Análise de Modelos de Evapotranspiração por Sensoriamento Remoto na Caatinga: Uma Compreensão de Variações Temporais e Espaciais
DOI:
https://doi.org/10.26848/rbgf.v17.5.p3663-3681Palavras-chave:
Balanço de energia à superfície, Google Earth Engine, Ciclo HidrológicoResumo
A evapotranspiração (ET) desempenha um papel crucial no ciclo da água, influenciando o clima local e sustentando os processos vitais no ambiente terrestre. É possível estimar a ET em nível regional utilizando modelos de balanço de energia à superfície (SEB) com dados de Sensoriamento Remoto (SR). Contudo, diferentes modelos SEB podem produzir resultados discrepantes, especialmente em ambientes sazonais e sensíveis à disponibilidade de água, como a Caatinga. Para investigar essas discrepâncias entre os modelos SEB, foram avaliados os modelos STEEP, SEBAL e S-SEBI em uma sub-bacia do Alto Paraíba, inserida na Caatinga. A análise da ET em áreas de pastagem e Caatinga revelou comportamentos contrastantes. Na pastagem, os modelos STEEP, SEBAL e S-SEBI indicaram uma ET estável, abaixo de 2 mm/dia, tanto em períodos secos quanto chuvosos. Por outro lado, na Caatinga, houve uma redução significativa na ET durante a estação seca, demonstrando adaptação desta vegetação à escassez de água. O modelo STEEP, ao considerar a umidade do solo e a estrutura da planta em sua modelagem, apresentou uma representação mais precisa da Caatinga, enquanto os modelos SEBAL e S-SEBI mostraram limitações nesse contexto. Esses resultados ressaltam a importância de considerar as particularidades das vegetações ao modelar processos hidrológicos, especialmente em regiões com condições climáticas variadas, como a Caatinga. A compreensão dessas diferenças entre os modelos SEB é crucial para aprimorar as estimativas de ET em áreas sensíveis, fornecendo informações mais precisas para a gestão sustentável dos recursos hídricos nessas regiões.
Downloads
Referências
Allen, R. G., Pereira, L. S., Howell, T. A., & Jensen, M. E. (2011). Evapotranspiration information reporting: I. Factors governing measurement accuracy. Agricultural Water Management, 98(6), 899-920. https://doi.org/10.1016/j.agwat.2010.12.015
Allen, R. G., Tasumi, M., & Trezza, R. (2007). Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Model. Journal of irrigation and drainage engineering, 133(4), 380-394. https://doi.org/10.1061/(ASCE)07339437(2007)133:4(380)
Alvares, C. A., Stape, J. L., Sentelhas, P. C., Gonçalves, J. D. M., & Sparovek, G. (2013). Köppen’s climate classification map for Brazil. Meteorologische zeitschrift, 22(6), 711-728
Anapalli, S. S., Ahuja, L. R., Gowda, P. H., Ma, L., Marek, G., Evett, S. R., & Howell, T. A. (2016). Simulation of crop evapotranspiration and crop coefficients with data in weighing lysimeters. Agricultural Water Management, 177, 274-283. https://doi.org/10.1016/j.agwat.2016.08.009
Barraza, V., Restrepo-Coupe, N., Huete, A., Grings, F., Beringer, J., Cleverly, J., & Eamus, D. (2017). Estimation of latent heat flux over savannah vegetation across the North Australian Tropical Transect from multiple sensors and global meteorological data. Agricultural and Forest Meteorology, 232, 689-703.https://doi.org/10.1016/j.agrformet.2016.0.013
Bastiaanssen, W. G. M. (2000). SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin, Turkey. Journal of hydrology, 229(1-2), 87-100. https://doi.org/10.1016/S0022-1694(99)00202-4
Bastiaanssen, W. G. M., Noordman, E. J. M., Pelgrum, H., Davids, G., Thoreson, B. P., & Allen, R. G. (2005). SEBAL model with remotely sensed data to improve water-resources management under actual field conditions. Journal of irrigation and drainage engineering, 131(1), 85-93. https://doi.org/10.1061/(ASCE)07339437(2005)131:1(85)
Bastiaanssen, W. G., Ahmad, M. U. D., & Chemin, Y. (2002). Satellite surveillance of evaporative depletion across the Indus Basin. Water resources research, 38(12), 9-1. https://doi.org/10.1029/2001WR000386
Bastiaanssen, W. G., Menenti, M., Feddes, R. A., & Holtslag, A. A. M. (1998). A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. Journal of hydrology, 212, 198-212. https://doi.org/10.1016/S0022-1694(98)00253-4
Bezerra, U. A. & Cunha, J. (2023). Aplicativo para estimativa de séries temporais de evapotranspiração na caatinga. Simpósio Brasileiro de Recursos Hídricos. Aracaju/SE.
Bezerra, U. A., Cunha, J., Valente, F., Nóbrega, R. L., Andrade, J. M., Moura, M. S., ... & Galvão, C. O. (2023). STEEP: A remotely-sensed energy balance model for evapotranspiration estimation in seasonally dry tropical forests. Agricultural and Forest Meteorology, 333, 109408.https://doi.org/10.1016/j.agrformet.2023.109408
Bhattarai, N., Quackenbush, L. J., Im, J., & Shaw, S. B. (2017). A new optimized algorithm for automating endmember pixel selection in the SEBAL and METRIC models. Remote sensing of environment, 196, 178-192. https://doi.org/10.1016/j.rse.2017.05.009
Bonan, G. B., Patton, E. G., Finnigan, J. J., Baldocchi, D. D., & Harman, I. N. (2021). Moving beyond the incorrect but useful paradigm: reevaluating big-leaf and multilayer plant canopies to model biosphere-atmosphere fluxes–a review. Agricultural and Forest Meteorology, 306, 108435.https://doi.org/10.1016/j.agrformet.2021.108435
Borges, C. K., Carneiro, R. G., dos Santos, C. A., & dos Santos, C. A. (2021). Obtaining the daily actual evapotranspiration through remote sensing techniques application in Brazilian Semiarid. Journal of Hyperspectral Remote Sensing v, 11(1), 18-31.
Cadier, É. (1996). Small watershed hydrology in semi-arid north-eastern Brazil: basin typology and transposition of annual runoff data. Journal of Hydrology, 182(1-4), 117-141.
Campos, S., Mendes, K. R., da Silva, L. L., Mutti, P. R., Medeiros, S. S., Amorim, L. B., ... & Bezerra, B. G. (2019). Closure and partitioning of the energy balance in a preserved area of a Brazilian seasonally dry tropical forest. Agricultural and Forest Meteorology, 271, 398-412.https://doi.org/10.1016/j.agrformet.2019.03.018
Chen, J. M., & Liu, J. (2020). Evolution of evapotranspiration models using thermal and shortwave remote sensing data. Remote Sensing of Environment, 237, 111594. https://doi.org/10.1016/j.rse.2019.111594
Cheng, M., Jiao, X., Li, B., Yu, X., Shao, M., & Jin, X. (2021). Long time series of daily evapotranspiration in China based on the SEBAL model and multisource images and validation. Earth System Science Data, 13(8), 3995-4017. https://doi.org/10.5194/essd-13-3995-2021
Chu, H., Luo, X., Ouyang, Z., Chan, W. S., Dengel, S., Biraud, S. C., ... & Zona, D. (2021). Representativeness of Eddy-Covariance flux footprints for areas surrounding AmeriFlux sites. Agricultural and Forest Meteorology, 301, 108350. https://doi.org/10.1016/j.agrformet.2021.108350
Costa, J., Navarro‐Hevia, J., Costa, C. A. G., & de Araujo, J. C. (2021). Temporal dynamics of evapotranspiration in semiarid native forests in Brazil and Spain using remote sensing. Hydrological Processes, 35(3), e14070. https://doi.org/10.1002/hyp.14070
Costa-Filho, E., Chávez, J. L., Zhang, H., & Andales, A. A. (2021). An optimized surface aerodynamic temperature approach to estimate maize sensible heat flux and evapotranspiration. Agricultural and Forest Meteorology, 311, 108683.https://doi.org/10.1016/j.agrformet.2021.108683
Cunha, J., Nobrega, R. L., Rufino, I., Erasmi, S., Galvão, C., & Valente, F. (2020a). Surface albedo as a proxy for land-cover clearing in seasonally dry forests: Evidence from the Brazilian Caatinga. Remote Sensing of Environment, 238, 111250. https://doi.org/10.1016/j.rse.2019.111250
Cunha, J., Pereira, T. E., Pereira, E., Rufino, I., Galvão, C., Valente, F., & Brasileiro, F. (2020b). A high-throughput shared service to estimate evapotranspiration using Landsat imagery. Computers & Geosciences, 134, 104341.https://doi.org/10.1016/j.cageo.2019.104341
Danelichen, V. H. D. M., Biudes, M. S., Souza, M. C., Machado, N. G., Silva, B. B. D., & Nogueira, J. D. S. (2014). Estimation of soil heat flux in a neotropical Wetland region using remote sensing techniques. Revista Brasileira de Meteorologia, 29, 469-482. https://doi.org/10.1590/0102778620120568
Dombroski, J. L. D., Praxedes, S. C., de Freitas, R. M. O., & Pontes, F. M. (2011). Water relations of Caatinga trees in the dry season. South African Journal of Botany, 77(2), 430-434. https://doi.org/10.1016/j.sajb.2010.11.001
Ellison, D., Morris, C. E., Locatelli, B., Sheil, D., Cohen, J., Murdiyarso, D., ... & Sullivan, C. A. (2017). Trees, forests and water: Cool insights for a hot world. Global environmental change, 43, 51-61. https://doi.org/10.1016/j.gloenvcha.2017.01.002
Farias, A. A. D., & Xavier, R. A. (2023). Eventos Extremos de Secas na Sub-Bacia Hidrográfica do Rio Sucuru, Cariri Paraibano. Revista Brasileira de Meteorologia. https://doi.org/10.1590/0102-77863810087
Ferreira, T. R., Da Silva, B. B., De Moura, M. S., Verhoef, A., & Nobrega, R. L. (2020). The use of remote sensing for reliable estimation of net radiation and its components: a case study for contrasting land covers in an agricultural hotspot of the Brazilian semiarid region. Agricultural and Forest Meteorology, 291, 108052.https://doi.org/10.1016/j.agrformet.2020.108052
Fisher, J. B., Melton, F., Middleton, E., Hain, C., Anderson, M., Allen, R., ... & Wood, E. F. (2017). The future of evapotranspiration: Global requirements for ecosystem functioning, carbon and climate feedbacks, agricultural management, and water resources. Water resources research, 53(4), 2618-2626. https://doi.org/10.1002/2016WR020175
French, A. N., Hunsaker, D. J., & Thorp, K. R. (2015). Remote sensing of evapotranspiration over cotton using the TSEB and METRIC energy balance models. Remote Sensing of Environment, 158, 281-294. https://doi.org/10.1016/j.rse.2014.11.003
Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., ... & Michaelsen, J. (2015). The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes. Scientific data, 2(1), 1-21.
Gokmen, M., Vekerdy, Z., Verhoef, A., Verhoef, W., Batelaan, O., & van der Tol, C. (2012). Integration of soil moisture in SEBS for improving evapotranspiration estimation under water stress conditions. Remote sensing of environment, 121, 261-274. https://doi.org/10.1016/j.rse.2012.02.003
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote sensing of Environment, 202, 18-27. https://doi.org/10.1016/j.rse.2017.06.031
Gowda, P. H., Chavez, J. L., Colaizzi, P. D., Evett, S. R., Howell, T. A., & Tolk, J. A. (2008). ET mapping for agricultural water management: present status and challenges. Irrigation science, 26, 223-237.
Gu, C., Tang, Q., Zhu, G., Ma, J., Gu, C., Zhang, K., ... & Niu, S. (2021). Discrepant responses between evapotranspiration-and transpiration-based ecosystem water use efficiency to interannual precipitation fluctuations. Agricultural and Forest Meteorology, 303, 108385.https://doi.org/10.1016/j.agrformet.2021.108385
Hu, X., Shi, L., Lin, G., & Lin, L. (2021). Comparison of physical-based, data-driven and hybrid modeling approaches for evapotranspiration estimation. Journal of Hydrology, 601, 126592. https://doi.org/10.1016/j.jhydrol.2021.126592.
Jaafar, H. H., & Ahmad, F. A. (2020). Time series trends of Landsat-based ET using automated calibration in METRIC and SEBAL: The Bekaa Valley, Lebanon. Remote Sensing of Environment, 238, 111034. https://doi.org/10.1016/j.rse.2018.12.033
Jiang, C., & Ryu, Y. (2016). Multi-scale evaluation of global gross primary productivity and evapotranspiration products derived from Breathing Earth System Simulator (BESS). Remote Sensing of Environment, 186, 528-547.https://doi.org/10.1016/j.rse.2016.08.030
Keenan, T. F., Baker, I., Barr, A., Ciais, P., Davis, K., Dietze, M., ... & Richardson, A. D. (2012). Terrestrial biosphere model performance for inter‐annual variability of land‐atmosphere CO2 exchange. Global Change Biology, 18(6), 1971-1987.https://doi.org/10.1111/j.1365-2486.2012.02678.x
Khoshnood, S., Lotfata, A., Mombeni, M., Daneshi, A., Verrelst, J., & Ghorbani, K. (2023). A spatial and temporal correlation between remotely sensing evapotranspiration with land use and land cover. Water, 15(6), 1068. https://doi.org/10.3390/w15061068
Komatsu, H., & Kume, T. (2020). Modeling of evapotranspiration changes with forest management practices: A genealogical review. Journal of Hydrology, 585, 124835. https://doi.org/10.1016/j.jhydrol.2020.124835
Laipelt, L., Kayser, R. H. B., Fleischmann, A. S., Ruhoff, A., Bastiaanssen, W., Erickson, T. A., & Melton, F. (2021). Long-term monitoring of evapotranspiration using the SEBAL algorithm and Google Earth Engine cloud computing. ISPRS Journal of Photogrammetry and Remote Sensing, 178, 81-96. https://doi.org/10.1016/j.isprsjprs.2021.05.018
Lima, C. E. S., de Oliveira Costa, V. S., Galvíncio, J. D., da Silva, R. M., & Santos, C. A. G. (2021). Assessment of automated evapotranspiration estimates obtained using the GP-SEBAL algorithm for dry forest vegetation (Caatinga) and agricultural areas in the Brazilian semiarid region. Agricultural Water Management, 250, 106863.https://doi.org/10.1016/j.agwat.2021.106863
Liu, Y., Guo, W., Huang, H., Ge, J., & Qiu, B. (2021). Estimating global aerodynamic parameters in 1982–2017 using remote-sensing data and a turbulent transfer model. Remote Sensing of Environment, 260, 112428.https://doi.org/10.1016/j.rse.2021.112428
McShane, R. R., Driscoll, K. P., & Sando, R. (2017). A review of surface energy balance models for estimating actual evapotranspiration with remote sensing at high spatiotemporal resolution over large extents. Scientific Investigations Report, (2017-5087). https://doi.org/10.3133/sir20175087
Miettinen, J., Shi, C., & Liew, S. C. (2019). Towards automated 10–30 m resolution land cover mapping in insular South-East Asia. Geocarto International, 34(4), 443-457. https://doi.org/10.1080/10106049.2017.1408700
Miranda, R. de Q., Nóbrega, R. L. B., Moura, M. S. B. de, Raghavan, S., & Galvíncio, J. D. (2020). Realistic and simplified models of plant and leaf area indices for a seasonally dry tropical forest. International Journal of Applied Earth Observation and Geoinformation, 85, 101992.https://doi.org/10.1016/j.jag.2019.101992
Mohan, M. P., Kanchirapuzha, R., & Varma, M. R. (2020). Review of approaches for the estimation of sensible heat flux in remote sensing-based evapotranspiration models. Journal of Applied Remote Sensing, 14(4), 041501-041501.https://doi.org/10.1117/1.JRS.14.041501
Moro, M. F., Silva, I. A., Araújo, F. S. D., Nic Lughadha, E., Meagher, T. R., & Martins, F. R. (2015). The role of edaphic environment and climate in structuring phylogenetic pattern in seasonally dry tropical plant communities. PLoS One, 10(3), e0119166. https://doi.org/10.1371/journal.pone.0119166
Mu, Q., Zhao, M., & Running, S. W. (2011). Improvements to a MODIS global terrestrial evapotranspiration algorithm. Remote sensing of environment, 115(8), 1781-1800. https://doi.org/10.1016/j.rse.2011.02.019
Nouvelot, J. F. (1974). Planificaçâo da implantaçâo de Bacias Representativas. Aplicaçâo à ârea da Sudene. SUDENE, Recife.
Padilha, A. L., Vitorello, Í., Pádua, M. B., & Fuck, R. A. (2016). Deep magnetotelluric signatures of the early Neoproterozoic Cariris Velhos tectonic event within the Transversal sub-province of the Borborema Province, NE Brazil. Precambrian Research, 275, 70-83. https://doi.org/10.1016/j.precamres.2015.12.012
Paloschi, R. A., Ramos, D. M., Ventura, D. J., Souza, R., Souza, E., Morellato, L. P. C., ... & Borma, L. D. S. (2020). Environmental drivers of water use for caatinga woody plant species: combining remote sensing phenology and sap flow measurements. Remote Sensing, 13(1), 75. https://doi.org/10.3390/rs13010075
Paul, G., Gowda, P. H., Prasad, P. V., Howell, T. A., Aiken, R. M., & Neale, C. M. (2014). Investigating the influence of roughness length for heat transport (zoh) on the performance of SEBAL in semi-arid irrigated and dryland agricultural systems. Journal of Hydrology, 509, 231-244.https://doi.org/10.1016/j.jhydrol.2013.11.040
Paul, G., Gowda, P. H., Prasad, P. V., Howell, T. A., Staggenborg, S. A., & Neale, C. M. (2013). Lysimetric evaluation of SEBAL using high resolution airborne imagery from BEAREX08. Advances in Water Resources, 59, 157-168.https://doi.org/10.1016/j.advwatres.2013.06.003
Paulson, C. A. (1970). The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer. Journal of Applied Meteorology (1962-1982), 857-861.
Potapov, P., Li, X., Hernandez-Serna, A., Tyukavina, A., Hansen, M. C., Kommareddy, A., ... & Hofton, M. (2021). Mapping global forest canopy height through integration of GEDI and Landsat data. Remote Sensing of Environment, 253, 112165. https://doi.org/10.1016/j.rse.2020.112165
Priestley, C. H. B., & Taylor, R. J. (1972). On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly weather review, 100(2), 81-92. https://doi.org/10.1175/15200493(1972)100<0081:OTAOSH>2.3.CO;2
Projeto MapBiomas – Coleção 7 da Série Anual de Mapas de Cobertura e Uso da Terra do Brasil, acessado em 4 set. 2023. através do link: https://mapbiomas.org/o-projeto.
Rodell, M., Houser, P. R., Jambor, U. E. A., Gottschalck, J., Mitchell, K., Meng, C. J., ... & Toll, D. (2004). The global land data assimilation system. Bulletin of the American Meteorological society, 85(3), 381-394. https://doi.org/10.1175/BAMS-85-3-381
Roerink, G. J., Su, Z., & Menenti, M. (2000). S-SEBI: A simple remote sensing algorithm to estimate the surface energy balance. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 25(2), 147-157. https://doi.org/10.1016/S1464-1909(99)00128-8
Sabater, J. M. (2019). ERA5-Land hourly data from 1981 to present. Copernicus climate change service (C3S) climate data store (CDS). Eur. Centre Medium-Range Weather Forecasts, Eur. Union, Tech. Rep.
Saboori, M., Mousivand, Y., Cristóbal, J., Shah-Hosseini, R., & Mokhtari, A. (2022). An automated and improved methodology to retrieve long-time series of evapotranspiration based on remote sensing and reanalysis data. Remote Sensing, 14(24), 6253. https://doi.org/10.3390/rs14246253
Salazar-Martínez, D., Holwerda, F., Holmes, T. R., Yépez, E. A., Hain, C. R., Alvarado-Barrientos, S., ... & Vivoni, E. R. (2022). Evaluation of remote sensing-based evapotranspiration products at low-latitude eddy covariance sites. Journal of Hydrology, 610, 127786.https://doi.org/10.1016/j.jhydrol.2022.127786
Santos, C. A. C. D., & Silva, B. B. D. (2010). Obtenção dos fluxos de energia à superfície utilizando o algoritmo S-SEBI. Revista Brasileira de Meteorologia, 25, 365-374. https://doi.org/10.1590/S010277862010000300008
Santos, C. A., Mariano, D. A., Francisco das Chagas, A., Dantas, F. R. D. C., de Oliveira, G., Silva, M. T., ... & Neale, C. M. (2020a). Spatio-temporal patterns of energy exchange and evapotranspiration during an intense drought for drylands in Brazil. International Journal of Applied Earth Observation and Geoinformation, 85, 101982. https://doi.org/10.1016/j.jag.2019.101982
Santos, É. G., dos Santos, C. A. C., Bezerra, B. G., & das Chagas Araújo, F. (2014). Análise de parâmetros ambientais no núcleo de desertificação de Irauçuba-CE usando imagens de satélite. Revista Brasileira de Geografia Física, 07, 915-926.
Santos, E. I., de Alencar, M. L. S., Schramm, V. B., dos Santos, J. S., & do Nascimento, M. T. C. C. (2020b). Uso de geotecnologias no estudo da degradação das terras da bacia do rio Sucuru, na Paraíba. Ciência e Natura, 42, e57-e57.
Schaaf, C., & Wang, Z. (2015). MCD43A4 MODIS/Terra+Aqua BRDF/Albedo Nadir BRDF Adjusted Ref Daily L3 Global - 500m V006 [Data set]. NASA EOSDIS Land Processes DAAC. Disponível em: https://doi.org/10.5067/MODIS/MCD43A4.006.
Senay, G. B., Bohms, S., Singh, R. K., Gowda, P. H., Velpuri, N. M., Alemu, H., & Verdin, J. P. (2013). Operational evapotranspiration mapping using remote sensing and weather datasets: A new parameterization for the SSEB approach. JAWRA Journal of the American Water Resources Association, 49(3), 577-591. https://doi.org/10.1111/jawr.12057
Silans, A. M. B. P., & Silva, F. M. (2007). Fluxo de calor sensível e evapotranspiração na Caatinga: Estudo experimental.. Revista Brasileira de Recursos Hídricos, 12(1), 177–188.
Silans, A. M. B. P., Werlang, L. M., & Goldfarb, M. C (2008). Desenvolvimento de um Modelo SVATS para a Região Semi-Árida do Cariri Paraibano. RBRH — Revista Brasileira de Recursos Hídricos, 13, 5-15.
Silva, A. M., da Silva, R. M., & Santos, C. A. G. (2019). Automated surface energy balance algorithm for land (ASEBAL) based on automating endmember pixel selection for evapotranspiration calculation in MODIS orbital images. International Journal of Applied Earth Observation and Geoinformation, 79, 1-11. https://doi.org/10.1016/j.jag.2019.02.012
Silva, G. J. F. D. (2020). Modelagem dos componentes do balanço hídrico e monitoramento da seca em bacia hidrográfica no bioma caatinga. Tese (Doutorado em Engenharia Civil e Ambiental) – Universidade Federal da Paraíba, João Pessoa – PB. 180f. 2020.
Singh, R. K., & Irmak, A. (2011). Treatment of anchor pixels in the METRIC model for improved estimation of sensible and latent heat fluxes. Hydrological sciences journal, 56(5), 895-906. https://doi.org/10.1080/02626667.2011.587424
Singh, R. K., & Irmak, A. (2011). Treatment of anchor pixels in the METRIC model for improved estimation of sensible and latent heat fluxes. Hydrological sciences journal, 56(5), 895- 906.https://doi.org/10.1080/02626667.2011.587424
Sousa, J. H. S. D. (2023). Aplicação do algoritmo Random Forest para classificação do uso e cobertura da terra na Bacia Hidrográfica do Rio Sucuru utilizando o Google Earth Engine. Monografia (Bacharelado em Engenharia de Biossistemas) - Universidade Federal de Campina Grande, Sumé - PB
Su, Z. (2002). The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes. Hydrology and earth system sciences, 6(1), 85-100. https://doi.org/10.5194/hess-6-85-2002
Su, Z., Schmugge, T., Kustas, W. P., & Massman, W. J. (2001). An evaluation of two models for estimation of the roughness height for heat transfer between the land surface and the atmosphere. Journal of applied meteorology and climatology, 40(11), 1933-1951. https://doi.org/10.1175/15200450(2001)040<1933:AEOTMF>2.0.CO;2
Sullivan, R. C., Cook, D. R., Ghate, V. P., Kotamarthi, V. R., & Feng, Y. (2019). Improved spatiotemporal representativeness and bias reduction of satellite‐based evapotranspiration retrievals via use of in situ meteorology and constrained canopy surface resistance. Journal of Geophysical Research: Biogeosciences, 124(2), 342-352. https://doi.org/10.1029/2018JG004744
Sun, X., Onda, Y., Otsuki, K., Kato, H., Gomi, T., & Liu, X. (2017). Change in evapotranspiration partitioning after thinning in a Japanese cypress plantation. Trees, 31, 1411-1421. https://doi.org/10.1007/s00468-017-1555-1
Tang, H., & Li, Z. L. (2014). Quantitative remote sensing in thermal infrared: theory and applications. Springer Science & Business Media.
Tang, R., & Li, Z. L. (2015). Evaluation of two end-member-based models for regional land surface evapotranspiration estimation from MODIS data. Agricultural and Forest Meteorology, 202, 69-82. https://doi.org/10.1016/j.agrformet.2014.12.005
Tang, R., Peng, Z., Liu, M., Li, Z. L., Jiang, Y., Hu, Y., ... & Fisher, J. B. (2024). Spatial-temporal patterns of land surface evapotranspiration from global products. Remote Sensing of Environment, 304, 114066. https://doi.org/10.1016/j.rse.2024.114066
Teixeira, A. D. C., Bastiaanssen, W. G., Ahmad, M., & Bos, M. G. (2009). Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the Low-Middle Sao Francisco River basin, Brazil: Part A: Calibration and validation. Agricultural and forest meteorology, 149(3-4), 462- 476. https://doi.org/10.1016/j.agrformet.2008.09.016
Trebs, I., Mallick, K., Bhattarai, N., Sulis, M., Cleverly, J., Woodgate, W., ... & Boulet, G. (2021). The role of aerodynamic resistance in thermal remote sensing-based evapotranspiration models. Remote sensing of environment, 264, 112602. https://doi.org/10.1016/j.rse.2021.112602
Verhoef, A., De Bruin, H. A. R., & Van Den Hurk, B. J. J. M. (1997a). Some practical notes on the parameter kB− 1 for sparse vegetation. Journal of Applied Meteorology, 36(5), 560-572. https://doi.org/10.1175/1520- 0450(1997)036<0560:SPNOTP>2.0.CO;2
Verhoef, A.; McNaughton, K. G. & Jacobs, A. F. G. (1997b). A parameterization of momentum roughness length and displacement height for a wide range of canopy densities. Hydrology and Earth System Sciences, 1(1), 81–91. https://doi.org/10.5194/hess-1-81-1997
Wang, C., Yang, J., Myint, S. W., Wang, Z. H., & Tong, B. (2016). Empirical modeling and spatio-temporal patterns of urban evapotranspiration for the Phoenix metropolitan area, Arizona. GIScience & Remote Sensing, 53(6),778- 792.https://doi.org/10.1080/15481603.2016.1243399
Zhang, K., Kimball, J. S., & Running, S. W. (2016). A review of remote sensing based actual evapotranspiration estimation. Wiley interdisciplinary reviews: Water, 3(6), 834-853. https://doi.org/10.1002/wat2.1168
Zhao, M., Heinsch, F. A., Nemani, R. R., & Running, S. W. (2005). Improvements of the MODIS terrestrial gross and net primary production global data set. Remote sensing of Environment, 95(2), 164-176. https://doi.org/10.1016/j.rse.2004.12.011
Zhu, W., Tian, S., Wei, J., Jia, S., & Song, Z. (2022). Multi-scale evaluation of global evapotranspiration products derived from remote sensing images: Accuracy and uncertainty. Journal of Hydrology, 611, 127982. https://doi.org/10.1016/j.jhydrol.2022.127982
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Epitacio Pedro da Silva Neto, Ulisses Alencar Bezerra, Sabrina Holanda Oliveira, John Cunha
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
