Aplicação do algoritmo SEBAL na estimativa da evapotranspiração e da biomassa acumulada da cana-de-açúcar

• Ano de defesa: 2008
• Autor(a) principal: Andrade, Ricardo Guimarães
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Agrometeorologia; Climatologia; Micrometeorologia; Doutorado em Meteorologia Agrícola; UFV
• Palavras-chave em Português: Evapotranspiração; Biomassa; SEBAL; Sensoriamento remoto; Cana-de-açúcar; Evapotranspiration; Biomass; Remote sensing; Sugarcane; CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::METEOROLOGIA::CLIMATOLOGIA
• Link de acesso: http://locus.ufv.br/handle/123456789/1488

A crescente pressão sobre os recursos hídricos requer cada vez mais o conhecimento de onde, quando e como a água está sendo utilizada. É fundamental, portanto, conhecer a demanda evapotranspirométrica regional, uma vez que, a evapotranspiração (ET) representa, aproximadamente, 75% do total da precipitação que ocorre sobre superfícies continentais. Entretanto, a ET é altamente variável no tempo e no espaço. Essas informações geralmente revelam aspectos indispensáveis no planejamento e manejo de recursos hídricos, principalmente em locais onde a produção agrícola irrigada representa uma grande porcentagem da economia regional. Nesse sentido, metodologias que utilizam técnicas de sensoriamento remoto se destacam pela capacidade de cobertura em áreas extensas. Nesse estudo, imagens orbitais dos sensores MODIS-Terra e TM-Landsat 5 foram utilizadas para aplicação do Surface Energy Balance Algorithm for Land (SEBAL) na obtenção dos fluxos de energia à superfície, e por conseguinte, na determinação da ET e da produção de biomassa da cana-de-açúcar na fazenda Boa Fé, localizada no Triângulo Mineiro, mais especificamente no município de Conquista, Minas Gerais. Os resultados obtidos demonstraram que o algoritmo SEBAL teve bom desempenho em escala regional na estimativa dos fluxos de energia e produção de biomassa da cultura da cana-de-açúcar, com potenciais para ser aplicado em áreas onde a disponibilidade de dados meteorológicos são limitantes.