Kleymerson Pereira 2023
Dissertao_Kleymerson_verso_final.pdf
Documento PDF (4.1MB)
Documento PDF (4.1MB)
UNIVERSIDADE FEDERAL DE ALAGOAS - UFAL
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA – PPGMET
KLEYMERSON PEREIRA LINS
Estimativa da Evapotranspiração Real em Região Semiárida, utilizando o algoritmo
SAFER
Maceió
2023
KLEYMERSON PEREIRA LINS
Estimativa da Evapotranspiração Real em Região Semiárida, utilizando o algoritmo
SAFER
Dissertação apresentada ao Programa de PósGraduação em Meteorologia da Universidade
Federal de Alagoas, como requisito para a
obtenção do título de Mestre em Meteorologia.
Orientador: Prof. Dr. Heliofábio Barros Gomes
Coorientadora: Profª. Dra. Maria Luciene Dias
de Melo
Maceió
2023
Catalogação na Fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecário: Marcelino de Carvalho Freitas Neto – CRB-4 – 1767
L759e
Lins, Kleymerson Pereira.
Estimativa da evapotranspiração real em região semiárida, utilizando o
algoritmo SAFER / Kleymerson Pereira Lins. – 2023.
56 f. : il.
Orientador: Heliofábio Barros Gomes.
Co-orientadora: Maria Luciene Dias de Melo.
Dissertação (Mestrado em Meteorologia) – Universidade Federal de Alagoas.
Instituto de Ciências Atmosféricas. Maceió, 2023.
Bibliografia: f. 53-56.
1. Sensoriamento remoto. 2. LANDSAT (Satélites). 3. QGIS (Software). I. Título.
CDU: 528.8
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
COORDENAÇÃO DE PÓS-GRADUAÇÃO EM METEOROLOGIA
CERTIFICADO DE APRESENTAÇÃO
N.º de ordem: MET-UFAL-MS-199.
“ESTIMATIVA DA EVAPOTRANSPIRAÇÃO REAL EM REGIÃO SEMIÁRIDA,
UTILIZANDO O ALGORITMO SAFER.”
KLEYMERSON PEREIRA LINS
Dissertação submetida ao colegiado do Curso de PósGraduação em Meteorologia da Universidade Federal
de Alagoas - UFAL, como parte dos requisitos
necessários à obtenção do grau de Mestre em
Meteorologia.
Aprovado pela Banca Examinadora composta por:
Prof. Dr. Heliofabio Barros Gomes
Profa. Dra. Maria Luciene Dias de Melo
(Orientador)
(Coorientadora)
Prof. Dr. Fabrício Daniel dos Santos Silva
Prof. Dr. Jannaylton Éverton Oliveira Santos
(Membro Interno)
(Membro Externo)
FEVEREIRO/2023
Dedico
As minhas Marias: Luíza e Cecília e a Marília,
que me impulsionam a continuar sempre e
nunca desistir.
AGRADECIMENTOS
A Deus, por tudo, sempre.
A minhas filhas, Maria Luiza e Maria Cecília.
À Marília, minha amada companheira, que caminhou comigo desde o início, e sua
família.
À Genilda, minha mãe e maior incentivadora.
À Regina, minha avó, inspiração de coragem e disposição.
A Genilson, meu pai, pelo apoio de sempre.
A Kleydson, Maria Clara e Kleyferson, irmão e sobrinhos, por tudo.
A todos os familiares que formam minha rede de apoio, em especial aos primos: Marcos
Kleyton e Fernando Kléber (in memoriam).
A Fabrício, Jairo, Matheus, André Alécio e todos os amigos por eles representados.
À Ufal, ao ICAT e a todos os seus colaboradores, sobretudo ao professor Ricardo
Amorim e meus orientadores, professor Heliofábio e professora Maria Luciene, pela
oportunidade e auxílio.
Aos professores Fabrício e Jannaylton, por suas contribuições e sugestões.
E um agradecimento especial aos professores Alejandro C. Frery, José Vieira e Marcelo,
por me encorajarem e incentivarem a iniciar a jornada até aqui, por enquanto…
RESUMO
Os efeitos das mudanças climáticas globais são diversos, desde o aumento da poluição,
desmatamento, até a escassez hídrica e de alimentos. Nesse sentido, torna-se indispensável o
uso de técnicas para estimar a quantidade de água necessária ao desenvolvimento de culturas
agrícolas. Diante disso, o objetivo principal deste trabalho é utilizar técnicas de sensoriamento
remoto e o algoritmo SAFER (Simple Algorithm for Evapotranspiration Retrieving) na
estimativa da evapotranspiração para a região centro-norte do estado de Pernambuco e sudoeste
da Paraíba. Trata-se de uma área semiárida, excetuando-se o município de Triunfo (PE),
caracterizado como brejo de altitude. Para estimativa, utilizou-se dados de superfície da estação
meteorológica de Serra Talhada (PE), pertencente ao Instituto Nacional de Meteorologia
(INMET), bem como imagens do satélite Landsat8. Em posse dos dados observados calculouse a Evapotranspiração de referência, por meio do método Penman-Monteith (PM), necessária
para o cálculo da Evapotranspiração Real SAFER. Utilizando o Software QGIS, foram feitos
mosaicos com as imagens dos quadrantes 216/065 e 216/066 e o recorte da região de interesse,
com raio de 50 Km, partindo da estação meteorológica. Após processamento e análise das
imagens, foram selecionadas quatro datas para o estudo, as quais são referenciadas no texto
pela estação do ano, para melhor compreender suas diferenças: 02/01/2014 (verão), 26/05/2014
(outono), 18/07/2016 (inverno) e 05/11/2015 (primavera). Analisou-se as variáveis estimadas
pelo SAFER: albedo, temperatura da superfície e índice de vegetação por diferença normalizada
(do inglês Normalized Difference Vegetation Index - NDVI). Os resultados obtidos para o
albedo mostraram maiores valores para primavera, estação mais quente e seca analisada, e
menores para o outono, período mais chuvoso. Esses resultados estão de acordo com os de
NDVI, que têm relação inversa com o albedo. Valores maiores de NDVI foram estimados no
período chuvoso, enquanto menores índices foram encontrados para a estação mais seca, para
a qual a vegetação se encontra menos robusta. Também corroboram os resultados para
temperatura à superfície (𝑇𝑆 ), que sugerem temperaturas maiores durante a primavera, quando
comparadas ao outono. Confrontando as estimativas da 𝑇𝑆 média da área de estudo com os
dados observados na estação de Serra Talhada, verificou-se que ocorreu uma superestimativa
da variável, com maior diferença na primavera, enquanto para o outono a 𝑇𝑆 foi subestimada.
Quanto à estimativa da evapotranspiração real pelo SAFER, verificou-se que o valor médio foi
maior no outono, período com maior índice de precipitação, e menor na primavera, período
quente e com disponibilidade hídrica inferior. Posteriormente, fez-se uma análise para uma área
menor, de 750 metros por 750 metros, com a estação meteorológica ao centro, e foram
analisadas as variáveis para verificar se uma área mais homogênea apresentaria resultados
adversos comparados aos anteriores. Os resultados mostraram estimativas um pouco diferentes,
no entanto, dentro do desvio padrão. Comparando as estimativas da evapotranspiração do
SAFER com os dados coletados na estação, realizou-se o cálculo do quociente da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 e
do 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 (fração evapotranspirativa SAFER) para a área original do estudo; quociente da
𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 e 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 para a área menor; e 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 do recorte e 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da área total,
verificando-se que os valores da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 são próximos da 𝐸𝑇0 𝑃𝑀 , devido à dependência da
𝐸𝑇0 𝑃𝑀 para a estimativa pelo SAFER. Maiores diferenças ocorrem quando se utiliza o valor da
𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 da área recortada e o 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da área total, com maiores variações no outono e
primavera, devido a dependência da temperatura à superfície na estimativa da
evapotranspiração. Concluiu-se que o SAFER, mesmo tendo sido desenvolvido para estimativa
da 𝐸𝑇 para culturas, é eficiente para estimativa em áreas heterogêneas, podendo ser utilizado
como ferramenta no auxílio do manejo da irrigação em diferentes áreas.
Palavras-Chave: Sensoriamento Remoto, Landsat, Semiárido, QGIS.
ABSTRACT
The effects of global climate change are diverse, such as increased pollution, deforestation, to
water and food shortages. In this sense, it is essential to use techniques to estimate the amount
of water needed for the development of agricultural crops. Therefore, the main objective of this
work is using remote sensing techniques and the SAFER algorithm (Simple Algorithm for
Evapotranspiration Retrieving) to estimate evapotranspiration for the central-north region of
the state of Pernambuco and southwest of Paraíba. It is a semi-arid area, except for the city of
Triunfo (PE), characterized as an altitude swamp. For estimation, was used surface data from
the meteorological station of Serra Talhada (PE), belonging to the National Institute of
Meteorology (INMET), as well as images from the Landsat8 satellite. From the observed data,
the reference evapotranspiration was calculated using the Penman-Monteith (PM) method,
necessary for the calculation of the Real SAFER evapotranspiration. Using the QGIS Software,
mosaics were made with the images of the quadrants 216/065 and 216/066 and the clipping of
the region of interest, with a radius of 50 km, starting from the meteorological station. After
processing and analyzing the images, four dates were selected for the study, which are
referenced in the text by the season of the year, to better understand their differences:
01/02/2014 (summer), 05/26/2014 (autumn), 07/18/2016 (winter) and 11/05/2015 (spring). The
variables estimated by SAFER were analyzed: albedo, surface temperature and Normalized
Difference Vegetation Index - NDVI. The results obtained for the albedo showed higher values
for spring, the hottest and driest season analyzed, and lower values for autumn, the wettest
period. These results are in agreement with those of NDVI, which are inversely related to
albedo. Higher NDVI values were estimated in the rainy season, while lower indices were found
for the driest season, for which the vegetation is less robust. They also corroborate the results
for surface temperature (𝑇𝑆 ), which suggest higher temperatures during spring when compared
to autumn. Comparing the estimates of the average 𝑇𝑆 of the study area with the data observed
at the Serra Talhada station, it was verified that there was an overestimation of the variable,
with a greater difference in spring, while for autumn the 𝑇𝑆 was underestimated. As for the
estimation of real evapotranspiration by SAFER, it was verified that the average value was
higher in autumn, period with higher precipitation index, and lower in spring, hot period and
with lower water availability. Subsequently, an analysis was carried out for a smaller area,
measuring 750 meters by 750 meters, with the meteorological station in the center, and the
variables were analyzed to verify whether a more homogeneous area would present adverse
results compared to the previous ones. The results showed slightly different estimates, however,
within the standard deviation. Comparing the SAFER evapotranspiration estimates with the
data collected at the station, the 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 and 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 (SAFER evapotranspiration fraction)
quotient was calculated for the original study area; quotient of 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 and 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 for the
smaller area; and 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 from the clipping and 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 from the total area, verifying that
the values of 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 are close to 𝐸𝑇0 𝑃𝑀 , due to dependence from 𝐸𝑇0 𝑃𝑀 to estimate by
SAFER. Greater differences occur when using the 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 value of the clipped area and the
𝐾𝐶𝑆𝐴𝐹𝐸𝑅 of the total area, with greater variations in autumn and spring, due to the dependence
of surface temperature on the evapotranspiration estimate. It was concluded that SAFER, even
though it was developed to estimate 𝐸𝑇 for crops, is efficient for estimating in heterogeneous
areas, and can be used as a tool to aid irrigation management in different areas.
Keywords: Remote Sensing, Landsat, Semiarid, QGIS.
LISTA DE ILUSTRAÇÕES
Figura 1 – Sistema típico de sensoriamento remoto ................................................................ 18
Figura 2 – Missões Landsat ..................................................................................................... 19
Figura 3 – Localização da área de estudo ................................................................................ 25
Figura 4 – Cobertura total da área de estudo, formada por duas cenas ................................... 27
Figura 5 – Fluxograma do modelo SAFER ............................................................................. 31
Figura 6 – Composição RGB para os dias 02/01/2014 (a), 25/05/2014 (b), 18/07/2016 (c) e
05/11/2015 (d). ......................................................................................................................... 33
Figura 7 – Albedo estimado pelo algoritmo SAFER para os dias 02/01/2014 (a), 25/05/2014
(b), 18/07/2016 (c) e 05/11/2015 (d). ....................................................................................... 37
Figura 8 – NDVI obtidos para os dias 02/01/2014 (a), 25/05/2014 (b), 18/07/2016 (c) e
05/11/2015 (d). ......................................................................................................................... 38
Figura 9 – Temperatura de superfície obtidas para os dias 02/01/2014 (a), 25/05/2014 (b),
18/07/2016 (c) e 05/11/2015 (d). .............................................................................................. 39
Figura 10 – Evapotranspiração Real obtida com o algoritmo SAFER, para os dias 02/01/2014
(a), 25/05/2014 (b), 18/07/2016 (c) e 05/11/2015 (d)............................................................... 40
Figura 11 – Recorte da área total de 750 x 750m (0,563 km²), com a estação meteorológica
(A350 - Serra Talhada - PE) ao centro ..................................................................................... 41
Figura 12 – Albedo da área de estudo de caso, para os dias 02/01/2014 (a), 25/05/2014 (b),
18/07/2016 (c) e 05/11/2015 (d). .............................................................................................. 42
Figura 13 – NDVI da área de estudo de caso, para os dias 02/01/2014 (a), 25/05/2014 (b),
18/07/2016 (c) e 05/11/2015 (d). .............................................................................................. 44
Figura 14 – Temperatura de superfície da área de estudo de caso, para os dias 02/01/2014 (a),
25/05/2014 (b), 18/07/2016 (c) e 05/11/2015 (d). .................................................................... 46
Figura 15 – Evapotranspiração real da área de estudo de caso, obtida com o algoritmo SAFER,
para os dias 02/01/2014 (a), 25/05/2014 (b), 18/07/2016 (c) e 05/11/2015 (d). ...................... 47
LISTA DE TABELAS
Tabela 1 – Principais características do Landsat 8 .................................................................. 19
Tabela 2 – Características dos sensores do Landsat 8 ............................................................. 19
Tabela 3 – Municípios e a área coberta pela região de estudo, destacando Serra Talhada - PE,
onde fica localizada a estação meteorológica, local da coleta de dados................................... 26
Tabela 4 – Cenas selecionadas para a área de estudo .............................................................. 28
Tabela 5 – Cenas selecionadas para a área de estudo .............................................................. 28
Tabela 6 – Dados diários obtidos pela estação meteorológica. ............................................... 34
Tabela 7 – Dados diários obtidos pelo algoritmo SAFER ....................................................... 35
Tabela 8 – Classificação do tipo de solo da área recortada 750 metros x 750 metros ............ 41
Tabela 9 – Albedo da área de estudo de caso .......................................................................... 43
Tabela 10 – NDVI da área de estudo de caso .......................................................................... 43
Tabela 11 – Temperatura de superfície da área de estudo de caso .......................................... 45
Tabela 12 – Evapotranspiração real da área de estudo de caso, obtida com o algoritmo SAFER
.................................................................................................................................................. 48
Tabela 13 – Valores da Evapotranspiração de referência da estação de Serra Talhada, quociente
da evapotranspiração estimada pelo SAFER (𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅) para área total e do 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da
área total; quociente da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 do recorte e o 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 do recorte; e 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 do
recorte e o 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da área total; representativos das quatro estações do ano .................... 48
LISTA DE ABREVIATURAS E SIGLAS
SAFER – Simple Algorithm for Evapotranspiration Retrieving ou Algoritmo simples para a
recuperação da evapotranspiração
INMET – Instituto Nacional de Meteorologia
QGIS – QGIS Geographic Information System. Open Source Geospatial Foundation Project.
NDVI – Normalized Difference Vegetation Index
𝑇𝑆 – Temperatura de superfície
LST – Land Surface Temperature
𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 – Evapotranspiração Real calculada pelo SAFER
𝐾𝐶𝑆𝐴𝐹𝐸𝑅 – Equivalente à fração evapotranspirativa calculada pelo SAFER
𝐸𝑇0 𝑃𝑀 – Evapotranspiração de Referência calculada pelo método Penman-Monteith (PM)
FAO – Food and Agriculture Organization
𝐸𝑇𝑅 – Evapotranspiração real
NEB – Nordeste do Brasil
ERTS-1 – Earth Resources Technology Satellite
OLI – Operational Land Imager
TIRS – Thermal Infrared Sensor
REM – Radiação eletromagnética
NASA – National Aeronautics and Space Administration – Administração Nacional da
Aeronáutica e Espaço
MSS – Multispectral Scanner System, ou Sistemas de Varreduras Multiespectrais
RBV – Return Beam Vidicon
LWIR – Long-Wavelength Infrared infravermelho
𝐸𝑇0 – Evapotranspiração de Referência
𝐸𝑇𝑃 – Evapotranspiração Potencial
𝐸𝑇𝑅 – Evapotranspiração Atual ou Real (
𝐸𝑇 – Evapotranspiração
HS – Hargreaves-Samani
RUE – Radiation Use Efficiency
MODIS – Moderate Resolution Imaging Spectroradiometer
BIO – Biomassa
DOY – Day of Year – Dia do ano
SCP – Semi-Automatic Classification Plugin
𝑅𝑆 – Radiação solar global
Prec – Precipitação
𝑅𝑁 – Saldo de radiação
RGB – Red green blue ou Vermelho Verde Azul
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................................... 14
2 OBJETIVOS .......................................................................................................................... 16
2.1 Objetivo Geral ................................................................................................................ 16
2.2 Objetivos Específicos ..................................................................................................... 16
3 REVISÃO BIBLIOGRÁFICA .............................................................................................. 17
3.1 Sensoriamento Remoto ................................................................................................... 17
3.2 LANDSAT ..................................................................................................................... 18
3.3 Evapotranspiração .......................................................................................................... 20
3.4 SAFER ............................................................................................................................ 22
4 METODOLOGIA.................................................................................................................. 25
4.1 Área de Estudo ............................................................................................................... 25
4.2 Dados .............................................................................................................................. 27
4.2.1 Dados Orbitais ............................................................................................................. 27
4.2.2 Dados de Superfície ..................................................................................................... 28
4.2.3 Seleção e Processamento dos Dados ........................................................................... 28
4.3 Softwares ........................................................................................................................ 29
4.4 SAFER ............................................................................................................................ 29
4.5 Desenvolvimento da Pesquisa ........................................................................................ 31
5 RESULTADOS ..................................................................................................................... 33
5.1 Dados Médios Para Estação de Serra Talhada (PE) ....................................................... 34
5.2 Albedo à Superfície ........................................................................................................ 36
5.3 NDVI .............................................................................................................................. 37
5.4 Temperatura de Superfície.............................................................................................. 38
5.5 Evapotranspiração Real .................................................................................................. 39
5.6 Estudo de Caso ............................................................................................................... 40
5.6.1 Área do Estudo de Caso .............................................................................................. 40
5.6.2 Albedo ......................................................................................................................... 42
5.6.3 NDVI ........................................................................................................................... 43
5.6.4 Temperatura de Superfície........................................................................................... 44
5.6.5 Evapotranspiração Real ............................................................................................... 46
6 CONCLUSÕES ..................................................................................................................... 50
7 TRABALHOS FUTUROS .................................................................................................... 52
REFERÊNCIAS ....................................................................................................................... 53
14
1 INTRODUÇÃO
As mudanças e variabilidades climáticas, assuntos mundialmente discutidos na
atualidade, são de extrema importância para todo o globo. Em algumas regiões, esses efeitos se
intensificam, como no caso da região semiárida do nordeste brasileiro. Diferentes áreas do
conhecimento desenvolvem estudos e pesquisas para monitorar os impactos e minimizar os
riscos dos problemas causados (GOMES; ZANELLA, 2022).
Nesse sentido, com o avanço tecnológico e a disponibilidade de imagens de satélites de
forma gratuita, o sensoriamento remoto se tornou uma importante ferramenta no
monitoramento do avanço do desmatamento, queimadas e também aplicável em diversas áreas,
a exemplo de sua utilização na agricultura, através de desenvolvimento e pesquisa de produtos
agrometeorológicos. Dessa maneira, pesquisas sobre a aplicação de algoritmos para o cálculo
da disponibilidade de água no solo e necessidade de irrigação são cada vez mais relevantes.
Estes fenômenos compõem a evapotranspiração, um componente importante do ciclo
hidrológico, já que é responsável pelo retorno da água precipitada à atmosfera e, portanto,
regula a disponibilidade hídrica, seja em ambientes naturais ou a partir de atividades antrópicas,
tais como cultivos agrícolas (BERTONI, 2014). Não obstante, métodos tradicionais de medição
pontual desta variável, que não são, necessariamente, representativos de uma grande área, são
ineficientes em escalas regionais devido à grande variabilidade espaço-temporal, assim como
alto custo operacional (SILVA; TEIXEIRA; MANZIONE, 2019).
Para o cálculo da Evapotranspiração, utiliza-se o método indicado pela Food and
Agriculture Organization (FAO), das Nações Unidas, no boletim FAO56, que aplica o
algoritmo de Penman-Monteith (PM) (ALLEN et al., 1998). Nesse método, faz-se necessário a
coleta de diversas variáveis meteorológicas, tais como temperatura (°C), umidade relativa (%),
velocidade do vento (m/s), pressão atmosférica (mB) e radiação global (kJ/m²) em estação
meteorológica. Outra forma mais precisa para obtenção da evapotranspiração é através da
utilização de equipamentos específicos, como os lisímetros, que precisam ser instalados em
condições ideais, as quais nem sempre podem ser reproduzidas. Aliado a tudo isso, o alto custo
e a complexidade de propagar o uso desses equipamentos de maneira rápida e escalável na
região semiárida torna a determinação da evapotranspiração através de técnicas que utilizam
sensoriamento remoto uma saída viável para a determinação desta medida.
Por conseguinte, o uso de imagens de satélite gratuitas permite estimar a
Evapotranspiração Real (𝐸𝑇𝑅 ) – definida como a quantidade de água transferida para a
15
atmosfera por evaporação e transpiração, nas condições reais ou existentes de fatores
atmosféricos e umidade do solo (MATZENAUER, 1992) –, e consequentemente, o déficit
hídrico de uma região ou cultura. Partindo dessa abordagem, verifica-se a necessidade de
desenvolver pesquisas em regiões como as do semiárido no Nordeste do Brasil (NEB).
Outra vantagem do sensoriamento remoto, fato pelo qual hoje é tão explorado, é poder
integrar informações pontuais ou de áreas com diferentes resoluções espaciais e temporais,
possibilitando o monitoramento e acompanhamento de fenômenos diversos, como focos de
queimadas, desmatamento, alterações no uso do solo e/ou recursos hídricos.
Um grande avanço do sensoriamento remoto ocorreu em 1972, com o lançamento do
Earth Resources Technology Satellite (ERTS-1), posteriormente renomeado Landsat, satélite
pioneiro em estudos dos recursos terrestres (BAPTISTA, 2021). Em 2013 entrou em
funcionamento o Landsat 8, fornecendo cobertura periódica de todo globo com resolução
espacial de 30 m e novos sensores de imageamento (SILVA, 2018).
Nesse contexto, têm ganho relevância pesquisas que empregam imagens de satélites
gratuitas e softwares livres, por ser uma metodologia eficiente e acessível. Deste modo, neste
trabalho foi aplicado o Simple Algorithm for Evapotranspiration Retrieving – SAFER – para o
cálculo da evapotranspiração real, possibilitando a avaliação, de forma remota, dos impactos
de mudança/variabilidade climática e escassez hídrica na região, além de utilizá-lo usado como
forma de complementar as informações de áreas com deficiência nas medições de dados
observados. Vale ressaltar que, em períodos secos, os sensores passivos (como os utilizados na
pesquisa) oferecem maior qualidade nos dados comparados aos períodos chuvosos, em virtude
da menor cobertura de nuvens. Os resultados seriam importantes para estabelecer métodos mais
eficientes de utilização da água e facilitar a replicação de tais processos (Teixeira et al., 2021).
De posse desse ferramental e sabendo-se da necessidade de maior eficiência no uso da
água para região semiárida, a estimativa da 𝐸𝑇𝑅 através de imagens de satélite Landsat 8 é uma
boa alternativa, para melhor conhecimento climatológico, manejo do solo, na gestão de lavouras
agrícolas e gerenciamento de potenciais riscos climáticos na sua produção. Todavia, dados
coletados em superfície, por meio de estações meteorológicas, são necessários a fim de validar
os dados de satélite.
16
2 OBJETIVOS
2.1 Objetivo Geral
Estimar a evapotranspiração real (𝐸𝑇𝑅 ), utilizando o algoritmo SAFER, para a região de
Serra Talhada – PE, com imagens do satélite Landsat 8 OLI/TIRS.
2.2 Objetivos Específicos
•
Analisar componentes derivados dos balanços de radiação e energia, que compõem o
algoritmo SAFER;
•
Identificar o comportamento da evapotranspiração real calculada em áreas com
características diferentes no uso e cobertura do solo, como: Caatinga, agricultura, solo
exposto e área urbana.
17
3 REVISÃO BIBLIOGRÁFICA
3.1 Sensoriamento Remoto
O Sensoriamento Remoto, de acordo com Almeida e Maia (2021), é uma técnica que,
através da análise da radiação refletida pela superfície terrestre, permite obter informações a
respeito de um objeto sem contato direto com ele. Este processo se define por três fenômenos
distintos, um de absorção, outro de transmissão e um último de reflexo sobre o objeto. Por ser
uma ciência abrangente, o sensoriamento remoto pode ser utilizado como ferramenta em
diversas áreas, como monitoramento de uso e cobertura do solo, recursos naturais, precipitação,
estudo das mudanças climáticas, entre outros.
Por ser capaz de fornecer dados de observação com frequência temporal elevada e alta
resolução espacial, o sensoriamento remoto pode ser usado como forma de complementar as
informações de áreas com deficiência nas medições de dados em campo. Além disso, a partir
de imagens orbitais, possibilita o monitoramento eficiente de recursos naturais ao redor do
mundo, tornando-se uma ferramenta de grande valia, inclusive no gerenciamento de desastres
e planejamento urbano (ALMEIDA; MAIA, 2021; SILVA, 2018).
No Brasil, o uso do Sensoriamento Remoto teve início na década de 1940, empregandoo em estudos da vegetação, por meio de imagens, para a produção de mapas. Ainda na análise
de vegetação, pode-se destacar o projeto Radambrasil, desenvolvido em meados dos anos 1970,
cujo objetivo foi a representação espacial de classes de cobertura vegetal no território brasileiro
(SILVA, 2018).
O lançamento do Earth Resources Technology Satellite (ERTS-1), em 23 de julho de
1972, é considerado o evento mais significativo para o sensoriamento remoto, por se tratar de
um satélite pioneiro para o estudo dos recursos terrestres. Posteriormente, o programa ERTS
foi renomeado para Landsat (BAPTISTA, 2021). Na Figura 1 é apresentado um diagrama
simplificado de um sistema de sensoriamento remoto.
18
Figura 1 – Sistema típico de sensoriamento remoto
Fonte: Adaptado de Baptista (2021).
3.2 LANDSAT
Os departamentos do Interior e Agricultura, juntamente com a National Aeronautics and
Space Administration – NASA, envidaram esforços para desenvolver e lançar o primeiro
satélite civil de observação da terra. O objetivo traçado foi cumprido em 23 de julho de 1972,
com o lançamento do satélite ERTS-1, posteriormente chamado de Landsat 1. Os satélites
Landsat 1 a 3 eram portados com dois sistemas sensores: o MSS (Multispectral Scanner System,
ou Sistemas de Varreduras Multiespectrais) e o RBV (Return Beam Vidicon) (BAPTISTA,
2021; BRASIL, 2021).
O oitavo satélite da constelação, Landsat 8, entrou em funcionamento em 2013,
recebendo dois novos sensores: o Operational Land Imager (OLI) e o Thermal Infrared Sensor
(TIRS). Além disso, fornece cobertura periódica do globo terrestre, com resolução espacial de
30 metros no espectro do visível, 100 metros no térmico e 15 metros no pancromático,
adquirindo, diariamente, 550 cenas com suas 11 bandas espectrais (SILVA, 2018). Esse satélite
realiza varredura em praticamente todo o globo, excetuando-se algumas áreas das altas latitudes
polares. Possui cenas de aproximadamente 170 quilômetros ao Norte – Sul e 183 quilômetros
a Leste – Oeste, revisitando a cada 16 dias o setor imageado (MARTINS, 2019).
A Tabela 1 traz as principais características do satélite Landsat 8, enquanto a Figura 2
exibe a linha do tempo do lançamento da constelação. A Tabela 2, por sua vez, apresenta
maiores detalhes a respeito dos sensores instalados no Landsat 8.
19
Tabela 1 – Principais características do Landsat 8
Satélite
Landsat 8
Altitude
705 km
Período de Revisita
16 dias
Tempo de vida projetado
5 anos
Instrumentos Sensores
OLI e TIRS
Fonte: Adaptado de Brail (2021).
Figura 2 – Missões Landsat
Fonte: Estados Unidos da América (2021).
Tabela 2 – Características dos sensores do Landsat 8
Sensor
OLI
Bandas
Espectrais
Resolução
Resolução Resolução
Espectral
Espacial Temporal Imageada Radiométrica
(µm)
B1 - Costal
0.433 - 0.453
B2 - Azul
0.450 - 0.515
B3 - Verde
0.525 - 0.600
B4 - Vermelho
0.630 - 0.680
Área
Resolução
(m)
(dias)
(km)
(bits)
30 m
16 dias
185 km
12 bits
20
Sensor
Bandas
Espectrais
Resolução
Resolução Resolução
Espectral
Espacial Temporal Imageada Radiométrica
(µm)
(m)
(dias)
Área
(km)
Resolução
(bits)
B5 Infravermelho
0.845 - 0.885
próximo
B6 Infravermelho
1.560 - 1.660
médio
B7 Infravermelho
2.100 - 2.300
médio
B8 Pancromático
B9 - Cirrus
TIRS
0.500 - 0.680
15 m
1.360 - 1.390
30 m
B10 - LWIR - 1 10.30 - 11.30
B11 - LWIR - 2 11.50 - 12.50
100 m
Fonte: Adaptado de Brasil (2021).
3.3 Evapotranspiração
Agrometeorologia é a área que estuda a relação entre os parâmetros meteorológicos e
climáticos com as culturas agrícolas e seus impactos no desenvolvimento das plantas e na
produtividade (LEIVAS; TEIXEIRA; ANDRADE, 2014). A junção dos processos de
transpiração e de evaporação numa superfície vegetada, por sua vez, denomina-se
Evapotranspiração, que consiste no processo pelo qual o vapor d'água é transferido da superfície
terrestre para a atmosfera, através da combinação de evaporação a partir do solo e da
transpiração das plantas. É um importante componente do ciclo hidrológico e a estimativa
precisa da 𝐸𝑇 é um fator crítico para entender o gerenciamento de recursos hídricos, agricultura
e ecossistemas ecológicos. É expressa, na maioria dos casos, em milímetros (mm) por unidade
de tempo, podendo ser hora, dia, mês ou ciclo da cultura.
Dentre os tipos de evapotranspiração elencados por Leivas, Teixeira e Andrade (2014)
estão:
21
•
A Evapotranspiração de Referência (𝐸𝑇0 ) – é a taxa de transferência de vapor d´água
para a atmosfera, utilizando uma situação hipotética e condições ideais, ou seja,
recoberta por grama, sem limitação hídrica em toda a área do solo;
•
A Evapotranspiração Potencial (𝐸𝑇𝑃 ) – é a taxa de transferência de vapor d´água, com
condições hídricas e fitossanitárias ideais, representando o potencial produtivo e uma
determinada condição climática;
•
A Evapotranspiração Atual ou Real (𝐸𝑇𝑅 ) – é a taxa de transferência de vapor d´água
em situação real, independente de quaisquer fatores.
Diversos são os métodos para se calcular a 𝐸𝑇0 (estima-se a existência de cerca de 50
métodos), os quais exigem informações meteorológicas distintas gerando, normalmente,
resultados inconsistentes. É extremamente importante saber a adequabilidade do método a ser
utilizado para cada região estudada (LEIVAS; TEIXEIRA; ANDRADE, 2014; CABRAL
JÚNIOR, 2015). Dentre os métodos disponíveis, pode-se citar alguns:
•
Método Penman-Monteith: Este método é amplamente utilizado e tido como método
padrão para a estimativa da 𝐸𝑇. É baseado no princípio do balanço energético e
considera radiação "difusa", fluxo de calor do solo e calor sensível, bem como o déficit
de pressão e a velocidade do vento. Esse método requer dados de variáveis
meteorológicas como temperatura, umidade relativa, velocidade do vento, radiação
solar e fluxo de calor no solo. O Penman-Monteith surgiu em 1990 como uma proposta
nova e revolucionária nos estudos relacionados a evapotranspiração, sendo o método
estabelecido para estimar a Evapotranspiração de Referência (𝐸𝑇0 ), pela FAO, no
boletim FAO56 (ALLEN et al., 1998; CABRAL JÚNIOR, 2015).
•
Método Hargreaves-Samani: Este método usa apenas dados de temperatura para
estimar 𝐸𝑇. É baseado em assumir que a taxa da 𝐸𝑇 em relação à evapotranspiração de
referência (𝐸𝑇0 ) é a mesma para uma dada localidade, e usa uma equação de regressão
para estimar 𝐸𝑇0 baseando-se na temperatura (LIMA JUNIOR; ARRAES; OLIVEIRA;
NASCIMENTO; MACÊDO, 2016).
•
Método Shuttleworth-Wallace: Este método é baseado na medida da temperatura
superficial para estimar 𝐸𝑇. Utiliza uma combinação das equações de balanço
energético e sensoriamento remoto por satélite para estimar o fluxo superficial de
energia e 𝐸𝑇 (LAFLEUR; ROUSE, 1990; YAN et al., 2022).
Em geral, os algoritmos de estimativa da 𝐸𝑇 usam dados meteorológicos e de
sensoriamento remoto, assim como relações empíricas ou fisicamente baseadas, para estimar
22
os componentes do balanço energético ao nível da superfície terrestre. A precisão das
estimativas pode depender da qualidade dos dados de entrada, a complexidade do algoritmo e
de condições específicas da área estudada. Entre os algoritmos existentes para se estimar e
calcular a evapotranspiração, está o SAFER – Simple Algorithm For Evapotranspiration
Retrieving –, que é utilizado neste trabalho.
Ao utilizar o Sensoriamento Remoto, é possível obter os valores de evapotranspiração
a partir de imagens de satélite, efetuando os cálculos das radiações espectrais refletidas e
emitidas em conjunto com dados de estações meteorológicas. Assim, basicamente, é possível
se chegar aos valores de albedo e temperatura da superfície e do Índice de Vegetação
Normalizada (NDVI, do inglês Normalized Difference Vegetation Index) (LEIVAS;
TEIXEIRA; ANDRADE, 2014; CABRAL JÚNIOR, 2015).
O NDVI é utilizado para monitorar mudanças sazonais do desenvolvimento da
vegetação e está relacionado à cobertura vegetal – valor de biomassa, área foliar, cobertura do
solo e rendimento agrícola (ANTUNES; ASSAD; BATISTA, 1993). Trata-se de uma variável
sensível à variação das condições hídricas, como a ocorrência de chuva próximo à passagem
do satélite. Apresenta valores que variam entre -1 e 1, sendo que quanto mais próximo de 1,
mais densa é a vegetação; e abaixo de zero indica superfície não vegetada (SILVA, 2018).
3.4 SAFER
O Simple Algorithm For Evapotranspiration Retrieving – SAFER – é um algoritmo
desenvolvido de forma a simplificar a estimativa de evapotranspiração, utilizando parâmetros
derivados de sensoriamento remoto (TEIXEIRA et al., 2015). O SAFER se baseia na equação
de Penman-Monteith para obter a evapotranspiração real (𝐸𝑇𝑅 ), sendo um algoritmo de simples
aplicação, que necessita apenas dos dados de evapotranspiração de referência (𝐸𝑇0 ), radiação
global (𝑅𝑔 ) e temperatura média do ar (𝑇𝑎 ), obtidos através de estações meteorológicas
(TEIXEIRA et al., 2016). Juntamente com os parâmetros obtidos por sensoriamento remoto e
do balanço de energia, chega-se à evapotranspiração real (𝐸𝑇𝑅 ), que pode ser utilizada como
ferramenta no auxílio do manejo da irrigação em diferentes culturas, ao se definir a relação
𝐸𝑇𝑅 /𝐸𝑇0 , ou coeficiente de cultura atual (FEITOSA, 2014; ALMEIDA; MAIA, 2021).
Santos (2019) validou o desempenho do SAFER na estimativa da evapotranspiração da
superfície (𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 ). Os resultados para respostas da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 , a partir dos cálculos de 𝐸𝑇0
estimadas pelos métodos de Hargreaves-Samani (HS) e Penman-Monteith (PM), mostraram
23
que a 𝑅𝑆 foi o parâmetro que mais afetou a 𝐸𝑇0 e consequentemente a 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 . Santos (2019)
também não recomendou o uso da 𝐸𝑇0 obtida pelo método de HS, para cálculo da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 em
regiões semiáridas. Mostrou também que o SAFER sem a banda termal subestimou os valores
de 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 , biomassa e produtividade de água, entretanto, esses valores apresentaram boa
correlação com os valores padrões.
Furquim et al. (2020) utilizaram o modelo SAFER para estimativa da evapotranspiração
real e outras variáveis para região do Cerrado. Os resultados sugerem valores de 𝐸𝑇𝑅 maiores
que a média no tratamento integração pecuária-floresta e menor que a média no tratamento
pastagem degradada. Porém, o tratamento pastagem degradada teve a menor variabilidade
(0,96 ± 0,78 𝑚𝑚 𝑑𝑖𝑎−1) e o tratamento integração lavoura pecuária-floresta para silagem
apresentou a maior variabilidade (1,26 ± 1,40 𝑚𝑚 𝑑𝑖𝑎−1). Os sistemas integrados se
adequaram à sazonalidade da região, sofrendo estresse hídrico na época seca e com
heterogeneidade espaço-temporal na época úmida.
Santos et al. (2020) avaliaram o impacto da 𝐸𝑇0 , calculada a partir do método de
Penman-Monteith (PM), na estimativa da Evapotranspiração Real estimada pelo SAFER
(𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 ) no semiárido brasileiro. O estudo foi realizado em áreas de pivôs centrais
cultivados com cana-de-açúcar localizadas no perímetro irrigado público de Jaíba, MG, Brasil.
A 𝐸𝑇0 e seu impacto no 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 foram analisados usando dados meteorológicos e imagens
de satélite. Os autores avaliaram a variabilidade temporal e espacial do 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 para canade-açúcar e verificaram que a 𝑅𝑆 foi o parâmetro que mais afetou a 𝐸𝑇0 e, consequentemente,
a 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 ), sendo esta subestimada, e concluíram também que não é aconselhável usar a 𝐸𝑇0
obtida pelo método Hargreaves-Samani (HS) para cálculo da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 em regiões semiáridas.
Alves et al. (2020) estimaram o coeficiente de estresse hídrico (𝐾𝑆 ) - relação entre a
evapotranspiração da cultura e a 𝐸𝑇𝑅 -, calculada pelo SAFER, por meio de informações obtidas
via sensoriamento remoto (satélite Landsat-8), combinadas com informações de campo, para o
município de São Desidério, no Oeste da Bahia. Os resultados sugerem que o 𝐾𝑆 estimado por
sensoriamento remoto apresentou, para os estágios em desenvolvimento e médio, erros médios
da ordem de 5,50%. No estágio final de desenvolvimento do milho os erros obtidos foram de
23,2%.
Venancio et al. (2021) avaliaram o desempenho do SAFER para estimar a 𝐸𝑇 do milho
irrigado no semiárido brasileiro. O estudo foi conduzido em São Desidério, Bahia, Brasil, em
áreas de cultivo de milho em sistema de plantio direto e irrigação por pivôs centrais. O algoritmo
SAFER com coeficientes de regressão originais (𝑎 = 1,8 𝑒 𝑏 =– 0,008) foi inicialmente
24
testado durante as safras de 2014, 2015 e 2016, não apresentando resultados satisfatórios da
estimativa de 𝐸𝑇 do milho. Com o intuito de melhorar as estimativas, Venancio et al. (2021)
usaram dados de 2014 e 2015 para calibrar os coeficientes. O SAFER teve um bom desempenho
para estimativa de 𝐸𝑇𝑅 após a calibração. Os autores concluíram que os resultados suportam o
uso do algoritmo SAFER calibrado como uma ferramenta para estimar o consumo de água em
campos de milho irrigados em condições semiáridas.
Texeira et al. (2020) utilizaram o algoritmo SAFER (Simple Algorithm for
Evapotranspiration Retrieving) juntamente com o modelo RUE (Radiation Use Efficiency) de
Monteith, para avaliações de produtividade de água em larga escala, em diferentes condições
socioambientais das sub-bacias do rio São Francisco, Brasil, usando imagens MODIS e uma
rede de estações agrometeorológicas, durante o ano de 2016. Variações na evapotranspiração
real (𝐸𝑇𝑅 ) e produção de biomassa (BIO) entre ecossistemas e sub-bacias foram detectadas e
os resultados concluem que a modelagem, usando o produto de refletância MODIS juntamente
com dados meteorológicos, apresentou aplicabilidade operacional para monitorar a dinâmica
da água e da vegetação em um período de 16 dias, resolução espacial de 250 m e sob condições
de disponibilidade hídrica distintas.
25
4 METODOLOGIA
4.1 Área de Estudo
A área de referência para o desenvolvimento deste trabalho está localizada no centronorte do estado de Pernambuco e em parte do sudoeste do estado da Paraíba e é apresentada na
Figura 3. O estudo abrange os 21 (vinte e um) municípios da região (conforme apresentado na
Tabela 3), com destaque para Serra Talhada - PE. A região compreende uma área aproximada
de 7827 quilômetros quadrados. Trata-se de uma região semiárida na maioria da sua extensão,
com exceção do município de Triunfo, que se caracteriza como área de brejo de altitude, sendo
o ponto mais alto do estado de Pernambuco, a 1270 metros de altitude (VERSYPLE;
MACHADO; ANDRADE; WANDERLEY, 2015).
Figura 3 – Localização da área de estudo
Fonte: Autor (2023).
26
Tabela 3 – Municípios e a área coberta pela região de estudo, destacando Serra Talhada - PE,
onde fica localizada a estação meteorológica, local da coleta de dados
ID
Nome do município
UF
Área (km²)
Área de estudo (km²)
1
Betânia
PE
1244,07
610,63
2
Calumbi
PE
179,31
179,31
3
Carnaubeira da Penha
PE
1004,67
6,11
4
Conceição
PB
0,58
137,26
5
Curral Velho
PB
217,62
129,97
6
Diamante
PB
271,79
40,92
7
Flores
PE
995,56
669,26
8
Floresta
PE
3644,17
377,13
9
Ibiara
PB
240,36
65,44
10
Manaíra
PB
352,03
352,03
11
Mirandiba
PE
821,68
255,00
12
Pedra Branca
PB
116,87
1,71
13
Princesa Isabel
PB
368,57
260,12
14
Quixaba
PE
210,71
33,97
15
Santa Cruz da Baixa Verde
PE
114,93
114,93
16
Santa Inês
PB
327,64
244,59
17
Santana de Mangueira
PB
405,16
405,16
18
São José de Princesa
PB
158,05
158,05
19
São José do Belmonte
PE
1474,09
648,32
20
Serra Talhada
PE
2980,01
2945,27
21
Triunfo
PE
191,52
191,52
Área de Estudo Total (km²)
7.826,70
Fonte: Autor, 2023.
O município de Serra Talhada, PE (altitude: 429 metros) possui área territorial de 2.980
km² e representa 3% do estado de Pernambuco (FERRAZ JARDIM et al., 2019). O clima da
região é do tipo BSwh’ (incidência de chuva na maioria dos meses mais quentes, e seco nos
meses frios do ano) (ALVARES et al., 2013; COSTA et al., 2015), com temperatura média
anual em torno de 24,8 ºC, precipitação média de 642,1 mm/ano, umidade relativa do ar
27
próxima de 62,5%, resultando em uma demanda atmosférica de 1.800 mm/ano e ocorrendo
déficit de 1.143 mm por ano (SILVA et al., 2015).
O regime pluvial de uma região é aspecto limitante para a exploração agrícola, tornandose assim fator de risco em perdas parciais ou totais de safra agrícola. (FERRAZ JARDIM et al.,
2019). Impactando negativamente o mercado de trabalho e comprometendo a segurança
alimentar (ELY et al., 2003; ROSSATO et al., 2017) e, consequentemente, o bem-estar da
população (SENA et al., 2014).
4.2 Dados
4.2.1 Dados Orbitais
As imagens de satélite foram obtidas gratuitamente no portal da USGS. Para a cobertura
total da área, foram necessárias 2 (duas) cenas, conforme Figura 4. Foram selecionadas as cenas
com uma cobertura máxima de nuvens de 10% para o período de fevereiro de 2013 a setembro
de 2022, da coleção Landsat 2 Nível 1, Caminho/Linha (Path/Row) 216/065 e 216/066. Como
resultados, para os critérios adotados, foram obtidas 70 (setenta) cenas para o quadrante
216/065 e 38 (trinta e oito) cenas para o quadrante 216/066. Num primeiro filtro de dados,
restaram 29 (vinte e nove) cenas em comum para os quadrantes nas mesmas datas, para serem
analisadas na etapa de seleção e processamento dos dados.
Figura 4 – Cobertura total da área de estudo, formada por duas cenas
Fonte: Adaptado de USGS (2021).
28
4.2.2 Dados de Superfície
Os dados meteorológicos utilizados, foram solicitados através do site do Instituto
Nacional de Meteorologia – INMET, para a estação automática A350, localizada no município
de Serra Talhada - PE. Foram utilizados os dados diários e horários do período entre janeiro de
2013 e setembro de 2022, destacando: Temperatura (°C), Precipitação (mm), 𝑅𝑆 , Umidade
relativa (%), Velocidade do vento (m/s), Pressão Atmosférica (mB), Radiação Global (kJ/m²).
4.2.3 Seleção e Processamento dos Dados
Após a análise e tratamento dos dados, foram identificados os dados de superfícies com
as mesmas datas dos dados orbitais. Tendo em vista as características climáticas da região,
optou-se por analisar imagens de diferentes datas, que no decorrer do texto serão referenciadas
pela estação do ano, para avaliação de uma amostra representativa da sazonalidade da área de
estudo, sendo elas verão, outono, inverno e primavera (Tabelas 4 e 5). Apesar de na zona
equatorial praticamente não se notar diferenças no comportamento da atmosfera entre as
estações, em geral, apenas uma pequena queda na temperatura do ar é observada. No NEB, por
exemplo, a estação de inverno é conhecida por apresentar um período de chuvas em certas áreas,
entre maio e julho, como se observa no litoral dos estados da Paraíba e Pernambuco
(VAREJÃO-SILVA, 2006) Do resultado, foram selecionadas as imagens a utilizadas, conforme
as Tabelas 4 e 5 a seguir, representando uma data para cada estação do ano:
Tabela 4 – Cenas selecionadas para a área de estudo
Estação do Ano
Data
DOY
Landsat Scene ID 216/065
Horário Local
Verão
02/01/2014
2
LC82160652014002LGN01
09h42
Outono
26/05/2014
146
LC82160652014146LGN01
09h40
Inverno
18/07/2016
200
LC82160652015309LGN01
09h41
Primavera
05/11/2015
309
LC82160652016200LGN01
09h41
Fonte: Autor, 2023.
Tabela 5 – Cenas selecionadas para a área de estudo
Estação do Ano
Data
DOY
Landsat Scene ID 216/066
Horário Local
Verão
02/01/2014
2
LC82160662014002LGN01
09h43
29
Estação do Ano
Data
DOY
Landsat Scene ID 216/066
Horário Local
Outono
26/05/2014
146
LC82160662014146LGN01
09h41
Inverno
18/07/2016
200
LC82160662015309LGN01
09h41
Primavera
05/11/2015
309
LC82160662016200LGN01
09h41
Fonte: Autor, 2023.
4.3 Softwares
Os seguintes softwares foram utilizados durante a pesquisa:
•
Microsoft Excel 365 – software proprietário com licença válida, para tratamento dos
dados meteorológicos e análises estatísticas;
•
QGIS – Versão 3.22 (https://qgis.org/pt_BR/site/) – para geoprocessamento e geração
de mapas, cálculos, processamento de imagens, classificação e uso do solo. Plugin
utilizado nas pesquisas para o desenvolvimento do projeto: Semi-Automatic
Classification Plugin (SCP) (CONGEDO, 2021);
•
Liguagem R – linguagem e ambiente de desenvolvimento integrado, para cálculos
estatísticos e gráficos. (https://www.r-project.org/);
•
R-Studio – software livre de ambiente de desenvolvimento integrado para R
(https://posit.co/download/rstudio-desktop/);
•
Pacote Agriwater – estruturado e planejado para agregar as melhores práticas descritas
pelos pesquisadores que desenvolveram estudos usando o modelo SAFER (SILVA;
MAGNONI, 2020).
4.4 SAFER
O cálculo da 𝐸𝑇𝑅 foi realizado utilizando o Simple Algorithm For Evapotranspiration
Retrieving – SAFER, de acordo com o procedimento descrito por Teixeira (2010) e Santos
(2019). Para obtenção da evapotranspiração SAFER (𝐸𝑇𝑆𝐴𝐹𝐸𝑅 ) são necessárias informações de
refletância monocromática para as bandas respectivas ao comprimento de onda do azul (B2),
verde (B3), vermelho (B4), infravermelho próximo (B5), infravermelho médio (B6 e B7) e das
radiâncias respectivas as bandas termais (B10 e B11), as quais serão obtidas na etapa de préprocessamento dos dados. Essas informações são necessárias para o cálculo do albedo
planetário (𝛼𝐵2 = 0.3, 𝛼𝐵3 = 0.277, 𝛼𝐵4 = 0.233, 𝛼𝐵5 = 0.143, 𝛼𝐵6 = 0.036 e 𝛼𝐵7 = 0.012),
30
albedo de superfície, temperatura de brilho, temperatura da superfície e índice de vegetação da
diferença normalizada (NDVI). Em seguida, estimou-se a fração evapotranspirativa (𝐸𝑇𝑅 /𝐸𝑇0 ).
O albedo da superfície (𝛼0 ) é calculado utilizando a Equação 1:
𝛼0 = 𝜌𝑎 × 𝛼𝑝 + 𝜌𝑏
(1)
sendo 𝜌𝑎 e 𝜌𝑏 constantes e iguais a 0.7 e 0.06, respectivamente (TEIXEIRA, 2010).
O NDVI corresponde ao índice de vegetação ativa utilizado pelo SAFER e é obtido por
meio da Equação 2:
𝑁𝐷𝑉𝐼 =
𝛼𝐵5 − 𝛼𝐵4
𝛼𝐵5 + 𝛼𝐵4
(2)
Onde 𝛼𝐵4 e 𝛼𝐵5 são as reflectâncias da superfície nos comprimentos de onda do vermelho e
infravermelho próximo.
O mapeamento da temperatura de superfície pode ser calculado a partir das bandas
termais 10 e 11 e pela conversão em temperatura de brilho (𝑇𝑏 ), de acordo com a Equação 3:
𝑇𝑏 =
𝐾2
𝐾1
ln (𝐿 +
1)
𝑏
(3)
Na qual 𝐿𝑏 diz respeito às radiações espectrais das bandas 10 e 11 do Landsat 8 e 𝐾1 e 𝐾2 são
constantes, sendo 𝐾1 e 𝐾2 relativos à banda 10 dados por 𝐾1 = 774.89 𝑊 𝑚−2 𝑠𝑟 −1 𝜇𝑚−1 e 𝐾2
= 1321.08 K e os relativos à banda 11 são 𝐾1 = 480.89 𝑊 𝑚−2 𝑠𝑟 −1 𝜇𝑚−1 e 𝐾2 = 1201.14 K.
Para a obtenção da temperatura de superfície (𝑇0 ), utiliza-se a Equação 4, em que 𝑑 e 𝑓
são constantes cujos valores correspondem a 0.0694 e -20.173, calculados por Teixeira et al.
(2015) por meio de regressão de dados de medições de satélite e de campo. Na Equação 4, a
unidade utilizada para 𝑇𝑏 é graus Celsius (ºC):
𝑇0 = 𝑑𝑇𝑏 + 𝑓
(4)
A fração evapotranspirativa (𝐸𝑇𝑅 /𝐸𝑇0 ) é calcula por meio da Equação 5, em que 𝑎 e 𝑏
assumem os valores de 1.8 e -0.008, ajustados para a região semiárida. Estudos de Teixeira et
al (2012) e Teixeira et al (2014), ajustaram valores diferentes para outras regiões, como por
exemplo Noroeste de SP e área de Cerrado, com “a”, 1 e 1,9 respectivamente e “b” mantendose -0,008; 𝑇0 é a temperatura de superfície, em °C; 𝛼0 corresponde ao albedo da superfície e
NDVI.
𝐸𝑇𝑅
𝑇0
)]
= exp [𝑎 + 𝑏 (
𝐸𝑇0
𝛼0 𝑁𝐷𝑉𝐼
(5)
A 𝐸𝑇0 é obtida utilizando o modelo de Penman-Monteith (PM), conforme Equação 6:
31
𝐸𝑇0 =
900
0.408𝑠(𝑅𝑛 − 𝐺) + 𝛾 𝑡 + 273 𝑢2 (𝑒𝑠 − 𝑒𝑎 )
(6)
𝑠 + 𝛾(1 + 0.34𝑢2 )
Para a qual 𝐸𝑇0 é a evapotranspiração de referência, em 𝑚𝑚 𝑑 −1 ; 𝑅𝑛 é o saldo de radiação na
superfície, em unidades de 𝑀𝐽 𝑚−2 𝑑 −1; 𝐺 se trata do fluxo de calor no solo, em 𝑀𝐽 𝑚−2 𝑑 −1
e definido como zero; 𝑡 é a temperatura média do ar, em graus Celsius; 𝑢2 corresponde à
velocidade do vento a 2 metros de altura, em 𝑚/𝑠; 𝑒𝑠 é a pressão de saturação de vapor, em
𝑘𝑃𝑎; 𝑒𝑎 é a pressão de vapor atual do ar, em 𝑘𝑃𝑎; 𝑠 é a declividade da curva de pressão de
vapor de saturação, em 𝑘𝑃𝑎/°𝐶 e, finalmente, 𝛾 corresponde ao coeficiente psicrométrico,
𝑘𝑃𝑎/°𝐶.
A 𝐸𝑇𝑆𝐴𝐹𝐸𝑅 é obtida por meio da Equação 7:
𝐸𝑇𝑆𝐴𝐹𝐸𝑅 =
𝐸𝑇𝑅
𝐸𝑇0 𝑃𝑀
𝐸𝑇0
(7)
Em que 𝐸𝑇𝑅 /𝐸𝑇0 é a fração evapotranspirativa calculada através da Equação 5; 𝐸𝑇0 𝑃𝑀 é a
evapotranspiração de referência (𝐸𝑇0 ), calculada pela Equação 6, de Penman-Monteith (PM).
A Figura 5 sintetiza as etapas necessárias à obtenção da evapotranspiração por meio do
algoritmo SAFER.
Figura 5 – Fluxograma do modelo SAFER
Fonte: Autor (2021).
4.5 Desenvolvimento da Pesquisa
O desenvolvimento deste trabalho foi realizado de acordo com as seguintes etapas:
1. A partir dos dados de temperatura (°C), umidade relativa (%), velocidade do vento
(m/s), pressão atmosférica (mB), radiação global (kJ/m²), coletados através da estação
32
meteorológica, calculou-se a evapotranspiração de referência (𝐸𝑇0 ), em mm/dia, a partir
do método Penman-Monteith (PM), necessária a obtenção da evapotranspiração real
utilizando o algoritmo SAFER;
2. Por meio do software QGIS, foram feitos os mosaicos com as imagens dos quadrantes
216/065 e 216/066, em suas respectivas datas. Em seguida, foi feito o recorte da região
de interesse, cujo raio de cobertura atinge 50 km partindo da localização da estação
meteorológica;
3. Preparados os arquivos das bandas espectrais e os resultados do processamento dos
dados de superfície, por meio do pacote Agriwater, no ambiente RStudio, foram
utilizados os dados processados na etapa anterior, para a obtenção dos dados matriciais:
albedo, NDVI, 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 (fração evapotranspirativa), temperatura de superfície e saldo
de radiação, e calculadas as respectivas métricas estatísticas, com a utilização do
algoritmo sem as bandas termais1.
4. No QGIS, foram extraídos os resultados das métricas estatísticas das imagens matriciais,
a elaboração dos mapas e, em seguida, feita a organização dos resultados.
1
De acordo com Santos (2019) e Teixeira et al (2021), com o SAFER é possível estimar as variáveis do balanço
energético e hídrico utilizando as bandas do visível e do infravermelho próximo, comumente encontradas e com
maior resolução espacial, sem a necessidade de empregar as bandas termais, possibilitando o uso de vários outros
sensores a bordo de satélites.
33
5 RESULTADOS
Os resultados desta pesquisa são descritos a partir de imagens do Landsat8, as quais são
referenciadas a partir de quatro datas, pela estação do ano, para melhor entender as diferenças
entre elas, sendo: 02 de janeiro de 2014 (verão), 26 de maio de 2014 (outono), 18 de julho de
2016 (inverno) e 05 de novembro de 2015 (primavera). A Figura 6 mostra a composição RGB
– bandas espectrais 4 (red), 3 (green) e 2 (blue) respectivamente – para as quatro datas
selecionadas para a análise. Nota-se que, mesmo com os processos de filtragem de dados, as
imagens selecionadas possuem nuvens.
Figura 6 – Composição RGB para os dias 02/01/2014 (a), 25/05/2014 (b), 18/07/2016 (c) e
05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
34
5.1 Dados Médios Para Estação de Serra Talhada (PE)
A região de estudo é heterogênea, tendo como ponto central a estação meteorológica de
Serra Talhada e um raio de 50km a partir desta, composta por vegetação tipo caatinga no seu
entorno, região agrícola, solo exposto, corpos de água e região com vegetação mais frondosa.
Essa característica influência nos valores médios das variáveis estimadas pelo SAFER,
comparadas ao dado observado na estação. Por esse motivo, um estudo de caso para uma área
limitada a 750 metros por 750 metros (0,56 km²), com a estação meteorológica ao centro,
também foi realizado e será mostrado neste trabalho.
As Tabelas 6 e 7 ilustram os valores de temperatura média, radiação solar, precipitação,
saldo de radiação, evapotranspiração (dados coletados na estação meteorológica de Serra
Talhada) e albedo, NDVI, 𝑇𝑆 e 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 (estimado para área de estudo a partir do SAFER).
Verifica-se que nos dias escolhidos não houve precipitação na estação e a temperatura média
foi maior na primavera e menor no outono (28,58 °C e 24,84 °C, respectivamente). A radiação
solar (𝑅𝑆 ) varia entre 21,89 MJ/m²/dia (inverno) e 25,91 MJ/m²/dia (primavera), o saldo de
radiação (𝑅𝑁 ) com valores médios variando entre 11,91 MJ/m²/dia (verão) e 13,11 MJ/m²/dia
(outono) e a evapotranspiração de referência medida na estação com valores médios entre 6,40
mm/dia (verão) e 7,09 mm/dia (primavera).
Tabela 6 – Dados diários obtidos pela estação meteorológica.
Data
02/01/2014
(verão)
26/05/2014
(outono)
18/07/2016
(inverno)
05/11/2015
(primavera)
Temperatura
𝑹𝑺
Prec
𝑹𝑵
𝑬𝑻𝟎 𝑷𝑴
Média (°C)
(MJ/m²/dia)
(mm/dia)
(MJ/m²/dia)
(mm/dia)
2
26,99
23,42
0,00
11,91
6,40
146
24,85
22,77
0,00
13,11
6,46
200
26,62
21,89
0,00
12,55
7,05
309
28,59
25,92
0,00
11,99
7,09
DOY
Fonte: Autor (2023).
35
Tabela 7 – Dados diários obtidos pelo algoritmo SAFER
Data
02/01/2014
(verão)
26/05/2014
(outono)
18/07/2016
(inverno)
05/11/2015
(primavera)
𝑬𝑻𝑹 𝑺𝑨𝑭𝑬𝑹
DOY
Albedo
NDVI
𝑻𝑺 (°C)
2
0,18 ± 0,03
0,48 ± 0,15
28,96 ± 1,64
2,91 ± 1,93
146
0,17 ± 0,01
0,60 ± 0,15
25,53 ± 1,23
5,08 ± 2,25
200
0,18 ± 0,03
0,30 ± 0,09
25,61 ± 1,82
1,18 ± 1,24
309
0,19 ± 0,02
0,26 ± 0,06
35,53 ± 1,01
0,20 ± 0,35
(mm/dia)
Fonte: Autor (2023).
Para o albedo médio, estimado a partir do SAFER, o comportamento acompanha a
temperatura, com máximo na primavera (19%) e mínimo no outono (16%). O albedo depende
das condições climáticas e de superfície, sendo menor para regiões úmidas e rugosas (vegetação
densa), ou seja, menor albedo implica que mais energia está sendo absorvida pelo ambiente. E
será maior para regiões secas e superfícies com baixa cobertura vegetal ou solo exposto, por
refletirem grande parte da radiação incidente. Outra questão é o horário da passagem do satélite,
devido ao ângulo de incidência dos raios solares, que pode causar maior ou menor penetração
e retenção no interior da área estudada, o que não se aplica a esse estudo, devido a passagem
ser praticamente no mesmo horário para as datas escolhidas.
O saldo de radiação (𝑅𝑁 ) é inversamente proporcional ao albedo, pois representa a
quantidade de energia disponível para os processos de superfície. Nesse caso, o SAFER estimou
valores médios maiores no verão e na primavera (14,64 e 14,07 MJ/m²/dia) e menores no outono
(12,46 MJ/m²/dia). Esses valores estimados diferem dos dados da estação, com mínimo e
máximo no verão e outono.
A análise das quatro imagens sugere valores médios de NDVI maiores no período de
outono (0,60), época chuvosa na região, e menores na primavera (0,26) período mais seco na
área de estudo. Estes valores estão de acordo com as demais variáveis analisadas,
principalmente com o albedo, que possui uma relação inversa (máximo na primavera e mínimo
no outono).
36
A temperatura da superfície estimada pelo SAFER apresentou valores médios
superiores aos observados na estação meteorológica, exceto no outono. A maior média ocorreu
na primavera (35,53°C) e a menor no outono (25,53°C).
A evapotranspiração real média da área, estimada pelo SAFER, mostra valores bem
diferentes do observado. No entanto, vale ressaltar que os valores estimados são representativos
da área de 50 km de raio, para a qual o centro é a estação meteorológica de Serra Talhada, e
que esta área é bastante heterogênea em se tratando de cobertura superficial. O SAFER estimou
menores valores de evapotranspiração para a primavera, mês mais quente e com mínimo de
NDVI; e maiores valores de 𝐸𝑇𝑅 para o outono, mês com menores temperaturas e máximo de
NDVI, esses resultados corroboram Furquim et al. (2020), que sugerem valores de 𝐸𝑇𝑅 maiores
que a média no tratamento integração pecuária-floresta e menor que a média no tratamento
pastagem degradada.
5.2 Albedo à Superfície
A Figura 7 apresenta o albedo médio, estimado pelo SAFER para as quatro estações,
sendo a primavera a estação que apresenta maior heterogeneidade da variável e os maiores
valores médios (>80%), podendo também estar relacionado a grande quantidade de nuvens no
período de verão e inverno, como ilustra a Figura (RGB). Menor variação de valores são
verificados no outono, sendo também os menores valores médios (<20%), que pode ser devido
a essa ser a época chuvosa na região e o albedo é influenciado pelas condições hídricas, ou seja,
mais chuva maior albedo.
37
Figura 7 – Albedo estimado pelo algoritmo SAFER para os dias 02/01/2014 (a), 25/05/2014
(b), 18/07/2016 (c) e 05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
5.3 NDVI
Os maiores valores de NDVI foram encontrados nas imagens representativas do verão
e outono, ao passo que os menores valores corresponderam às imagens do inverno e primavera,
conforme apresentado na Figura 8. Como o NDVI está relacionado a biomassa, as imagens
sugerem que a época de outono é mais chuvosa e a primavera menos, influenciando no
crescimento da vegetação na área de estudo. As imagens também sugerem que a região sudeste
de Serra Talhada e a cidade de Betânia são as áreas mais secas e durante todo ano,
principalmente na primavera.
38
Figura 8 – NDVI obtidos para os dias 02/01/2014 (a), 25/05/2014 (b), 18/07/2016 (c) e
05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
5.4 Temperatura de Superfície
Os resultados do SAFER ilustrados na Figura 9 sugerem a sazonalidade da temperatura,
com máximos na primavera e mínimos no outono. A sazonalidade se dá pela quantidade de
radiação recebida à superfície e que varia ao longo do ano, mas as condições hídricas também
podem influenciá-la. Verificam-se temperaturas médias, para região de estudo, mais elevadas
para todas as estações, exceto no inverno, comparados aos dados da estação de Serra Talhada.
As temperaturas do SAFER foram menores no outono (25,53°C) e maiores na primavera
(35,53°C), comparadas as temperaturas observadas de 24,84°C e 28,58°C, respectivamente.
Essa diferença também se deve ao fato de o dado da estação ser pontual e os do SAFER serem
representativos da área de 50 km de raio com centro na estação meteorológica.
39
Figura 9 – Temperatura de superfície obtidas para os dias 02/01/2014 (a), 25/05/2014 (b),
18/07/2016 (c) e 05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
5.5 Evapotranspiração Real
Tanto a disponibilidade de água, quanto o índice de área foliar influenciam a
evapotranspiração, pois contabiliza o saldo de água na dinâmica solo-planta-atmosfera.
Observando as imagens da Figura 10, para as quatro estações, verifica-se menor
evapotranspiração na primavera, quando a temperatura está mais elevada e tem valores de
NDVI menores, indicando vegetação menos densa ou solo exposto. E maior evapotranspiração
é observada no outono, com maiores valores sobre a cidade de Triunfo - PE, região de
temperatura mais amena e índices de vegetação elevados (>0,6), indicando vegetação mais
robusta.
40
Figura 10 – Evapotranspiração Real obtida com o algoritmo SAFER, para os dias 02/01/2014
(a), 25/05/2014 (b), 18/07/2016 (c) e 05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
5.6 Estudo de Caso
5.6.1 Área do Estudo de Caso
Devido a heterogeneidade da área de estudo, cuja área possui 50 km de raio, partindo
da estação meteorológica de Serra Talhada, fez-se um recorte de 750 metros por 750 metros,
com a estação ao centro, para realização da análise da evapotranspiração real estimada pelo
SAFER. A área do estudo de caso é apresentada na Figura 11.
41
Figura 11 – Recorte da área total de 750 x 750m (0,563 km²), com a estação meteorológica
(A350 - Serra Talhada - PE) ao centro
Fonte: Autor, 2023.
Na Figura 11 verifica-se o recorte da área com a estação de Serra Talhada ao meio,
marcada pelo ponto amarelo. Observa-se que a maior parte da área possui vegetação tipo
caatinga (0,251 km²), as bordas da área de estudo; seguido de área urbana (0,157 km²),
concentrada mais ao centro; área de agricultura (0,105 km²), mais ao norte e noroeste da
estação; e solo exposto (0,017 km²), demarcada por uma estrada a leste da estação e uma
pequena porção mais ao norte. A classificação do solo está disposta na Tabela 8.
Tabela 8 – Classificação do tipo de solo da área recortada 750 metros x 750 metros
Classificação do solo
Área (m²)
Agricultura
104.976,13
Caatinga
250.700,90
Solo Exposto
16.779,13
Área Urbana
156.865,72
Fonte: Autor, 2023.
42
5.6.2 Albedo
Analisando o albedo para região recortada, nota-se que o valor médio da área não
apresentou grandes variações, dentro do desvio padrão, conforme apresentado na Figura 12
recorte e na Tabela 9. No entanto, o albedo mínimo obtido para a área do estudo de caso ocorre
no verão, enquanto na área de estudo original o menor valor para albedo ocorre no outono.
O mais interessante do recorte é observar a diferença do albedo quanto a cobertura
vegetal, evidenciado na Figura 12, pois verifica-se que na área urbana o albedo é maior em
todas as estações e na primavera a imagem sugere maior albedo em quase toda área, o que está
de acordo, pois é a estação mais seca e quente na região.
Figura 12 – Albedo da área de estudo de caso, para os dias 02/01/2014 (a), 25/05/2014 (b),
18/07/2016 (c) e 05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
43
Tabela 9 – Albedo da área de estudo de caso
Albedo
Albedo
(Área original)
(Estudo de caso)
2
0,18 ± 0,03
0,17 ± 0,01
26/05/2014 (outono)
146
0,17 ± 0,01
0,18 ± 0,02
18/07/2016 (inverno)
200
0,18 ± 0,03
0,19 ± 0,02
05/11/2015 (primavera)
309
0,19 ± 0,02
0,21 ± 0,02
Data
DOY
02/01/2014 (verão)
Fonte: Autor (2023).
5.6.3 NDVI
O NDVI para a área selecionada para o estudo de caso, conforme apresentado na Tabela
10, mostra valores menores comparados aos obtidos para a área original do estudo. Tal resultado
é coerente, visto que mais de 30% da área corresponde à área urbana e solo exposto, além de
verificar-se que, em analogia com os dados do albedo, maiores valores de NDVI estão atrelados
a menores valores de albedo.
Tabela 10 – NDVI da área de estudo de caso
NDVI
NDVI
(Área original)
(Estudo de caso)
2
0,48 ± 0,15
0,38± 0,10
26/05/2014 (outono)
146
0,60 ± 0,15
0,54 ± 0,13
18/07/2016 (inverno)
200
0,30 ± 0,09
0,30 ± 0,08
05/11/2015 (primavera)
309
0,26 ± 0,06
0,22 ± 0,04
Data
DOY
02/01/2014 (verão)
Fonte: Autor (2023).
A Figura 13 sugere maiores valores do índice no outono, período chuvoso na região, e
menores índices na primavera, onde ocorre menor precipitação na área de estudo e, por
conseguinte, a vegetação se encontra menos robusta. O SAFER consegue diferenciar as regiões
de solo exposto e urbana das regiões com vegetação. Também, observa-se a sazonalidade da
caatinga, menos robusta no verão, mais robusta no outono e menos densa na primavera.
44
Figura 13 – NDVI da área de estudo de caso, para os dias 02/01/2014 (a), 25/05/2014 (b),
18/07/2016 (c) e 05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
5.6.4 Temperatura de Superfície
Na análise da temperatura de superfície, comparando os valores médios nas duas áreas
(original e estudo de caso) com o dado de superfície, conforme apresentado na Tabela 11,
verifica-se que os resultados do SAFER para área do estudo de caso também superestimaram
os valores observados, exceto na estação de inverno, em que em ambos os casos a média foi
subestimada. As diferenças entre os valores médios de cada área estão dentro do desvio padrão.
45
Tabela 11 – Temperatura de superfície da área de estudo de caso
Tmed
𝑻𝑺 (°C) (Área
𝑻𝑺 (°C) (estudo
Estação(°C)
Original)
de caso)
2
26,99
28,96 ± 1,64
30,09 ± 1,51
26/05/2014 (outono)
146
24,85
25,53 ± 1,23
26,07 ± 1,39
18/07/2016 (inverno)
200
26,62
25,61 ± 1,82
25,53 ± 1,52
05/11/2015 (primavera)
309
28,59
35,53 ± 1,01
36,36 ± 1,04
Data
DOY
02/01/2014 (verão)
Fonte: Autor (2023).
Na Figura 14 verifica-se a sazonalidade da temperatura, com máximos na primavera e
mínimos no outono, destaque para região de área urbana, para a qual a temperatura, dos quatro
dias, mostra-se mais elevada comparada ao restante da região. Isso se dá devido a quantidade
de radiação absorvida à superfície e que não varia muito ao longo do ano. Observam-se
temperaturas médias, para região em destaque, mais elevadas para todas as estações do ano,
comparadas às temperaturas observadas na estação de Serra Talhada, exceto no inverno. As
temperaturas do SAFER foram menores no inverno (25,53°C) e maiores na primavera
(36,36°C), comparadas as temperaturas observadas de 24,84°C e 28,58°C, respectivamente.
Essa diferença também se deve ao fato de o dado da estação ser pontual e os do SAFER serem
representativos da área recortada e que essa área possui mais de 30% da região de solo exposto
e área urbana.
46
Figura 14 – Temperatura de superfície da área de estudo de caso, para os dias 02/01/2014 (a),
25/05/2014 (b), 18/07/2016 (c) e 05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
5.6.5 Evapotranspiração Real
A evapotranspiração estimada pelo SAFER depende diretamente da temperatura à
superfície, como também da disponibilidade de água e índice de área foliar, representados na
equação pelo NDVI. A análise das imagens para as quatro estações, apresentadas na Figura 15,
sugere menor evapotranspiração na primavera, quando a temperatura está mais elevada, é um
período de menores índices de precipitação e, consequentemente, menores valores de NDVI,
indicando vegetação menos densa ou solo exposto. E maior evapotranspiração é observada no
outono, com maiores valores sobre áreas agrícolas e de caatinga, região de temperatura mais
amena e índices de vegetação elevados (>0,6), indicando vegetação mais robusta.
47
Figura 15 – Evapotranspiração real da área de estudo de caso, obtida com o algoritmo
SAFER, para os dias 02/01/2014 (a), 25/05/2014 (b), 18/07/2016 (c) e 05/11/2015 (d).
(a) Verão: 02/01/2014
(b) Outono: 26/05/2014
(c) Inverno: 18/07/2016
(d) Primavera: 05/11/2015
Fonte: Autor (2023).
Os valores de evapotranspiração para área total e o recorte são próximos e as diferenças
encontram-se dentro do desvio padrão, conforme apresentado na Tabela 12, sendo os valores
encontrados para área do estudo de caso menores quando comparados aos resultados da área
original, no entanto, respeitando a mesma sazonalidade. Isso se deve ao fato de a área do estudo
de caso ser representativa do todo, pois possui solo exposto, área urbana, vegetação tipo
caatinga e área agrícola. Talvez, um recorte numa área mais homogênea fornecesse resultados
mais contrastantes.
48
Tabela 12 – Evapotranspiração real da área de estudo de caso, obtida com o algoritmo
SAFER
𝑬𝑻𝑹 𝑺𝑨𝑭𝑬𝑹 (mm/dia)
𝑬𝑻𝑹 𝑺𝑨𝑭𝑬𝑹 (mm/dia)
(Área Total)
(Recorte)
2
2,91 ± 1,93
1,11 ± 0,87
26/05/2014 (outono)
146
5,08 ± 2,25
4,44 ± 1,79
18/07/2016 (inverno)
200
1,18 ± 1,24
1,31 ± 1,05
05/11/2015 (primavera)
309
0,20 ± 0,35
0,10 ± 0,13
Data
DOY
02/01/2014 (verão)
Fonte: Autor (2023).
Com o intuito de comparar as estimativas da evapotranspiração do SAFER com os dados
coletados na estação, criou-se a Tabela 13, a partir do cálculo do quociente da evapotranspiração
estimada pelo SAFER (𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 ) para área total e do 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da área total; quociente da
𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 do recorte e o 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 do recorte; e 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 do recorte e o 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da área total,
para os quatro dias, representativos das estações do ano. Analisando os valores verifica-se que
os valores da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 são próximos da 𝐸𝑇0 𝑃𝑀 , isso devido a dependência da 𝐸𝑇0 𝑃𝑀 para a
estimativa pelo SAFER. Maiores diferenças ocorrem quando se utiliza o valor da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 da
área recortada e o 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da área total, com maiores variações no verão e primavera. Isso
pode ser devido a dependência da temperatura à superfície na estimativa da evapotranspiração,
pois as maiores diferenças (superestimativas) entre as temperaturas estimadas pelo SAFER e as
observadas, ocorrem nessas estações e a heterogeneidade da área.
Tabela 13 – Valores da Evapotranspiração de referência da estação de Serra Talhada,
quociente da evapotranspiração estimada pelo SAFER (𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 ) para área total e do 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da
área total; quociente da 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 do recorte e o 𝐾𝐶𝑆𝐴𝐹𝐸𝑅 do recorte; e 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 do recorte e o
𝐾𝐶𝑆𝐴𝐹𝐸𝑅 da área total; representativos das quatro estações do ano
𝑬𝑻𝟎 𝑷𝑴
Data
DOY
Estação
(mm/dia)
02/01/2014
(verão)
26/05/2014
(outono)
𝑬𝑻𝟎 𝑺𝑨𝑭𝑬𝑹
𝑬𝑻𝟎 𝑺𝑨𝑭𝑬𝑹
(mm/dia)
(mm/dia)
(Área
(Estudo de
Original)
caso)
𝑬𝑻𝟎 𝑺𝑨𝑭𝑬𝑹 (mm/dia)
𝑬𝑻𝑹 Estudo de caso /
𝑲𝑪𝑺𝑨𝑭𝑬𝑹 área original
2
6,40
6,40
6,40
2,44
146
6,46
6,46
6,46
5,65
49
𝑬𝑻𝟎 𝑷𝑴
Data
DOY
Estação
(mm/dia)
18/07/2016
(inverno)
05/11/2015
(primavera)
𝑬𝑻𝟎 𝑺𝑨𝑭𝑬𝑹
𝑬𝑻𝟎 𝑺𝑨𝑭𝑬𝑹
(mm/dia)
(mm/dia)
(Área
(Estudo de
Original)
caso)
𝑬𝑻𝟎 𝑺𝑨𝑭𝑬𝑹 (mm/dia)
𝑬𝑻𝑹 Estudo de caso /
𝑲𝑪𝑺𝑨𝑭𝑬𝑹 área original
200
7,05
7,05
7,05
7,79
309
7,09
7,09
7,09
3,49
Fonte: Autor (2023).
Os valores de 𝐸𝑇0 𝑃𝑀 da estação (mm/dia) e 𝐸𝑇0 𝑆𝐴𝐹𝐸𝑅 (mm/dia) da área de estudo
original foram calculados através da Equação 7. Pode-se verificar que a média de
evapotranspiração de referência (𝐸𝑇0 𝑆𝐴𝐹𝐸𝑅 ), calculada pelo SAFER, quando utilizada com a
respectiva fração evapotranspirativa (𝐾𝐶𝑆𝐴𝐹𝐸𝑅 ), apresentou valor idêntico ao calculado por
Penman-Monteith (𝐸𝑇0 𝑃𝑀 ). Porém, para a 𝐸𝑇0 𝑆𝐴𝐹𝐸𝑅 (mm/dia) do estudo de caso, ao utilizar a
média da evapotranspiração real ( 𝐸𝑇𝑅 𝑆𝐴𝐹𝐸𝑅 ), calculada pelo SAFER na área estudo recortada,
pelo quociente da fração evapotranspirativa (𝐾𝐶𝑆𝐴𝐹𝐸𝑅 ) da área total de estudos, os valores
variaram em relação ao calculado em superfície (𝐸𝑇0 𝑃𝑀 ).
50
6 CONCLUSÕES
O estudo objetivou utilizar dados de superfície e imagens do Landsat-8 para estimar a
evapotranspiração real para uma região heterogênea, utilizando o algoritmo SAFER. Foi
possível verificar os seguintes comportamentos na área de origem do estudo:
•
O comportamento dos resultados obtidos para o albedo médio, estimado a partir do
SAFER, acompanha a temperatura, com máximo na primavera e mínimo no outono;
•
A análise de imagens sugere valores médios de NDVI maiores no período de outono e
menores na primavera. Esses valores estão de acordo com as demais variáveis
analisadas, principalmente com o albedo, que possui uma relação inversa;
•
A temperatura da superfície estimada pelo SAFER apresentou valores médios
superiores aos observados na estação meteorológica, exceto no inverno.
Devido a heterogeneidade da área de estudo, foi feita uma nova análise, utilizando a
mesma metodologia num recorte de área de 750 metros por 750 metros, com a estação ao centro.
Para a realização da análise, pôde ser feita uma classificação visual do uso e ocupação do solo,
através de imagens de alta resolução espacial do Google Earth. Na área do caso de estudo,
resultaram os seguintes comportamentos:
•
Analisando o albedo para região recortada, nota-se que o valor médio da área não
apresentou grandes variações; no entanto, o valor mínimo obtido para o albedo ocorre
no verão, na área do estudo de caso, enquanto na área maior, o albedo mínimo se dá no
outono. Uma observação importante foi que, na primavera, o albedo se mostra maior
em toda a área, estando em conformidade com o fato de ser a estação do ano mais seca
e quente na região;
•
O NDVI apresentou valores menores em relação à área original, resultando maiores
valores no outono, período chuvoso na região, e menor índice na primavera;
•
As temperaturas do SAFER foram menores no inverno e maiores na primavera.
Verifica-se que os resultados para área menor também superestimaram os valores
observados, exceto no inverno, em que em ambos os casos a média foi subestimada.
O SAFER apresentou os melhores resultados durante as estações de outono e inverno,
considerando o fato de as temperaturas, durante essas estações do ano, estarem com valores
próximos aos mensurados em superfície. Além disso, a análise comparativa da
evapotranspiração de referência da estação meteorológica, da área original e da área do estudo
51
de caso apresentaram comportamento coerente com os valores das temperaturas nessas
estações.
Nos períodos em que a 𝑇𝑆 , calculada com os dados orbitais, foram superestimadas em
relação a temperatura na estação meteorológica, o valor da evapotranspiração real apresentou
resultados subestimados nos mesmos períodos.
O SAFER conseguiu diferenciar as regiões de solo exposto e urbana das regiões com
vegetação. Também, observa-se a sazonalidade da caatinga, menos robusta no verão, mais
robusta no outono e menos densa na primavera.
Concluiu-se que o SAFER, mesmo tendo sido desenvolvido para estimativa da 𝐸𝑇 para
culturas, é eficiente para estimativa em áreas heterogêneas, podendo ser utilizado como
ferramenta no auxílio do manejo da irrigação em diferentes áreas.
52
7 TRABALHOS FUTUROS
•
Aprofundar os estudos para comparação e correlação de variáveis;
•
Aplicar a metodologia com o uso das bandas termais e comparar o resultado;
•
Aplicar em áreas mais homogêneas, com valores de Kc conhecidos, para tentar estimar
ET Real, sem a utilização de dados de superfície;
•
Avaliar a utilização de outros sistemas sensores: multiespectrais, hiperespectrais ou por
radar.
53
REFERÊNCIAS
ALLEN, R. G. et al. Crop evapotranspiration - Guidelines for computing crop water
requirements. Roma: FAO - Food and Agriculture Organization of the United Nations, 1998.
ALMEIDA, F. A; MAIA, G. S. Estimativa de evapotranspiração e coeficiente de cultura
do açaí (Euterpe oleracea Mart.) utilizando o algoritmo SAFER. 2021. 53 f. TCC
(Graduação) - Curso de Engenharia Agrícola, Universidade Federal Rural da Amazônia,
Tomé-Açu, 2021.
ALVARES, C.A.; STAPE, J.L.; SENTELHAS, P.C.; MORAES, G.; LEONARDO, J.;
SPAROVEK, G. Köppen’s climate classification map for Brazil. Meteorologische
Zeitschrift, Stuttgart, v.22, n.6, p.711-728, 2013.
ALVES, E. S. et al. Water stress coefficient determined by orbital remote sensing techniques.
Revista Brasileira de Engenharia Agrícola e Ambiental, v. 24, n. 12, p. 847–853, dez.
2020.
ANTUNES, M.A.H.; ASSAD, E.D.; BATISTA, G.T. Variação das medidas espectrais
tomadas com espectrorradiômetro ao longo do ciclo de crescimento da soja (Glycine max (L.)
Merril). Em: Simpósio Brasileiro de Sensoriamento Remoto, 7. Curitiba: INPE, 1993. p.19.
BAPTISTA, G. Fundamentos de Sensoriamento Remoto. Brasília: Laboratório de
Propulsão Digital, 2021. 68 p.
BERTONI, J.; LOMBARDI NETO, F. Conservação do solo. São Paulo: Ícone, 6a Ed. 2014.
BRASIL. EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. LANDSAT Land Remote Sensing Satellite. Disponível em: https://www.embrapa.br/satelites-demonitoramento/missoes/landsat. Acesso em: 28 out. 2021.
CABRAL JÚNIOR, J. B. Estimativas, Variabilidade e Análise de Tendência da
Evapotranspiração de Referência em Perímetros Irrigados, no Semiárido do Nordeste
Brasileiro. 2015. 109 f. Dissertação (Mestrado) - Curso de Ciências Climáticas, Centro de
Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.
CONGEDO, L. Semi-Automatic Classification Plugin: A Python tool for the download and
processing of remote sensing images in QGIS. Journal of Open Source Software, 6(64),
3172, 2021. https://doi.org/10.21105/joss. 03172.
COSTA, W.M.; VIDAL, J.M.A.; SANTOS, J.F.; GUERRA, C.A.M. O açude saco em Serra
Talhada-PE como uma unidade produtiva. Revista Meio Ambiente e Sustentabilidade,
Paraná, v.9, n.4, p.282-296, 2015.
ELY, D.F.; ALMEIDA, I.R.; SANT’ANNA NETO, J.L. Implicações políticas e econômicas,
variabilidade climática e o rendimento da cultura do milho no estado do Paraná. Revista do
Departamento de Geociências, Londrina, v.12, n.1, p.495-508, 2003.
54
ESTADOS UNIDOS DA AMÉRICA. UNITED SERVICE GEOLOGICAL SURVEY.
Toward a space-based perspective of our planet in the 1960s. 2016. Disponível em:
https://www.usgs.gov/news/featured-story/vision-observe-earth. Acesso em: 28 out. 2021.
ESTADOS UNIDOS DA AMÉRICA. UNITED SERVICE GEOLOGICAL SURVEY. In a
September 21, 1966 press release, Secretary of the Interior Stewart Udall announced
that the DOI was launching "Project EROS (Earth Resources Observation Satellites)."
Udall's vision was to observe the Earth for the benefit of all. Disponível em:
https://www.usgs.gov/landsat-missions/landsat-satellite-missions?qtscience_support_page_related_con=1#qt-science_support_page_related_con. Acesso em: 28
out. 2021.
FEITOSA, D. G. Avaliação temporal e espacial do balanço de radiação, de energia e da
evapotranspiração no noroeste paulista, face a mudança no uso do solo. Dissertação
(Mestrado). Programa de Pós-graduação em Agronomia. Faculdade de Engenharia. UNESP.
Ilha. Solteira, 2014.
FERRAZ JARDIM, A. M. R. et al. Estudos Climáticos do Número de Dias de Precipitação
Pluvial para o Município de Serra Talhada-PE. Revista engenharia na agricultura REVENG, v. 27, n. 4, p. 330–337, 25 jul. 2019.
FURQUIM, L. C. et al. Estimativa da Evapotranspiração em Sistemas Integrados no Cerrado,
Utilizando o Algoritmo SAFER. Irriga, v. 25, n. 3, p. 617–628, 28 set. 2020.
GOMES, F. I. B. P.; ZANELLA, M. E. Reflexões acerca dos impactos naturais e sociais
esperados em decorrência das mudanças climáticas no semiárido brasileiro. Journal Of
Hyperspectral Remote Sensing, v. 11, n. 6, p. 328, 3 jan. 2022. Universidade Federal de
Pernambuco. http://dx.doi.org/10.29150/2237-2202.2021.252162.
LAFLEUR, P. M.; ROUSE, W. R. Application of an energy combination model for
evaporation from sparse canopies. Agricultural And Forest Meteorology, v. 49, n. 2, p. 135153, jan. 1990. Elsevier BV. http://dx.doi.org/10.1016/0168-1923(90)90047-a.
LEIVAS, J. F.; TEIXEIRA, A. H. C.; ANDRADE, R. G. Geotecnologias e geoinformação:
agrometeorologia. Em: Coleção 500 Perguntas, 500 Respostas. Brasília: Embrapa, 2014.
LIMA JUNIOR, J. C.; ARRAES, F. D. D.; OLIVEIRA, J. B.; NASCIMENTO, F. A. L.;
MACÊDO, K. G. Defining parameters for the Hargreaves-Samani equation for estimating
reference evapotranspiration in the State of Ceará, Brazil. Revista Ciência Agronômica, v.
47, n. 3, p. 447-454, 2016. GN1 Genesis Network. http://dx.doi.org/10.5935/18066690.20160054.
MARTINS, C. M. R. Evapotranspiração de canaviais em diferentes fases fenológicas por
sensoriamento remoto no vale do submédio do São Francisco. 2019. 86 f. Dissertação
(Mestrado) - Curso de Engenharia Agrícola, Universidade Federal Rural de Pernambuco,
Recife, 2019.
MATZENAUER, R. Evapotranspiração de plantas cultivadas e coeficientes de cultura. Em:
Agrometeorologia aplicada à irrigação. Porto Alegre: UFRGS, 1992.
55
ROSSATO, L.; ALVALÁ, R.; MARENGO, J.; ZERI, M.; CUNHA, A.; PIRES, L.;
BARBOSA, H. Impact of soil moisture on crop yields over Brazilian semiarid. Frontiers in
Environmental Science, v.5, n.73, p.1-16, 2017.
SANTOS, J. E. O. et al. Performance of SAFER evapotranspiration using missing
meteorological data. Agricultural Water Management, v. 233, abr. 2020.
SANTOS, J. E. O. Desempenho do Safer e Predição da Radiação Solar para a Gestão da
Irrigação Via Satélite em Região Semiárida. 2019. 97 f. Tese (Doutorado) - Curso de
Engenharia Agrícola, Universidade Federal de Viçosa, Viçosa, 2019.
SENA, A.; BARCELLOS, C.; FREITAS, C.; CORVALAN, C. Managing the health impacts
of drought in Brazil. International Journal of Environmental Research and Public
Health, v.11, n.10, p.10737-10751, 2014.
SILVA, C. O. F.; MAGNONI, P. H. J. Modelagem Espacializada da Evapotranspiração Real
em Área de Reflorestamento por Meio do Pacote Agriwater Em Ambiente R. Em: Aplicações
da Linguagem R em Análises de Vegetação. Atena Editora, 2020. p. 82–95.
https://doi.org/10.22533/at.ed.3552009038.
SILVA, C. O. F.; TEIXEIRA, A H. C.; MANZIONE, R. L. Agriwater: An R package for
spatial modelling of energy balance and actual evapotranspiration using satellite images and
agrometeorological data. Environmental Modelling & Software, 2019.
SILVA, R. A. Modelagem da umidade do solo utilizando imagem de satélite para análise
da variação do solo/vegetação em Floresta – PE. 2018. 69 f. Dissertação (Mestrado) Curso de Meteorologia, Instituto de Ciências Atmosféricas, Universidade Federal de Alagoas,
Maceió, 2018.
SILVA, T.G.F.; ARAÚJO PRIMO, J.T.; MOURA, M.S.B.; SILVA, S.M.S.; MORAIS,
J.E.F.; PEREIRA, P.C.; SOUZA, C.A.A. Soil water dynamics and evapotranspiration of
forage cactus clones under rainfed conditions. Pesquisa Agropecuária Brasileira, Brasília,
v.50, n.7, p.515-525, 2015.
SILVA, Y. F. Uso do algoritmo SAFER para evapotranspiração real na cultura da soja.
Jaboticabal: Universidade Estadual Paulista, 2018.
TEIXEIRA, A. et al. Energy balance and irrigation performance assessments in lemon
orchards by applying the SAFER algorithm to Landsat 8 images. Agricultural Water
Management, v. 247, mar. 2021.
TEIXEIRA, A. H. C. Determining Regional Actual Evapotranspiration of Irrigated Crops and
Natural Vegetation in the São Francisco River Basin (Brazil) Using Remote Sensing and
Penman-Monteith Equation. Remote Sensing, v. 2, n. 5, p. 1287-1319, 6 maio 2010. MDPI
AG. http://dx.doi.org/10.3390/rs0251287.
TEIXEIRA, A. H. C. et al. Water productivity monitoring by using geotechnological tools in
contrasting social and environmental conditions: Applications in the São Francisco River
basin, Brazil. Remote Sensing Applications: Society and Environment, v. 18, abr. 2020.
56
TEIXEIRA, A. H. C.; LEIVAS, J. F.; ANDRADE, R. G.; HERNANDEZ, F. B. T. Water
productivity assessments with Landsat 8 images in the Nilo Coelho irrigation scheme. Irriga,
v. 1, n. 2, p. 1-10, 2015.
TEIXEIRA, A. H. C.; LEIVAS, J. F.; RONQUIM, C. C.; VICTORIA, D. C. Sugarcane water
productivity assessments in the São Paulo state, Brazil. International Journal of Remote
Sensing, v. 6, p. 84-95, 2016.
VAREJÃO-SILVA, M. A. Meteorologia e Climatologia. 2. ed. Recife, 2006. Disponível em:
https://icat.ufal.br/laboratorio/clima/data/uploads/pdf/METEOROLOGIA_E_CLIMATOLOG
IA_VD2_Mar_2006.pdf. Acesso em: 22 dez. 2022.
VENANCIO, L. P. et al. Evapotranspiration mapping of commercial corn fields in Brazil
using SAFER algorithm. Scientia Agricola, v. 78, n. 4, 2021.
VERSYPLE, N. I.; MACHADO, J.; ANDRADE, J. S. C. O.; WANDERLEY, R. A.
Microrregião Pajeú: economia, clima e desenvolvimento da agricultura através de modelo
digital do terreno. Revista Geama, Recife, v. 1, n. 1, p. 16-30, mar. 2015.
YAN, H.; HUANG, S.; ZHANG, J.; ZHANG, C.; WANG, G.; LI, L.; ZHAO, S.; LI, M.;
ZHAO, B. Comparison of Shuttleworth–Wallace and Dual Crop Coefficient Method for
Estimating Evapotranspiration of a Tea Field in Southeast China. Agriculture, v. 12, n. 9, p.
1392, 5 set. 2022. MDPI AG. http://dx.doi.org/10.3390/agriculture12091392.