2. Monitoramento da seca:<\/strong> Uma queda sustentada na evapotranspira\u00e7\u00e3o real em rela\u00e7\u00e3o \u00e0 evapotranspira\u00e7\u00e3o de refer\u00eancia (o que evaporaria sob suprimento ilimitado de \u00e1gua) sinaliza o in\u00edcio de estresse h\u00eddrico. O sensoriamento remoto capta esse sinal semanas antes que a perda de produtividade se torne vis\u00edvel a olho nu.<\/p>\n 3. Planejamento de recursos h\u00eddricos:<\/strong> A contabiliza\u00e7\u00e3o da \u00e1gua em n\u00edvel de bacia hidrogr\u00e1fica requer dados de evapotranspira\u00e7\u00e3o (ET) na escala da bacia. O monitoramento da ET por sat\u00e9lite fornece essa cobertura espacial a uma fra\u00e7\u00e3o do custo de uma rede de esta\u00e7\u00f5es terrestres.<\/p>\n 4. Avalia\u00e7\u00e3o das mudan\u00e7as clim\u00e1ticas:<\/strong> Tend\u00eancias de longo prazo da evapotranspira\u00e7\u00e3o revelam como o aquecimento das temperaturas e a mudan\u00e7a nos padr\u00f5es de precipita\u00e7\u00e3o est\u00e3o alterando o uso da \u00e1gua pelos ecossistemas \u2014 dados que orientam o planejamento de adapta\u00e7\u00e3o em n\u00edvel regional e nacional.<\/p>\n 5. Monitoramento da sa\u00fade do ecossistema:<\/strong> As taxas de evapotranspira\u00e7\u00e3o em zonas \u00famidas, a transpira\u00e7\u00e3o florestal e o uso da \u00e1gua em pastagens respondem de forma sens\u00edvel a perturba\u00e7\u00f5es ecol\u00f3gicas. O sensoriamento remoto da evapotranspira\u00e7\u00e3o permite captar essas mudan\u00e7as em vastas paisagens de dif\u00edcil acesso.<\/p>\n A evapotranspira\u00e7\u00e3o (ET) \u00e9 influenciada por uma combina\u00e7\u00e3o de condi\u00e7\u00f5es clim\u00e1ticas, caracter\u00edsticas da paisagem e biologia das plantas. Abaixo, apresentamos uma an\u00e1lise dos principais fatores envolvidos.<\/p>\n 1. Tipo de solo.<\/strong> A composi\u00e7\u00e3o do solo desempenha um papel significativo na reten\u00e7\u00e3o e evapora\u00e7\u00e3o da \u00e1gua. Solos arenosos ou pedregosos tendem a reter menos \u00e1gua e a liberar mais por evapora\u00e7\u00e3o, enquanto solos argilosos ou com textura m\u00e9dia s\u00e3o melhores em reter umidade.<\/p>\n 2. Temperatura do ar.<\/strong> A temperatura impacta diretamente as taxas de evapotranspira\u00e7\u00e3o. O ar mais quente tem maior capacidade de reter umidade, e o aumento do calor acelera a convers\u00e3o da \u00e1gua em vapor, elevando assim a evapotranspira\u00e7\u00e3o.<\/p>\n 3. Radia\u00e7\u00e3o solar.<\/strong> Al\u00e9m de gerar calor, a radia\u00e7\u00e3o solar envolve varia\u00e7\u00f5es nos n\u00edveis de energia, frequ\u00eancia e albedo \u2014 todos fatores que influenciam a evapotranspira\u00e7\u00e3o. Esses fatores variam conforme a localiza\u00e7\u00e3o e a \u00e9poca do ano, e medi-los com precis\u00e3o geralmente requer tecnologia avan\u00e7ada.<\/p>\n 4. Umidade.<\/strong> A umidade relativa (UR) refere-se \u00e0 quantidade de vapor de \u00e1gua presente no ar em rela\u00e7\u00e3o \u00e0 sua capacidade m\u00e1xima. Quando a umidade est\u00e1 alta, o ar absorve menos umidade adicional, diminuindo a evapotranspira\u00e7\u00e3o (ET). Por outro lado, o ar mais seco pode absorver mais vapor, levando a taxas de evapotranspira\u00e7\u00e3o mais elevadas.<\/p>\n 5. Cobertura vegetal.<\/strong> Diferentes esp\u00e9cies de plantas interagem com a \u00e1gua de maneiras distintas. Algumas armazenam \u00e1gua de forma eficiente durante per\u00edodos de seca, enquanto outras a perdem mais rapidamente. As taxas de evapotranspira\u00e7\u00e3o (ET) tamb\u00e9m s\u00e3o influenciadas pela idade, sa\u00fade e profundidade das ra\u00edzes da planta \u2014 ra\u00edzes mais profundas permitem que as culturas fiquem mais tempo sem irriga\u00e7\u00e3o. Essas diferen\u00e7as fisiol\u00f3gicas significam que a ET pode variar amplamente entre os tipos de culturas, exigindo estrat\u00e9gias de irriga\u00e7\u00e3o personalizadas.<\/p>\n 6. Velocidade do vento.<\/strong> O vento \u00e9 um fator determinante tanto da evapora\u00e7\u00e3o quanto da transpira\u00e7\u00e3o. Ele dispersa a camada de ar \u00famido que se acumula sobre a vegeta\u00e7\u00e3o, aumentando a evapotranspira\u00e7\u00e3o (ET). Tamb\u00e9m auxilia a difus\u00e3o do vapor atrav\u00e9s dos poros das plantas, impulsionando a transpira\u00e7\u00e3o. No entanto, ventos extremamente fortes e secos podem, por vezes, dificultar a difus\u00e3o do vapor, reduzindo ligeiramente a ET em certas condi\u00e7\u00f5es.<\/p>\n ET(0) reflete a capacidade da atmosfera de gerar perda de \u00e1gua e \u00e9 puramente baseada no clima. ET(c) mede a \u00e1gua perdida por culturas saud\u00e1veis e bem irrigadas, crescendo em condi\u00e7\u00f5es ideais e atingindo seu potencial m\u00e1ximo de rendimento. Quando as culturas enfrentam manejo inadequado ou desafios ambientais, ET(c) deve ser modificado para resultar em ET(c adj). A evapotranspira\u00e7\u00e3o da cultura \u00e9 compreendida por meio de tr\u00eas conceitos distintos:<\/p>\n ET(0) representa a taxa na qual a \u00e1gua evapora de uma superf\u00edcie de refer\u00eancia bem irrigada \u2014 normalmente modelada como uma cobertura de grama idealizada que atende a crit\u00e9rios espec\u00edficos.<\/p>\n Essa medida captura a demanda evaporativa da atmosfera independentemente do tipo de cultura, est\u00e1gio de crescimento ou pr\u00e1ticas agr\u00edcolas. Como se assume que a superf\u00edcie de refer\u00eancia est\u00e1 totalmente umedecida, as condi\u00e7\u00f5es do solo s\u00e3o exclu\u00eddas do c\u00e1lculo \u2014 eliminando a necessidade de definir limites de evapotranspira\u00e7\u00e3o (ET) separados para cada cultura em cada est\u00e1gio de crescimento.<\/p>\n ET(0) \u00e9 determinado inteiramente por vari\u00e1veis clim\u00e1ticas, e os valores t\u00edpicos variam entre as zonas agroclim\u00e1ticas, embora esses n\u00fameros sirvam apenas como refer\u00eancias gerais.<\/p>\n ET(c) quantifica a \u00e1gua liberada por uma cultura saud\u00e1vel e bem nutrida, cultivada em grandes campos adequadamente irrigados, sob condi\u00e7\u00f5es clim\u00e1ticas favor\u00e1veis e operando em produtividade m\u00e1xima. \u00c9 obtida multiplicando-se a ET de refer\u00eancia pelo coeficiente de cultura K(c):<\/p>\n ET(c) = ET(0) \u00d7 K(c)<\/em><\/p>\n O ET(c adj) leva em considera\u00e7\u00e3o os desvios reais das condi\u00e7\u00f5es ideais de cultivo. Fatores como press\u00e3o de pragas e doen\u00e7as, d\u00e9ficit ou excesso de \u00e1gua, salinidade do solo e baixa fertilidade do solo podem fazer com que o uso real de \u00e1gua pela cultura difira significativamente do ET(c). Um coeficiente de estresse h\u00eddrico K(s) \u00e9 introduzido juntamente com o coeficiente de cultivo para capturar esses efeitos:<\/p>\n ET(c adj) = ET(0) \u00d7 K(c) \u00d7 K(s)<\/em><\/p>\n Antes do sensoriamento remoto, os cientistas mediam a evapotranspira\u00e7\u00e3o (ET) por meio de instrumenta\u00e7\u00e3o f\u00edsica direta. Cada m\u00e9todo funciona bem em uma escala espec\u00edfica, mas apresenta limita\u00e7\u00f5es significativas que restringem sua aplica\u00e7\u00e3o na agricultura em larga escala. Algumas das melhores t\u00e9cnicas de medi\u00e7\u00e3o de ET em solo s\u00e3o:<\/p>\n 1. Lis\u00edmetro: <\/strong>Um lis\u00edmetro (um grande recipiente cheio de solo e cultura em crescimento, instalado nivelado com o solo) mede a evapotranspira\u00e7\u00e3o (ET) pesando o bloco de solo ao longo do tempo. Quando a precipita\u00e7\u00e3o \u00e9 controlada e a drenagem \u00e9 coletada, a diferen\u00e7a de massa entre as medi\u00e7\u00f5es corresponde \u00e0 ET real.<\/p>\n Os lis\u00edmetros fornecem as medi\u00e7\u00f5es de evapotranspira\u00e7\u00e3o (ET) mais precisas dispon\u00edveis, mas custam centenas de milhares de d\u00f3lares por unidade, cobrem apenas alguns metros quadrados e n\u00e3o conseguem representar a variabilidade espacial de um campo real.<\/p>\n 2. Sistema de covari\u00e2ncia de turbul\u00eancia: <\/strong>O sistema de covari\u00e2ncia de turbul\u00eancia mede a evapotranspira\u00e7\u00e3o (ET) calculando a covari\u00e2ncia entre a velocidade vertical do vento e a concentra\u00e7\u00e3o de vapor de \u00e1gua acima da copa das \u00e1rvores, utilizando sensores de resposta r\u00e1pida. Ele cobre uma "\u00e1rea de cobertura" de algumas centenas de metros a alguns quil\u00f4metros, tornando-o muito mais representativo do que um lis\u00edmetro.<\/p>\n No entanto, as torres de fluxo custam entre 50.000 e 300.000 d\u00f3lares americanos para instalar e manter, e a rede global FLUXNET tem apenas cerca de 900 locais ativos \u2014 um n\u00famero muito esparso para monitorar a evapotranspira\u00e7\u00e3o agr\u00edcola em escala nacional.<\/p>\n 3. M\u00e9todo da raz\u00e3o de Bowen: <\/strong>O m\u00e9todo da raz\u00e3o de Bowen estima a evapotranspira\u00e7\u00e3o (ET) medindo a raz\u00e3o entre o fluxo de calor sens\u00edvel (aquecimento do ar) e o fluxo de calor latente (ET) usando gradientes de temperatura e umidade acima da copa das \u00e1rvores. \u00c9 mais simples que o m\u00e9todo de covari\u00e2ncia de turbul\u00eancia, mas requer condi\u00e7\u00f5es de fetch homog\u00eaneas e n\u00e3o pode ser usado em terrenos complexos.<\/p>\n 4. C\u00e1lculos de evapotranspira\u00e7\u00e3o (ET) baseados em esta\u00e7\u00f5es meteorol\u00f3gicas<\/strong> Utilizando a equa\u00e7\u00e3o de Penman-Monteith da FAO, calcula-se a evapotranspira\u00e7\u00e3o de refer\u00eancia (ET0) a partir de dados de temperatura do ar, umidade, velocidade do vento e radia\u00e7\u00e3o. Este m\u00e9todo \u00e9 amplamente utilizado para o planejamento da irriga\u00e7\u00e3o, mas produz a ET de refer\u00eancia, e n\u00e3o a ET real, porque pressup\u00f5e uma cultura de refer\u00eancia bem irrigada, em vez da cultura real no campo.<\/p>\n O principal problema de todos os m\u00e9todos terrestres \u00e9 a escala. Um \u00fanico lis\u00edmetro representa alguns metros quadrados. Uma torre de fluxo cobre, no m\u00e1ximo, algumas centenas de hectares. Mas a gest\u00e3o moderna da \u00e1gua na agricultura exige dados de evapotranspira\u00e7\u00e3o (ET) em n\u00edvel de campo em bacias hidrogr\u00e1ficas inteiras \u2014 um desafio espacial que somente o sensoriamento remoto pode superar.<\/p>\n O sensoriamento remoto, no contexto do monitoramento da evapotranspira\u00e7\u00e3o, consiste na aquisi\u00e7\u00e3o e an\u00e1lise de dados obtidos por sat\u00e9lite ou aeronave para estimar o fluxo de \u00e1gua que deixa a superf\u00edcie terrestre sem contato f\u00edsico com essa superf\u00edcie.<\/p>\n Essa abordagem funciona porque as plantas e o solo trocam energia com a atmosfera de maneiras detect\u00e1veis do espa\u00e7o \u2014 principalmente por meio da emiss\u00e3o de radia\u00e7\u00e3o infravermelha t\u00e9rmica. Quando uma planta transpira eficientemente, ela usa a energia solar incidente para evaporar a \u00e1gua em vez de se aquecer. Uma copa com umidade adequada no solo permanece relativamente fria.<\/p>\n Em contraste, uma copa com estresse h\u00eddrico fecha seus est\u00f4matos para conservar \u00e1gua e, como menos calor latente (ET) est\u00e1 consumindo a energia recebida, a temperatura da superf\u00edcie da copa aumenta. Este \u00e9 o sinal f\u00edsico fundamental que o sensoriamento remoto t\u00e9rmico captura.<\/p>\n O balan\u00e7o energ\u00e9tico<\/strong> \u00e9 a estrutura que rege o modelo. Em qualquer superf\u00edcie terrestre, a radia\u00e7\u00e3o l\u00edquida (Rn) proveniente do sol e da atmosfera deve ser igual \u00e0 soma de tr\u00eas fontes de energia: o fluxo de calor no solo (G), o fluxo de calor sens\u00edvel (H, que aquece o ar) e o fluxo de calor latente (LE, que impulsiona a evapotranspira\u00e7\u00e3o). Escrita como uma equa\u00e7\u00e3o: Rn = G + H + LE. Ao estimar Rn, G e H a partir de dados de sat\u00e9lite, o modelo deriva LE \u2014 e, portanto, ET \u2014 como o res\u00edduo.<\/p>\n 1. Temperatura da superf\u00edcie terrestre<\/strong> A temperatura da superf\u00edcie terrestre (LST, na sigla em ingl\u00eas), medida na banda do infravermelho t\u00e9rmico, \u00e9 a principal grandeza observ\u00e1vel usada para estimar o fluxo de calor sens\u00edvel (H). Uma superf\u00edcie mais quente transfere mais calor para o ar (H alto), deixando menos energia para a evapotranspira\u00e7\u00e3o (ET, na sigla em ingl\u00eas) (LE baixo). Uma superf\u00edcie mais fria e bem irrigada apresenta H menor e LE maior.<\/p>\n 2. \u00cdndices de vegeta\u00e7\u00e3o<\/strong> Indicadores como o NDVI capturam a quantidade de mat\u00e9ria vegetal verde e fotossinteticamente ativa que cobre a superf\u00edcie, o que controla as taxas de transpira\u00e7\u00e3o. Uma cobertura vegetal densa e verde transpira mais do que solo nu ou uma vegeta\u00e7\u00e3o esparsa.<\/p>\n 3. Radia\u00e7\u00e3o l\u00edquida<\/strong> \u00e9 calculado a partir dos fluxos de radia\u00e7\u00e3o de ondas curtas e longas, que s\u00e3o estimados por sensoriamento remoto a partir do albedo da superf\u00edcie, da cobertura vegetal e dos dados de emiss\u00e3o t\u00e9rmica.<\/p>\n O monitoramento da evapotranspira\u00e7\u00e3o via sat\u00e9lite n\u00e3o substitui os dados coletados em campo \u2014 \u00e9 a \u00fanica ferramenta capaz de fornecer dados cont\u00ednuos sobre o uso da \u00e1gua na escala espacial em que as decis\u00f5es agr\u00edcolas e hidrol\u00f3gicas s\u00e3o efetivamente tomadas.<\/p><\/blockquote>\n A vantagem do sensoriamento remoto sobre os m\u00e9todos terrestres n\u00e3o se resume \u00e0 cobertura espacial. Os dados de sat\u00e9lite fornecem medi\u00e7\u00f5es sin\u00f3pticas e repet\u00edveis em paisagens altamente heterog\u00eaneas \u2014 algo que nenhuma rede terrestre conseguiria replicar a um custo compar\u00e1vel.<\/p>\n A estimativa da evapotranspira\u00e7\u00e3o (ET) a partir do espa\u00e7o exige a combina\u00e7\u00e3o de dados de m\u00faltiplos tipos de sensores. Nenhum sat\u00e9lite isolado fornece todas as informa\u00e7\u00f5es necess\u00e1rias para um modelo completo de ET, portanto, os produtos operacionais de ET normalmente combinam dados de diversas plataformas.<\/p>\n i. Landsat<\/strong> O sat\u00e9lite Landsat (USGS\/NASA) opera continuamente desde 1972 e fornece imagens multiespectrais e t\u00e9rmicas com resolu\u00e7\u00e3o espacial de 30 metros e ciclo de revisita de 16 dias. Seu extenso arquivo o torna indispens\u00e1vel para an\u00e1lises hist\u00f3ricas de evapotranspira\u00e7\u00e3o (ET) e monitoramento de culturas. A maioria dos modelos de balan\u00e7o energ\u00e9tico de ET \u2014 incluindo SEBAL e METRIC \u2014 foram originalmente projetados com base em dados do Landsat.<\/p>\n ii. Sentinel-2<\/strong> A ESA oferece imagens multiespectrais de 10 metros com um intervalo de revisita de 5 dias para o c\u00e1lculo de \u00edndices de vegeta\u00e7\u00e3o de alta resolu\u00e7\u00e3o. Embora n\u00e3o possua banda t\u00e9rmica, complementa o Landsat, fornecendo dados de NDVI, EVI e LAI mais frequentes e de maior resolu\u00e7\u00e3o para modelos de evapotranspira\u00e7\u00e3o baseados na vegeta\u00e7\u00e3o.<\/p>\n iii. MODIS<\/strong> O Espectrorradi\u00f4metro de Imagem de Resolu\u00e7\u00e3o Moderada (MODIS, da NASA) fornece cobertura global di\u00e1ria com resolu\u00e7\u00e3o de 250 m a 1 km. Sua resolu\u00e7\u00e3o espacial mais grosseira limita a aplica\u00e7\u00e3o em escala de campo, mas o torna ideal para o monitoramento da evapotranspira\u00e7\u00e3o (ET) em n\u00edvel continental e global por meio de produtos como o MOD16.<\/p>\n iv. ECOSTRESS<\/strong> O sat\u00e9lite MODIS (National Space Aviation) est\u00e1 instalado na Esta\u00e7\u00e3o Espacial Internacional e fornece dados de infravermelho t\u00e9rmico com resolu\u00e7\u00e3o de 70 metros e ciclo de revisita de 1 a 5 dias. O ECOSTRESS foi projetado especificamente para medir o estresse h\u00eddrico e a evapotranspira\u00e7\u00e3o (ET) em escala pr\u00f3xima \u00e0 de campo \u2014 uma lacuna de capacidade que o MODIS e sat\u00e9lites anteriores n\u00e3o conseguiam preencher.<\/p>\n v. VIIRS<\/strong> O conjunto de radi\u00f4metros de imagem vis\u00edvel e infravermelha (Visible Infrared Imaging Radiometer Suite, NOAA\/NASA), a bordo dos sat\u00e9lites Suomi NPP e JPSS, d\u00e1 continuidade ao legado de cobertura di\u00e1ria global do MODIS com calibra\u00e7\u00e3o de sensores aprimorada, oferecendo suporte a produtos operacionais de evapotranspira\u00e7\u00e3o em escalas regionais e globais.<\/p>\n Ve\u00edculos a\u00e9reos n\u00e3o tripulados (VANTs ou drones) equipados com c\u00e2meras t\u00e9rmicas e sensores multiespectrais podem mapear a evapotranspira\u00e7\u00e3o (ET) com resolu\u00e7\u00e3o espacial subm\u00e9trica em campos individuais. Uma c\u00e2mera t\u00e9rmica acoplada a um drone mede diretamente a temperatura da copa das plantas e, quando combinada com dados meteorol\u00f3gicos terrestres, produz mapas de ET com uma resolu\u00e7\u00e3o que nenhum sat\u00e9lite consegue igualar.<\/p>\n Cada vari\u00e1vel extra\u00edda dos dados de sat\u00e9lite contribui com uma pe\u00e7a espec\u00edfica do quebra-cabe\u00e7a da estimativa da evapotranspira\u00e7\u00e3o. Compreender o que cada uma mede e por que \u00e9 importante ajuda os profissionais a selecionar o modelo correto e a interpretar os resultados adequadamente.<\/p>\n 1. \u00cdndice de Vegeta\u00e7\u00e3o por Diferen\u00e7a Normalizada<\/strong> O NDVI (\u00cdndice de Vegeta\u00e7\u00e3o por Diferen\u00e7a Normalizada) \u00e9 calculado como (NIR \u2013 Vermelho) \/ (NIR + Vermelho) usando a reflect\u00e2ncia nas bandas do infravermelho pr\u00f3ximo e do vermelho. Ele varia de -1 a +1, com vegeta\u00e7\u00e3o verde densa tipicamente apresentando valores entre 0,6 e 0,9. O NDVI captura a densidade e a intensidade da cor verde da cobertura vegetal, que se correlacionam diretamente com a \u00e1rea foliar e a capacidade de transpira\u00e7\u00e3o.<\/p>\n 2. \u00cdndice de Vegeta\u00e7\u00e3o Aprimorado<\/strong> O \u00cdndice de Vegeta\u00e7\u00e3o Aprimorada (EVI) adiciona uma faixa azul para reduzir a interfer\u00eancia atmosf\u00e9rica e os efeitos do solo que degradam o NDVI em regi\u00f5es com vegeta\u00e7\u00e3o densa ou frequentemente nubladas. O EVI \u00e9 mais sens\u00edvel que o NDVI em \u00e1reas de alta biomassa e \u00e9 utilizado no algoritmo de evapotranspira\u00e7\u00e3o (ET) do MOD16.<\/p>\n 3. \u00cdndice de \u00c1rea Foliar<\/strong> O \u00cdndice de \u00c1rea Foliar (IAF) quantifica a \u00e1rea total de uma das folhas por unidade de \u00e1rea do solo. Ele controla diretamente a transpira\u00e7\u00e3o, determinando a quantidade de superf\u00edcie foliar que troca vapor de \u00e1gua com a atmosfera. O IAF derivado de sat\u00e9lite \u00e9 um dado fundamental em muitos modelos de evapotranspira\u00e7\u00e3o (ET) baseados em princ\u00edpios f\u00edsicos.<\/p>\n 4. Albedo da superf\u00edcie<\/strong> \u00e9 a fra\u00e7\u00e3o da radia\u00e7\u00e3o solar incidente refletida pela superf\u00edcie. Ela controla quanta energia solar a superf\u00edcie absorve, o que, por sua vez, determina quanta energia est\u00e1 dispon\u00edvel para impulsionar a evapotranspira\u00e7\u00e3o. Um solo escuro e \u00famido tem baixo albedo (absorve mais energia); uma superf\u00edcie de areia nua tem alto albedo (reflete mais).<\/p>\n 5. Umidade do solo<\/strong> Os dados de sensores de micro-ondas restringem os modelos de evapotranspira\u00e7\u00e3o (ET) ao indicar se h\u00e1 \u00e1gua suficiente dispon\u00edvel na zona radicular para suprir a demanda de transpira\u00e7\u00e3o. Quando a umidade do solo cai abaixo de um limiar cr\u00edtico, a ET real fica abaixo da taxa potencial, mesmo que haja energia dispon\u00edvel.<\/p>\n Bastiaanssen et al. (conforme revisado em Frontiers in Remote Sensing, 2026) descobriram que o SEBAL, validado em mais de 30 pa\u00edses<\/strong>, alcan\u00e7a Precis\u00e3o do 85% para estimativas di\u00e1rias de ET e precis\u00e3o do 95% para estimativas sazonais de ET.<\/strong> em escala de campo.<\/p>\n Uma precis\u00e3o sazonal de 95% significa que a contabiliza\u00e7\u00e3o da \u00e1gua utilizada nas culturas em todo um distrito de irriga\u00e7\u00e3o pode ser realizada de forma confi\u00e1vel usando apenas dados de sat\u00e9lite, eliminando a necessidade de densas redes de esta\u00e7\u00f5es terrestres.<\/p>\n Os modelos de balan\u00e7o energ\u00e9tico calculam a evapotranspira\u00e7\u00e3o (ET) como o res\u00edduo do balan\u00e7o energ\u00e9tico da superf\u00edcie: ET = Rn \u2013 G \u2013 H. Cada modelo difere na forma como estima o fluxo de calor sens\u00edvel H, que \u00e9 o componente mais exigente em termos computacionais e mais suscet\u00edvel a erros.<\/p>\n i. Algoritmo de balan\u00e7o de energia superficial para a terra<\/strong> O SEBAL foi desenvolvido por Bastiaanssen em 1998 e continua sendo um dos modelos de evapotranspira\u00e7\u00e3o (ET) por sat\u00e9lite mais amplamente aplicados globalmente. O SEBAL utiliza tr\u00eas par\u00e2metros principais derivados de sat\u00e9lite: temperatura da superf\u00edcie terrestre (T0), reflet\u00e2ncia hemisf\u00e9rica da superf\u00edcie (albedo r0) e NDVI.<\/p>\n Para estimar o fluxo de calor sens\u00edvel, o SEBAL identifica dois pixels de refer\u00eancia \u2014 o \u201cpixel quente\u201d (solo seco e exposto, onde a evapotranspira\u00e7\u00e3o \u00e9 pr\u00f3xima de zero) e o \u201cpixel frio\u201d (cultura bem irrigada, onde a evapotranspira\u00e7\u00e3o \u00e9 m\u00e1xima) \u2014 e interpola o valor de H em toda a cena em rela\u00e7\u00e3o a esses extremos. Esse recurso de autocalibra\u00e7\u00e3o torna o SEBAL menos sens\u00edvel a erros absolutos de calibra\u00e7\u00e3o nos dados meteorol\u00f3gicos de entrada.<\/p>\n ii. Mapeamento da evapotranspira\u00e7\u00e3o em alta resolu\u00e7\u00e3o com calibra\u00e7\u00e3o interna<\/strong> O modelo METRIC baseia-se no SEBAL, mas adiciona calibra\u00e7\u00e3o autom\u00e1tica com base em uma evapotranspira\u00e7\u00e3o de refer\u00eancia calculada a partir de uma esta\u00e7\u00e3o meteorol\u00f3gica. O METRIC \u00e9 mais adequado para regi\u00f5es com redes completas de dados meteorol\u00f3gicos e tem sido amplamente adotado para a gest\u00e3o operacional da irriga\u00e7\u00e3o no oeste dos Estados Unidos.<\/p>\n iii. Sistema de Balan\u00e7o de Energia de Superf\u00edcie<\/strong> O SEBS utiliza a teoria do fluxo turbulento para estimar o fluxo de calor sens\u00edvel a partir da temperatura da superf\u00edcie terrestre (LST) derivada de sat\u00e9lite, da rugosidade da superf\u00edcie e da velocidade do vento. O SEBS \u00e9 mais rigoroso fisicamente do que o SEBAL, mas requer dados de entrada adicionais, tornando-o mais adequado para pesquisa do que para gest\u00e3o operacional de fazendas.<\/p>\n A escolha do modelo de evapotranspira\u00e7\u00e3o n\u00e3o \u00e9 meramente uma decis\u00e3o t\u00e9cnica \u2014 \u00e9 uma decis\u00e3o sobre qual pergunta voc\u00ea est\u00e1 tentando responder. Um exerc\u00edcio de contabiliza\u00e7\u00e3o de \u00e1gua em n\u00edvel de bacia hidrogr\u00e1fica e uma ferramenta de programa\u00e7\u00e3o de irriga\u00e7\u00e3o em n\u00edvel de campo exigem n\u00edveis fundamentalmente diferentes de resolu\u00e7\u00e3o espacial e frequ\u00eancia temporal.<\/p><\/blockquote>\n iv. Balan\u00e7o Energ\u00e9tico de Duas Fontes<\/strong> O modelo TSEB trata o solo e a cobertura vegetal como duas fontes de evapotranspira\u00e7\u00e3o separadas, cada uma com seu pr\u00f3prio balan\u00e7o de temperatura e energia. Essa abordagem \u00e9 mais precisa para vegeta\u00e7\u00e3o esparsa ou coberturas vegetais mistas, onde um modelo de fonte \u00fanica pode confundir a evapora\u00e7\u00e3o do solo com a transpira\u00e7\u00e3o das plantas.<\/p>\n Nem todos os modelos de evapotranspira\u00e7\u00e3o (ET) requerem imagens t\u00e9rmicas. Os modelos baseados em \u00edndices de vegeta\u00e7\u00e3o estimam a ET por meio de... abordagem do coeficiente de cultivo<\/strong> (Kc x ET0), onde o coeficiente de cultura Kc \u00e9 derivado do NDVI ou EVI, e a evapotranspira\u00e7\u00e3o de refer\u00eancia (ET0) prov\u00e9m de uma esta\u00e7\u00e3o meteorol\u00f3gica. A metodologia FAO-56 formaliza esta abordagem e \u00e9 amplamente utilizada para o planejamento da irriga\u00e7\u00e3o, pois n\u00e3o requer dados de banda t\u00e9rmica.<\/p>\n Modelos de aprendizado de m\u00e1quina, incluindo Floresta Aleat\u00f3ria<\/strong>, Redes Neurais Artificiais (RNAs)<\/strong>, Arquiteturas de aprendizado profundo, e outras t\u00e9cnicas semelhantes, est\u00e3o sendo cada vez mais aplicadas \u00e0 estimativa da evapotranspira\u00e7\u00e3o (ET) por meio do aprendizado de rela\u00e7\u00f5es n\u00e3o lineares complexas entre dados derivados de sat\u00e9lite (LST, NDVI, albedo, LAI) e medi\u00e7\u00f5es de ET em torres de fluxo.<\/p>\n Um estudo de 2023 publicado na revista Remote Sensing of Environment descobriu que um modelo de Floresta Aleat\u00f3ria treinado com dados MODIS e meteorol\u00f3gicos previu a evapotranspira\u00e7\u00e3o di\u00e1ria com um R\u00b2 de 0,87 e um RMSE de 0,51 mm\/dia em diversos biomas \u2014 um resultado competitivo com os modelos tradicionais de balan\u00e7o energ\u00e9tico, mas que exige muito menos esfor\u00e7o de parametriza\u00e7\u00e3o.<\/p>\n Um estudo publicado na Taylor and Francis Open (2021) descobriu que o algoritmo SEBAL, aplicado a imagens do Landsat 8 sobre uma regi\u00e3o produtora de milho em Adana, na Turquia, produziu estimativas de ET com uma Coeficiente de correla\u00e7\u00e3o R = 0,91<\/strong> contra o m\u00e9todo Penman-Monteith da FAO e um RMSE de apenas 1,14 mm\/dia<\/strong>.<\/p>\n A precis\u00e3o do SEBAL em escala de campo significa que a evapotranspira\u00e7\u00e3o (ET) derivada de sat\u00e9lite pode substituir ou reduzir substancialmente a necessidade de instala\u00e7\u00f5es caras de lis\u00edmetros em sistemas operacionais de gest\u00e3o de irriga\u00e7\u00e3o.<\/p>\n Diversos produtos de evapotranspira\u00e7\u00e3o (ET) globais e regionais agora traduzem dados de sensoriamento remoto em camadas de dados de ET prontas para uso. Os profissionais n\u00e3o precisam mais executar seus pr\u00f3prios modelos de balan\u00e7o energ\u00e9tico \u2014 eles podem acessar esses conjuntos de dados pr\u00e9-computados diretamente.<\/p>\n 1. Produto MOD16 ET<\/strong> A NASA utiliza dados MODIS com um algoritmo de Penman-Monteith baseado em cobertura terrestre, LAI, EVI e dados meteorol\u00f3gicos globais de rean\u00e1lise do MODIS. O sistema fornece composi\u00e7\u00f5es de evapotranspira\u00e7\u00e3o (ET) de 8 dias e mensais com resolu\u00e7\u00e3o de 500 metros em escala global. O MOD16 \u00e9 adequado para estudos em escala de paisagem, mas possui resolu\u00e7\u00e3o muito grosseira para o gerenciamento de campos individuais.<\/p>\n 2. SSEBop<\/strong> O modelo SSEBop (Simplified Surface Energy Balance operational), desenvolvido pelo USGS, simplifica o desafio de calibra\u00e7\u00e3o de pixels quentes\/frios do SEBAL, utilizando limites de temperatura predefinidos derivados de dados climatol\u00f3gicos de longo prazo. O SSEBop opera com resolu\u00e7\u00e3o de 30 metros, utilizando dados do Landsat, e \u00e9 um dos seis modelos do conjunto OpenET.<\/p>\n 3. Plataforma OpenET<\/strong>, Lan\u00e7ado em 2021 e operado como uma colabora\u00e7\u00e3o p\u00fablico-privada liderada pela NASA, USGS, California State University Monterey Bay, Environmental Defense Fund e Desert Research Institute, o projeto fornece dados de evapotranspira\u00e7\u00e3o (ET) em escala de campo com resolu\u00e7\u00e3o de 30 metros em toda a regi\u00e3o oeste dos Estados Unidos.<\/p>\n Um estudo marcante publicado na Nature Water em janeiro de 2024, comparando as estimativas do OpenET com medi\u00e7\u00f5es de 152 esta\u00e7\u00f5es de monitoramento de fluxo em solo, confirmou que o OpenET atinge alta precis\u00e3o para culturas anuais como trigo, milho, soja e arroz \u2014 particularmente em regi\u00f5es \u00e1ridas onde a escassez de \u00e1gua torna a precis\u00e3o da irriga\u00e7\u00e3o crucial.<\/p>\n 4. Portal WaPOR<\/strong> A FAO (Organiza\u00e7\u00e3o das Na\u00e7\u00f5es Unidas para a Alimenta\u00e7\u00e3o e a Agricultura) fornece dados de evapotranspira\u00e7\u00e3o (ET) para a \u00c1frica e o Oriente Pr\u00f3ximo com resolu\u00e7\u00f5es de 30 metros, 100 metros e 250 metros, especificamente concebidos para apoiar a an\u00e1lise da produtividade da \u00e1gua na agricultura em regi\u00f5es em desenvolvimento com escassez de dados.<\/p>\n 5. BRILHO<\/strong> O modelo Global Land Evaporation Amsterdam (GLAM) separa a evapotranspira\u00e7\u00e3o (ET) em componentes de transpira\u00e7\u00e3o, evapora\u00e7\u00e3o do solo exposto, perda por intercepta\u00e7\u00e3o e evapora\u00e7\u00e3o em \u00e1guas abertas, utilizando dados de umidade do solo obtidos por micro-ondas e produtos de vegeta\u00e7\u00e3o por sat\u00e9lite. Ele se destaca na separa\u00e7\u00e3o do sinal de ET em componentes biol\u00f3gicos e f\u00edsicos.<\/p>\n A aplica\u00e7\u00e3o mais imediata dos dados de evapotranspira\u00e7\u00e3o (ET) via sat\u00e9lite \u00e9 o planejamento da irriga\u00e7\u00e3o. Quando um agricultor acessa mapas semanais de ET em escala de campo, ele pode calcular o d\u00e9ficit h\u00eddrico \u2014 a diferen\u00e7a entre a ET real e a precipita\u00e7\u00e3o efetiva \u2014 e aplicar exatamente esse volume de \u00e1gua. Isso elimina o h\u00e1bito cr\u00f4nico de irriga\u00e7\u00e3o excessiva, que desperdi\u00e7a \u00e1gua sem aumentar a produtividade.<\/p>\n No delta do Sacramento-San Joaquin, na Calif\u00f3rnia, os gestores de recursos h\u00eddricos est\u00e3o utilizando o OpenET para ajudar os agricultores a cumprir as regulamenta\u00e7\u00f5es estaduais que exigem relat\u00f3rios precisos sobre o uso da \u00e1gua.<\/p>\n A alta precis\u00e3o dos dados de evapotranspira\u00e7\u00e3o (ET) obtidos por sat\u00e9lite para culturas anuais fornece uma base legalmente defens\u00e1vel para a contabiliza\u00e7\u00e3o da \u00e1gua, algo que nenhum m\u00e9todo terrestre poderia oferecer com tal cobertura espacial.<\/p>\n Um estudo de 2024 publicado na revista Agricultural Water Management (Ott et al., 2024; Desert Research Institute) avaliou o OpenET em compara\u00e7\u00e3o com dados de irriga\u00e7\u00e3o medidos em bacias de \u00e1guas subterr\u00e2neas de Nevada.<\/p>\n Em Diamond Valley, as estimativas do OpenET mostraram apenas um 7% diferen\u00e7a em rela\u00e7\u00e3o aos dados de consumo de \u00e1gua medidos<\/strong>, demonstrando confiabilidade operacional para a gest\u00e3o regulat\u00f3ria das \u00e1guas subterr\u00e2neas.<\/p>\n Uma margem de erro de 7% na escala da bacia significa que os dados de evapotranspira\u00e7\u00e3o (ET) obtidos por sat\u00e9lite podem substituir a infraestrutura de medi\u00e7\u00e3o dispendiosa em regi\u00f5es onde as \u00e1guas subterr\u00e2neas est\u00e3o criticamente esgotadas.<\/p>\n O monitoramento da seca \u00e9 outra aplica\u00e7\u00e3o de grande impacto. \u00cdndice de estresse evaporativo<\/strong> (ESI), derivado de dados t\u00e9rmicos ECOSTRESS e MODIS, mede a raz\u00e3o entre a ET real e a ET potencial.<\/p>\n Quando o ESI cai significativamente abaixo de 1,0, isso sinaliza que as plantas est\u00e3o sofrendo estresse h\u00eddrico \u2014 um indicador precoce confi\u00e1vel de seca agr\u00edcola, frequentemente detect\u00e1vel de 4 a 8 semanas antes que a perda de produtividade da colheita se torne mensur\u00e1vel.<\/p>\n O Centro Nacional de Mitiga\u00e7\u00e3o da Seca do USDA integra \u00edndices de seca baseados na evapotranspira\u00e7\u00e3o (ET) por sat\u00e9lite em mapas operacionais de monitoramento da seca, utilizados por governos estaduais, ag\u00eancias de seguro agr\u00edcola e autoridades de gest\u00e3o de emerg\u00eancias. Essa integra\u00e7\u00e3o torna a resposta \u00e0 seca mais r\u00e1pida e melhor direcionada do que abordagens baseadas apenas no calend\u00e1rio ou na precipita\u00e7\u00e3o.<\/p>\n A contabiliza\u00e7\u00e3o da \u00e1gua em escala de bacia hidrogr\u00e1fica exige saber quanta \u00e1gua deixa a superf\u00edcie terrestre como evapotranspira\u00e7\u00e3o (ET) em milh\u00f5es de hectares. \u00c9 exatamente isso que produtos de ET via sat\u00e9lite, como MOD16, GLEAM e WaPOR, fornecem em escala global.<\/p>\n O monitoramento da evapotranspira\u00e7\u00e3o (ET) em zonas \u00famidas com dados de sat\u00e9lite quantifica o uso da \u00e1gua pelo ecossistema em p\u00e2ntanos, turfeiras e estu\u00e1rios inacess\u00edveis, onde sensores terrestres n\u00e3o podem ser instalados. O monitoramento da ET em florestas revela como o desmatamento, o reflorestamento e os inc\u00eandios florestais alteram o balan\u00e7o h\u00eddrico de bacias hidrogr\u00e1ficas inteiras \u2014 dados essenciais para a contabiliza\u00e7\u00e3o do carbono florestal e o planejamento do abastecimento de \u00e1gua.<\/p>\n A evapotranspira\u00e7\u00e3o \u00e9 o fio invis\u00edvel que conecta todas as plantas da Terra ao ciclo global da \u00e1gua. O sensoriamento remoto \u00e9 a \u00fanica ferramenta que temos para observ\u00e1-la na escala necess\u00e1ria para a gest\u00e3o dos recursos h\u00eddricos.<\/p><\/blockquote>\n Nenhum produto de evapotranspira\u00e7\u00e3o (ET) \u00e9 \u00fatil sem uma valida\u00e7\u00e3o rigorosa. A abordagem padr\u00e3o compara as estimativas de ET por sat\u00e9lite com as medi\u00e7\u00f5es de torres de fluxo de covari\u00e2ncia de turbul\u00eancia \u2014 a refer\u00eancia mais precisa dispon\u00edvel para ET em escala de paisagem.<\/p>\n O global FLUXNET<\/strong> A rede fornece dados de torres de fluxo de acesso aberto de centenas de locais em diversos biomas. Os desenvolvedores de produtos da ET comparam os resultados de seus modelos com as medi\u00e7\u00f5es da FLUXNET para calcular m\u00e9tricas estat\u00edsticas de desempenho, incluindo<\/p>\n A valida\u00e7\u00e3o \u00e9 realizada separadamente para diferentes tipos de cobertura do solo, zonas clim\u00e1ticas e esta\u00e7\u00f5es do ano, porque a precis\u00e3o do modelo de evapotranspira\u00e7\u00e3o varia substancialmente nessas condi\u00e7\u00f5es.<\/p>\n Modelos de balan\u00e7o energ\u00e9tico como o SEBAL e o METRIC geralmente apresentam melhor desempenho em paisagens agr\u00edcolas semi\u00e1ridas com c\u00e9u limpo. O desempenho se deteriora em florestas tropicais \u00famidas, terrenos montanhosos complexos e \u00e1reas com cobertura de nuvens frequente.<\/p>\n O estudo de precis\u00e3o do OpenET, publicado na Nature Water, comparou seis modelos de ET com medi\u00e7\u00f5es de 152 locais de torres de fluxo<\/strong> Em todo os Estados Unidos, constatou-se que o conjunto OpenET obteve o melhor desempenho especificamente para culturas anuais em regi\u00f5es \u00e1ridas do oeste \u2014 as \u00e1reas onde o manejo da irriga\u00e7\u00e3o \u00e9 mais cr\u00edtico do ponto de vista econ\u00f4mico e ecol\u00f3gico.<\/p>\n Os gestores de recursos h\u00eddricos em regi\u00f5es \u00e1ridas podem utilizar os dados do OpenET com alta confiabilidade para o monitoramento da conformidade com as normas de irriga\u00e7\u00e3o e do balan\u00e7o h\u00eddrico, substituindo a infraestrutura de medi\u00e7\u00e3o dispendiosa.<\/p>\n Apesar dos r\u00e1pidos progressos, diversos desafios t\u00e9cnicos e operacionais limitam a precis\u00e3o e a aplicabilidade do monitoramento da evapotranspira\u00e7\u00e3o (ET) baseado em sat\u00e9lite.<\/p>\n 1. Limita\u00e7\u00f5es da cobertura de nuvens:<\/strong> O sensoriamento remoto \u00f3ptico e t\u00e9rmico exige condi\u00e7\u00f5es sem nuvens. Em regi\u00f5es tropicais \u00famidas ou durante as mon\u00e7\u00f5es, a cobertura persistente de nuvens pode criar lacunas de dados de semanas a meses, interrompendo a continuidade temporal necess\u00e1ria para o manejo da irriga\u00e7\u00e3o.<\/p>\n 2. Restri\u00e7\u00f5es de resolu\u00e7\u00e3o espacial:<\/strong> O MODIS, o sat\u00e9lite com maior frequ\u00eancia temporal, fornece dados de evapotranspira\u00e7\u00e3o (ET) com resolu\u00e7\u00e3o de 500 metros \u2014 muito grosseira para campos menores que cerca de 25 hectares. A resolu\u00e7\u00e3o de 30 metros do Landsat \u00e9 adequada para a maioria das \u00e1reas agr\u00edcolas, mas apresenta um ciclo de revisita de 16 dias, o que faz com que ele n\u00e3o detecte mudan\u00e7as r\u00e1pidas no estresse h\u00eddrico.<\/p>\n 3. Compensa\u00e7\u00f5es na resolu\u00e7\u00e3o temporal:<\/strong> A alta resolu\u00e7\u00e3o espacial (Landsat, Sentinel-2, ECOSTRESS) e a alta resolu\u00e7\u00e3o temporal (MODIS, VIIRS) existem em uma rela\u00e7\u00e3o inversa. Superar essa lacuna requer t\u00e9cnicas de fus\u00e3o de dados.<\/p>\n 4. Pressupostos do modelo em paisagens heterog\u00eaneas:<\/strong> Os modelos de balan\u00e7o energ\u00e9tico de fonte \u00fanica pressup\u00f5em uma cobertura vegetal uniforme, o que deixa de ser v\u00e1lido em vegeta\u00e7\u00e3o esparsa, sistemas de cultivo misto ou interfaces urbano-agr\u00edcolas onde as temperaturas do solo e das plantas divergem acentuadamente.<\/p>\n 5. Disponibilidade de dados em regi\u00f5es em desenvolvimento:<\/strong> Os dados de esta\u00e7\u00f5es meteorol\u00f3gicas terrestres necess\u00e1rios para restringir os modelos de evapotranspira\u00e7\u00e3o s\u00e3o escassos em grande parte da \u00c1frica subsaariana, do sul da \u00c1sia e da \u00c1sia Central \u2014 exatamente as regi\u00f5es onde a melhoria da gest\u00e3o da \u00e1gua \u00e9 mais urgentemente necess\u00e1ria.<\/p>\n Diversos desenvolvimentos tecnol\u00f3gicos convergentes est\u00e3o prestes a expandir drasticamente a precis\u00e3o, a abrang\u00eancia e a acessibilidade do monitoramento remoto da evapotranspira\u00e7\u00e3o nos pr\u00f3ximos cinco a dez anos.<\/p>\n Modelos de aprendizado profundo treinados em grandes conjuntos de dados multissensoriais est\u00e3o come\u00e7ando a superar os modelos cl\u00e1ssicos de balan\u00e7o energ\u00e9tico em determinadas paisagens. Redes neurais convolucionais podem integrar simultaneamente dados do Landsat, Sentinel-2, MODIS e de rean\u00e1lise meteorol\u00f3gica, aprendendo padr\u00f5es espa\u00e7o-temporais de evapotranspira\u00e7\u00e3o que nenhum modelo de sensor \u00fanico consegue capturar.<\/p>\n Entretanto, algoritmos de fus\u00e3o de dados \u2014 principalmente a abordagem STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model) \u2014 combinam imagens Landsat de alta resolu\u00e7\u00e3o com dados MODIS di\u00e1rios para produzir mapas sint\u00e9ticos di\u00e1rios de evapotranspira\u00e7\u00e3o (ET) com resolu\u00e7\u00e3o de 30 metros, resolvendo efetivamente o dilema espa\u00e7o-temporal que atualmente limita as aplica\u00e7\u00f5es da agricultura de precis\u00e3o.<\/p>\n A pr\u00f3xima gera\u00e7\u00e3o de sat\u00e9lites dedicados \u00e0 observa\u00e7\u00e3o t\u00e9rmica da Terra fornecer\u00e1 imagens t\u00e9rmicas com resolu\u00e7\u00e3o inferior a 30 metros e frequ\u00eancia de revisita di\u00e1ria.<\/p>\n As miss\u00f5es planejadas, incluindo o sucessor do Landsat Next e as constela\u00e7\u00f5es comerciais de sat\u00e9lites t\u00e9rmicos CubeSat, eliminar\u00e3o a hist\u00f3rica rela\u00e7\u00e3o de compromisso entre detalhes espaciais e frequ\u00eancia temporal que tem limitado o monitoramento da evapotranspira\u00e7\u00e3o em escala de campo.<\/p>\n Conforme observado no relat\u00f3rio Future Market Insights (2025), o mercado de servi\u00e7os de sensoriamento remoto \u2014 avaliado em US$ 22,87 bilh\u00f5es em 2025 \u2014 dever\u00e1 atingir US$ 84,28 bilh\u00f5es at\u00e9 2035, impulsionado significativamente pela expans\u00e3o das constela\u00e7\u00f5es de sat\u00e9lites em \u00f3rbita baixa da Terra (LEO).<\/p>\n Os sistemas de g\u00eameos digitais \u2014 r\u00e9plicas virtuais din\u00e2micas de paisagens agr\u00edcolas que se atualizam quase em tempo real a partir de dados de sat\u00e9lite e sensores de IoT \u2014 est\u00e3o integrando o sensoriamento remoto da evapotranspira\u00e7\u00e3o (ET) como um fluxo de dados essencial. Esses sistemas sincronizam mapas de ET obtidos por sat\u00e9lite, dados de sensores de umidade do solo, previs\u00f5es meteorol\u00f3gicas e modelos de crescimento de culturas para simular o estado h\u00eddrico futuro do campo e prescrever a irriga\u00e7\u00e3o automaticamente.<\/p>\n Um conjunto robusto de plataformas torna agora a an\u00e1lise de evapotranspira\u00e7\u00e3o por sensoriamento remoto acess\u00edvel a profissionais sem conhecimentos profundos de programa\u00e7\u00e3o.<\/p>\n 1. Google Earth Engine (GEE)<\/strong> \u00c9 uma plataforma de computa\u00e7\u00e3o geoespacial baseada em nuvem que hospeda os arquivos completos do Landsat, MODIS, Sentinel e ECOSTRESS, juntamente com algoritmos de evapotranspira\u00e7\u00e3o (ET) pr\u00e9-constru\u00eddos. Os analistas podem executar c\u00e1lculos de ET em anos de dados para regi\u00f5es inteiras sem precisar baixar nenhuma imagem localmente. O GEE tornou-se a plataforma de pesquisa dominante para mapeamento de ET em grandes \u00e1reas.<\/p>\n 2. Plataforma OpenET<\/strong> Oferece uma interface web onde qualquer usu\u00e1rio registrado pode acessar dados de evapotranspira\u00e7\u00e3o (ET) em escala de campo para terras agr\u00edcolas em todo o oeste dos Estados Unidos. Os usu\u00e1rios podem exportar resumos di\u00e1rios, mensais ou sazonais de ET para campos individuais ou distritos inteiros de gest\u00e3o de recursos h\u00eddricos, sem necessidade de conhecimento de programa\u00e7\u00e3o.<\/p>\n 3. Portal WaPOR<\/strong> A FAO (Organiza\u00e7\u00e3o das Na\u00e7\u00f5es Unidas para a Alimenta\u00e7\u00e3o e a Agricultura) oferece uma interface de download de ET (evapotranspira\u00e7\u00e3o) semelhante, do tipo "apontar e clicar", para \u00c1frica e Oriente Pr\u00f3ximo, com links diretos para indicadores de produtividade da \u00e1gua na agricultura.<\/p>\n 4. Fluxos de trabalho em Python e R<\/strong> Utilizando bibliotecas como rasterio, xarray, geopandas (Python) ou terra, raster (R), os pesquisadores podem construir fluxos de trabalho personalizados para processamento de evapotranspira\u00e7\u00e3o (ET) que integram dados de sat\u00e9lite com registros meteorol\u00f3gicos locais, modelos de cultivo e bancos de dados de irriga\u00e7\u00e3o.<\/p>\n Na regi\u00e3o do aqu\u00edfero das Grandes Plan\u00edcies dos Estados Unidos \u2014 uma das zonas agr\u00edcolas mais intensamente irrigadas da Terra \u2014 pesquisadores do Desert Research Institute demonstraram que os dados do OpenET, integrados a conjuntos de dados clim\u00e1ticos, podem estimar os volumes de bombeamento de \u00e1gua subterr\u00e2nea com precis\u00e3o suficiente para apoiar a gest\u00e3o regulat\u00f3ria dos n\u00edveis decrescentes do aqu\u00edfero.<\/p>\n O estudo comparou estimativas de evapotranspira\u00e7\u00e3o (ET) por sat\u00e9lite com registros de bombas medidas, encontrando um desvio inferior a 17% na maioria das bacias hidrogr\u00e1ficas estudadas \u2014 um n\u00edvel de precis\u00e3o suficiente para a administra\u00e7\u00e3o de direitos de \u00e1gua.<\/p>\n O monitoramento remoto da evapotranspira\u00e7\u00e3o (ET) foi implementado para o planejamento da irriga\u00e7\u00e3o do algod\u00e3o, utilizando os modelos SEBAL e METRIC para mapear a ET real em campos individuais durante a esta\u00e7\u00e3o de crescimento.<\/p>\n Estudos publicados no Astrophysics Data System (2020) mostraram que ambos os modelos detectaram evapotranspira\u00e7\u00e3o real (ET) maior do que a esperada durante os est\u00e1gios iniciais da cultura devido \u00e0 alta evapora\u00e7\u00e3o do solo exposto \u2014 uma descoberta que a abordagem padr\u00e3o do coeficiente de cultivo sistematicamente ignorou, levando \u00e0 irriga\u00e7\u00e3o excessiva nesse per\u00edodo cr\u00edtico.<\/p>\n A plataforma WaPOR da FAO tem sido usada para realizar an\u00e1lises de produtividade da \u00e1gua em sistemas de irriga\u00e7\u00e3o na Eti\u00f3pia, Egito e Jord\u00e2nia, quantificando a evapotranspira\u00e7\u00e3o por unidade de biomassa agr\u00edcola produzida.<\/p>\n Essas an\u00e1lises identificaram campos com produtividade h\u00eddrica abaixo da m\u00e9dia da bacia, fornecendo a base de evid\u00eancias espaciais para programas de extens\u00e3o direcionados a melhorar a efici\u00eancia da irriga\u00e7\u00e3o em \u00e1reas de baixo desempenho.<\/p>\n A escolha da combina\u00e7\u00e3o correta de dados de sat\u00e9lite, modelo de evapotranspira\u00e7\u00e3o e estrat\u00e9gia de valida\u00e7\u00e3o depende da quest\u00e3o espec\u00edfica que se pretende responder, dos recursos dispon\u00edveis e do n\u00edvel aceit\u00e1vel de incerteza.<\/p>\n 1. Defina primeiro a escala espacial e temporal.<\/strong> A contabiliza\u00e7\u00e3o mensal da \u00e1gua em escala de bacia hidrogr\u00e1fica exige uma ferramenta diferente daquela utilizada para o planejamento di\u00e1rio da irriga\u00e7\u00e3o em escala de campo. Antes de selecionar qualquer modelo, \u00e9 fundamental que a resolu\u00e7\u00e3o e a frequ\u00eancia de revisita da plataforma de sat\u00e9lite sejam adequadas \u00e0s necessidades de gest\u00e3o.<\/p>\n 2. Adeque o modelo ao tipo de paisagem.<\/strong> Modelos de balan\u00e7o energ\u00e9tico como o SEBAL e o METRIC funcionam melhor em paisagens semi\u00e1ridas, dominadas por culturas agr\u00edcolas e com c\u00e9u limpo. Modelos baseados em \u00edndices de vegeta\u00e7\u00e3o funcionam melhor em regi\u00f5es com disponibilidade limitada de dados t\u00e9rmicos. Modelos de aprendizado de m\u00e1quina funcionam melhor quando grandes conjuntos de dados de treinamento validados localmente est\u00e3o dispon\u00edveis.<\/p>\n 3. Sempre valide localmente.<\/strong> Mesmo o produto de ET global mais preciso deve ser validado com base em pelo menos um conjunto de dados de torre de fluxo local ou lis\u00edmetro antes da implementa\u00e7\u00e3o operacional. As m\u00e9tricas de desempenho de estudos publicados raramente se aplicam exatamente a novos locais e tipos de cultivo.<\/p>\n 4. Planeje para as lacunas na cobertura de nuvens.<\/strong> Em regi\u00f5es \u00famidas ou tropicais, planeje estrat\u00e9gias de fus\u00e3o de dados ou de preenchimento de lacunas desde o in\u00edcio. Depender de um \u00fanico sat\u00e9lite t\u00e9rmico com um ciclo de revisita de 16 dias produzir\u00e1 lacunas de dados inaceit\u00e1veis durante per\u00edodos cr\u00edticos de crescimento das culturas.<\/p>\n 5. Utilize plataformas abertas sempre que poss\u00edvel.<\/strong> O Google Earth Engine, o OpenET e o WaPOR fornecem acesso gratuito a produtos de evapotranspira\u00e7\u00e3o (ET) validados e bem documentados. A cria\u00e7\u00e3o de um modelo de ET personalizado do zero raramente se justifica, a menos que as condi\u00e7\u00f5es locais espec\u00edficas o exijam.<\/p>\n 6. Integrar os dados de ET com os sistemas de gest\u00e3o agr\u00edcola existentes.<\/strong> Os dados de evapotranspira\u00e7\u00e3o (ET) s\u00e3o mais valiosos quando integrados diretamente em softwares de programa\u00e7\u00e3o de irriga\u00e7\u00e3o, ferramentas de apoio \u00e0 decis\u00e3o ou bancos de dados de contabiliza\u00e7\u00e3o de \u00e1gua, em vez de existirem como uma sa\u00edda de sat\u00e9lite independente.<\/p>\n O monitoramento da evapotranspira\u00e7\u00e3o por sensoriamento remoto evoluiu de uma disciplina de pesquisa experimental para uma ferramenta operacional essencial para a gest\u00e3o h\u00eddrica na agricultura. A combina\u00e7\u00e3o de produtos de evapotranspira\u00e7\u00e3o por sat\u00e9lite cada vez mais precisos, plataformas de acesso aberto como OpenET e WaPOR, e fus\u00e3o de dados com intelig\u00eancia artificial est\u00e1 removendo as barreiras que antes limitavam o monitoramento da evapotranspira\u00e7\u00e3o por sat\u00e9lite a institui\u00e7\u00f5es de pesquisa bem financiadas.<\/p>\n As capacidades atuais s\u00e3o substanciais: modelos de balan\u00e7o energ\u00e9tico validados em mais de 30 pa\u00edses, produtos de evapotranspira\u00e7\u00e3o (ET) via sat\u00e9lite com precis\u00e3o sazonal superior a 90% para as principais culturas anuais e plataformas em nuvem que fornecem dados de ET em escala de campo para qualquer agricultor ou gestor de recursos h\u00eddricos com acesso \u00e0 internet. Essas capacidades j\u00e1 est\u00e3o sendo utilizadas para gerenciar o cumprimento das normas de irriga\u00e7\u00e3o no Rio Colorado, monitorar o esgotamento das \u00e1guas subterr\u00e2neas no Aqu\u00edfero das Grandes Plan\u00edcies e melhorar a produtividade h\u00eddrica na agricultura em toda a \u00c1frica por meio do sistema FAO WaPOR.<\/p>","protected":false},"excerpt":{"rendered":" O monitoramento da evapotranspira\u00e7\u00e3o por sensoriamento remoto representa um dos avan\u00e7os mais importantes na ci\u00eancia da \u00e1gua na agricultura nas \u00faltimas duas d\u00e9cadas. Combinando dados t\u00e9rmicos derivados de sat\u00e9lite\u2026<\/p>","protected":false},"author":210157960,"featured_media":13807,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","_eb_attr":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[1378],"tags":[],"class_list":["post-13804","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-remote-sensing"],"acf":[],"yoast_head":"\nQuais fatores influenciam a evapotranspira\u00e7\u00e3o?<\/h2>\n
![\"Quais](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/What-Factors-Influence-Evapotranspirationn.png?resize=720%2C720&ssl=1\")
<\/p>\nConceitos-chave da evapotranspira\u00e7\u00e3o<\/h2>\n
\n
1. Evapotranspira\u00e7\u00e3o de refer\u00eancia \u2014 ET(0)<\/h3>\n
2. Evapotranspira\u00e7\u00e3o em Condi\u00e7\u00f5es Padr\u00e3o \u2014 ET(c)<\/h3>\n
3. Evapotranspira\u00e7\u00e3o em Condi\u00e7\u00f5es N\u00e3o Padronizadas \u2014 ET(c adj)<\/h3>\n
M\u00e9todos tradicionais de medi\u00e7\u00e3o da evapotranspira\u00e7\u00e3o<\/h2>\n
![\"M\u00e9todos](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Traditional-Methods-of-Measuring-Evapotranspiration.png?resize=754%2C754&ssl=1\")
<\/p>\nFundamentos do Sensoriamento Remoto para Monitoramento da ET<\/h2>\n
Princ\u00edpios f\u00edsicos fundamentais que sustentam a estimativa da evapotranspira\u00e7\u00e3o por sat\u00e9lite<\/h3>\n
Fontes de dados de sensoriamento remoto para estimativa da evapotranspira\u00e7\u00e3o<\/h2>\n
1. Plataformas de sat\u00e9lite para estimativa da evapotranspira\u00e7\u00e3o<\/h3>\n
2. Observa\u00e7\u00f5es de extraterrestres baseadas em UAVs e drones<\/h3>\n
\n
Principais vari\u00e1veis de sensoriamento remoto utilizadas no monitoramento da ET<\/h2>\n
![\"Principais](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Key-Remote-Sensing-Variables-Used-in-ET-Monitoring.png?resize=676%2C676&ssl=1\")
<\/p>\nModelos de estimativa da evapotranspira\u00e7\u00e3o<\/h2>\n
1. Modelos de Balan\u00e7o Energ\u00e9tico<\/h3>\n
2. Modelos de evapotranspira\u00e7\u00e3o baseados em \u00edndices de vegeta\u00e7\u00e3o<\/h3>\n
Produtos de ET baseados em sat\u00e9lite dispon\u00edveis para uso operacional.<\/h2>\n
![\"Produtos](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Satellite-Based-ET-Products-Available-for-Operational-Use.png?resize=751%2C751&ssl=1\")
<\/p>\nAplica\u00e7\u00f5es do Sensoriamento Remoto<\/h2>\n
1. Irriga\u00e7\u00e3o de Precis\u00e3o e Gest\u00e3o da \u00c1gua nas Culturas<\/h3>\n
2. Sistemas de Avalia\u00e7\u00e3o e Alerta Precoce de Seca<\/h3>\n
3. Gest\u00e3o de Recursos H\u00eddricos em Escala de Bacia Hidrogr\u00e1fica<\/h3>\n
\n
4. Aplica\u00e7\u00f5es Ambientais e Ecol\u00f3gicas<\/h3>\n
Avalia\u00e7\u00e3o da Precis\u00e3o e Valida\u00e7\u00e3o de Produtos de ET por Sat\u00e9lite<\/h2>\n
\n
Desafios no monitoramento da evapotranspira\u00e7\u00e3o por sensoriamento remoto<\/h2>\n
Tecnologias emergentes e o futuro no monitoramento de extraterrestres<\/h2>\n
1. Intelig\u00eancia Artificial, Aprendizado de M\u00e1quina e Fus\u00e3o de Dados<\/h3>\n
2. Sat\u00e9lites t\u00e9rmicos de alta resolu\u00e7\u00e3o e constela\u00e7\u00f5es de CubeSats<\/h3>\n
3. G\u00eameos Digitais para Gest\u00e3o de Recursos H\u00eddricos<\/h3>\n
Software e ferramentas para monitoramento de ET<\/h2>\n
Estudos de caso para monitoramento remoto da evapotranspira\u00e7\u00e3o<\/h2>\n
1. Gest\u00e3o da Irriga\u00e7\u00e3o em Regi\u00f5es \u00c1ridas<\/h3>\n
2. Agricultura de Precis\u00e3o em Diferentes Tipos de Cultivo<\/h3>\n
3. Contabiliza\u00e7\u00e3o da \u00e1gua em escala de bacia hidrogr\u00e1fica<\/h3>\n
Melhores pr\u00e1ticas para selecionar uma abordagem de monitoramento de extraterrestres<\/h2>\n
Conclus\u00e3o<\/h2>\n