universidade federal de rondÔnia campus de ji … · de radiação (rn), temperatura do ar (t),...
TRANSCRIPT
UNIVERSIDADE FEDERAL DE RONDÔNIA
CAMPUS DE JI-PARANÁ
DEPARTAMENTO DE ENGENHARIA AMBIENTAL
LARISSA PAULA FERREIRA CORILAÇO
EVAPOTRANSPIRAÇÃO EM UMA ÁREA DE FLORESTA NA AMAZÔNIA
OCIDENTAL POR MEIO DE PRODUTOS DE SENSORIAMENTO REMOTO E
COVARIÂNCIA DOS VÓRTICES TURBULENTOS.
Ji-Paraná
2013
1
LARISSA PAULA FERREIRA CORILAÇO
EVAPOTRANSPIRAÇÃO EM UMA ÁREA DE FLORESTA NA AMAZÔNIA
OCIDENTAL POR MEIO DE PRODUTOS DE SENSORIAMENTO REMOTO E
COVARIÂNCIA DOS VÓRTICES TURBULENTOS.
Trabalho de Conclusão de Curso apresentado
ao Departamento de Engenharia Ambiental,
Fundação Universidade Federal de Rondônia,
Campus de Ji-Paraná, como parte dos
requisitos para obtenção do título de Bacharel
em Engenharia Ambiental.
Orientadora: Nara Luísa Reis de Andrade
Ji-Paraná
2013
2
Corilaço, Larissa Paula Ferreira
C798e
2013
Evapotranspiração em uma área de floresta amazônica ocidental por meio de produtos de sensoriamento remoto e covariância dos vórtices turbulentos / Larissa Paula Ferreira Corilaço; orientadora, Nara Luisa Reis de Andrade. -- Ji-Paraná, 2013
59 f. : 30cm
Trabalho de conclusão do curso de Engenharia Ambiental. – Universidade Federal de Rondônia, 2013
Inclui referências
1. Evapotranspiração.. 2. Sensoriamento remoto. 3. Meio ambiente – Conservação - Rondônia. 4. Mudanças climáticas, 5. Meteorologia. I. Andrade, Nara Luisa Reis de. II. Universidade Federal de Rondônia. III. Titulo
CDU 528.8(811.1)
Bibliotecária: Marlene da Silva Modesto Deguchi CRB 11/ 601
3
UNIVERSIDADE FEDERAL DE RONDÔNIA
CAMPUS DE JI-PARANÁ
DEPARTAMENTO DE ENGENHARIA AMBIENTAL
TÍTULO: EVAPOTRANSPIRAÇÃO EM UMA ÁREA DE FLORESTA NA AMAZÔNIA
OCIDENTAL POR MEIO DE PRODUTOS DE SENSORIAMENTO REMOTO E
COVARIÂNCIA DOS VÓRTICES TURBULENTOS.
AUTORA: LARISSA PAULA FERREIRA CORILAÇO
O presente Trabalho de Conclusão de Curso foi defendido como parte dos requisitos
para obtenção do título de Bacharel em Engenharia Ambiental e aprovado pelo Departamento
de Engenharia Ambiental, Fundação Universidade Federal de Rondônia, Campus de Ji-
Paraná, no dia 18 de setembro de 2013.
______________________________________________________
Renata Gonçalves Aguiar (Membro)
Professora do Departamento de Engenharia Ambiental
Universidade Federal de Rondônia
______________________________________________________
Igor Georgios Fotopoulos (Membro)
Professor do Departamento de Engenharia Ambiental
Universidade Federal de Rondônia
______________________________________________________
Nara Luísa Reis de Andrade (Orientadora)
Professora do Departamento de Engenharia Ambiental
Universidade Federal de Rondônia
Ji-Paraná, 18 de setembro de 2013.
4
DEDICATÓRIA
Dedico à minha família.
5
AGRADECIMENTOS
Agradeço a Deus pelas bênçãos concedidas em minha vida, principalmente
durante esta etapa de tantos desafios.
Agradeço aos meus pais, Márcio e Ana pelo amor e cumplicidade que sempre
demonstraram nos momentos difíceis dessa caminhada. Ao meu esposo Everton, por
compartilhar felicidade plena com a chegada do nosso querido Eduardo.
Gostaria também de agradecer a Professora Nara Luísa Reis de Andrade pela
orientação, e aos demais professores que contribuíram durante o período da minha
graduação.
E aos amigos com quem tive a oportunidade de conviver, em especial a
Harianne, Camila, Kismara, Douglas, Priscylla e Bruno.
6
RESUMO
A floresta amazônica é uma das principais fontes de evapotranspiração continentais e
exerce função essencial na dinâmica do clima, atuando nos processos de
desenvolvimento do ecossistema terrestre. A fim de utilizar métodos promissores de
estimativa desta variável, o presente estudo objetivou: obter valores da
evapotranspiração através de produto do satélite METEOSAT (produto Land-SAF) e;
compara-las com o satélite EOS-AM-1(produto MODIS) e com o método da
covariância dos vórtices turbulentos. Para isso, foram utilizados dados de setembro a
dezembro de 2009 e do ano de 2010 de fluxo de calor latente (LE), bem como de saldo
de radiação (Rn), temperatura do ar (T), umidade relativa do ar (UR), medidos em uma
torre micrometeorológica localizada na reserva biológica do Jaru, no sudoeste da
Amazônia.Os produtos do sistema Land-SAF demonstraram comportamento
semelhante ao da covariância dos vórtices turbulentos, principalmente nas análises
sazonais, sendo promissora sua aplicabilidade para estimativas de evapotranspiração na
região Amazônica, sendo que os valores apresentados se mostraram melhores quando
comparado ao sensor MODIS.
Palavras-chave: Floresta Amazônica, REBIO Jaru, eddy covariance.
7
EVAPOTRANSPIRATION IN AN AREA OF WEST AMAZON FOREST USING
PRODUCTS OF REMOTE SENSING AND COVARIANCE VORTICES
TURBULENT.
ABSTRACT
The Amazon rainforest is one of the main sources of continental evapotranspiration and
has vital role in climate dynamics, acting in the development processes of the terrestrial
ecosystem. In order to use promising methods for estimating this variable the present
study aimed: to obtain values of evapotranspiration from satellite METEOSAT product
(Land-SAF product) and; compare them with the satellite EOS-AM-1 (MODIS product)
and method of covariance vortices turbulent (CV). For this, we used data from
September to November 2009 and the year 2010 of latent heat flux (LE), as well as net
radiation (Rn), air temperature (T), relative humidity (RH) measured in a
micrometeorological tower in the Jaru biological Reserve in southwestern Amazonia.
Products of the Land-SAF system showed similar behavior to the eddy covariance,
especially in seasonal analysis, and promising its applicability for estimates of
evapotranspiration in the Amazon region, and the values presented proved best when
compared to MODIS.
Keywords: Amazon, REBIO Jaru, eddy covariance.
8
LISTA DE ABREVIATURAS
BOC - Balanço de Ondas Curtas
BOC - Balanço de ondas curtas
BOL - Balanço de Ondas Longas
BOL – Balanço de ondas longas
CO2 - Dióxido de Carbono
CV- Covariância dos vórtices turbulentos
DP - Desvio Padrão
E – Leste
Er – Energia emitida por um corpo
ET - Evapotranspiração
GMAO - Global modeling and assimilation Office
H - Fluxo de calor sensível
H2O – Água
ICMBio - Instituto Chico Mendes de Conservação da Biodiversidade
INPE - Instituto Nacional de Pesquisas Espaciais
LAI - Índice de área foliar
LE - Fluxo de calor latente
MOD16 - Produto de evapotranspiração global
N – Norte
NASA - National Aeronautics and Space Administration
NOAA - National Oceanic and Atmospheric Administration
P - Fotossíntese
Patm - Pressão atmosférica
Ppt – Precipitação
Ra – Radiação retransmitida pelas nuvens
REBIO Jaru - Reserva Biológica do Jaru
RMSE - Raiz do erro médio quadrático
S - Energia armazenada na biomassa e no dossel
T - Temperatura do ar
u - Velocidade do vento
UR- Umidade relativa do ar
v - Direção do vento
9
SUMÁRIO
INTRODUÇÃO .......................................................................................................................... 11
1 REFERENCIAL TEÓRICO .................................................................................................... 13
1.1 MUDANÇAS NO USO E OCUPAÇÃO DO SOLO DA AMAZÔNIA .......................... 13
1.2 IMPORTÂNCIA DOS FLUXOS DE ENERGIA NO CLIMA ........................................ 14
1.2.1 Balanço de Energia ..................................................................................................... 15
1.2.2 Evapotranspiração ...................................................................................................... 17
1.3 MÉTODOS PARA ESTIMATIVA DA EVAPOTRANSPIRAÇÃO ............................... 18
1.3 1 Medição dos fluxos de energia: covariância dos vórtices turbulentos ....................... 18
1.3.2 Medição por Sensoriamento Remoto ......................................................................... 19
2. MATERIAL E MÉTODOS .................................................................................................... 25
2.1 ÁREA DE ESTUDO ......................................................................................................... 25
2.2 MEDIDAS DE VARIÁVEIS MICROMETEOROLÓGICAS ......................................... 27
2.3 ESTIMATIVAS DE EVAPOTRANSPIRAÇÃO ............................................................. 29
2.3.1 Covariância dos vórtices turbulentos ......................................................................... 29
10
2.3.2 Produtos de Sensoriamento Remoto ........................................................................... 30
2.4 PROCESSAMENTO DOS DADOS OBTIDOS .............................................................. 34
2.4.1 Análises estatísticas dos dados ................................................................................... 36
3 RESULTADOS E DISCUSSÃO ............................................................................................. 37
3.1 CARACTERÍSTICAS MICROMETEOROLÓGICAS .................................................... 37
3.1.1. Saldo de radiação ...................................................................................................... 37
3.1.2 Umidade Relativa do Ar ............................................................................................. 38
3.1.3 Temperatura do Ar ..................................................................................................... 39
3.2 ANÁLISE DA EVAPOTRANSPIRAÇÃO ...................................................................... 40
3.2.1 Falhas ......................................................................................................................... 40
3.2.2 Análise mensal e sazonal ............................................................................................ 42
3.2.3 Análise do Ciclo Diário .............................................................................................. 45
3.2.4 Análise a cada meia hora ............................................................................................ 49
3.2.5 Espacialização da evapotranspiração obtida por meio do produto Land-SAF ........... 53
3.3.6 Análise comparativa dos produtos Land-SAF e MODIS com medidas da torre
micrometeorológica ............................................................................................................. 56
CONSIDERAÇÕES FINAIS ...................................................................................................... 59
REFERÊNCIAS .......................................................................................................................... 60
11
INTRODUÇÃO
O Brasil é o país com maior biodiversidade do mundo e o conhecimento sobre a
dinâmica dessas comunidades é de grande importância para sua conservação. A maior
parte das áreas de floresta encontra-se na região amazônica, além da diversidade
biológica, esse bioma ganha destaque global pela magnitude das trocas de massa e
energia, sendo considerada a maior fonte de evapotranspiração continental, além de
atuar no equilíbrio do ciclo hidrológico (FISHER et al., 2009).
Essa região vem sofrendo mudanças no uso e ocupação do solo que consistiram
principalmente na conversão de florestas primárias para usos agrícolas (desmatamento),
resultando em perda da quantidade e qualidade da biomassa aérea, nas características
físicas e químicas do solo e na emissão de gases de efeito estufa durante as operações de
queima da floresta e, ou das pastagens (ARAÚJO et al. 2007). Estudos recentes tentam
descobrir se essas modificações podem interferir no clima trazendo prejuízos aos
ecossistemas.
Dentre as medidas úteis para acompanhar a evolução dos efeitos das ações
antrópicas sobre o meio ambiente, tem se as variáveis micrometeorológicas. A
quantificação dos componentes do balanço de energia (saldo de radiação, fluxo de calor
12
no solo, fluxo de calor sensível e fluxo de calor latente) é importante para propósitos
meteorológicos, agronômicos e hidrológicos, bem como para o planejamento da
irrigação das culturas e para uma melhor compreensão e modelagem dos processos de
troca de massa e de energia que ocorrem na superfície da terra (LIMA et al., 2010).
Para se obter esses índices é necessário aplicar técnicas matemáticas robustas de
análise com o intuito de observar, caracterizar e compreender os fenômenos
atmosféricos (VILANI, 2011).
Uma ferramenta que pode ser aplicada para conhecer o comportamento de
variáveis micrometeorológicas principalmente devido à escassez de dados
meteorológicos, além de alcançar áreas de grande dimensão em séries temporais longas
é o sensoriamento remoto, tal ferramenta vem se apresentando inovadora para
avaliações meteorológicas, proporcionando medidas com informações espacialmente
contínuas sobre superfícies vegetadas (HUANG et al., 2008). Oliveira e Moraes (2013)
utilizaram produtos do sensor MODIS (Moderate Resolution Imaging
Spectroradiometer) para uma área florestada no sudoeste da Amazônia, com o intuito de
validar variáveis do balanço de energia a partir dos dados do satélite. Ao comparar com
medidas in situ realizadas pelo sistema de covariância dos vórtices turbulentos (CV) em
torre meteorológica, em geral eles obtiveram estimativas que mostraram semelhança
entre os dos dois modelos.
A evapotranspiração é uma das variáveis essenciais ao entendimento do clima,
neste sentido, o objetivo deste trabalho foi analisar o produto de sensoriamento remoto
de estimativa de evapotranspiração do sistema Land-SAF (Land Surface Analysis
Satellite Applications Facility) e sua aplicabilidade para uma área florestada no
Sudoeste da Amazônia. Como objetivos específicos, buscou-se:
a) obter valores da evapotranspiração através de produto do satélite METEOSAT,
sistema Land-SAF;
b) verificar as características mensais e sazonais da variável ET no período de setembro
de 2009 a dezembro de 2010, utilizando dados dos sistemas Land-SAF e covariância
dos vórtices turbulentos;
c) comparar os dados de evapotranspiração (ET) obtidos pelos sistemas Land-SAF e
MODIS com os dados do CV e verificar sua aplicabilidade para a área de estudo
REBIO Jaru.
13
1 REFERENCIAL TEÓRICO
1.1 MUDANÇAS NO USO E OCUPAÇÃO DO SOLO DA AMAZÔNIA
A Amazônia ocupa uma área total de mais de 6,5 milhões de km², fazendo parte
do território de nove países: Brasil, Venezuela, Colômbia, Peru, Bolívia, Equador,
Suriname, Guiana e Guiana Francesa. Globalmente, a Amazônia contempla a maior
floresta tropical permanente do mundo (FUJISAKA et al., 1998 ). O bioma Amazônia
estende-se do oceano Atlântico às encostas orientais da Cordilheira dos Andes, até
aproximadamente 600 m de altitude, contendo parte de nove países da América do Sul,
sendo 69% dessa área pertencente ao Brasil (AB’SABER, 2003). Esta região, por
questões políticas brasileiras, é denominada Amazônia Legal, e inclui os estados: Acre,
Amapá, Amazonas, Pará, Rondônia, Roraima, além de parte dos estados de Mato
Grosso, Tocantins e Maranhão (CECCON E MIRAMONTES, 1999).
A despeito de toda sua riqueza natural e também cultural, a acelerada expansão
da fronteira agrícola na Amazônia brasileira aumentou as áreas de florestas convertidas
de 107 ha nos anos de 1970 para 6x10
7 ha no princípio deste século, segundo dados do
Instituto Nacional de Pesquisas Espaciais (ALVES, 2002 apud SILVA, 2006). Desde
1989, o Instituto Nacional de Pesquisas Espaciais (INPE) vem produzindo estimativas
anuais das taxas de desflorestamento da Amazônia Legal através do Projeto de
Monitoramento da Floresta Amazônica Brasileira por Satélite (PRODES), as quais se
encontram à disposição da comunidade brasileira. De acordo com os resultados do
referido projeto, entre os nove estados que compõem a Amazônia Legal, Mato Grosso,
Pará e Rondônia merecem atenção especial da comunidade científica e dos tomadores
de decisão pública brasileiros, pois são os estados que mais desmatam (LEMOS;
SILVA, 2011).
Em 1968, através do decreto nº 356 ficou estabelecido que o estado de Rondônia
pertence a Amazônia Ocidental, que se localiza no centro geográfico da Amazônia
Continental, ocupando uma área de 2.194.599 km². Essa área corresponde a 25,7% do
território brasileiro (IBGE, 2010). O Governo Federal incentivou o desenvolvimento
desta região com o intuito de integrá-la ao restante do País, de forma que nesse período
14
houve a entrada de 852.368 imigrantes na Região Norte, o que corresponde a 13% da
sua população residente em 1980, sendo que os Estados do Pará e Rondônia eram os
que atraíam o maior número de imigrantes interestaduais (43,9% e 33,0%,
respectivamente) (BRASIL, 1997). De acordo com estudo mais recente, a população da
Amazônia brasileira cresceu de 6 milhões em 1960 para 25 milhões em 2010, enquanto
a cobertura florestal na região declinou para cerca de 80% da área original
(DAVIDSON et al., 2012).
Após a intensa ocupação, as áreas florestadas da região vêm sendo substituídas
por cenários de pastagens e agricultura. A Empresa Brasileira de Pesquisa Agropecuária
(EMBRAPA) e o Instituto Nacional de Pesquisas Espaciais (INPE) em sua pesquisa do
projeto Terra Class, para mostrar o uso das áreas desmatadas e a problemática do
desflorestamento na Amazônia, verificaram que até 2008, cerca de 60% das áreas foram
convertidas para a pecuária (EMBRAPA; INPE, 2011 ).
Essas atividades contribuíram para o desenvolvimento e povoamento das
cidades, mas acarretaram diversos prejuízos ambientais, pois as florestas atuam para que
ocorra o equilíbrio do ecossistema, e a manutenção do clima é uma função importante
que a cobertura vegetal desempenha.
1.2 IMPORTÂNCIA DOS FLUXOS DE ENERGIA NO CLIMA
Estudos de trocas de energia entre a superfície e a atmosfera são importantes, não
só para caracterizar o microclima local, como identificar interações existentes entre elas
(GOULART, 2011). A transferência de vapor d’água para a atmosfera a partir de
superfícies vegetadas e úmidas, em especial em áreas local e globalmente importantes,
despertam crescente interesse para a compreensão da interação biosfera-atmosfera, dos
mecanismos biofísicos controladores das trocas de fluxos e da interferência do
ecossistema no microclima regional (FRAGA, 2009).
O estudo específico dos ambientes florestais é um tema complexo e pode ser
considerado um caso a parte dentro da microclimatologia. As florestas e bosques
possuem características físicas que alteram direta e indiretamente todas as variáveis
15
climáticas (radiação solar, temperatura do ar, umidade do ar, vento etc.), de forma que o
microclima do sub-bosque florestal é bastante diferenciado de uma área aberta
localizada a poucos metros de distância do mesmo (HOFMANN et al., 2010).
Os esforços atuais para definir a hidrologia das zonas úmidas requerem
estimativas temporal e espacial da evapotranspiração (ET), que é uma componente
dominante no balanço hídrico.
1.2.1 Balanço de Energia
A energia incidente na superfície que compreende a radiação direta ou difusa
(ondas curtas) aquece a superfície terrestre, e esta consequentemente irá emitir radiação
de ondas longas para atmosfera, obedecendo à Lei de Stefan-Boltzmann: “a energia
emitida por um corpo Er (Wm-2
) é proporcional a quarta potência de sua temperatura
absoluta T (K)”, conforme Equação 1.
Er= εσT4
(1)
Em que ε é a emissividade do corpo (≈1) e σ é a constante de Stefan-Boltzmann (5,67
10-8
Wm-2
K-4
). Na floresta, a emissividade é aproximadamente 0,9 (adimensional)
(AYOADE, 2007).
A fonte fundamental de energia responsável pela maior parte dos processos
físicos e biológicos na Terra é a radiação solar, é um equilíbrio entre a entrada e a saída
de elementos de um sistema. Os principais componentes para o balanço de radiação no
sistema terrestre são: superfície, atmosfera e nuvens (VAREJÃO, 2006). Segundo
estimativas realizadas por Budyko (1980), aproximadamente 55% da energia absorvida
pela superfície terrestre é consumida na evaporação e transferida a atmosfera como
calor latente (LE) de vaporização; 12% é destinado ao aquecimento do ar adjacente, por
condução e 33% emitida para o espaço.
O balanço de radiação, que é característico da superfície e que representa a
radiação líquida (Rn), é definido como sendo igual à soma do balanço de ondas curtas
(BOC) e balanço de ondas longas (BOL), segundo a Equação 2.
Rn = BOC + BOL (2)
16
Em geral o saldo de radiação é positivo durante o dia (representando uma
entrada maior do que a saída de energia, com o aquecimento do sistema solo-planta-
atmosfera) e negativo à noite (SENTELHAS; NASCIMENTO, 2003). No período
diurno o solo recebe radiação solar em forma de ondas curtas. Parte dessa radiação é
devolvida ao espaço devido ao albedo (Rs). O solo aquecido irá emitir radiação longa
(Rl) e parte será retransmitida pelas nuvens (Ra). A superfície do solo, quando aquecida,
cede energia para aquecimento do ar (H), para evaporação da água (LE), e para
aquecimento do solo (G) (ANDRADE, 2013).
No período noturno, sem a incidência do Sol, a superfície terrestre se resfria de
forma a perder mais energia em relação ao ar adjacente e o subterrâneo. Dessa forma
ocorre o balanço de energia durante a noite, é quando a Terra emite radiação longa (Rl),
e a atmosfera emite para a Terra radiação longa refletida pelas nuvens (Ra). Essa
diferença de temperatura faz o vapor d’água condensar, pois o solo estará mais frio que
o ar adjacente, assim a Terra recebe o calor latente de condensação.
No conceito de balanço de energia, a essência está na afirmação de que a
diferença entre a energia que entra e a energia que sai de um sistema é a energia captada
ou utilizada por ele. Da energia que chega à superfície da Terra, parte é utilizada para
aquecer o ambiente na forma de calor sensível (H), parte para evaporar a água na forma
de calor latente (LE), parte para aquecer a terra, fluxo de calor no solo (G), e parte é
utilizada na fotossíntese (P) (PEREIRA, 2002 apud ANDRADE, 2013). O saldo de
radiação líquida (Rn) é dado pela Equação 3.
Rn = H + LE + G + P (3)
O termo P da equação é muito pequeno em relação aos outros e normalmente é
desprezado (VAREJÃO, 2006).
Quando em ecossistemas tropicais a equação tem uma variável que contabiliza a
parte que ficará armazenada na biomassa e no dossel (S). Conforme Equação 4.
Rn = H + LE + G + S + P (4)
Dentre essas variáveis o LE é o principal componente do balanço de energia,
estudos mostram que em superfícies umedecidas, a maior parcela da Rn, é convertida
em LE, seguido pelo calor sensível (H) (ANDRADE, 2013).
17
Essa variável também representa um fator fundamental para a planta, visto que
para cada grama de matéria orgânica produzida pela planta, aproximadamente 500g de
água são absorvidos pelas raízes, transportados através do corpo da planta e perdidos
para atmosfera (TAIZ; ZEIGUER, 2006 apud WEBLER, 2011).
1.2.2 Evapotranspiração
O fluxo de calor latente (LE) é convertido em evapotranspiração, por meio da
aplicação de sua relação com o calor latente de vaporização da água. A
evapotranspiração (ET) é a somatória de dois termos: transpiração, quando a água que
penetra pelas raízes das plantas, utilizada na construção dos tecidos ou emitida pelas
folhas reintegra-se na atmosfera, e evaporação, se a água evaporada pelo terreno nu,
adjacente às plantas, por uma superfície de água ou pela superfície das folhas, quando
molhadas por chuva ou irrigação, for evaporada sem ser usada pelas plantas (KLAR,
1988).
ET representa o fluxo de água evaporada na interface Terra-atmosfera (do solo,
corpos d'água e de intercepção) e transpirada pela vegetação através dos estômatos em
suas folhas, como consequência dos processos fotossintéticos.
O estudo da ET reveste-se também de especial importância, mesmo quando são
considerados apenas aspectos puramente meteorológicos. É que o vapor d’água age
como um eficiente meio de transporte meridional de energia (calor latente), interferindo
no balanço energético em escala planetária (VAREJÃO, 2006).
A ET é uma das variáveis mais importantes no ciclo hidrológico, consistindo na
ligação entre energia, clima e disponibilidade hídrica. É um fenômeno hidrológico
multidimensional, uma vez que é afetada por variáveis climáticas como: precipitação,
velocidade do vento, razão de insolação, umidade relativa, temperatura máxima, média
e mínima (MOHAN & ARUMUGAM, 1996 apud ARAUJO et al. 2011).
Segundo RUHOFF (2011), estudar o comportamento da variabilidade sazonal
anual e inter-anual do processo de ET em biomas tropicais é indispensável para
compreender o sistema climático e hidrológico global, portanto é necessário monitorar a
ET.
18
1.3 MÉTODOS PARA ESTIMATIVA DA EVAPOTRANSPIRAÇÃO
1.3 1 Medição dos Fluxos de Energia: covariância dos vórtices turbulentos
Uma das técnicas mais comuns de medidas de fluxos de massa e de energia nos
ecossistemas da Amazônia, no âmbito do projeto LBA, é o método de correlação de
vórtices turbulentos ou eddy covariance (GRACE et al., 1995; McWILLIAM et al.,
1996).
O método de correlação de vórtices turbulentos é um método matemático para
calcular fluxos turbulentos, e pode ser usado para diferentes finalidades. (BURBA;
ANDERSON, 2010).
Segundo estes autores o método é matematicamente complexo e requer uma
série de cuidados na criação e processamento de dados, mas é uma das formas mais
diretas e confiáveis para medir os fluxos de calor, água e troca de CO2, bem como de
metano e outros gases residuais. A técnica permite estudar trocas de CO2, água e
energia, avaliando as respostas da vegetação às variáveis ambientais, buscando
compreender os mecanismos de controle ao longo de diferentes escalas temporais (de
segundos a anos) e espaciais (de alguns metros até quilômetros), para aperfeiçoar
modelos que trabalham com ciclos de C e H2O (IPEF, 2013).
Tal procedimento permite determinar o fluxo vertical de H e LE, usando o
cálculo da covariância entre as flutuações da velocidade vertical do vento (' w) e das
concentrações de umidade (' q). Esses fluxos são medidos a partir do método baseado
nos vórtices que acontecem na atmosfera, e são calculados como a covariância entre
turbilhões mais aquecidos e mais úmidos gerados próximos à superfície que são
deslocados verticalmente, sendo substituídos por turbilhões menos aquecidos. Assim,
esses movimentos são responsáveis pelo transporte vertical (fluxos) das propriedades da
atmosfera, como temperatura (MOREIRA et al., 2010).
A técnica é particularmente interessante para se estudar a fisiologia do
ecossistema e quantificar como os fluxos de carbono e água são afetados pelo ambiente
e clima em diferentes escalas de tempo e espaço (IPEF, 2013).
19
1.3.2 Medição por Sensoriamento Remoto
Considerando o custo de instalação de complexos equipamentos de medição e a
escassez de recursos humanos e econômicos, novas metodologias foram desenvolvidas
para rápida obtenção de dados climatológicos, como o uso do sensoriamento remoto
(SANTOS et al., 2010).
Os satélites meteorológicos são instrumentos indispensáveis para a meteorologia
atual, seu diferencial é a extração de dados de altitude e a abrangência de áreas remotas
sobre os oceanos e continentes, contribuindo decisivamente para uma melhor
compreensão e quantificação de fenômenos e parâmetros relevantes para a previsão do
tempo e clima (CORRÊA et al., 2011).
Ainda segundo o autor supracitado a utilização desta se torna ainda mais
interessante em países que não possuem estrutura para coleta de dados de maneira
convencional. Devem investir no acompanhamento de novas missões de satélites
ambientais visando uma atualização permanente no uso de novos sensores e na análise
de oportunidades em missões nacionais e estrangeiras. Toda esta atividade é de
fundamental importância para o monitoramento de tempo e do clima e na assimilação
em modelos de previsão numérica de tempo. Além de contribuírem para fortalecer a
autonomia nacional no domínio de técnicas espaciais de observação do meio ambiente,
como para fornecer diversos serviços de utilidade pública.
Mu et al.(2007), utilizou dados de fluxo de energia obtidos por torre
meteorológica e do produto do satélite Moderate Resolution Imaging Spectroradiometer
- MODIS, para estimar a ET e desta forma verificar se a utilização de sensoriamento
remoto para estimar variáveis micrometeorológicas seria viável.
Em estudo de caso para estimar a ET, Xiong e Qiu (2010), utilizaram produtos
do satélite MODIS e concluíram que é um método que pode ser aplicado sem maiores
prejuízos aos resultados e com uma diferença aceitável para determinados fins.
Outro produto de sensoriamento remoto de ET que tem sido utilizado é o do
sistema Land Surface Analysis Satellite Applications Facility (Land-SAF), projetado
para melhorar a observação dos sistemas meteorológicos. Granger (2000) utilizou em
sua pesquisa dados do sistema Landsaf para estimar a evapotranspiração na bacia do
Gediz na Turquia. Ao analisar as imagens percebeu que os meses de maior radiação e
20
menos nuvens apresentaram resultados melhores ao comparar com dados de torre
micrometeorológica. Em junho, mês de maior intensidade solar, o autor obteve dados
próximos ao da torre.
Nos itens seguintes serão apresentadas descrições detalhadas dos produtos de ET
do Land-SAF e do MODIS.
1.3.2.1 Land Surface Analysis Satellite Applications Facility – LSA SAF
A EUMETSAT opera um sistema de satélites meteorológicos para
monitoramento da atmosfera e do oceano e superfícies de terra que proporcionam dados
de satélite relacionados com o clima, imagens e produtos - 24 horas por dia, 365 dias
por ano. Esta informação é fornecida pelo Serviço Nacional de Meteorologia dos
membros da organização e Estados que cooperam na Europa, bem como outros usuários
em todo o mundo (LSA SAF, 2010).
O sistema LSA SAF busca o desenvolvimento de técnicas, produtos e algoritmos
que permitam uma utilização mais eficaz dos dados dos dois satélites (Spin-stabilised
Meteosat Second Generatio - MSG e EUMETSAT Polar System - EPS) da
EUMETSAT, relacionados com superfícies continentais, interação terra-atmosfera,
aplicações à biosfera, produtos disponíveis aproximadamente uma hora após
sensoriamento, disseminação em NRT (tempo quase real) via Eumetcast, disseminação
off-line via ftp, entre outros (LSA SAF, 2010).
Embora diretamente projetado para melhorar a observação dos sistemas
meteorológicos, as características espectrais, resolução temporal e cobertura mundial
oferecida pelo MSG e EPS permitem o seu uso em uma ampla gama de outras
aplicações, nomeadamente no âmbito das aplicações biofísicas da terra (LSA SAF,
2010).
As atividades realizadas no âmbito da SAF Terra envolvem o desenvolvimento
de produtos que são especialmente relevantes nos seguintes campos de aplicação:
previsão do Tempo e modelagem climática, que necessitam de informações detalhadas
sobre a natureza e as propriedades de terra. Gestão ambiental e uso do solo, que exigem
informações sobre o tipo de cobertura da terra e mudanças de cobertura do solo (por
exemplo, fornecido por parâmetros biofísicos ou características térmicas). Gestão de
21
riscos naturais, o que exige observações frequentes de superfícies terrestres em ambas
as bandas de energia solar e térmica, além de aplicações climatológicas e detecção de
mudanças climáticas (LSA SAF, 2010).
Atualmente os produtos SAF são derivados do Spinning Enhanced Visible and
Infrared Imager - SEVIRI/METEOSAT-8 em quatro áreas geográficas - Europa, África
do Norte, África do Sul, e América do Sul, abrangendo a maioria dos pixels de terra
pelos Satélites Meteorológicos - METEOSAT. O sensor SEVIRI encontra-se a bordo da
segunda geração de satélites METEOSAT e opera em 12 canais espectrais, nas regiões
do visível, infravermelho próximo e infravermelho termal. É capaz de obter imagens
meteorológicas a cada 15 minutos em modo nominal ou em 5 minutos em modo rápido.
O sensor oferece dados mais precisos para alimentar os modelos numéricos de
previsão do tempo, quando comparado ao seu antecessor Meteosat Visible and Infrared
Imager - MVIRI. O sensor MVIRI encontra-se a bordo da primeira geração de satélites
METEOSAT e possui três canais que operam nas regiões do visível e infravermelho
termal. O instrumento permite o imageamento contínuo a cada 30 minutos e é capaz de
obter imagens diurnas e noturnas da terra, determinar a quantidade de vapor de água
presente no topo da atmosfera, determinar temperatura do topo das nuvens e da
superfície do oceano. Ainda possui o sensor GERB encontra-se a bordo da segunda
geração de satélites METEOSAT e possui aplicação na área de climatologia, na área de
balanço de radiação. Oferece dados da radiação solar refletida e radiação termal emitida
pela terra e atmosfera (LAND- SAF, 2010).
Na abordagem atual, a evapotranspiração é estimada utilizando um modelo
simplificado SVAT impelido por produtos de radiação LSA SAF (DSSF, DSLF e AL),
bem como pelos parâmetros meteorológicos da European Centre for Medium-Range
Weather Forecasts - ECMWF. Com cobertura espacial MSG que engloba
características espectrais únicas e de precisão, com uma resolução espacial de 3 x 3 km
e 12 canais espectrais (SCHMETZ et al., 2002). O Down-Welling Surface Short-Wave
Radiation Flux (DSSF) refere-se à energia radiativa no intervalo de comprimento de
onda [0.3μm, 4.0μm] atinge a superfície da Terra por unidade de tempo e superfície. É,
essencialmente, depende do ângulo zenital, na cobertura de nuvens, e, em menor
medida, na absorção atmosférica e albedo de superfície (LAND-SAF, 2010). O Down-
22
welling Longwave Flux at the Surface (DSLF) é definido como a irradiância que atinge
a superfície a partir do infravermelho termal do espectro (4-100 mM). O produto DSLF
para sensor SEVIRI está ativado dentro da LSA SAF desde o início da Continuous
Development and Operational Phase – CDOP (LAND-SAF, 2008). E o Albedo – AL, é
baseado em informações fornecidas pelos três canais de menor comprimento de onda
(0.6μm VIS, NIR 0.8μm, 1.6μm SWIR) (CARRER et al., 2009).
O produto proveniente do satélite são imagens onde ocorre a divisão da área desejada
em pixels independentes, cada pixel é, por sua vez consideradas como sendo uma mistura
homogênea de classes, cada classe representando uma superfície de solo em particular: o solo
nu, pastagens, florestas, etc. (LAND-SAF, 2011) (FIGURA 1).
Figura 1- Demonstração da coleta de dados pelo satélite Land-SAF.
Fonte: Traduzido de Arboleda et al. (2010)
Teoricamente, a ET pode ser derivada, em tempo quase real, no tempo de
resolução de imagens de satélite MSG, na prática, a produção de ET é limitada pela
disponibilidade de dados de entrada (DSLF são gerados a cada 30 minutos).
O principal conjunto de equações usadas para derivar a ET são comuns aos
regimes Solo-Vegetação-Atmosfera - SVAT com parametrizações específicas adotadas
a partir do esquema SVAT TESSEL ECMWF (VAN DEN HURK et al., 2000), em que
algumas adaptações foram feitas para usar dados derivados de sensoriamento remoto.
O balanço de energia da superfície da vegetação é realizado a partir das classes
identificadas, apresentado nas Equações 5 e 6.
Rni = Hi + LEi + Gi (5)
23
com
Rni = (1- α) S↓ + ε(L↓ - σT4
sk,i) (6)
Nestas equações, o índice i refere-se a uma determinada classe, α e ε são,
respectivamente, albedo e emissividade, S ↓ e L↓ Downward Surface Short-wave Flux -
DSSF e o Downward Surface Long-wave Flux - DSLF, Hi e LEi são o calor sensível e
latente, Gi é o fluxo de calor no solo, Tsk,i a temperatura e σ é a constante de Stephan-
Boltzmann. Rni, S↓ e L↓ e são positivas para baixo, e enquanto que Hi, LEi e Gi são
positivos para cima.
Os fluxos de calor latente e sensível são obtidos através de uma analogia,
descrita nas Equações 7 e 8.
Lvρa
LEi = ___________ [qsat (Tsk,i)-qa (Ta)] (7)
(ra + rc )
ρa
Hi = ______[cp (Tsk,i - Ta) - gza] (8)
ra
Em que ρa é a densidade do ar, ra a resistência aerodinâmica, Ta é a temperatura do ar,
za a altura da medição dos parâmetros de ar, rc a resistência do dossel, Lv o calor latente
de vaporização (função da temperatura do ar), qa a umidade específica e qsat é a umidade
específica de saturação . A resistência do dossel é uma função da DSSF, índice de área
foliar (IAF), teor médio de água no solo descongelado (θ), déficit atmosférico de
pressão de água e uma resistência mínima estomática (rs, min).
O fluxo de calor no solo é estimado conforme Equação 9.
Gi = βi * Rni (9)
24
Nesta equação o coeficiente βi é estimado em função do índice de área foliar (IAF),
através da Modified Soil Adjusted Vegetation Index -MSAVI-(CHEHBOUNI et al.,
1996), como a seguir nas Equações 10 e 11:
βi = 0.5 * EXP(-2.13 * MSAVI i) (10)
MSAVI i= 0.88-0.78*EXP(-0.6 * LAI i) (11)
E o pixel todo (Equação 12 e 13):
LE = Σ ζi LEi (12) e H = Σ ζiHi (13)
Onde iζ é a cobertura relativa da classe no pixel.
O LE obtido, expresso em W / m2, é convertido em evapotranspiração (mm / h), por
meio de, (Equação 14), sendo o Lv, calor latente de vaporização.
ET = 3600 LE / Lv (14)
1.3.2.2 Moderate Resolution Imaging Spectroradiometer – MODIS
O MODIS é um dos cinco sensores a bordo do satélite EOS-AM-1, conhecido
como Terra, um dos Sistemas de Observação da Terra da NASA (EOS/NASA). Este
sensor foi projetado para satisfazer os requerimentos de três campos de estudos
diferentes: atmosfera, oceano e terra, com bandas de resolução espectral e espacial
selecionadas para o conhecimento de diferentes necessidades observacionais e para
oferecer uma cobertura global quase diariamente (JUSTICE, 2002).
O satélite possui órbita polar, síncrona com o Sol, com resolução espacial
variando conforme as bandas (250, 500 e 1000 m) e alcance espectral de 0,4 – 14,4μm,
com um total de 36 bandas espectrais, onde cada uma está em função de um
comprimento de onda para uma determinada finalidade. As primeiras 19 bandas estão
localizadas entre 405nm a 2155nm no espectro eletroradiométrico, dentro desta faixa
estão as bandas direcionadas para a aplicação terrestre, observações oceânicas, e
medições atmosféricas, sendo que as observações da superfície terrestre são realizadas a
cada 1 ou 2 dias (BARKER et al. 1992).
25
O algoritmo da ET global desenvolvido por Mu et al.(2011) foi adaptado de
Cleugh et al. (2007) baseado na equação de Penman-Monteith (MONTEITH, 1965),
esta descrita abaixo na Equação 15.
× + × × ( − ) /
= _________________________ (15)
+ × (1 + / )
Em que LE é o fluxo de calor latente (W m-2
) e L é o calor latente de evaporação (J kg-
1); s = d( )/dT (Pa K
-1) é o coeficiente da curva que relaciona pressão de vapor ( :
Pa) com temperatura; A é a energia disponível particionada entre calor sensível (W m-2
),
calor latente e fluxo de calor no solo na superfície; ρ é a densidade do ar (kg m-3
); Cp é
o calor específico do ar (J kg-1
K-1
); enquanto rs e ra correspondem a resistência
superficial da vegetação e aerodinâmica (s m-1
); γ é a constante psicrométrica (Pa K-1
),
dada pela Equação 16.
= × × ( × ) (16)
em que Ma e Mw são as massas moleculares do ar seco e úmido, respectivamente (kg
mol-1
), e Patm é a pressão atmosférica (hPa) (MU et al., 2007).
O valor de ET é calculado como a soma da evaporação do solo úmido mais a
transpiração da vegetação. Ainda, está incluída no modelo a parcela de precipitação
interceptada pelo dossel, e os valores de ET incluem todo o ciclo diário (período diurno
e noturno).
2. MATERIAL E MÉTODOS
2.1 ÁREA DE ESTUDO
O presente estudo foi realizado na Reserva Biológica do Jaru, uma unidade de
proteção integral sob a tutela do órgão ambiental do governo brasileiro, Instituto Chico
26
Mendes de Conservação da Biodiversidade – ICMBio. A unidade está localizada em
Rondônia, situada entre as latitudes "09º19'52" e 10º11'46"S e longitudes 61º'35'40" e
61º52'48 O.
A classificação da vegetação é floresta ombrófila aberta (CULF et al., 1996;
ROTTENBERGER et al., 2004), sendo comumente denominada também de floresta
tropical sazonalmente seca ou semidecidual (ROTTENBERGER et al., 2004; ROCHA
et al., 2009; COSTA et al., 2010). Apresenta cobertura vegetal com características de
terra-firme, com altura média do dossel de aproximadamente 35 m. O solo da reserva é
caracterizado como podzólico vermelho-amarelo (HODNETT et al., 1996).
O clima predominantemente na região e entorno é do tipo Aw – Clima Tropical
Chuvoso - com média climatológica da temperatura do ar durante o mês mais frio
superior a 18°C (megatérmico) e um período seco bem definido durante a estação de
estiagem (JUSTINA, 2009).
Segundo estimativas de Costa et al. (2010), a média anual da temperatura do ar
na REBIO Jaru é de 22,9ºC e a média durante as estações úmida e seca são de 20,9 e
24,9ºC, respectivamente. A temperatura do ar decresce a partir do início das primeiras
chuvas no mês de novembro, e em dezembro e janeiro, com a alta frequência das
chuvas, os valores médios diminuem para 24,8 ºC. Durante a estação seca são
encontrados os maiores valores de temperatura do ar, no mês de setembro os valores
ficam em aproximadamente 26,5 ±0,38ºC (GOMES, 2011).
Na Amazônia de um modo geral a umidade relativa do ar é elevada, e fortemente
modulada pela precipitação que apresentam valores médios de precipitação anual entre
2.000 a 2.200 mm (FISCH et al., 2007), sendo o período anual dividido sazonalmente
em 4 estações, sendo elas úmida (jan-mar), úmida-seca (abr-jun), seca (jul-set) e seca-
úmida (out-dez).
A Reserva Biológica do Jaru conta com uma torre meteorológica (FIGURA 2)
pertencente à rede de torres do Experimento de Grande Escala da Biosfera-Atmosfera
na Amazônia – Programa LBA, cujas coordenadas são 10°11'11,4"S e 61°52'29,9"O,
com altura aproximada de 61,5 m, em funcionamento desde 1999.
27
Figura 2. Localização da área em estudo e da torre micrometeorológica da Reserva Biológica
do Jaru (REBIO Jaru).
2.2 MEDIDAS DE VARIÁVEIS MICROMETEOROLÓGICAS
As medições dos elementos meteorológicos realizadas por sensores equipados na
torre micrometeorológica foram contínuas, durante o período de setembro de 2009 a
dezembro de 2010. As variáveis medidas foram: temperatura do ar (T) e umidade
relativa do ar (UR).
28
A ilustração do instrumento utilizado para medição destas na Figura 3 e na
Tabela 1 os elementos meteorológicos com suas respectivas unidades de medidas,
instrumentos e alturas de instalação.
Figura 3– Termohigrômetro para medida da temperatura do ar e umidade relativa do ar.
Fonte: (GOMES, 2011).
Tabela 1 - Elementos meteorológicos com suas respectivas unidades de medidas, instrumentos e alturas
dos sensores instalados na torre da REBIO Jaru.
Elemento
meteorológico
Unidade de
medida
Instrumento
Altura do
sensor
REBIO Jaru
Temperatura
°C Termohigrômetro Vaisala
(HMP35A), Helsinki,
Finlândia
61m
UR % Termohigrômetro Vaisala
(HMP35A), Helsinki,
Finlândia
61 m
Os sensores acima descritos são conectados a um sistema de aquisição de dados
(Datalogger CR10X, Campbell Scientific Instrument, Utah, USA) programado para
fazer uma leitura das medidas a cada 30 segundos e depois armazenar uma média a cada
30 minutos.
29
2.3 ESTIMATIVAS DE EVAPOTRANSPIRAÇÃO
2.3.1 Covariância dos vórtices turbulentos
As medidas de fluxo de calor latente (LE) foram adquiridas através do sistema
de covariância dos vórtices turbulentos (CV) - eddy covariance. Para isso um aparelho
de alta frequência dos fluxos de superfície, que medem as flutuações na velocidade
vertical do vento, na temperatura e na densidade do vapor d’água, sendo: anemômetro
sônico tridimensional (Solent 1012R2, Gill Instruments, Lymington, UK), (FIGURA 4-
a), que mede as flutuações nas três componentes da velocidade do vento - velocidade
horizontal do vento a leste (u), velocidade horizontal do vento a norte (v) e a velocidade
vertical do vento (w), e a temperatura do ar, e analisador de gás por infravermelho de
caminho aberto (LI- 7500, LICOR Inc., Lincoln USA), (FIGURA 4-b). Estes sensores
foram conectados a um microcomputador tipo “palmtop”, que fez as leituras dos
sensores com frequência de 10,4 Hz e armazenaram os dados brutos em arquivos a cada
30 minutos.
Figura 4 - Anemômetro sônico tridimensional (a) e analisador de gás por infravermelho de caminho
aberto (b) localizados a 63,4m de altura na REBIO Jaru.
Fonte: Aguiar (2005).
As coletas foram realizadas semanalmente e os dados obtidos processados com a
rotina computacional Alteddy (ELBERS, 1998), desenvolvido pela Instituição Alterra
(Holanda), este programa estabelece uma série de correções antes de calcular os fluxos
turbulentos. O tempo de amostragem utilizado no cálculo dos fluxos foi 800 segundos,
em anuência com o que sugerem Rannik e Vesala (1999), segundo os quais, para
30
mitigar erros na estimação de fluxos turbulentos é preciso usar constantes com
frequências mais espaçadas.
Os dados do CV foram convertidos de LE (W m-2
) para ET (mm h-1
) com o
intervalo de 30 minutos (equação). Para a temperatura média utilizou-se dados medidos
na torre da REBIO Jaru equivalente ao período estudado (Equações 17 e 18).
=[2,501-0,00236(T-273,15)]106
(17)
ET*3600
ETh= _______________ (18)
em que representa o calor latente de vaporização da água, ET (W m-2
), que foi
estimado pelo CV e o ETh é a evapotranspiração horária que foi utilizada nos cálculos.
2.3.2 Produtos de Sensoriamento Remoto
2.3.2.1 Land Surface Analysis Satellite Applications Facility – Land-SAF
Foram utilizados dados do produto ET do satélite METEOSAT, dele foram
extraídos dados de setembro de 2009 a dezembro de 2010. Os arquivos da América são
identificado por “SAme” (South American continent within the Meteosat disk )
(FIGURA 5).
Figura 5- Áreas de imageamento do sistema SAF.
31
Fonte: (SAF, 2010)
Estes dados foram adquiridos gratuitamente através do sitio do sistema Land-
SAF (http://landsaf.meteo.pt/) (FIGURA 6).
Figura 6- Página principal do sítio do satélite Land-SAF.
O produto contém valores instantâneos de evapotranspiração (em mm/h), sendo
que atualmente mapas de ET são gerados com resolução temporal de 30 minutos, e
espacial de 3 x 3 km. A ET de saída é gerada no formato HDF5 e as informações
relevantes para o processamento de dados são inclusas nos atributos de ficheiros HDF5.
Este formato foi descompactado para que os dados fossem processados no programa
ILWIS.
2.3.2.2 Integrated Land and Water Information System – ILWIS
Para adquirir dados referentes a ET na REBIO Jaru, foi utilizado o software
ILWIS v. 3.7.2 (FIGURA 7), ele é um sistema de informação geográfica que realiza o
tratamento computacional de dados geográficos e armazenam a geometria e os atributos
dos dados que estão georreferenciados.
32
Figura 7- Tela principal da v. 3.7.2 ILWIS.
O software foi desenvolvido pelo International Institute for Aerospace Survey
and Earth Sciences (ITC), da Holanda. Esse programa possui uma ferramenta chamada
GEONETCast, desenvolvida como um plug-in sob ILWIS, o objetivo principal da caixa
de ferramentas é permitir que o usuário, tenha facilidade para gerenciar o fluxo de dados
de entrada e importar os dados em ambiente SIG-RS gratuito comum para posterior
análise, neste caso, utilizando a funcionalidade do ILWIS versão 3.7 ou superior. Esta
versão possui na caixa de ferramentas o toolbox, que permite a importação de várias
fontes de dados relevantes para o monitoramento ambiental por meio de uma interface
gráfica do usuário (GUI) de dados.
O GEONETCast-Toolbox fornece uma solução integrada aberta e flexível para
gerenciar o fluxo de dados EUMETCast-GEONETCast, importação de vários tipos de
imagem e os produtos dos dados e reuni-los em um SIG comum, afim de realizar o seu
processamento. Os dados divulgados pelo EUMETCast-GEONETCast são compostos
de vários formatos. Ao longo do tempo uma série de utilitários foram desenvolvidos na
Faculty of Geo-Information Science and Earth Observation of the University of Twente
- ITC para ser capaz de importar estes tipos de dados (ITC, 2011).
33
Os dados decorrentes do MSG não possuem um formato padrão, desse modo,
alguns drivers foram desenvolvidos para a leitura das imagens dos dados geoespaciais, a
exemplo do ILWIS que é uma alternativa para solução deste problema.
O programa foi utilizado para processar os produtos do satélite Land-SAF, dos
meses de setembro a dezembro de 2009 e do ano de 2010, e também para alterar seu
formato em arquivo de texto (.txt). Para a realização desse procedimento fez-se uso da
ferramenta estatística MapList Graph, os dados foram separados por mês e cada mês foi
processado separadamente, com um total de 20459 dados. Em seguida escolheu-se as
coordenadas da torre REBIO Jaru, a partir do mapa originado dos dados fornecidos e
por fim o programa gerou os valores de ET no gráfico.
2.3.2.3 Moderate Resolution Imaging Spectroradiometer – MODIS
Os dados do sistema MODIS foram obtidos por meio do Land Processes
Distributed Active Archive Center - LPDAAC no sitio (https://lpdaac.usgs.gov/), sendo
especificamente utilizado para o estudo o algoritmo de evapotranspiração global
MOD16, cuja resolução espacial é de 1 x 1 km, e resolução temporal de 8 dias.
Foram baixados dados abrangendo uma área de 11 x 11 km, utilizando como
ponto central as coordenadas da torre REBIO Jaru. Como referência de escala espacial,
foi utilizada a média de 3 x 3 km (9 pixels), os pixels utilizados foram:
49,50,51,60,61,62,71,72 e 73, esta delimitação foi adotada para posteriormente ser
comparada ao do sistema Land-SAF, cuja resolução é 3 x 3 km. Os pixels escolhidos
tem como centro a torre da REBIO Jaru e abrangem áreas predominantes de floresta
ombrófila sempre verde e algumas áreas com incidência de outras coberturas do solo,
podendo ter parcelas de áreas úmidas permanentes (rio), cultura ou pastagem. Na Figura
8 está a representação dos pixels.
34
Figura 8- Distribuição das classes do produto na área da Reserva Biológica do Jaru (REBIO Jaru). Os
quadrados com linhas tracejadas representam os pixels, LEMOD1X1 representa o pixel central, onde está
localizada a torre micrometeorológica, e LEMOD representa uma área de 3x3 pixels no entorno da torre.
Fonte: ANDRADE (2013).
2.4 PROCESSAMENTO DOS DADOS OBTIDOS
Para analisar os dados a cada meia hora foram delimitadas séries temporais de 5
dias, os meses selecionados foram setembro e novembro de 2009, e março, abril, julho e
novembro de 2010. O critério para escolha foi adotar o mês que contivesse maior
35
número de dados (conforme TABELAS 3 e 4), de cada estação representando a
sazonalidade, pois alguns meses possuíam muitas falhas, assim selecionou-se séries
contínuas de cinco dias. Na Tabela 2 está o período de cinco dias analisado (dias
julianos), o total de dados fornecidos pelo Land-SAF e pelo CV e o n utilizado, sendo
que foram filtrados eventuais dados negativos e as falhas.
Tabela 2- Apresentação do total de dados contabilizados para os meses selecionados nos respectivos anos
e o n proposto.
Ano Mês Período
analisado
Total de
dados
N(SAF) N(CV)
2009 Setembro 269-273 959 193 216
2009 Novembro 311-315 1421 222 210
2010 Março 87-90 1461 239 202
2010 Abril 116-120 1398 239 200
2010 Julho 197-201 1390 237 235
2010 Novembro 321-329 1429 237 210
Para comparação com os dados do MODIS, determinou-se a ET média diária
para os dados do CV e do Land-SAF (no período de setembro a dezembro de 2009, em
que havia dados dos produtos Land-SAF e MODIS), depois foram somados de 8 em 8
dias, equivalentes aos dias correspondentes ao produto MODIS. A Equação 19 para o
CV está descrita abaixo.
Σ ETmd8
ET8dias= _______________ (19)
2
O Σ ETmd8 é o somatório da média diária durante o período de oito dias e é
dividido por 2, pois os dados foram transformados em uma média horária, mas o CV
está de 30 em 30 min o que equivale a 48 dados e assim foi preciso dividir por 2. Para o
SAF não foi preciso dividir por 2, pois já estava na unidade certa e com o MODIS
36
seguiu-se as instruções do manual do produto, então multiplicou-se o dado por 0,1 e o
dividiu por 8, resultando em médias diárias.
2.4.1 Análises Estatísticas dos Dados
Dentre as analises de estatística descritiva adotadas estão as médias mensais,
horárias e sazonais, juntamente com o desvio padrão.
Para tanto foi realizada regressão linear, extraindo-se o coeficiente de
determinação (r²), que permite avaliar o quanto o modelo reflete a variância nos dados
observados, juntamente com o coeficiente angular (b), com nível de significância de
5%. Para a obtenção da equação, as variáveis referentes ao produto Land-SAF foram
consideradas como eixo Y (modelo), e as variáveis medidas na torre, como eixo X
(real). Deste modo, b>1 representa tendência do modelo a superestimar as variáveis em
questão, e b<1, tendência a subestimar.
Em seguida, foi calculada a raiz do erro médio quadrático RMSE (root mean
square error), para a série mensal e estacional, calculado por meio da Equação 20.
(20)
Em que Ci e Mi são os valores do modelo e medidos, respectivamente, e n é o número
total de observações.
Também foi plotado o Boxplot, para a comparação dos três modelos analisados
(Land-SAF, CV e MODIS), ele foi útil para entender a distribuição dos dados das
estações e também na comparação dos três métodos aplicados para estimar a ET,
ressaltando quando existem dados discrepantes, a variância dos dados, além de
medianas.
37
3 RESULTADOS E DISCUSSÃO
3.1 CARACTERÍSTICAS MICROMETEOROLÓGICAS
3.1.1. Saldo de radiação
O saldo de radiação influencia diretamente na evapotranspiração, os meses com
maior intensidade solar apresentam altos valores de evapotranspiração (FIGURA 9). A
média anual de 2009 foi de 125,39±234,09 W/m² e em 2010 de 137,14±232,39 W/m².
As médias das estações em 2009 foram 126,37 W/m² na úmida, semelhante a de
GOMES (2011) que obteve uma média de radiação líquida de 136,08±192,9W/m² no
período úmido, para a mesma área estudada durante os anos de 1999 a 2010. Na úmida-
seca de 109,14 W/m², 128,81 W/m² na seca e 137,23 W/m² na seca-úmida e em 2010 os
valores obtidos foram de 121,25 W/m² na estação úmida, 143,82 W/m² na estação
úmida-seca, 130,76 W/m² na estação seca e 152,74 W/m² na estação seca-úmida.
Durante o dia os valores podem atingir em média 510,79±1,15W/m² na REBIO
Jaru (GOMES 2011) e durante o período noturno os valores são negativos, pois a
energia disponível incide exclusivamente da radiação de onda longa, que por sua vez
decorre da emissão dos gases atmosféricos e de superfícies líquidas e sólidas da Terra
(GALVÃO; FISCH, 2000 apud AGUIAR et al., 2011).
Mês
jan fev mar abr mai jun jul ago set out nov dez
Rn (
W/m
²)
100
110
120
130
140
150
160
170 2010
2009
Figura 9-Radiação líquida média mensal no sítio REBIO Jaru, nos anos de 2009 e 2010.
38
Utilizou-se dados do ano todo de 2009, pois ele estavam disponíveis e assim
pode-se visualizar o comportamento da Rn durante as estações do ano. Sendo que nos
meses chuvosos de janeiro a junho a radiação apresenta valores menores, devido a
menor incidência solar e no período seco de julho a dezembro os valores de Rn são altos
em relação as taxas dos meses chuvosos.
3.1.2 Umidade Relativa do Ar
Outra variável micrometeorológica relevante para a evapotranspiração é a
umidade relativa do ar, na REBIO Jaru a média anual registrada no ano de 2009 foi de
83,02%±16,21 e 79,50%±16,10 em 2010, a mesma apresentou porcentagens baixas
durante a estação seca, alcançando valores menores que 18,48% (FIGURA 9) em 2009
e 31,72% em 2010, e na estação úmida chegando a 100% nos dois anos.
Mês
jan fev mar abr mai jun jul ago set out nov dez
UR
(%)
20
40
60
80
100
120 2009
2010
Figura 10-Umidade relativa do ar média mensal (±DP) no sítio REBIO Jaru, nos anos de 2009 e 2010.
Em 2010 a umidade na estação seca foi muito baixa pelo período prolongado de
seca que ocorreu e segundo Coelho et al. (2012), revelou que o evento de 2010 foi
extremamente raro , particularmente em novembro, sendo o período de retorno para este
evento estimado de 25 a 30 anos, as causas principais apontadas foram a circulação da
39
temperatura da superfície do mar atípicas no Pacífico equatorial e tropical do Atlântico
Norte, além do efeito da queima de biomassa, e aerossóis que inibiram eficiência de
precipitação sobre a região amazônica.
Este comportamento também foi relatado por Gomes (2011), em que com o
início da estação seca houve uma redução de 19% na umidade específica na REBIO
Jaru, e por Webler (2011), em sua pesquisa em uma região de pastagem próxima a
REBIO Jaru, o período que apresentou a menor média, juntamente com a menor
umidade e maior amplitude foi o mês de agosto, com valor médio de 59,54±3,29%,
sendo esse mês característico na região por apresentar os menores valores.
3.1.3 Temperatura do Ar
Assim como as variáveis supracitadas, a temperatura do ar apresenta estreita
relação com a evapotranspiração. Na análise, a temperatura do ar apresentou média
27,57±1ºC em 2010, sendo que na estação seca foram registrados os menores valores,
10,77ºC. Nesta época ocorrem os eventos de friagem, (entre maio e julho) que explicam
medidas tão distintas dos demais meses (FIGURA 10).
GOMES (2011), em seus resultados apresentou médias com pouca variação
entre as estações, durante a estação seca, a média foi de 26,2±0,46ºC e na estação
chuvosa foi de 24,75±0,33ºC.
40
Mês
jan fev mar abr mai jun jul ago set out nov dez
T (
ºC)
20
22
24
26
28
30
32
34
2010
2009
Figura 11- Média mensal (±DP) da temperatura durante dos anos de 2009 e 2010, sítio REBIO
Jaru.
Em 2009 não foi apresentada a série do ano todo, pois somente alguns meses estavam
disponíveis, a média dos meses analisados foi 25,90 ºC.
3.2 ANÁLISE DA EVAPOTRANSPIRAÇÃO
3.2.1 Falhas
Para realizar análises comparativas das medidas de ET pelas metodologias SAF
e CV, primeiramente foram identificadas as falhas nos dados do satélite Land-SAF e do
CV para nortear sobre a quantidade verdadeira de informações que os dois métodos
forneciam. As Tabelas 3 e 4 apresentam a porcentagem de falhas.
Tabela 3- Porcentagem de falhas nos dados do satélite Land-SAF e do sistema CV no ano de 2009.
Mês SAF CV
Set 43,8% 58,4%
Out 46,8% 10,4%
Nov 40,0% 14,7%
Dez 20,4% 45,2%
Tabela 4- Porcentagem de falhas nos dados do satélite Land-SAF e do sistema CV no ano de 2010.
41
Mês SAF CV
Jan 23,7% 95,9%
Fev 21,9% 95,4%
Mar 28,4% 81,7%
Abr 14,9% 8,1%
Mai 20,0% 54,6%
Jun 11,7% 26,9%
Jul 10,9% 7,9%
Ago 10,2% 12,15%
Set 8,1% 90,4%
Out 20,0% 92,4%
Nov 22,2% 50,2%
Dez 25,4% 100%
Em 2009, as falhas nos dados de ET do Land-SAF variaram entre 46,8% no mês
de outubro e 20,4% no mês de dezembro, sendo a média de falhas do período de
37,75% e nos dados do CV, as mesmas variaram entre 58,4% (mês de setembro) e
10,4% (mês de outubro), com média para o período de 32,18%. Em 2010, o Land-SAF
apresentou falhas entre 28,4% (março) e 8,1% (setembro), com média anual de 18,12%,
e o CV, apresentou falhas variando entre 100% (mês de dezembro) e 7,9% (mês de
julho), com média anual de 59,64%.
Observa-se um aprimoramento na disponibilidade dos dados do Land-SAF,de
2009 para 2010, possivelmente devido ao ano de 2009 ter sido o ano de implementação
do produto ET, sendo necessários ajustes no modelo, tendo o mesmo alcançado um
desempenho aceitável, se comparado com as falhas encontradas no CV.
De acordo com Imbuzeiro (2005), em torres micrometeorológicas que realizam
medidas contínuas, a existência de falhas no conjunto de dados é inerente. Tais erros
podem ser atribuídos a erros intrínsecos aos sensores ou mesmo à manutenção técnica
ou erros de coleta e armazenamento e podem variar, para diferentes áreas estudadas na
região Amazônica, em média entre 0,3 e 59%. Nesse sentido, destaca-se como uma
42
característica positiva do sistema Land-SAF o aprimoramento no desempenho de
medidas de ET.
3.2.2 Análise mensal e sazonal
Após conhecer o número de dados disponíveis para estimar a evapotranspiração,
foi feita a média mensal de setembro a dezembro do ano de 2009 (FIGURA 11),
ilustrando o comportamento dos dois modelos (Land-SAF e CV). A média da ET entre
os quatro meses foi de 5,73±0,17mm/d pelo Land-SAF e de 7,17±0,470mm/d pelo CV,
com valores que variaram de 0-0,67mm/h conforme medidas do Land-SAF e 0-2mm/h
da CV em 2009.
Mês
8 9 10 11 12
ET
(m
m/d
)
4,5
5,0
5,5
6,0
6,5
7,0
7,5
8,0
8,5 SAF
CV
Figura 12- Média mensal (±DP) da evapotranspiração do ano de 2009, estimada pelo satélite Land-SAF e
pela Covariância dos Vórtices Turbulentos (CV), sítio REBIO Jaru.
Comparando-se as estimativas o satélite apresentou melhor desempenho no mês
de outubro, pois foi o que mais se aproximou das medidas in situ.
O mesmo processo foi realizado para o ano de 2010, em que todos os meses
foram analisados (FIGURA 12). Foi verificada média anual de 5,74±0,16mm/d para o
Land-SAF e 4,35±0,41 segundo o CV. Com valores que variaram de 0-0,74mm/h
registradas pelo satélite e de 0-1mm/h pelo CV, sendo que o satélite apresentou melhor
desempenho nos meses de julho a novembro. Os dados dos meses de janeiro a março
43
(estação úmida), não apresentaram resultados satisfatórios, devido as condições
climáticas com alta precipitação, e também ao fato de existirem muitas nuvens que
acabam prejudicando a acurácia do satélite.
Mês
0 2 4 6 8 10 12
ET
(m
m/d
)
0
2
4
6
8
10
SAF
CV
Figura 13 - Média mensal (±DP) da evapotranspiração do ano de 2010, estimada pelo satélite Land-SAF
e pela Covariância dos Vórtices Turbulentos (CV), sítio REBIO Jaru.
Leopoldo et al.(1982) realizaram pesquisa em uma reserva na Amazônia com
área total de 1,3 km² para o período de 1 ano, eles estimaram a ET com o auxilio de
pluviômetros instalados na floresta, e um vertedor para medir a vazão do igarapé,
desconsideraram a evaporação da água do solo, e obtiveram uma média anual de
4,6mm/d.
Souza Filho et al. (2005), estimaram a evapotranspiração através do método da
covariância do vórtices turbulentos em uma região florestada do nordeste da Amazônia,
e constataram uma média de 2,9mm/d no período chuvoso, onde consideraram os meses
de abril e maio e 4,3mm/d para época menos chuvosa, considerando os meses de agosto
e setembro.
44
Analisando os mesmos dados do ano de 2010 do Land-SAF e do CV, arranjados
em estações (úmida, úmida-seca, seca e seca-úmida) (FIGURA 13), observa-se que a
ET a estação úmida apresentou mediana de 0,0083mm/h, e os dados variaram de 0-
0,67mm/h para o Land-SAF e 0,21mm/h, com variação de 0-1mm/h para o CV. Na
úmida-seca a mediana foi de 0,017mm/h, e variando de 0-0,74mm/h para o satélite e
mediana de 0,27mm/h, variando e 0-1mm/h pelo CV.
Para a estação seca o valor da mediana obtido para o Land-SAF foi 0,014mm/h,
variando de 0-0,38mm/h e mediana de 0,19mm/h, com variação de 0-1mm/h pelo CV,
segundo Aguiar et al. (2006) com a redução da precipitação a umidade do solo também
diminui, principalmente nas camadas superiores do solo. Desta forma, é de se esperar
uma diminuição nas taxas de evapotranspiração. E na estação seca-úmida a mediana do
satélite foi 0,013mm/h, variando de 0-0,72mm/h e do CV 0,3mm/h, variando de 0-
1mm/h.
Estação Úmida
Land-SAF CV
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Estação Úmida-Seca
Land-SAF CV
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
a) b)
45
Estação Seca
Land-SAF CV
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Estação Seca-Úmida
Land-SAF CV
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Figura 14 – Box plot comparativo entre satélite Land-SAF (SAF) e pela Covariância dos Vórtices
Turbulentos (CV), com dados de 2010. A linha central do Box plot representa a médiana do conjunto de
dados, a caixa representa o intervalo interquartil que contém 50% dos dados, e os extremos representam
valores máximo e mínimo. Dados espúrios, ou outliers, são representados como círculos pretos.
Foi observada uma tendência do Land-SAF em subestimar os valores de ET, no
entanto, as diferenças entre os valores médios tendem a diminuir na estação seca, o que
pode estar relacionado a dois fatores: i) a diminuição da cobertura de nuvens e ii) a
maior disponibilidade de dados do CV, conforme apresentado nas Tabelas 5.
3.2.3 Análise do Ciclo Diário
A partir das 6h, com a incidência da radiação solar, o saldo de radiação torna-se
positivo e crescente, atingindo seu valor máximo aproximadamente ao meio-dia, a ET
segue o mesmo padrão, sendo que o intervalo de evapotranspiração estende-se das 6h ás
18h. A média diária dos meses de setembro (a,b) e novembro de 2009 do produto do
satélite apresentaram este tipo de variação, (FIGURA 14- b, d). Setembro pertence a
estação seca, a qual observou-se melhor desempenho comparado a novembro que é um
mês de transição da seca para a estação mais úmida, os valores se enquadram entre 0,4 e
0,6mm/h para o satélite e 0,8 e 0,95mm/h para a CV no ápice da evapotranspiração
(12:00h).
Os coeficientes de determinação entre os dados ETSAF e ETcv foram 0,61 e 0,55
respectivamente em setembro e novembro de 2009 (FIGURA 15- a, c).
c) d)
46
ETCV
(mm/h)
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
R² =0,61
Hora
0 300 600 900 1200 1500 1800 2100 2400E
T (
mm
/h)
0,0
0,2
0,4
0,6
0,8
Land-SAF
CV
ETCV(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
1,0R²=0,55
Hora
0 300 600 900 1200 1500 1800 2100 2400
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0 Land-SAF
CV
Figura 15- Diagrama de correlação e média diária da evapotranspiração (mm/h), estimada pelo satélite
Land-SAF e pela Covariância dos Vórtices Turbulentos nos meses de setembro (a,b) e novembro (c,d) de
2009.
Observou-se uma melhor aproximação do Land-SAF aos dados do CV no
período seco, possivelmente devido à diminuição de cobertura de nuvens, o que permite
melhor acurácia nas medidas do satélite. Resultados semelhantes foram observados
anteriormente quanto a aplicabilidade do produto de evapotranspiração do MODIS
(RUHOFF, 2011; ANDRADE, 2013).
c)
a)
d)
b)
47
Para o ano de 2010 (FIGURA 16) seguiu-se a mesma linha, com a escolha de
um mês representando cada estação. No mês de março os valores da ET estimada foi de
0-0,45mm/h conforme o satélite e 0-0,64mm/h pelo CV. No mês de abril o Land-SAF
apresentou valores maiores que 0,5mm/h e a CV 0,64mm/h.
Os coeficientes de determinação entre os dados ETSAF e ETcv foram 0,45 e 0,78
respectivamente em março e abril de 2010 (FIGURA 16- a, c).
Esperam-se valores altos de ET no mês de julho, porem neste ano ocorreram
eventos de baixas temperaturas, em média de 22ºC, dessa forma as variações durante o
período de atividade da ET apresentaram comportamento distinto, o Land-SAF estimou
valores até 0,27mm/h e a CV 0,4mm/h. Em novembro houve um aumento na ET pelo
satélite chegou a 0,45mm/h e pela CV 0,65mm/h, com coeficiente de determinação de
0,72.
Os coeficientes de determinação entre os dados ETSAF e ETcv foram 0,47 e 0,78
respectivamente em julho e novembro de 2010 (FIGURA 15- e, g).
ETCV(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5
ET
SA
F (
mm
/h)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
R²=0,45
Hora
0 300 600 900 1200 1500 1800 2100 2400
ET
(m
m/h
)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7Land-SAF
CV
a) b)
48
ETCV(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5 0,6
ET
SA
F (
mm
/h)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7 R²=0,78
Hora
0 300 600 900 1200 1500 1800 2100 2400
ET
(m
m/h
)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7 Land-SAF
CV
ETCV(mm/h)
0,00 0,05 0,10 0,15 0,20 0,25 0,30
ET
SA
F (
mm
/h)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
R²=0,47
Hora
0 300 600 900 1200 1500 1800 2100 2400
ET
(m
m/h
)
0,0
0,1
0,2
0,3
0,4
0,5Land-SAF
CV
d) c)
e) f)
49
ETCV(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5
ET
SA
F (
mm
/h)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
R²=0,72
Hora
0 300 600 900 1200 1500 1800 2100 2400
ET
(m
m/h
)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
Land-SAF
CV
Figura 16- Diagrama de correlação e média diária da evapotranspiração (mm/h), estimada pelo satélite
Land-SAF e pela Covariância dos Vórtices Turbulentos nos meses de março (a,b); abril (c,d); julho (e,f) e
novembro (g,h) de 2010.
De um modo geral, observou-se uma aproximação entre os dados do Land-SAF
e do CV, tanto em relação às medias quanto a variabilidade dos dados. Apresentou
correlação forte nas estações seca-úmida de 0,78 e na úmida-seca de 0,72 e moderada
nas estações úmida de 0,45 e na seca de 0,47.
3.2.4 Análise a cada meia hora
Os meses analisados setembro (FIGURA 17 - a,b) e novembro (FIGURA 17 -
c,d) de 2009, mostraram que a ET do SAF variou de 0-0,51mm/h e do CV de 0-
1,16mm/h em setembro e 0-0,67 mm/h do Land-SAF e 0-1,59mm/h da CV(FIGURA
16).
g) h)
50
ETCV(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4Y=0,60x + 0,31
Dia
1 2 3 4 5
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4Land-SAF
CV
ETCV(mm/h)
0,0 0,2 0,4 0,6 0,8
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
Y=0,65x + 0,31
Dia
1 2 3 4 5
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8Land-SAF
CV
Figura 17 - Diagrama de regressão e série temporal da evapotranspiração (mm/h), estimada
pelo satélite Land-SAF (ETSAF) e pela Covariância dos Vórtices Turbulentos durante (ETCV)
durante 5 dias nos meses de setembro (a,b) e novembro (c,d) de 2009. A equação da regressão
linear (y=ax+b, em que a = coeficiente angular da reta e b = intercepção da reta).
O coeficiente angular (a) representa, nesse caso, a relação da evapotranspiração
do Land-SAF (ETSAF) e a evapotranspiração da Covariância dos Vórtices Turbulentos
(ETCV), onde a=1 representa que a ETSAF e a ETCV são iguais e o b=0 quando não existe
erro. A relação de igualdade entre os dois modelos foi de 0,60 com erro de 0,31 e 0,65
com erro de 0,31 para os meses de setembro e novembro, respectivamente.
a) b)
c) d)
51
No ano de 2010 (FIGURA 18) repetiu-se as analises de regressão e série
temporal de cinco dias para os meses de março (a,b), abril (c,d), julho(e,f) e novembro
(g,h), representando um mês de cada estação. Para o primeiro mês os valores de ET
variaram de 0-0,62mm/h do sistema Land-SAF e de 0-0,98mm/h da CV, e a relação
entre a ETSAF e a ETCV foi de 0,23 com erro de 0,29. No mês seguinte a ET do satélite
variou entre 0-0,50 e a do CV de 0-0,99 e relação entre os modelos de 0,29, com erro de
0,24. Em julho ET do produto do satélite gerou valores entre 0-0,29 e a CV de 0-0,98 e
a relação das variáveis ETSAF e a ETCV de 0,11, com erro de 0,26. E no último mês
analisado a ET do Land-SAF variou entre 0-0,53mm/h e a da CV de 0-0,99mm/h, com
relação de 0,13 entre os modelos, com erro de 0,36.
ETCV
(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Y=0,23x + 0,29
Dia
1 2 3 4 5
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2 Land-SAF
CV
ETCV(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5 0,6
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
1,0
1,2Y=0,29x + 0,24
Dia
1 2 3 4 5
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2Land-SAF
CV
a) b)
d) c)
52
ETCV(mm/h)
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
1,0
1,2Y=0,11x + 0,26
Dia
1 2 3 4 5
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2 Land-SAF
CV
ETCV(mm/h)
0,0 0,1 0,2 0,3 0,4 0,5 0,6
ET
SA
F (
mm
/h)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Y=0,13x + 0,36
Dia
1 2 3 4 5
ET
(m
m/h
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2Land-SAF
CV
Figura 18- Diagrama de regressão e série temporal da evapotranspiração (mm/h), estimada pelo satélite
Land-SAF (ETSAF) e pela Covariância dos Vórtices Turbulentos durante (ETCV) durante 5 dias nos meses
de março (a,b); abril (c,d); julho (e,f) e novembro (g,h) de 2010. A equação da regressão linear (y=ax+b,
em que a = coeficiente angular da reta e b = intercepção da reta).
Vale ressaltar que, considerando as incertezas inerentes ao sistema CV, que
podem variar entre 20 e 30% (BALDOCCHI, 2008), não se pode atribuir a totalidade de
erros entre LE observado e estimado apenas à imprecisões do produto de sensoriamento
remoto em questão.
Ferreira et al.(2012), trabalharam com a variável evapotranspiração, utilizando
produtos diários agregados ao Land-SAF e encontraram valores de ET na faixa entre
0,01 e 4,21 mm/dia, concluíram que esse modelo subestima ligeiramente a ET.
e) f)
g) h)
53
3.2.5 Espacialização da evapotranspiração obtida por meio do produto Land-SAF
Todas as estimativas da ET do satélite foram visualizadas a partir do software
ILWIS, nele também foi possível observar as variações da ET no mapa gerado com os
dados do Land-SAF, de acordo com uma legenda que indica os valores da ET
relacionados a cores distintas. Na figura 19 estão as estimativas da ET dos dias
dezesseis de setembro (estação seca) e dezesseis de novembro (estação seca-úmida) de
2009 nos horários das 8h e ao 12h. No ano de 2010 (FIGURAS 20 e 21) foram
selecionados os mesmos dias do ano anterior (16), para os meses de março (estação
úmida), abril (estação úmida-seca), julho (estação seca) e novembro (estação seca-
úmida), ou seja, os mesmos meses utilizados nas análises anteriores.
A área total de cada recorte equivale a 70.112 km², sendo que o pixel referente a
localização da torre REBIO Jaru possui extensão de 9 km², a unidade da ET esta em
mm/h e varia de 0-1 de acordo com a legenda.
Ao analisar as imagens constata-se que nas primeiras horas do dia os valores da
evapotranspiração são baixos (azul) e ao meio dia ocorre um aumento (laranja) nas
estimativas. No dia 16 de setembro de 2009, o valor estimado da ET pelo satélite as 8h
foi de 0,12mm/h e as 12h 0,34mm/h, a média da radiação foi 110,61W/m², e a
temperatura em média 22,88ºC estes dados mostram que mesmo sendo em um período
seco a ET pode ser baixa, pela influencia dessas variáveis. No mês de novembro as 8h a
ET registrada foi de 0,31mm/h e as 12h 0,47mm/h , para este mês a radiação foi maior
(150,88W/m²), assim como a temperatura (23,63ºC) resultando em maiores valores de
ET.
54
Para o ano de 2010 (FIGURAS 17 e 18), no mês de março a ET medida as 8h foi
de 0,11mm/h e as 12h 0,53mm/h, a média da temperatura foi de 26,05ºC e a radiação
média em de 134,29W/m². Em abril a medida as 8h foi 0,10mm/h e as 12h 0,44mm/h, a
média da radiação foi 122,75W/m² e da temperatura 26,72ºC. A diferença entre março e
abril é visível na figura 21, são observadas através da escala das 8h, em março a
tonalidade é azul e em abril tendem a verde.
Em julho o valor as 8h horas foi de 0,09mm/h e as 12h 0,18mm/h, neste mês foi
registrada a menor média mensal da temperatura de 24,91ºC em relação as demais
médias do ano que podem ter influenciado na estimativa do satélite, pois neste período
(seca), espera-se valores altos de ET. Em novembro as 8h horas a medida equivaleu a
0,17mm/h e as 12h 0,47mm/h, este mês apresentou a maior média de radiação
(157,93W/m²) do ano de 2010, e temperatura de 25,74ºC, as escalas de cores em relação
a julho representam valores mais baixos, enquanto em novembro mais
altos.
Figura 19- Variação da evapotranspiração nos horários 8 e 12h na região do pixel onde se localiza a torre
REBIO Jaru nos dias dezesseis de setembro e dezesseis de novembro de 2009.
55
Figura 20- Variação da evapotranspiração nos horários 8 e 12h na região do pixel onde se localiza a torre
REBIO Jaru nos dias dezesseis de março e dezesseis de abril de 2010.
56
Figura 21- Variação da evapotranspiração nos horários 8 e 12h na região do pixel onde se localiza a torre
REBIO Jaru nos dias dezesseis de julho e dezesseis de novembro de 2010.m
Pode-se perceber a variação da ET a partir de diferentes usos do solo, nas
Figuras 19, 20 e 21, pois correspondem em sua maioria a áreas florestadas e de
pastagens. As árvores da Floresta Amazônica são adaptadas a sazonalidade da região,
resistindo a períodos longos de seca, pois suas raízes pivotantes são capazes de atingir o
lençol freático nas camadas inferiores do solo (NEGRÓN-JUARÉZ et al., 2007),
diferente da pastagem que são constituídas de gramíneas e atingem apenas as camadas
superiores do solo, por isso são mais suscetíveis a perdas hídricas por evaporação.
Deste modo, ao modificar o ecossistema para o uso da pecuária, acontece
principalmente o aumento do uso de energia para H e, consequentemente, o acréscimo
da temperatura do ar e a diminuição da umidade disponível no sistema, ocasionando
uma alteração no equilíbrio energético da região (WEBLER et al. 2013).
3.3.6 Análise comparativa dos produtos Land-SAF e MODIS com medidas da
torre micrometeorológica
Ao comparar os dados do Land-SAF e do MODIS em relação aos do CV, o
satélite Land-SAF apresentou resultados similares para o intervalo dos dias 257 a 361
57
do ano de 2009, conforme a Figura 22. Os valores da ET do Land-SAF variaram de
4,03-6,74mm/d, e o MODIS variou de 1,94-4,66mm/h, e as estimativas do CV de 3,56-
8,12mm/d, as medianas obtidas foram de 6,14mm/d para o Land-SAF, 6,07mm/d para o
CV e 3,72mm/d para o MODIS, as analises mostraram que os dados do Land-SAF se
comportaram de forma mais próxima aos do CV do que o MODIS.
Modelos
Land-SAF CV MODIS
ET
(m
m/d
)
1
2
3
4
5
6
7
8
9
Dia
260 280 300 320 340 360
ET
(m
m/d
)
1
2
3
4
5
6
7
8
9 Land-SAF
CV
MODIS
Figura 22 - Box plot comparativo (a) e média dos meses de setembro a dezembro (b) a partir de médias
de 8 em 8 dias entre os modelos Land-SAF, Covariância dos Vórtices Turbulentos (CV) e MODIS no
intervalo dos dias 257 a 361 do ano de 2009. A linha central do Box plot representa a médiana do
conjunto de dados, a caixa representa o intervalo interquartil que contém 50% dos dados, e os extremos
representam valores máximo e mínimo. Dados espúrios, ou outliers são representados como círculos
pretos.
Andrade (2013), ao comparar a ET do produto MODIS, com dados da medidos
pela covariância dos vórtices turbulentos no sitio REBIO Jaru observou ET média de
oito dias estimada de 3,77±0,40 mm/d e medida, de 2,60±0,72 mm/d. RUHOFF (2011),
ao comparar a ET do produto MODIS com valores medidos em sete localidades da
região Amazônica, obteve média de 3,28±0,92 mm/d através do MODIS e de 3,32±0,81
mm/d pela CV.
Ruhoff (2011) concluiu que o MODIS pode capturar razoavelmente bem as
respostas da vegetação em função da variabilidade climática, podendo ser aplicado
desde escala regionais a escalas globais, com potencial significativo no monitoramento
espacial e temporal da ET.
a)
um
a
cit
aç
ão
do
do
cu
me
nt
o
ou
o
res
um
o
de
um
a
qu
est
ão
int
ere
ssa
nte
.
Vo
cê
po
de
po
sici
on
ar
a
cai
xa
de
tex
b)
um
a
cit
aç
ão
do
do
cu
me
nt
o
ou
o
res
um
o
de
um
a
qu
est
ão
int
ere
ssa
nte
.
Vo
cê
po
de
po
sici
on
ar
a
cai
xa
de
tex
58
Um fator que pode influenciar nos produtos é a resolução temporal dos dois
satélites, o MODIS tem intervalo de imageamento a cada 8 dias e o Land-SAF gera
valores a cada meia hora, e, segundo Andrade (2013), a variabilidade dos dados de 8
dias e mensais do LE MODIS não se assemelhou a do LE CV possivelmente devido ao
fato do MODIS não capturar efeitos de ciclo diário e brisas (ciclos menores, de 12 e 24
horas), que são inerentes à floresta em estudo.
59
CONSIDERAÇÕES FINAIS
A utilização de sensoriamento remoto na estimativa de variáveis meteorológicas
a partir de produtos do sistema Land-SAF apresentou comportamento semelhante ao
método in situ da covariância dos vórtices turbulentos, especialmente no que diz
respeito a representação do ciclo diário. As análises diárias mostraram que o satélite
segue um padrão próximo das medidas do CV, com período de maior atividade
fotossintética nos horários das 6h as 18h e clímax às 12h, com níveis de correlações
chegando a r²=0,78 no mês de abril de 2009.
As analises feitas no ILWIS, geraram imagens que mostraram os valores da ET
do sistema Land-SAF, os dados variaram de acordo com os horários do dia (8h e 12h), e
com os meses do ano, podendo observar a sazonalidade da região.
Ao se comparar dois modelos de estimativa por sensoriamento remoto (Land-
SAF e MODIS) com as medidas in situ da covariância dos vórtices turbulentos, o Land-
SAF apresentou dados com melhor aplicabilidade para a área da REBIO Jaru no período
de setembro de 2009 a dezembro de 2010, principalmente na estação seca, o que
possivelmente pode estar relacionado com sua maior resolução temporal.
Essas medidas se mostraram como uma alternativa quando não existirem dados
disponíveis das coletas in situ, como também para áreas remotas, principalmente na
estação seca; e para o monitoramento das ações antrópicas na região.
60
REFERÊNCIAS
AB’SABER, A.N. Os domínios de natureza no Brasil: potencialidades paisagísticas.
São Paulo: Ateliê Editorial, 2003. 159p.
AGUIAR, L. J. G.; COSTA, J. M. N.; FISCHER, G. R.; AGUIAR, R. G.; COSTA, A.
C. L.; FERREIRA, Y. C. M. Estimativa da radiação de onda longa atmosférica em áreas
de floresta e pastagem no sudoeste da Amazônia. Revista Brasileira de Meteorologia,
v.26, p. 215 - 224, 2011.
AGUIAR, R.G. Fluxos de massa e energia em uma floresta tropical no sudoeste da
Amazônia. Dissertação (mestrado) – Instituto de Ciências Exatas e da Terra,
Universidade Federal de Mato Grosso. 59 p. Cuiabá, 2005.
AGUIAR, R. G.; RANDOW, C. V.; PRIANTE FILHO, N.; MANZI, A. O.; AGUIAR,
L. J. G.; CARDOSO, F. L. Fluxos de massa e energia em uma floresta tropical no
sudoeste da Amazônia. Revista Brasileira de Meteorologia, v. 21, p. 248-257, 2006.
ALVES, D.S. Space-time dynamics of deforestation in Brazilian Amazonia.
International Journal of Remote Sensing, v.23, n.14, p.2903-2908, 2002a.
61
ANDRADE, N. L. R. Fluxo de calor latente em uma floresta tropical da Amazônia:
uma análise de séries temporais e de produto do MODIS. Cuiabá:UFMT, 2013. Tese
(Doutorado em Física Ambiental), Universidade Federal de Mato Grosso, 2013.167p.
ANDRADE, R. G.; VICTORIA, D. C.; NOGUEIRA, S. F., MASSAGLI, G. O;
AGNESE, M. L. Estimativa dos fluxos de energia à superfície e da
evapotranspiração real diária utilizando imagens do sensor MODIS/Aqua na Bacia
do Rio Ji-Paraná, RO. Campinas: Embrapa Monitoramento por Satélite, 2010. ISSN
1806-3322.
ARAÚJO, E.A.; KER, J.C.; MENDONÇA, E.S.; SILVA, I.R.; OLIVEIRA & E.K.
Impacto da conversão de floresta em pastagem nos estoques e na composição isotópica
do carbono e de frações da matéria orgânica do solo na Amazônia Ocidental, Acre. In:
Congresso Brasileiro de Ciência do Solo, 2007, Gramado. Anais..., Viçosa: SBCS,
2007.
ARAUJO, L.A.; REIS, E.F.; MOREIRA, G.R. Correlações entre variáveis
climatológicas e seus efeitos sobre a evapotranspiração de referência. Revista
Brasileira de Agricultura Irrigada. v.5, n. 2, p.96–104, jun. 2011.
BARKER, J.L.; HARDEN, M.K.; ANUTA, E.A.; SMID, J. e HOUGT, D. MODIS
spectral sensivity study: requirements and characterization. Washington: Nasa, Oct,
1992, 84p.
BRASIL, M.C. Os fluxos migratórios na região norte nas décadas de 70 e 80: uma
análise exploratória. Cad. Est, Soc. Recife, v. 13, a. 1, p. 61-84, jan./jun. 1997.
BURBA, G.; ANDERSON, D. A Brief Practical Guide to Eddy Covariance Flux
Measurements: Principles and Workflow Examples for Scientific and Industrial
Applications. Lincoln: LI-COR Biosciences, 2010. p. 211.
CARRER, D.; GEIGER, B; ROUJEAN, J; HAUTECOEUR, O; CEDILNIK, J.;
MAHFOUF, J.; MEUREY, C.; FRANCHISTÉGUY, L. Land surface albedo from
msg/seviri: retrieval method, validation, and application for weather forecast. In:
GEOSCIENCE AND REMOTE SENSING SYMPOSIUM. Cape Town. Anais... Cape
Town: UCT, 2009.
CECCON, E.; MIRAMONTES, O. Mecanismos y actors socials de la deforestación em
la Amazonia Brasileña. Interciência. v. 24, p.112-119, abr. 1999.
COELHO C. A. S.; CAVALCANTI I. A. F.; COSTA S. M. S.; FREITAS S. R.; ITO E.
R.; LUZ G.; SANTOS A. F.; NOBRE C. A.; MARENGOB J.A.; PEZZAC A. B.
Climate diagnostics of three major drought events in the Amazon and illustrations of
their seasonal precipitation predictions. Royal Meteorology Society. 19: 237–255
(2012).
CORRÊA , M. P.; MACHADO, L. A. T.; SOUZA, R. A. F. Por que lançar satélites
para observações meteorológicas? Estimativas de precipitação por satélites. . In:
REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA PARA O PROGRESSO DA
CIÊNCIA, 57., 2005, Fortaleza. Anais... Fortaleza: AEB, 2005.
COSTA, M. H.; BIAJOLI, M. C.; SANCHES, L.; MALHADO, A. C. M.; HUTYRA, L.
R.; ROCHA, H. R.; AGUIAR, R. G.; ARAÚJO, A. C. Atmospheric versus vegetation
controls of Amazonian tropical rain forest evapotranspiration: Are the wet and
62
seasonally dry rain forests any different? Journal of Geophysical Research, v. 115, p.
1-9, 2010.
DALMAGRO, H. J. Dinâmica da Assimilação do Carbono em Brosimum lactescens
S Moore (Moraceae) na Floresta de Transição Amazônia-Cerrado. Cuiabá: UFMT,
2009. Dissertação (Mestrado em Física Ambiental), Instituto de Física, Universidade
Federal de Mato Grosso, 2009.
DAVIDSON, E.A., A.C. DE ARAÚJO, P. ARTAXO, J.K. BALCH, I.F. BROWN,
M.M.C.BUSTAMANTE, M.T. COE, R.S. DEFRIES, M. KELLER, M. LONGO, J.W.
MUNGER, W.SCHROEDER, B.S. SOARES-FILHO, C.M. SOUZA JR, AND S.C.
WOFSY. The Amazon basin in transition. Nature, 481:321-328. 2012.
Divisão de Satélites e Sistemas Ambientais – Centro de Previsão de Tempo e Estudos
Climáticos. Instituto Nacional de Pesquisas Espaciais
ELBERS, J. A. Eddy correlation system: user manual version 2.0. Alterra,
Wageningen, The Netherlands, 1998. 39 p.
FALCÃO, R. M.; GALVANI E.; LIMA, N. G.B.; CRUZ, B. R. Análise da variação da
umidade relativa do ar do pico da bandeira, parque nacional alto Caparaó, Brasil. In: VI
Seminário Latino-Americano de Geografia Física e II Seminário Ibero-Americano de
Geografia Física. Universidade de Coimbra, Anais... Coimbra. Maio. 2010.
FERREIRA, E.; DANTAS, A. A. A.;GARCIA, A. G. Estimativa de evapotranspiração
no estado de Minas Gerais, Brasil. Universidade Federal de Lavras. Repositório
Institucional.2012.
FISCH, G.; VENDRAME, I F.; HANAOKA, P. C. M. Variabilidade espacial da chuva
durante o experimento LBA/TRMM 1999 na Amazônia. Acta Amazônica, vol.37 no.4
Manaus. 2007.
FISHER JB, MALHI Y, DE ARAÚJO AC, BONAL D, GAMO M, GOULDEN ML,
HIRANO T, HUETE AR, KONDO H, KUMAGAI T et al.. The land-atmosphere water
flux in the tropics. Global Change Biology 15: 2694–2714, 2009.
FUJISAKA, S.; ASTILLA, C.; SCOBAR, G.; RODRIGUES, V.; VENEKLAAS, E.J.;
THOMAS, R.; FISHER, M. The effects of forest conversion on annual crops and
pastures: estimates of carbon emissions and plant species loss in a Brazilian Amazon
colony. Agriculture, Ecosystems and Environment, v. 69, p. 17-26, maio. 1998.
Geonetcast toolbox installation, configuration and user guide of the geonetcast toolbox
plug-in for ilwis 3.7. Application manual. (ITC), 2011.
GOMES, J. B.; LEITE, K. G.; WEBLER, A. D.; AGUIAR, R. G. Estudo do índice de
área foliar, produção de biomassa e fluxos de CO2 em uma pastagem no sudoeste da
Amazônia. In: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 16., 2009,
Belo Horizonte. Anais... Belo Horizonte: SOCIEDADE BRASILEIRA DE
AGROMETEOROLOGIA, 2009.
GRACE, J.; LLOYD, J.; MCINTYRE, J.; MIRANDA, A.; MEIR, P.; MIRANDA, H.;
MONCRIEFF, J.; MASSHEDER, J.; WRIGHT, I.; GASH, J. Fluxes of carbon dioxide
and water vapor over an undisturbed tropical forest in south-west Amazonia. Global
Change Biology, v.1, p. 1-12, 1995.
63
GRANGER, R.J. Satellite-derived estimates of evapotranspiration in the Gediz basin.
Journal of Hydrology.70-76. Canada. 2000.
HEUSINKVELD, B.G., JACOBS, A.F.G., HOLTSLAG, A.A.M., BERKOWICZ, S.M.
Surface energy balance closure in an arid region: role of soil heat flux. Agricultural
and Forest Meteorology, v.122, p.21–31, 2004.
HUANG, C.; LI, X.; WANG, J.; GU, J. Assimilation of Remote Sensing Data Products
into Common Land Model for Evapotranspiration Forecasting. Proceedings of the 8th
International Symposium on Spatial Accuracy Assessment in Natural Resources
and Environmental Sciences. Shanghai, P. R. China. pp. 234-241. 2008.
Instituto de Pesquisas e Estudos Florestais – IPEC. Disponível em:
<http://www.ipef.br/eucflux/>
JUSTICE, C. O.;TOWNSHEND, J.R.G.; VERMOTE, E.F., MASUOKA, E., WOLFE,
R.E., SALEOUS, N., ROY, D.P., MORISETTE, J.T. An overview of MODIS Land
data processing and product status. Remote Sensing of Environment, v. 83, n.1-2,
Nov. p 3 –15, 2002a.
LEMOS, A. L. F.; SILVA, J. A. Desmatamento na Amazônia Legal: Evolução, Causas,
Monitoramento e Possibilidades de Mitigação Através do Fundo Amazônia. Floresta e
Ambiente. v.18, p. 98-108, jan./mar. 2011.
LEOPOLDO, P.R.; FRANKEN W.; Eneas SALATI. Balanço Hídrico de Pequena Bacia
Hidrografica em Floresta Amazônica de Terra Firme. Acta Amazônica . 333-337.1982
MCWILLIA M, A. L. C.; CABRAL , O. M. R.; GO MES , B. M.; ESTEVES, J. L.;
ROBERTS, J. M.. Forest and pasture leaf gas exchange in south-west Amazonia,
pages 265-286 In: Gash, J. H. C., Nobre, C. A.; Roberts, J. M.; Victoria, R. L. (eds),
Amazonian climate and deforestation, J. M. Wiley & Sons, New York, NY. 1996
MOHAN, S.; ARUMUGAM, N. Relative importance of meteorological variables in
evapotranspiration: factor analysis approach. Water Resources Management, India, v.
10, p.1-20, 1996.
MONTEITH, J. L., Evaporation and environment. Symposium of the society of
experimental biology, 19, 205−224. 1965.
MOREIRA,V. S.; TIMM, A. U.; ROBERTI , D. R.; DEGRAZIA, G. A.; FIORIN, J.
E.; MORAES, O. L.L.; WEBLER, G.; RODRIGUES, A. C. C. M. Estimativa da
evapotranspiração em dois sistemas de cultivo para soja, utilizando o método Eddy
Covariance. In: CONGRESSO BRASILEIRO DE METEOROLOGIA, 16., 2010,
Belém. Anais…Belém: CBMET, 2010.
MOURA, M. A. L.; MEIXNER, F. X.; TREBS, I.; LYRA, R. F. F.; ANDREA, M. O.;
FILHO, M. F. N. Evidência observacional das brisas do lago de Balbina (Amazonas) e
seus efeitos sobre a concentração do ozônio. Acta Amazonica. v. 34, p. 605-611, 2004.
MU, Q.; HEINSCH, F. A.; ZHAO, M.; RUNNING, S. W. Development of a global
evapotranspiration algorithm based on MODIS and global meteorology data. Remote
Sensing of Environment, 111, 519−536. 2007.
MU, Q.; HEINSCH, F. A.; ZHAO, M.; RUNNING, S. W. Development of a global
evapotranspiration algorithm based on MODIS and global meteorology data. Remote
Sensing of Environment, 111, 519−536. 2007.
64
NEGRÓN-JUARÉZ, R. I.; HODNETT, M. G.; Fu, R.;GOULDEN, M. L.;RANDOW,
C. von. Control of dry season evapotranspiration over the Amazonian forest as inferred
from observations at a Southern Amazon forest site, Journal of Climate, v.20, p.2827-
2839. 2007.
OLIVEIRA, G.; MORAES, E. C.. Validação do balanço de radiação obtido a partir de
dados MODIS/TERRA na Amazônia com medidas de superfície do LBA. Acta
Amazônica, vol.43 no.3. Manaus. Sept. 2013. ISSN 0044-5967.
PRODUCT User Manual Down-welling Shortwave Flux (DSSF). PRODUCTS: LSA-7
(MDSSF), LSA-9 (DIDSSF). SAF/LAND/MF/PUM_DSSF/2.54
RUHOFF, A. L. Sensoriamento remoto aplicado à estimativa da evapotranspiração
em biomas tropicais. (2011). 162f. Tese (Programa de Pós-graduação em recursos
hídricos e saneamento ambiental). Universidade Federal do Rio Grande do Sul, Porto
Alegre, 2011.
SAF for Land Surface Analysis (LSA SAF) VALIDATION REPORT DSLF. Doc:
SAF/LAND/IM/VR_DSLF/I_08. Issue: Version I/2008.
SANTOS , T. V.; FONTANA , D. C.; ALVES, R. C. M. Avaliação de fluxos de calor e
evapotranspiração pelo modelo SEBAL com uso de dados do sensor ASTER. Pesq.
agropec. bras. v.45, p. 488-496, 2010.
SANTOS, T.V. Fluxos de calor na superfície e evapotranspiração diária em áreas
agrícolas e de vegetação nativa na bacia do jacuí por meio de imagens orbitais.
Porto Alegre: UFRS, 2009. Dissertação (Mestrado em Sensoriamento Remoto),
Universidade Federal Do Rio Grande Do Sul, 2009. 85p.
Satellite Application Facility on Land Surface Analysis (LSA SAF). Product User
Manual Evapotranspiration (ET). PRODUCTS: LSA-16 (MET), LSA-17 (DMET) Ref.
SAF/LAND/RMI/ PUM_MET/2.4 Issue: Version 2. 2011.
SCHMETZ, J.; PILI , P.; TJEMKES, S.; JUST, D.; KERKMANN, J.; ROTA, S.;
RATIER, A. An Introduction to Meteosat Second Generation (MSG). Amer. Meteor.
Soc., v.83, p.977–992, jul. 2002.
SCHMETZ, J.; PILI, P.; TJEMKES, S.; JUST, D.; KERKMANN, J.; ROTA, S.;
RATIER, A. An introduction to meteosat second generation (msg). American
Meteorological Society. v.83, p. 977-992, 2002.
SENTELHAS, P. C.; NASCIMENTO, A. L. C. Variação sazonal da relação entre o
saldo de radiação e a irradiância solar global. Revista Brasileira de Meteorologia,
v.18, n.1, p.71–77, 2003.
SILVA, A. N. Análise das relações entre o desflorestamento e o potencial
agropecuário das terras na Amazônia. São José dos Campos: INPE, 2006.
Dissertação (Mestrado em Sensoriamento Remoto), Instituto Nacional de Pesquisas
Espaciais, 2006.
SOARES, R. V.; BATISTA, A. C. Meteorologia e climatologia florestal. Curitiba:
SOUZA FILHO J.D. da C.; RIBEIRO A.; COSTA, M. H.; COHEN, J. C. P.
Mecanismos de controle da variação sazonal da transpiração de uma floresta tropical no
65
nordeste da Amazônia. Acta Amazônica, vol.35 no.2 Manaus April/June. 2005. ISSN
0044-5967.
Van den Hurk, B., Viterbo, P., Beljaars, A. and Betts, A., 2000. Offline validation of the
ERA40 surface scheme. ECMWF Techn. Memorandum No.295, 42 pp.
VILANI, M.T. Análise de Fourier e Wavelet em variáveis micrometeorológicas em
diferentes tipologias de ocupação. (2011). Tese de doutorado em Física Ambiental.
135p. Cuiabá, 2011.
WEBLER A. D.; GOMES J. B.; AGUIAR R. G.; ANDRADE N. L. R.; AGUIAR L. J.
G. Mudanças no uso da terra e o particionamento de energia no sudoeste da Amazônia.
Rev. bras. eng. agríc. ambient. vol.17 n.8 Campina Grande Aug. 2013.
WEBLER, A.D. Caracterização e análise da variação temporal de componentes
micrometeorológicos em uma área de pastagem no sudoeste da Amazônia..
Trabalho de Conclusão de Curso apresentado ao Departamento de Engenharia
Ambiental, Fundação Universidade Federal de Rondônia, Ji-Paraná.71pp. 2011.
XIONG, Y.; QIU, G. Using MODIS land products to estimate regional
evapotranspiration. In: Geoscience and Remote Sensing Symposium (IGARSS).
Anais…China. 2010.