Ajuste de modelo de estimação de radiação solar difusa e análise de dados de satélites para predição de evapotranspiração de referência

• Autor(a) principal: Gomes Junior, Daniel Gonçalves [UNESP]
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/210865
• topic: Balanço de ondas longas; Penman-Monteith; Saldo de radiação; Google Earth Engine; Net outgoing longwave radiation

O modelo de Penman-Monteith é originalmente elaborado por base do fundamento do balanço de energia e da radiação líquida utilizados para avaliar a estimativa da evaporação de água de uma superfície vegetada, fundamentos estes que são aplicados atualmente para obtenção de dados de satélites em estudos de evapotranspiração. Estudos com uso de satélite possuem elevado grau de confiabilidade, isso se dá pelo fato de terem sua base de dados abastecidas de algoritmos atrelados à softwares que, conjuntamente, possuem uma precisa e robusta capacidade de análise e processamento de dados. Apresenta-se neste trabalho um modelo de emissividade atmosférica (εa) em função da fração difusa (KDF) e avaliou-se a eficácia deste modelo para estimar a Rn e a suas aplicações no modelo PM-FAO 56. O modelo proposto (ETo_Rn_KDF) apresentou um valor médio de 2,6 mm da estimativa de ETo com desvio padrão de ±1,2 mm (uma superestimava de 13% em relação à medida), enquanto que o modelo da FAO-56 (ETo_Rn_Allen) apresentou um valor médio de 3,3 mm da estimativa de ETo com desvio padrão de ±1,2 mm (uma superestimava de 40% em relação à medida). Apresentamos um dos primeiros trabalhos de pesquisa para a localidade de estudo (Botucatu-SP, Brasil) que compara medidas realizadas in-situ de evapotranspiração de referência padrão grama obtidas pela técnica de lisimetria de pesagem com dados estimados deste mesmo parâmetro pelo uso de satélites. Foram utilizados dados de dois datasets disponíveis na plataforma Google Earth Engine para comparar valores médios mensais de ETo. Dados de estimativa provenientes do dataset MOD16A2.006 superestimam a medida lisimétrica em 8% (R² = 0,94), o que consideramos como uma aproximação excepcional entre estimativa e medida, enquanto que os dados de estimativa provenientes do dataset FLDAS superestimam a medida em até 33% (R² = 0,90). Observamos que é possível utilizar dados do dataset MOD16A2.006 com elevado grau de confiabilidade