, VI, 1989, Maceió, AL. Anais, São José dos Campos:
Sociedade Brasileira de Agrometeorologia, p.417-426. 1989.
DOORENBOS, J., PRUITT, W.O. Guidelines for predicting crop water requirements.
Irrigation and Drainage Paper. Rome, FAO, 179p. 1977.
FONTANA, D.C.; BERLATO, M.A.; BERGAMASCHI, H.; Balanço de energia em
soja irrigada e não irrigada. Pesquisa Agropecuária Brasileira, v.26, n.3, p.403-410,
1991.
GALLEGUILLOS, M.; JACOB, F.; PRÉVOT, L.; LAGACHERIE, P.; LIANG, S.
Mapping Daily Evapotranspiration Over a Mediterranean Vineyard Watershed.
Geoscience and Remote Sensing Letters, v. 8, p. 168-172, 2011.
GARCIA, M.; VILLAGARCIA, L.; CONTRERAS, S.; DOMINGO, F.;
PUIGDEFABREGAS, J. Comparison of Three Operative Models for Estimating the
89
Surface Water Deficit using ASTER Reflective and Thermal Data. Sensors, v. 7, p.
860- 883, 2007.
GASH, J.H.C. J., Benchmark Papers in Hydrology, International Association of
Hydrological Sciences (IAHS), Wallingford, p. 131, 2007.
GOMES, H.B.; SILVA B.B. da; CAVALCANTI, E.P.; ROCHA, H.R. da. Balanço de
radiação em diferentes biomas no estado de São Paulo mediante imagens Landsat 5.
Geociências, v. 28, n. 2, p. 153-164, 2009.
GÓMEZ, M.; OLIOSO, A.; SOBRINO, J. A.; JACOB, F. Retrieval of
evapotranspiration over the Alpilles/ReSeDA experimental site using air borne
POLDER sensor and a termal camera. Remote Sensing of Environment, v.96, p. 399–
408, 2005.
GOWDA, P.H.; CHAVEZ, J.L.; COLAIZZI, P.D.; EVETT, S.R.; HOWELL, T.A.;
TOLK J.A. ET mapping for agricultural water management: present status and
challenges Irrigation. Sciences, 26 (2008), pp. 223–237.
HATTORI, KIYOSHI. The Transpiration Rate of Tamarisk Riparian Vegetation. Tese.
Utah State University, 2004.
HUETE, A. R. A soil adjusted vegetation index – SAVI. Remote Sensing of
Environment, v. 25, p. 295–309, 1988.
90
JARA, J.; STOCKLE, C .O; KJELGAARD, J. Measurement of evapotranspiration and
its components in a corn (Zea mays L.) field. Agricultural and Forest Meteorology,
Amsterdã, v. 92, n. 2, p. 131-145, 1998.
JENSEN, M. E.; WRIGHT, J. L.; PRATT, B. J. Estimating soil moisture depletion from
climate, crop and soil data. Transactions of the ASAE, v.14, p.954-959, 1971.
JIA, L.; SU, Z.; Hurk, B. V. D.; MENENTI, M.; MOENE, A.; BRUIN, H. A. R.;
YRISARRY, J. J. B.; IBANEZ, M.; CUESTA, A. Estimation of sensible heat flux using
the Surface Energy Balance System (SEBS) and ATSR measurements. Physics and
Chemistry of the Earth, v. 28, n. 1, p. 75-88, 2003.
JÚNIOR, V. G. C. Balanço de Energia à Superfície em Áreas de cultivo de cana-de-
açúcar e cerrado no Estado de São Paulo através de algoritmos de Sensoriamento
Remoto. Dissertação de Mestrado, Campina Grande-PB: DCA/CTRN/UFCG, 2012.
KATERJI, N.; RANA, G. Crop reference evapotranspiration: a discussion of the
concept, analysis of the process and validation. Water Resources, v. 25 p. 1581–1600,
2011.
LÓPEZ-URREA, R.; MARTÍN DE SANTA OLALLA, F.; FABEIRO, C.;
MORATALLA, A. Testing evapotranspiration equations using lysimeter observations
in a semiarid climate. Agricultural Water Management. v.85, p. 15-26, 2006.
MATTAR, C.; FRANCH, B.; SOBRINO, J.A.; CORBARI, C.; JIMÉNEZ-MUÑOZ,
J.C.; OLIVERA-GUERRA, L.; SKOKOVIC, D.; SÓRIA, G.; OLTRA-CARRIÒ, R.;
JULIEN, Y.; MANCINI, M. Impacts of the broadband albedo on actual
91
evapotranspiration estimated by S-SEBI model over an agricultural area. Remote
Sensing of Environment. v. 147, p. 23–42, 2014.
MATTAR, C.; OLIVERA-GUERRA, L.; GALLEGUILLOS, M. Estimation of real
evapotranspiration and its variation in Mediterranean landscapes of central-southern
Chile. International Journal of Applied Earth Observation and Geoinformation. v.
28, p. 160-169, 2014.
MEDEIROS, S. L. P. Trocas verticais de energia e vapor d'água em cultura de
milheto (Pennisetumamericanum, L. Leek). Porto Alegre, 1990, 112p. Dissertação
(Mestrado em Fitotecnia) - Programa de Pós-Graduação em Agronomia - Faculdade de
Agronomia, Universidade Federal do Rio Grande do Sul, 1990.
MORAES, M.F. Estimativa do balanço hídrico na bacia experimental/representativa de
Santa Maria/Cambiocó - Município de São José de Ubá – RJ. Tese (Doutorado em
Engenharia Civil) - Universidade Federal do Rio de Janeiro. Rio de Janeiro, 2007. 233f.
MURPHY, K.W.; ELLIS, A.W. An assessment of the stationarity of climate and stream
flow in watersheds of the Colorado River Basin. Journal of Hydrology, v. 509, p. 454–
473, 2014.
NAGLER, P. L.; SCOTT, RL,; WESTENBURG, C.; CLEVERLY, J. R.; GLENN, E.
P.; HUETE, A. R. Evapotranspiration on western U.S. rives estimated using the
Enhanced Vegetation Index from MODIS and data from eddy correlation an Bowen
ratio flux towers. Remote Sensing of environment, v. 97, n. 3, p. 337-351, 2005.
92
NEWMAN, B.D.; WILCOX, B.P.; ARCHER, S.R.; BRESHEARS, D.D.; DAHM, C.N;
DUFFY, C.J.; MCDOWELL, N.G.; PHILLIPS, F.M.; SCANLON, B.R.; VIVONI E.R.
Ecohydrology of water-limited environments: a scientific vision Water Resources.
v. 42, p. 22, 2006.
NORMAN, J.; KUSTAS, W.; HUMES, K. A two-source approach for estimating soil
and vegetation energy fluxes from observations of directional radiometric surface
temperature. Agricultural and Forest Meteorology, v. 77, p. 263–293, 1995.
PAYERO, J. O.; NEALE, C. M. U.; WRIGHT, J. L.; ALLEN, R. G. Guidelines For
Validating Bowen Ratio Data. Transactions of the ASAE, v. 46, p. 1051-1060, 2003.
PENMAN, H. L. Evaporation: an Introductory Survey. Neth. Journal. Agricultural.
Sciences, n. 4, p.9 – 29. 1956.
PENMAN, H.L. Natural evaporation from open water, bare soil and grass.
Proceedings of the Royal Society of London, V. 193: p.120 – 145. 1948.
PENN, J.R. Rivers of the World: A Social, Geographical, and Environmental Source
Book ABC-CLIO, Inc., Santa Barbara, CA, p. 357, 2001.
PEREIRA, A.R.; VILLA NOVA, N.A.; SEDIYAMA, G.C. Evapo(transpi)ração.
Piracicaba: FEALQ, p. 183, 1997.
PEREZ, P. J.; CASTELLVI, F.; IBAÑEZ, M.; ROSSEL, J. I. Assessment of reliability
of Bowen ratio method for partitioning fluxes. Agricultural and Forest Meteorology.
v. 97, p.141-150. 1999.
93
PRIESTLEY, C.H.B.; TAYLOR R.J. On the assessment of surface heat flux and
evaporation using large-scale parameters. Month Weather Review, v.100, p. 81–92,
1972.
RANA, G., KATERJI, N. Measurement and estimation of actual evapotranspiration in
the field under Mediterranean climate: a review. European Journal of Agronomy,
Amsterdam, v. 13, p. 125-153, 2005.
RAUDKIVI, A.J. Hydrology: an advanced introduction to hydrological processes
and modelling. New York: Pergamon, 479p. 1979.
REICHARDT, K; TIMM, L. C. Solo, Planta e atmosfera: Conceitos, processos e
aplicações. Barueri, SP: Manole, p. 478, 2004.
ROENRINK, G. J.; SU, Z.; MENENTI, M.A Simple Remote Sensing Algorithm to
Estimate the Surface Energy Balance. Physics and Chemistry of the Earth (B), v. 25,
p. 147-157, 2000.
RUDDORF, B.F.T.; MOREIRA, M.A. Sensoriamento aplicado a agricultura. (Capítulo
9). São José dos campos: INPE, 2002.
RWASOKA, D.T. Evapotranspiration in Water Limited Environments: Up-Scaling
from the Crown Canopy to the Eddy Flux Footprint. MSc University of Twente – ITC,
Enschede, p.89, 2010.
SANTOS, C. A. C. Estimativa da Evapotranspiração Real Diária Através de Análises
Micrometeorológicas e de Sensoriamento Remoto. 134f. Tese (Doutorado em
94
Meteorologia). Departamento de Ciências Atmosféricas, Universidade Federal de
Campina Grande, Campina Grande-PB, 2009.
SANTOS, C. A. C., SILVA, B. B. Obtenção dos fluxos de energia à superfície
utilizando o algoritmo S-SEBI. Revista Brasileira de Meteorologia, v.25, p. 365 - 374,
2010.
SANTOS, C. A. C.; SILVA, B. B. Estimativa da evapotranspiração da bananeira em
região semiárida através do algoritmo S-SEBI. Revista Brasileira de
Agrometeorologia, v. 16, p. 9-20, 2008.
SANTOS, C. M. dos; TEODORO, R. E. F.; MENDONÇA, F. C.; CAETANO, A. R.;
DOMINGUES, E. P.; BRONZI, S. S. Diagnóstico da cafeicultura irrigada no
Cerrado. In: simpósio Brasileiro de pesquisa em cafeicultura irrigada, Uberlândia.
Palestras e Resumos... Uberlândia: UFU/DEAGO, p. 120-144, 1998.
SAUER, T. S.; HATFIELD, J. C.; PRUEGER, J. H.; NORMAM, J. M. Surface energy
balance of a corn residue-covered field. Agricultural and Forest Meteorology, v. 89,
p. 155- 168. 1998.
SEDIYAMA, G.C. Estimativa da evapotranspiração: histórico, evolução e análise
crítica. Revista Brasileira de Agrometeorologia, Santa Maria, v.4, n.1, 1996.
SENAY, G. B., BUDDE, M. E., VERDIN, J. P. Enhancing the Simplified Surface
Energy Balance (SSEB) approach for estimating landscape ET: Validation with the
METRIC model. Agricultural Water Management, v. 98, p. 606–618, 2011a.
95
SENAY, G. B., BUDDE, M., VERDIN, J. P., MELESSE, A. M.A Coupled Remote
Sensing and Simplified Surface Energy Balance Approach to Estimate Actual
Evapotranspiration from Irrigated Fields. Sensors, v. 7, p. 979-1000, 2007.
SENAY, G. B., LEAKE, S., NAGLER, P. L., ARTAN, G.,DICKINSON, J.,
CORDOVA, J. T., GLENN, E. P. Estimating basin scale evapotranspiration (ET) by
water balance and remote sensing methods. Hydrological Processes, v. 25, p. 4037–
4049, 2011b.
SENTELHAS, P.C. et al. Balanços Hídricos Climatológicos do Brasil. Universidade
de São Paulo, Departamento de Ciências Exatas, Piracicaba, 1999 (Boletim Técnico).
Disponível em: <http://www.lce.esalq.usp.br/nurma.html>Acesso em: 22 de Maio.
2014.
SILVA, B.B. da. Balanço de energia com técnicas de sensoriamento remoto e imagens
de satélite: mini curso. Porto Alegre: Universidade Federal de Campina Grande, 2005.
18 p.
SOBRINO, J. A., GÓMEZ, M., JIMÉNEZ MUÑOZ, J. C., OLIOSO, A.,
CHEHBOUNI, G. A simple algorithm to estimate evapotranspiration from DAIS data:
Application to the DAISEX Campaigns. Journal of Hydrology, v. 315, p. 117-125,
2005.
SOBRINO, J. A., GÓMEZ, M., JIMÉNEZMUÑOZ, J. C., OLIOSO, A. Application of
a simple algorithm to estimate daily evapotranspiration from NOAA-AVHRR images
for the Iberian Peninsula. Remote Sensing of Environment, v.110, p.139-148, 2007.
96
SPIEGEL, M. R. Probabilidade e Estatística. Coleção Schaum. São Paulo: Mc Graw-
Hill do Brasil, 1978.
TAGHVAEIAN, S. Water and Energy Balance of a Riparian and Agricultural
Ecosystem Along the Lower Colorado River. 142f. Tese (Doctor of Philosophy). UTAH
State University, Logan, 2011.
TANNER, B. D. Use requirement for Bowen ratio and eddy correlation determination
of evapotranspiration. In Proc. ASCE 1988 Specialty Conference of the Irrigation and
Drainage Division of the ASCE, 605–616. Reston, Va.: ASCE. 1988.
TANNER, B. D.; GREENE, J. P.; BINGHAM, G. E. A Bowen ratio design for long
term measurements. In Proc. ASAE 1987 International Winter Meeting. St. Joseph,
Mich.: ASAE, 1987.
TASUMI, M., ALLEN, R. G., & TREZZA, R.: “Estimation of at surface reflectance
and albedo from satellite for routine, operational calculation of land surface energy
balance.” Journal Hydrology. Eng. 2007.
THORNTHWAITE, C.W. An approach toward a rational classification of climate.
Geographical Review, v.38, p.55-94, 1948.
TOMASELLA, J.T.G.; ROSSATO, L. Tópicos em Meio Ambiente e Ciências
Atmosféricas – Balanço Hídrico. INPE, São José dos Campos, 2005.
TREZZA, R. Evapotranspiration using a satellite-based Surface energy balance with
standardized ground control. 247f. Thesis (Doctor of Philosophy in Biological and
Agricultural Engineering). Utah State University. Logan, Utah, 2002.
97
TUCCI, C.E.M. Hidrologia Ciência e Aplicação. 2ed. Porto Alegre: Editora da
Universidade: ABRH, p. 943, 1993.
UNESCO. Guía Metodológica para la Elaboración del Balance Hídrico de América
del Sur. Montevidéu, Uruguai. p. 130, 1982.
VERMA, S. B.; ROSENBERG, N. J.; BLAD, B. L. Turbulent exchange coefficients for
sensible heat and water vapor under advective conditions. Journal of Applied
Meteorology, v. 17, p. 330–338, 1978.
VERSTRAETEN, W.W., VEROUSTRAETE, F., FEYEN, J. Estimating
evapotranspiration of European forests from NOAA-imagery at satellite overpass time:
towards an operational processing chain for integrated optical and thermal sensor data
products. Remote Sensing of Environment, v. 96, p. 256–276. 2005.
VÖRÖMARTY, C.J.; GREEN, P.; SALISBURY, J.; LAMMERS, R.B. Global water
resources: vulnerability from climate change and population growth. Science, v. 289, p.
284-288, 2000.
WARD, A. D.; TRIMBLE, S. W. Environmental hydrology. Londres: CRC Press, p.
465, 2004.
WILCOX, B.P.; SEYFRIED, M.S.; BRESHEARS, D.D. The water balance on
rangelands B.A. Stewart, T.A. Howell (Eds.), Encyclopedia of Water Science, Marcel
Dekker, New York), p. 791–794, 2003.
WILKS, D. S. Theoretical probability distributions. In: Statistical methods in the
atmospheric sciences. San Diego: Academic Press, p. 102-104, 2006.
98
ZHANG, Q.; SINGH, V.P.; SUN, P.; CHEN, X.; ZHANG, Z.; LI, J. Journal
Hydrology. Precipitation and streamflow changes in China: changing patterns, causes
and implications. v. 410, p. 204-216, 2011.