Uso do algoritmo de SEBAL para estimativa da evapotranspiração em um povoamento de eucalipto

• Autor(a) principal: Nunes, Luca Gomes
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/251155
• topic: Sensoriamento remoto; ET; Floresta; Penman Monteith; Landsat8; Sensing remote; Forest

A evapotranspiração (ET) desempenha um papel fundamental na conservação da biodiversidade, sendo responsável por aproximadamente 65% das precipitações continentais. Assim, sua compreensão se tornou imprescindível para o entendimento do ciclo hidrológico. Devido à complexidade dessa variável diversos estudos propõem sua quantificação – a exemplos Thornthwaite, Pristley.Penman-Monteith, Doorenbos & Pruit, Rosenberg entre outros. Apesar da eficiência das metodologias citadas, suas estimativas são limitadas a pontos específicos, assim para contornar essa problemática foi proposto o uso do sensoriamento remoto, sendo o algoritmo de SEBAL uma das metodologias mais empregas. Neste contexto, o objetivo do estudo foi avaliar o desempenho do algoritmo de SEBAL para um cultivo de eucalipto em diferentes anos. A metodologia utilizada foi feita com base no manual de treinamento avançado de SEBAL publicado por WATERS et al. (2002), a área contempla um cultivo de eucalipto, clone C219, localizada no município de Itatinga-SP, nos anos de 2013 a2018. Para a delimitação do estudo foram selecionadas 46 imagens provenientes do Landsat8, das quais foram escolhidas com base na ausência de nuvens, não sendo aplicado nenhuma mascará de nuvens. Nos dados meteorológicos foi utilizado uma torre de fluxo presente no local, a qual possui os dados observados de evapotranspiração (ET) além dos dados climáticos. Como dados de entrada para o algoritmo de SEBAL foi utilizada os valores da ET diária e horário estimadas pelo método de Penman Monteith (FAO – 56) e a velocidade do vento. A seleção dos pixels âncoras foi dividida em duas formas, sendo feita a seleção do pixel quente para ambas a partir dos pixels com os 5 % dos menores índice da diferença normalizada (NDVI) e os 20 % das maiores temperatura de superfície (Ts), para o pixel frio realizado com os5 % dos maiores e 20% do menos e para a segunda o pixel que continha somente água. O algoritmo de SEBAL demonstrou a característica de superestimação dos dados, sendo o melhor resultado observado no uso do pixel frio água