Universidade Federal de Santa Maria
Geografia, Ensino & Pesquisa, Santa Maria, v. 26, e33, 2022
DOI: 10.5902/2236499468044
Submissão: 11/10/2021 • Aprovação: 03/08/2022 • Publicação: 25/11/2022
SUMÁRIO
Geoinformação e Sensoriamento Remoto em Geografia
Jadson Freire-SilvaI
Josimar Vieira dos ReisI
Tayran Oliveira dos SantosI
Henrique dos Santos FerreiraI
Mario de Miranda Vilas Boas Ramos
LeitãoII
Josiclêda Domiciano GalvíncioI
Ana Lúcia
Bezerra CandeiasI
IUniversidade Federal de Pernambuco, Recife, PE, Brasil
IIUniversidade Federal do Vale do São Francisco, Juazeiro, BA, Brasil
RESUMO
Palavras-chave: Recursos hídricos; Sensoriamento remoto; Geoprocessamento
ABSTRACT
Keywords: Water resources; Remote sensing; Geoprocessing
Debruçando-se na relevância em estudar os ambientes hidrológicos e as novas técnicas de monitoramento contínuo dessas regiões oriundos da modelagem ambiental e do Sensoriamento Remoto, o objetivo dessa pesquisa é analisar os resultados de evapotranspiração diária de projetos automáticos GEE- SEBAL e SUPer para áreas do entorno de reservatórios alocados no semiárido pernambucano.
As recentes discussões climáticas alertaram acerca do aumento da temperatura da terra e suas implicações nas áreas urbanas onde os mais recentes relatórios do Intergovernmental Panel on Climate Change vem considerando a chance de 99,9% que o homem interferiu diretamente nas dinâmicas climáticas globais (IPCC, 2021). Fomentando essa visão, os relatórios reforçam o alerta sobre as mudanças climáticas, onde verifica-se através dos modelos de projeções climáticas a interferência antrópica nas modificações do clima (JURAS, 2013). No Brasil, as regiões mais atingidas com as mudanças climáticas serão o Norte e o Nordeste, onde destaca-se o semiárido nordestino, que segundo Ambrizzi et al. (2007) diversos ambientes passariam da condição de semiárido para árido, acarretando mudanças na vegetação nativa, na demanda hídrica e na sociedade em geral.
No trabalho de Marengo et al. (2016), observou-se que a partir das mudanças climáticas os eventos extremos de secas no Nordeste podem ser potencializados, podendo acarretar na redução das chuvas e na interferência direta na diminuição das cotas e volume dos reservatórios, especialmente os pequenos reservatórios, alterando o contorno das margens e expondo solos de novas superfícies (NOBRE et al., 2007; NOBRE, 2008). Aprofundando-se nos aspectos das regiões semiáridas, nota-se que as mesmas têm como características marcantes a distribuição irregular ou a má distribuição da precipitação anual, vegetação adaptada às secas, os solos rasos ricos em minerais, elevadas taxas de evapotranspiração e rios intermitentes (MMA, 2021).
Estas características se intensificam ainda mais em anos de El Niño, isto porque este fenômeno está associado à redução das chuvas no Norte e Nordeste do país, sua formação se dá através do aquecimento anormal do Oceano Pacífico, ocasionando secas severas (KAYANO e MOURA, 1986; MARENGO, 1992; MELO, 1999).
Outro fenômeno que influencia o clima da região Nordeste é a La Niña, que tem como característica o resfriamento das águas do Oceano Pacífico, ao contrário do El Niño, o fenômeno La Niña provoca um aumento nos índices pluviométricos, o que intensifica a temporada chuvosa desta região, ocasionando o aumento do lençol freático e amenizando o déficit hídrico (BRITO et al., 1998; PEREIRA, 2011).
Em ambientes que são marcados por características climatológicas adversas, tal como o semiárido, mecanismos que auxiliam no armazenamento, distribuição e potencialização do recurso hídrico são utilizados para prover amparos aos centros urbanos e atividades agrícolas. O monitoramento e a análise dessas regiões também são consideradas, uma vez que se observa em ambientes com disponibilidade e equilíbrio hídrico a elevação de indicadores sociais, de desenvolvimento econômico, populacional e suas dinâmicas junto a municípios arredores.
Desta forma, a utilização de informações do Sensoriamento Remoto (SR) e de Modelagens Ambientais são uma alternativa relevante ao tema, uma vez que com as respectivas é possível a observação de grandes áreas e de parâmetros sensíveis por um custo inferior a visitas in loco e análises ambientais físicas.
As imagens de satélite gratuitas presentes nos projetos Landsat, Sentinel e CBERS podem ser os exemplos mais comuns de utilização de produtos do Sensoriamento Remoto para monitoramento terrestre (WULDER et al., 2016; ESA, 2021; CBERS, 2021). Na atualidade, a utilização de produtos pré-estabelecidos e automatizados do SR e projetos hidrológicos de longa duração também se incluem como ferramentas analíticas importantes, principalmente para gerenciamento mais velozes e facilitação do entendimento das técnicas. O GEE Surface Energy Balance Algorithm for Land (SEBAL) (LAIPELT et al. 2021) e o SUPer (Sistema de Unidades de Resposta Hidrológica para Pernambuco) são algoritmos automáticos que exemplificam como é possível a utilização de produtos automatizados de qualidade para análises ambientais e hidrológicas para ambientes de interesse.
O clima da área de estudo possui baixo índice de precipitação, então estudar o comportamento da evapotranspiração é de extrema relevância, uma vez que, através do monitoramento é possível melhorar o planejamento e a tomada de decisão. Nesse sentido, a presente pesquisa busca analisar a evapotranspiração dos anos estudados através dos produtos automáticos do GEE-SEBAL e do SUPer.
2 metodologia
2.1 Caracterização da área de estudo
A área de estudo experimental está inclusa na região de Serra Talhada, localizado na microrregião do Pajeú pernambucano. A região está inserida na Depressão Sertaneja e possui uma precipitação média anual de 642,1 mm ao ano (SILVA et al., 2014; SILVA et al., 2015). Sendo uma relevante unidade geoambiental nordestina, com predominância das inserções de relevo suave-ondulado (Figura 1).
Figura 1 – Área de Estudo Experimental de Serra Talhada
Fonte: Elaborado pelos autores (2021)
A área em questão mantém solos rasos e drenados, com os Luvissolos estando em maior domínio e vegetação composta pela Caatinga Hiperxerófila junto a situações de floresta caducifólia. As características climatológicas compreendem a temperatura média anual de 25,7º Celsius, precipitação anual de 696 mm e está definida pela classificação de Köppen no clima Tropical Semiárido (CPRM, 2005). O território é banhado pelo rio Pajeú e três reservatórios, sendo um dos mais importantes municípios do semiárido, com IDH de 0,661, o 19º do Estado entre 185 catalogados (IBGE, 2010).
A Figura 1 demonstra uma área experimental partindo do centro da cidade de Serra Talhada em um raio de 15 quilômetros (706,08 quilômetros quadrados); através dessa distância estabelecida foi possível abarcar os 3 reservatórios da região (córrego Luanda, o Açude Borborema e Açude do Instituto Agronômico de Pernambuco – IPA). As sub-bacias hidrográficas do Pajeú analisadas nesse recorte foram 33, 34, 36, 37, 38, 39, 40, 41, 42, 43, 44, 49 e 55.
2.2 GEE Surface Energy Balance Algorithm for Land (SEBAL)
O geeSEBAL é um projeto experimental de automatização do processamento de imagens Landsat através da rede computacional em nuvem da Google (Google Earth Engine cloud computing). Desenvolvido por Laipelt et al. (2021) e com base em Allen et al. (2013), os produtos são disponibilizados em sítio eletrônico https://leolaipelt.users.earthengine.app/view/geesebal envolvendo as imagens em sua composição base (RGB), o NDVI, a temperatura de superfície (LST) e evapotranspiração (EF/ET-diária). A Tabela 1 revela as imagens obtidas para análise em questão.
Observa-se na tabela acima que foram coletadas 4 (quatro) imagens Landsat 8 em períodos temporais distintos (2013, 2014, 2015 e 2016), respeitando a disponibilidade para área em relação ao percentual de cobertura de nuvens (abaixo de 10%). O download do produto compreendeu a evapotranspiração diária.
O satélite Landsat 8 tem uma resolução temporal de 16 dias e 30 metros de resolução espacial.
Tabela 1 – Dados das imagens de satélites coletadas para pesquisa
|
Data de imagem: |
30/10/2013 |
26/05/2014 |
21/11/2015 |
23//11/2016 |
|
Satélite: |
Landsat 8 |
Landsat 8 |
Landsat 8 |
Landsat 8 |
|
Órbita: |
216 |
216 |
216 |
216 |
|
Ponto: |
65 |
65 |
65 |
65 |
|
Cobertura % de nuvens: |
5.75% |
9% |
3% |
3% |
|
Produto coletado |
|
Evapotranspiração Diária (ET — Daily) |
|
|
Fonte: Elaborado pelos autores (2021)
2.3 Sistema de Unidades de Resposta Hidrológica para Pernambuco – SUPer
Foi utilizado o SUPer- Sistema de Unidades de Respostas Hidrológicas para Pernambuco, para discutir os resultados com o balanço de hídrico de bacias de Pernambuco, site: https://super.hawqs.tamu.edu/. Utilizando como base o modelo hidrológico SWAT - Soil and Water Assessment Tool, o Sistema de Unidades de resposta hidrológica para Pernambuco (SUPer) é um projeto automático de modelagem hidrológica pernambucano que fornece via interface interativa informações pré-estabelecidos sobre as bacias hidrográficas do estado. Através da manipulação do SUPer é possível obter tabelas, mapas e gráficos relevantes sobre sedimentos, patógenos, nutrientes, DBO/DQO, pesticidas e temperatura da água (SUPER, 2021).
O SUPer fornece uma interface interativa da web e mapas; dados de entrada pré-carregados; resultados que incluem tabelas, gráficos e dados de saída; um guia do usuário, e projetos de modelagem com desenvolvimento, execução e armazenamento online para os usuários (GALVÍNCIO, 2021).
Caso o trabalho exija mais uma subseção, este modelo deve ser utilizado. Os títulos das seções e subseções devem seguir uma ordem lógica e apresentados de acordo com este modelo.
Os efeitos da modelagem podem ser utilizados para a gestão hídrica regional e as suas respectivas tomadas de decisão, sendo disponibilizados gratuitamente em sítio eletrônico (https://super.hawqs.tamu.edu/#/). Os dados podem ser observados em amplo espectro, podendo subsidiar outras pesquisas e promover práticas responsivas de gestão das águas. A Tabela 2 demonstra as informações importantes de composição da modelagem em pesquisa.
Tabela 2 – Informações sobre a modelagem hidrológica da pesquisa
|
Starting simulation date |
01/01/2000 |
|
Ending simulation date |
12/31/2016 |
|
Set-up/warm-up years |
3 |
|
SWAT output print setting |
Daily |
|
SWAT model version to run |
SWAT 2012 rev. 670 |
|
Output collected |
Daily Average ET (mm) and ET Actual evapotraspiration (mm H2O) for interest area |
Fonte: Elaborado pelos autores (2021)
2.4 Processamento no SWAT
Os processos físicos associados ao movimento da água e dos sedimentos, crescimento de plantas, ciclagem de nutrientes e outros, são modelados diretamente pelo SWAT por meio destes dados de entrada (NEITSCH et al., 2011). O SWAT considera a bacia dividida em sub-bacias com base em suas propriedades físicas, preservando os parâmetros espacialmente distribuídos e as características homogêneas da bacia inteira. A subdivisão de uma bacia hidrográfica em sub- bacias permite caracterizar melhor os problemas difusos, tornando mais fácil a identificação de focos de degradação de recursos naturais, a natureza dos processos de degradação e o grau de comprometimento e sustentabilidade do meio.
Segundo Neitsch et al. (2011), a fase da terra do ciclo hidrológico simulado pelo SWAT é baseado na equação do balanço hídrico, que é a força responsável por tudo que ocorre na bacia hidrográfica, dado pela seguinte Equação (1):
|
𝑡 𝑆𝑊𝑡 = 𝑆𝑊0 + ∑ (𝑅𝑑𝑎𝑦 − 𝑄𝑐𝑢𝑟𝑓 − 𝐸𝑎 − 𝑊𝑐𝑒𝑒𝑝 − 𝑄𝑔𝑤) 𝑖 |
(1) |
Onde: SWt é a quantidade de água no solo da camada da zona radicular simulada no tempo t (mm); 𝑆𝑊0 é a quantidade inicial de água no solo no dia i (mm); t é a duração do ciclo hidrológico simulado (dias); 𝑅day é a quantidade de água precipitada no dia i (mm); 𝑄curf é a quantidade de escoamento superficial no dia i (mm); 𝐸a é quantidade de água evapotranspirada no dia i (mm); 𝑊ceep é a quantidade de água que percola da camada simulada para a camada inferior no dia i (mm); 𝑄gw é a quantidade de água que retorna ao curso d’água no dia i devido ao escoamento sub-superficial (mm).
Já para o cálculo de estimativa do escoamento superficial, o SWAT fornece os métodos da Curva Número (CN) e o de infiltração de Green e Ampt, e para o cálculo da evapotranspiração o modelo disponibiliza os métodos de Penman-Monteith, Priestley- Taylor e o de Hargreaves.
O método da Curva Número (CN), desenvolvido pelo Soil Conservation Service (SCS) órgão do United States Department of Agriculture (USDA) é utilizado para estimar o escoamento superficial. Ele utiliza dados de precipitação e dos parâmetros de retenção, que variam de acordo com o solo, o uso do solo, declividade, e conteúdo da água (PRUSKI; GRIEBELER; SILVA, 2001; TONG; NARAMNGAM, 2007). Quanto maior o coeficiente de CN, maior o potencial de escoamento superficial (ABBASI; MANNAERTS; MAKAU, 2019). De tal forma, o modelo de CN determina também, a quantidade de chuva que infiltra no solo ou no aquífero (ZHAN; HUANG; AVE, 2004).
Para simulação da carga de sedimentos nas bacias, é utilizada a Equação da Perda de Solo Modificada (Modified Universal Soil Loss Equation - MUSLE). O modelo foi estruturado com base em uma combinação linear dos parâmetros mais correlacionados com o processo de erosão da água no solo por (WISCHMEIER;SMITH, 1978). Estes parâmetros são de fundamental importância para entender a dinâmica do transporte dos químicos no meio ambiente (ABBASI; MANNAERTS; MAKAU, 2019; LUO; ZHANG, 2009).
Para este estudo, aplicou-se uma simulação de 16 anos (2000-2016) com (três) anos para aquecimento, correções e ajustes modulares. O início da simulação hidrológica deu-se em 01/01/2000 com finalização em 31/12/2016, em intervalo diário e com a versão do SWAT 2012 ver.670. Coletou-se informações sobre média diária de evapotranspiração (geral) bem como os dados mensais de evapotranspiração para cada sub-bacias hidrológicas de interesse.
3 RESULTADOS E DISCUSSÃO
Os resultados obtidos estão presentes nas Figuras 2 e 4 para as imagens de satélite processadas automaticamente no GEE-SEBAL e na Figura 5 e Tabela 3 para as informações sobre evapotranspiração das sub-bacias da região hidrológica do Pajeú via SUPer.
Observando a Figura 2, percebe-se para o período de 2013 uma elevada evapotranspiração em grande parte da região em estudo. Martins e Magalhães (2015) analisando os períodos de seca no semiárido entre 2012 a 2015 verificou que a média mensal de precipitação nordestina para outubro-novembro (2013) alcançou patamares próximos de 25~40 mm com grandes perdas economicas e sociais relatados. As sub-bacias de número 39, 40, 43, 44, 49, 33 (reservatório), 34 (reservatório) e 41 (reservatório) apresentaram as evapotranspirações entre 5 a 7 mm.
Ainda na Figura 2 ao ano de 2014 verifica-se evapotranspirações predominantes no intervalo de 1 a 3 mm que acompanham as informações climatológicas positivas no período (Figura 3). Ressalta-se que as maiores evapotranspirações presentes estão nos ambientes hídricos – reservatórios da região (com intervalos de 5 a 7 mm), o que levanta a necessidade de mecanismos que mitiguem a elevada perda hídrica em reservatórios nos territórios semiáridos.
Figura 2 – Informações sobre evapotranspiração diária para a área de estudo em 2013 e 2014
Fonte: Elaborado pelos autores (2021)
Figura 3 – Precipitação média anual da Região Nordeste para o período 2009 – 2017
Fonte: Martins, Magalhães e Fontenele (2017)
A Figura 4 apresenta informações da evapotranspiração diária obtida pelo processamento de imagens automáticas do GEE-SEBAL para os anos de 2015 e 2016 na área de estudo.
Figura 4 – Informações sobre evapotranspiração diária para a área de estudo em 2015 e 2016
Fonte: Elaborado pelos autores (2021)
Martins, Magalhães e Fontenele (2017) apresentam para ambos os anos (2015 e 2016) informações climáticas para o Nordeste do Brasil que indicaram secas contínuas. A Figura 4 no ano de 2015 mostrou-se os seus maiores intervalos de evapotranspiração nos reservatórios (5 a 7 mm) seguido das áreas mais elevadas (3 a 5 mm). No ano de 2016 as evapotranspirações se intensificaram, podendo ser observadas em todas as sub-bacias em estudo. A Figura 5 e a respectiva Tabela 3 apresentam os resultados obtidos no SUPer.
Figura 5 – Informações sobre evapotranspiração diária para a área de estudo em 2015 e 2016
Fonte: Elaborado pelos autores (2021)
Tabela 3 – Informações obtidas dos gráficos do SUPer para as sub-bacias de interesse
|
Sub-Basin Number |
33 |
34 |
36 |
37 |
38 |
39 |
40 |
41 |
42 |
43 |
44 |
49 |
55 |
|
|
ET – Daily Average – General (mm) |
1,3 9 |
0,86 |
1,37 |
0,95 |
1,04 |
1,76 |
1,26* |
1,22 |
1,61* |
1,61* |
1,85 |
1,88* |
1,85* |
|
|
ET - Actual Evapotranspir ation (Month) |
30/10/2013 |
0,2 7 |
0,01 |
0,6 |
0,09 |
0,13 |
0,1 |
0,84 |
0,49 |
0,45 |
0,93 |
0,1 |
1,12 |
0,95 |
|
ET - Actual Evapotranspir ation (Month) |
26/10/2014 |
2,4 7 |
1,52 |
2,48 |
2,04 |
2,23 |
2,6 |
2,24 |
2,22 |
2,11 |
2,42 |
2,66 |
2,79 |
2,76 |
|
ET - Actual Evapotranspir ation (Month) |
21/11/2015 |
0,2 1 |
0,06 |
0,04 |
0,02 |
0,01 |
0,18 |
0,06 |
0,01 |
0,56 |
0,19 |
0,19 |
0,42 |
0,42 |
|
ET - Actual Evapotranspir ation (Month) |
23/11/2016 |
0,0 6 |
0,02 |
0,09 |
0 |
0 |
0,41 |
0,92 |
0,78 |
0,78 |
0,76 |
0,45 |
0,46 |
0,39 |
Fonte: Elaborado pelos autores (2021)
*A média dos valores de evapotranspiração mensais acompanham o resultado geral de evapotranspiração média
No resultado da modelagem é notável que a Figura 5 tem sua variação de evapotranspiração no intervalo de 0 a 4 mm; quando há um enfoque na área de estudo, observa-se os valores elevando-se enquanto intervalo, este de 0,86 a 1,88mm. Quando se verifica os acumulados mensais de evapotranspiração para cada sub-bacia nota-se informações distintas dos valores gerais do próprio modelo e por se tratar de valores generalizados para determinado território, não é possível comparar com os valores presentes nos produtos do GEE-SEBAL, visto que o respectivo se apresenta de forma heterogênea no espaço. Apresentando-se de forma semelhante ao GEE-SEBAL existe a plataforma METRIC – EEFLUX - Earth Engine Evapotranspiration Flux, que também utiliza a plataforma Google Earth Engine com produtos automáticos RGB, albedo, NDVI, DEM, mapa de uso, temperatura de superfície e evapotranspirações (EEFLUX, 2021).
A utilização de técnicas do Sensoriamento Remoto e da modelagem hidrológica não são dicotômicas uma vez que uma supre as necessidades presentes. No Sensoriamento Remoto sendo representado pelos produtos automáticos do GEE-SEBAL foi possível observar, além da possibilidade de monitoramento, um panorama de como a evapotranspiração se manifesta dinamicamente nos territórios do entorno do reservatório e sobretudo dentro dele, verificando que em ambientes semiáridos, esses locais mantém elevados intervalos de evapotranspiração. A modelagem hidrológica por sua vez, apresenta séries temporais robustas e auxiliam a precariedade temporal da coleta de informações das imagens de satélite, onde existe a problemática de resolução temporal (Landsat 2 imagens por mês) e de qualidade de imagens (nuvens, ruídos e voids, por exemplo).
Através do SUPer é possível normalizar os extremos catalogados nas informações presentes da imagem de satélite oriundo do recorte diário no momento de composição da mesma. Desta forma, a união das técnicas em prol do monitoramento hidrológico vem a somar não somente a pesquisa sobre o tema, mas a gestão hídrica em ambientes de interesse em diferentes escalas. Vale ressaltar que outras informações tais como presença ou não de El Niño no referido ano, séries de clima da região, posicionamento da ZCIT (MARTINS; MAGALHÃES; FONTENELE., 2017) e outros questionamentos que consigam explicar situações excepcionais devem ser consideradas junto as imagens de satélite e da modelagem como um todo.
4 CONSIDERAÇÕES FINAIS
No ano de 2013 observou-se uma elevada (5 a 7 mm) evapotranspiração em grande parte da região em estudo. Mesmo em ano de seca, em 2014 verifica-se evapotranspirações predominantes no intervalo de 1 a 3 mm que acompanham as informações climatológicas positivas no período. Ressalta-se que as maiores evapotranspirações presentes estão nos ambientes hídricos – reservatórios da região (com intervalos de 5 a 7 mm). No ano de 2015 mostrou-se os seus maiores intervalos de evapotranspiração nos reservatórios (5 a 7 mm) seguido das áreas mais elevadas (3 a 5 mm) enquanto no ano de 2016 a evapotranspirações se intensificaram, podendo ser observadas em todas as sub-bacias em estudo, onde a continuidade dos períodos de secura em ambiente semiárido pode ter contribuído nesses resultados.
Observando os dados da modelagem hidrológica para a bacia hidrográfica do Pajeú, nota-se que a referida compreende ao intervalo de 0 a 4 mm; quando há um enfoque na área de estudo, observa-se os valores nos intervalos de 0,86 a 1,88mm. Por se tratar de valores homogêneos para cada sub-bacia, não é possível comparar com precisão os resultados da modelagem com as imagens de satélite, uma vez que os produtos do SR são distribuídos de forma heterogênea no território. Contudo, a partir dos produtos é notável a relevância de imbricar os resultados oriundos do Sensoriamento Remoto e da Modelagem Hidrológica para o acompanhamento de ambientes hídricos de interesse e o auxílio na tomada de decisão e pesquisa acadêmica. Recomenda-se novas pesquisas comparativas e analíticas com o processamento automático de produtos do Sensoriamento Remoto bem como outros resultados frutos das modelagens hidrológicas automáticas.
Este estudo apenas foi possível graças ao apoio financeiro da Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco (FACEPE), que financiou o processo de bolsas dos estudantes de pós-graduação envolvidos nesta investigação. Agradecemos também à Universidade Federal de Pernambuco (UFPE) e ao Programa de Pós-Graduação em Desenvolvimento e Meio Ambiente (PRODEMA). Como, aos Laboratórios de Sensoriamento e Geoprocessamento (SERGEO) e Análise e Processamento de Imagens (APRIM) e o Laboratório de Meteorologia (LABMET) da Universidade do Vale do São Francisco (UNIVASF). Obrigado por todo o apoio no desenvolvimento deste estudo.
ABBASI, Y.; MANNAERTS, C. M.; MAKAU, W. Modeling pesticide and sediment transport in the Malewa River Basin (Kenya) using SWAT. Water (Switzerland), v. 11, n. 1, 2019.
ALLEN, R. G.; BURNETT, B.; KRAMBER, W.; HUNTINGTON, J.; KJAERSGAARD, J.; KILIC, A.; KELLY, C.; TREZZA, R. Automated Calibration of the METRIC‐Landsat Evapotranspiration Process. Journal of the American Water Resources Association (JAWRA). v. 49, n. 3, p. 563–576, 2013.
AMBRIZZI, T. et al. Cenários regionalizados de clima no Brasil para o século XXI: projeções de clima usando três modelos regionais: relatório 3. Brasília: MMA, 2007.
ANA - Agência Nacional de Águas. O que é reservatório. 2021. Disponível em: https://www.gov.br/ana/pt-br. Acesso em: 24 jul. 2021.
BRITO, J. I. B.; SOUZA, I. A.; ARAGÃO, J. O. R. Ligações entre o El Niño e possíveis processos de desertificação no estado do Rio Grande do Norte. In: Congresso Brasileiro de Meteorologia, 10, 1998, Brasília. Anais[...]. Brasília: Sociedade Brasileira de Meteorologia, v. 1, 1998.
CBERS. Sobre o CBERS. 2021. Disponível em: http://www.cbers.inpe.br/sobre/index.php. Acesso em: 24 jul. 2021.
CPRM – Serviço Geológico do Brasil. 2005. Diagnóstico do Município de Serra Talhada – PE. Ministério de Minas e Energia, Secretaria de Geologia, Mineração e Transformação Mineral. Recife, 22 p. Disponível em: http://www.cprm.gov.br/rehi/atlas/pernambuco/relatorios/SETA148.pdf. Acesso em: 24 jul. 2021
MELO, J. C. de. O fenômeno El Niño e as secas no Nordeste do Brasil. Raízes: Revista de Ciências Sociais e Econômicas, n. 20, p. 13-21, 1999.
EEFLUX. FAQ. 2021. Disponível em: https://eeflux-level1.appspot.com. Acesso em: 24/07/2021.
ESA. Missions Sentinel. 2021. Disponível em: https://sentinel.esa.int/web/sentinel/missions/sentinel-2. Acesso em: 24/07/2021.
GALVINCIO, J. D. Impacto do aumento de CO2 nas precipitações do estado de Pernambuco. Revista Brasileira de Geografia Física. v. 14, n. 3, p. 1828-1839, 2021.
IBGE - Instituto Brasileiro de Geografia e Estatística. População no último censo e Índice de Desenvolvimento Humano - IDH: IBGE, Censo Demográfico 2010. Disponível em: https://cidades.ibge.gov.br/brasil/pe/serra-talhada/panorama. Acesso em: 24 jul. 2021.
IPCC, 2021: Sumário para Formuladores de Políticas. In: Mudança do Clima 2021: A Base da Ciência Física. Contribuição do Grupo de Trabalho I ao Sexto Relatório de Avaliação do Painel Intergovernamental sobre Mudanças Climáticas [Masson-Delmotte, V., P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu and B. Zhou (eds.)]. Cambridge University Press. No Prelo. Disponível em: IPCC_mudanca2.pdf (www.gov.br). Acesso em: 29 jul. 2022.
JURAS, I. da A. G. M. Mudança do clima: principais conclusões do 5° Relatório do IPCC. Brasília: Câmara dos Deputados/Consultoria Legislativa, 2013. Disponível em: http://www2.camara.leg.br/documentos-e-pesquisa/publicacoes/estnottec/areas- daconle/tema14/2013_24881.pdf. Acesso em: 25 ago. 2021.
KAYANO, M.T.; MOURA, A.D. O El Nino de 1982-83 e a precipitação sobre a América do Sul. Revista Brasileira de Geofísica, v. 4, p. 201-214, 1986.
LAIPELT, L.; RUHOFF, A. L.; FLEISCHMANN, A. S.; KAYSER, R. H. B.; KICH, E. M.; ROCHA, H. R. da; NEALE, C. M. U. Assessment of an Automated Calibration of the SEBAL Algorithm to Estimate Dry-Season Surface-Energy Partitioning in a Forest–Savanna Transition in Brazil. Remote Sens., v. 12, n. 7, p. 1-23, 2020, 1108.
LUO, Y; ZHANG, M. Management-oriented sensitivity analysis for pesticide transport in watershed-scale water quality modeling using SWAT. Environmental Pollution, v. 157, n. 12, p. 3370–3378, 2009.
MARENGO, J. A. Interannual variability of surface climate in the Amazon basin. International Journal of Climatology, v. 12, p. 853-863, 1992.
MARENGO, J. A.; CUNHA, A. P; ALVES, L. M. A seca de 2012-15 no semiárido do Nordeste do Brasil no contexto histórico. Revista Climanálise, v. 3, p. 49-54, 2016.
MARTINS, E. S.; MAGALHÃES, A. R. A seca de 2012-2015 no Nordeste e seus impactos. Parc. Estrat, Brasília – DF, v. 20, n. 41. p. 107-128, 2015.
MARTINS, E. S.; MAGALHÃES, A. R.; FONTENELE, D. A seca plurianual de 2010-2018 no Nordeste e seus impactos. Parc. Estrat, Brasília – DF, v. 22, n. 44. p. 17-40. jan-jun, 2017.
MINISTÉRIO DO MEIO AMBIENTE - MMA. Gestão Territorial - Desertificação. 2021. Disponível em: https://antigo.mma.gov.br/perguntasfrequentes.html?catid=19. Acesso em: 24 jul.2021.
NEITSCH, S. L.; ARNOLD, J. G.; KINIRY, J. R.; WILLIAMS, J. R. Soil and Water Assessment Tool “SWAT”: Ferramentas de Avaliação de Solo & Água. Documentação Teórica Versão 2009. College Station, Texas: Instituto de Recurso Hídricos do Texas, 2011.
NOBRE, C. A; SAMPAIO, G.; SALAZAR, L. F. Mudanças climáticas e Amazônia. Ciência e Cultura, v. 59, p. 22-27, 2007.
NOBRE, P. Aquecimento global, oceanos & sociedade. Interfacehs: Revista de Gestão Integrada em Saúde do Trabalho e Meio Ambiente, v. 3, n. 1, a. 1, jan./abr. 2008.
PEREIRA, V. et al. Influência dos eventos El Niño e La Niña na precipitação pluviométrica de Mossoró-RN. Enciclopédia Biosfera, v. 7, n. 12, 2011.
PRUSKI, F. F.; GRIEBELER, N. P.; SILVA, D. D. Comparação entre dois métodos para a determinação do volume de escoamento superficial. Revista Brasileira de Ciência do Solo, v. 25, n. 2, p. 403–410, 2001.
SILVA, T. G. F.; MIRANDA, K. R.; SANTOS, D. C.; QUEIROZ, M. G.; SILVA, M. C.; CRUZ NETO, J. F.; ARAÚJO, J. E. M. Área do cladódio de clones de palma forrageira: modelagem, análise e aplicabilidade. Revista Brasileira de Ciências Agrárias, Recife, v.9, n.4, p.633-641, 2014.
SILVA, T. G. F.; ARAÚJO PRIMO, J. T.; MOURA, M. S. B.; SILVA, S. M. S.; MORAIS, J. E. F.; PEREIRA, P. C.; SOUZA, C. A. A. Soil water dynamics and evapotranspiration of forage cactus clones under rainfed conditions. Pesquisa Agropecuária Brasileira, Brasília, v.50, n.7, p.515-525, 2015.
SUPER - Sistema de Unidades de resposta hidrológica para Pernambuco. O que é o super. 2021. Disponível em: https://super.hawqs.tamu.edu/#. Acesso em: 24 jul 2021.
TONG, S. T. Y.; NARAMNGAM, S. Modeling the impacts of farming practices on water quality in the Little Miami River basin. Environmental Management, v. 39, n. 6, p. 853–866, 2007.
WISCHMEIER, W. H.; SMITH, D. D. Predicting rainfall erosion losses – A guide to conservation planning. Washington: USDA, 1978.
WULDER, M. A., WHITE, J. C., LOVELAND, T. R., WOODCOCK, C. E., BELWARD, A. S., COHEN, W. B., FOSNIGHT, E. A., SHAW, J., MASEK, J. G., ROY, D. P. The global Landsat archive: status, consolidation, and direction. Remote Sens. Environ. v. 185, p. 271–283, 2016.
ZHAN, X; HUANG, M. ArcCN-Runoff : an ArcGIS tool for generating curve number and runoff maps. Environmental Modelling & Software, v. 19, p. 875–879, 2004.
CONTRIBUIÇÃO DE AUTORIA
1 – Jadson Freire-Silva
Doutor em Desenvolvimento e Meio Ambiente
https://orcid.org/0000-0002-1106-0688 • jadsonfreireufpe@hotmail.com
Contribuição: Conceituação, Curadoria de dados, Análise formal, Investigação, Visualização de dados, Escrita.
2 – Josimar Vieira dos Reis
Doutorando em Desenvolvimento e Meio Ambiente https://orcid.org/0000-0002-4466-1244 • prej86@gmail.com Contribuição: Análise formal, Conceituação, Investigação, Escrita.
3 – Tayran Oliveira dos Santos
Mestranda em Desenvolvimento e Meio Ambiente https://orcid.org/0000-0003-0330-8177 • tayran.santos311@gmail.com Contribuição: Investigação e revisão.
4 – Henrique dos Santos Ferreira
Doutor em Geografia
https://orcid.org/0000-0003-3134-4984 • henri.santus@gmail.com Contribuição: Conceituação, Investigação, Escrita.
5 – Mario de Miranda Vilas Boas Ramos Leitão
Doutor em Meteorologia
https://orcid.org/0000-0003-0179-0115 • mario.miranda@univasf.edu.br Contribuição: Metodologia e revisão.
6 – Josiclêda Domiciano Galvíncio
Doutora em Recursos Naturais
https://orcid.org/0000-0001-7367-6587 • josicleda.galvincio@ufpe.br Contribuição: Metodologia, edição e revisão.
7 – Ana Lúcia Bezerra Candeias
Doutora em Computação Aplicada
https://orcid.org/0000-0002-9021-7603 • analucia@ufpe.br Contribuição: Metodologia, edição e revisão final.
Como citar este artigo
SILVA, J. F.; REIS,J. V. DOS ; SANTOS, T. O. DOS; FERREIRA, H. DOS S.; LEITÃO, M. DE M. V. B. R.; GALVÍNCIO, J. D.; CANDEIAS, A. L. B. Análise dos produtos de evapotranspiração automáticos gee- sebal e do sistema de unidades de resposta hidrológica para Pernambuco – (super) para regiões hídricas de serra talhada no estado de Pernambuco. Geografia Ensino & Pesquisa, Santa Maria, v. 26, e33, 2022. DOI 10.5902/2236499468044. Disponível em: https://doi.org/10.5902/2236499468044. Acesso em: dia mês abreviado. ano.