Produtividade e demanda hídrica do milho estimado pelo algoritmo de Priestley-Taylor modificado para satélite
DOI:
https://doi.org/10.5433/1679-0359.2019v40n6Supl2p2991Palavras-chave:
Landsat-8, Evapotranspiração, Biomassa, Agricultura sustentável, Manejo das culturas.Resumo
A demanda hídrica das culturas, assim como a relação dessa com variáveis de produtividade e outros importantes fatores relacionados ao manejo da agricultura sustentável, faz com seja relevante a estimação de parâmetros que auxiliam de modo assertivo e eficiente a tomada de decisão no ambiente agrícola. Nesse contexto, o objetivo desse trabalho foi estimar a evapotranspiração real (ETa), biomassa (Bio), produtividade da água (WP) e a produtividade da cultura (P), utilizando imagens do satélite Landsat-8, por meio do algoritmo Priestley-Taylor modificado para satélite (MS-PT). Para isso, estimou-se a ETa para a cultura do milho irrigado por pivôs central, utilizando o MS-PT com seis imagens do Landsat-8, as quais encontravam-se livre de nuvens. A estimativa da ETa foi acurada nos primeiros 60 dias após a emergência (DAE) da cultura. Posteriormente, as variáveis Bio, P, e WP foram estimadas utilizando a ETa e os pressupostos do modelo de Monteith (1972). A ETa apresentou alta correlação com a Bio a partir da segunda imagem (10/06/2015), em função do fechamento dossel da cultura e consequentemente a predominância da transpiração no fenômeno de evapotranspiração. A WP foi constante durante o máximo crescimento vegetativo até a fase reprodutiva da cultura denominada R4, sendo verificado nessa amplitude de tempo a melhor eficiência da conversão de água em biomassa. A partir dos resultados obtidos, verifica-se que esse conjunto de algoritmos utilizados para estimativa dos parâmetros relacionados a produtividade do milho mostraram o potencial de crescimento que se tem para melhorar a capacidade de como lidar com uma agricultura mais eficiente, assertiva e sustentável.Métricas
Carregando Métricas ...
Referências
ADNAN, M.; AHSAN, M.; REHMAN, A.; NAZIR, M. Estimating evapotranspiration using machine learning techniques. International Journal of Advanced Computer Science and Applications, Bradford, v. 8, n. 9, p. 108-113, 2017. DOI: 10.14569/IJACSA.2017.080915
AHRENS, D. C.; BARROS, A. S. R.; VILLELA, F. A.; LIMA, D. Qualidade de sementes de milho (Zea mays L.) sob condições de secagem intermitente. Scientia Agricola, Curitiba, v. 55, n. 2, p. 320-341, 1998. DOI: 10.1590/S0103-90161998000200023
ALLEN, R. G.; PEREIRA, L. S.; RAES, D.; SMITH, M. Crop evapotranspiration: guidelines for computing crop water requirements. Rome: Food and Agriculture Organization of the United Nations, 1998. 300 p.
ALLEN, R. G.; TASUMI, M.; TREZZA, R. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC) Model. Journal of Irrigation and Drainage Engineering, Washington, v. 133, n. 4, p. 380-394, 2007. DOI: 10.1061/(ASCE)0733-9437(2007)133:4(380)
ARAÚJO, A. L.; SILVA, M. T.; SILVA, B. B.; SANTOS, C. A. C.; AMORIM, M. R. B. Modelagem simplificada para estimativa do balanço de energia à superfície em escala regional (R-SSEB). Revista Brasileira de Meteorologia, São José dos Campos, v. 32, n. 3, p. 433-446, 2017. DOI: 10.1590/0102-77863230010
BASTIAANSSEN, W. G. M.; ALI, S. A new crop yield forecasting model based on satellite measurements applied across the Indus Basin, Pakistan. Agriculture, Ecosystems & Environment, Amsterdam, v. 94, n. 3, p. 321-340, 2003. DOI: 10.1016/S0167-8809(02)00034-8
BASTIAANSSEN, W. G. M.; MENENTI, M.; FEDDES, R. A.; HOLTSLAG, A. A. M. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. Journal of Hydrology, Amsterdam, v. 212-213, p. 198-212, 1998. DOI: 10.1016/S0022-1694(98)00253-4
BERTOLIN, N. de O.; FILGUEIRAS, R.; VENANCIO, L. P.; MANTOVANI, E. C. Predição da produtividade de milho irrigado com auxílio de imagens de satélite. Revista Brasileira de Agricultura Irrigada, Fortaleza, v. 11, n. 4, p. 1627-1638, 2017. DOI: 10.7127/RBAI.V11N400567
CAMPOS, I.; NEALE, C. M. U.; ARKEBAUER, T. J.; SUYKER, A. E.; GONÇALVES, I. Z. Water productivity and crop yield: a simplified remote sensing driven operational approach. Agricultural and Forest Meteorology, Amsterdam, v. 249, p. 501-511, 2018. DOI: 10.1016/j.agrformet.2017.07.018
CARRILLO-ROJAS, G.; SILVA, B.; CÓRDOVA, M.; CÉLLERI, R.; BENDIX, J. Dynamic mapping of evapotranspiration using an energy balance-based model over an Andean páramo catchment of southern Ecuador. Remote Sensing, Basel, v. 8, n. 2, p. 160-184, 2016. DOI: 10.3390/rs8020160
CHAVEZ, P. S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, Amsterdam, v. 24, n. 3, p. 459-479, 1988. DOI: 10.1016/0034-4257(88)90019-3
COAGUILA, D. N.; HERNANDEZ, F. B. T.; TEIXEIRA, A. H. C.; FRANCO, R. A. M.; LEIVAS, J. F. Water productivity using SAFER Simple Algorithm for Evapotranspiration Retrieving in watershed. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 21, n. 8, p. 524-529, 2017. DOI: 10.1590/1807-1929/agriambi.v21n8p524-529
FENG, Y.; CUI, N.; GONG, D.; ZHANG, Q.; ZHAO, L. Modeling reference evapotranspiration using extreme learning machine and generalized regression neural network only with temperature data. Computers and Electronics in Agriculture, Amsterdam, v. 136, p. 71-78, 2017a. DOI: 10.1016/j.compag.2017.01.027
FENG, Y.; PENG, Y.; CUI, N.; GONG, D.; ZHANG, K. Evaluation of random forests and generalized regression neural networks for daily reference evapotranspiration modelling. Agricultural Water Management, Amsterdam, v. 193, p. 163-173, 2017b. DOI: 10.1016/j.agwat.2017.08.003
KUSTAS, W. P.; HUMES, K. S.; NORMAN, J. M.; MORAN, M. S. Single and dual source modeling of surface energy fluxes with radiometric surface temperature. Journal of Applied Meteorology, Washington, v. 35, n. 1, p. 110-121, 1996. DOI: 10.1175/1520-0450(1996)035<0110:SADSMO>2.0.CO;2
LOBELL, D. B.; THAU, D.; SEIFERT, C.; ENGLE, E.; LITTLE, B. A scalable satellite-based crop yield mapper. Remote Sensing of Environment, Amsterdam, v. 164, p. 324-333, 2015. DOI: 10.1016/j.rse.2015.04.021
MELO, R. W.; FONTANA, D. C.; BERLATO, M. A.; DUCATI, J. R. An agrometeorological-spectral model to estimate soybean yield, applied to southern Brazil. International Journal of Remote Sensing, Oxfordshire, v. 29, n. 14, p. 4013-4028, 2008. DOI: 10.1080/01431160701881905
MINACAPILLI, M.; CONSOLI, S.; VANELLA, D.; CIRAOLO, G.; MOTISI, A. A time domain triangle method approach to estimate actual evapotranspiration: application in a Mediterranean region using MODIS and MSG-SEVIRI products. Remote Sensing of Environment, Amsterdam, v. 174, p. 10-23, 2016. DOI: 10.1016/j.rse.2015.12.018
MONTEITH, J. L. Solar radiation and productivity in tropical ecosystems. The Journal of Applied Ecology, Ann Arbor, v. 9, n. 3, p. 747-767, 1972. DOI: 10.2307/2401901
MORILLO, J. G.; RODRÍGUEZ, D. J. A.; CAMACHO, E.; MONTESINOS, P. Linking water footprint accounting with irrigation management in high value crops. Journal of Cleaner Production, Amsterdam, v. 87, p. 594-602, 2015. DOI: 10.1016/j.jclepro.2014.09.043
PONZONI, F.; SHIMABUKURO, Y.; KUPLICH, T. Sensoriamento remoto da vegetação. 2. ed. atualizada e ampliada. São Paulo: Oficina de Textos, 2012. 160 p.
PRIESTLEY, C. H. B.; TAYLOR, R. J. On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, Washington, v. 100, n. 2, p. 81-92, 1972. DOI: 10.1175/1520-0493(1972)100<0081:OTAOSH>2.3.CO;2
RIZZI, R.; RUDORF, B. F. T. Imagens do sensor MODIS associadas a um modelo agronômico para estimar a produtividade de soja. Pesquisa Agropecuária Brasileira, Brasília, v. 42, n. 1, p. 73-80, 2007. DOI: 10.1590/S0100-204X2007000100010
ROUSE JUNIOR, J.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the Great Plains with ERTS. Washington: NASA, 1974. 309 p.
ROY, D. P.; WULDER, M. A.; LOVELAND, T. R. C. E. W.; ALLEN, R. G.; ANDERSON, M. C.; HELDER, D.; IRONS, J. R.; JOHNSON, D. M.; KENNEDY, R.; SCAMBOS, T. A.; SCHAAF, C. B.; SCHOTT, J. R.; SHENG, Y.; VERMOTE, E. F.; BELWARD, A. S.; BINDSCHADLER, R.; COHEN, W. B.; GAO, F.; HIPPLE, J. D.; HOSTERT, P.; HUNTINGTON, J.; JUSTICE, C. O.; KILIC, A.; KOVALSKYY, V.; LEE, Z. P.; LYMBURNER, L.; MASEK, J. G.; MCCORKEL, J.; SHUAI, Y.; TREZZA, R.; VOGELMANN, J.; WYNNE, R. H.; ZHU, Z. Landsat-8: science and product vision for terrestrial global change research. Remote Sensing of Environment, Amsterdam, v. 145, p. 154-172, 2014. DOI: 10.1016/j.rse.2014.02.001
SENAY, G. B.; FRIEDRICHS, M.; SINGH, R. K.; VELPURI, N. M. Evaluating Landsat 8 evapotranspiration for water use mapping in the Colorado River Basin. Remote Sensing of Environment, Amsterdam, v. 185, p. 171-185, 2016. DOI: 10.1016/j.rse.2015.12.043
SILVA, B. B.; MERCANTE, E.; BOAS, M. A. V.; WRUBLACK, S. C.; OLDONI, L. V. Satellite-based ET estimation using Landsat 8 images and SEBAL model. Revista Ciência Agronômica, Fortaleza, v. 49, n. 2, p. 221-227, 2018. DOI: 10.5935/1806-6690.20180025
SILVA, R. D.; SILVA, M. A. A.; CANTERI, M. G.; ROSISCA, J. R.; VIEIRA-JÚNIOR, N. A. Reference evapotranspiration for Londrina, Paraná, Brazil: performance of different estimation methods. Semina: Ciências Agrárias, Londrina, v. 38, n. 4, p. 2363-2374, 2017. DOI: 10.5433/1679-0359.2017v38n4Supl1p2363
TEIXEIRA, A. H. C. Determining regional actual evapotranspiration of irrigated crops and natural vegetation in the São Francisco River Basin (Brazil) using remote sensing and Penman-Monteith Equation. Remote Sensing, Basel, v. 2, n. 5, p. 1287-1319, 2010. DOI: 10.3390/rs0251287
TEIXEIRA, A. H. C.; LEIVAS, J. F.; ANDRADE, R. G.; HERNANDEZ, F. B. T. Water productivity assessments with Landsat 8 images in the Nilo Coelho irrigation scheme. Irriga, Botucatu, v. 1, n. 2, p. 1-10, 2015. DOI:10.15809/irriga.2015v1n2p01
TOUREIRO, C.; SERRALHEIRO, R.; SHAHIDIAN, S.; SOUSA, A. Irrigation management with remote sensing: evaluating irrigation requirement for maize under Mediterranean climate condition. Agricultural Water Management, Amsterdam, v. 184, p. 211-220, 2017. DOI: 10.1016/j.agwat.2016.02.010
WESTERHOFF, R. S. Using uncertainty of Penman and Penman-Monteith methods in combined satellite and ground-based evapotranspiration estimates. Remote Sensing of Environment, Amsterdam, v. 169, p. 102-112, 2015. DOI: 10.1016/j.rse.2015.07.021
YAO, Y.; LIANG, S.; CHENG, J.; LIU, S.; FISHER, J. B.; ZHANG, X.; JIA, K.; ZHAO, X.; QIN, Q.; ZHAO, B.; HAN, S.; ZHOU, G.; ZHOU, G.; LI, Y.; ZHAO, S. MODIS-driven estimation of terrestrial latent heat flux in China based on a modified Priestley-Taylor algorithm. Agricultural and Forest Meteorology, Amsterdam, v. 171-172, p. 187-202, 2013. DOI: 10.1016/j.agrformet.2012.11.016
ZHANG, K.; KIMBALL, J. S.; RUNNING, S. W. A review of remote sensing based actual evapotranspiration estimation: A review of remote sensing evapotranspiration. Wiley Interdisciplinary Reviews: Water, New York, v. 3, n. 6, p. 834-853, 2016. DOI: 10.1002/wat2.1168
ZHANG, L.; YAO, Y.; WANG, Z.; JIA, K.; ZHANG, X.; ZHANG, Y.; WANG, X.; XU, J.; CHEN, X. Satellite-derived spatiotemporal variations in evapotranspiration over Northeast China during 1982-2010. Remote Sensing, Basel, v. 9, n. 11, p. 1140, 7 2017a. DOI: 10.3390/rs9111140
ZHANG, Y.; CHIEW, F. H. S.; PEÑA-ARANCIBIA, J.; SUN, F.; LI, H.; LEUNING, R. Global variation of transpiration and soil evaporation and the role of their major climate drivers: global variation in evapotranspiration components. Journal of Geophysical Research: Atmospheres, New York, v. 122, n. 13, p. 6868-6881, 2017b. DOI: 10.1002/2017JD027025
AHRENS, D. C.; BARROS, A. S. R.; VILLELA, F. A.; LIMA, D. Qualidade de sementes de milho (Zea mays L.) sob condições de secagem intermitente. Scientia Agricola, Curitiba, v. 55, n. 2, p. 320-341, 1998. DOI: 10.1590/S0103-90161998000200023
ALLEN, R. G.; PEREIRA, L. S.; RAES, D.; SMITH, M. Crop evapotranspiration: guidelines for computing crop water requirements. Rome: Food and Agriculture Organization of the United Nations, 1998. 300 p.
ALLEN, R. G.; TASUMI, M.; TREZZA, R. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC) Model. Journal of Irrigation and Drainage Engineering, Washington, v. 133, n. 4, p. 380-394, 2007. DOI: 10.1061/(ASCE)0733-9437(2007)133:4(380)
ARAÚJO, A. L.; SILVA, M. T.; SILVA, B. B.; SANTOS, C. A. C.; AMORIM, M. R. B. Modelagem simplificada para estimativa do balanço de energia à superfície em escala regional (R-SSEB). Revista Brasileira de Meteorologia, São José dos Campos, v. 32, n. 3, p. 433-446, 2017. DOI: 10.1590/0102-77863230010
BASTIAANSSEN, W. G. M.; ALI, S. A new crop yield forecasting model based on satellite measurements applied across the Indus Basin, Pakistan. Agriculture, Ecosystems & Environment, Amsterdam, v. 94, n. 3, p. 321-340, 2003. DOI: 10.1016/S0167-8809(02)00034-8
BASTIAANSSEN, W. G. M.; MENENTI, M.; FEDDES, R. A.; HOLTSLAG, A. A. M. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. Journal of Hydrology, Amsterdam, v. 212-213, p. 198-212, 1998. DOI: 10.1016/S0022-1694(98)00253-4
BERTOLIN, N. de O.; FILGUEIRAS, R.; VENANCIO, L. P.; MANTOVANI, E. C. Predição da produtividade de milho irrigado com auxílio de imagens de satélite. Revista Brasileira de Agricultura Irrigada, Fortaleza, v. 11, n. 4, p. 1627-1638, 2017. DOI: 10.7127/RBAI.V11N400567
CAMPOS, I.; NEALE, C. M. U.; ARKEBAUER, T. J.; SUYKER, A. E.; GONÇALVES, I. Z. Water productivity and crop yield: a simplified remote sensing driven operational approach. Agricultural and Forest Meteorology, Amsterdam, v. 249, p. 501-511, 2018. DOI: 10.1016/j.agrformet.2017.07.018
CARRILLO-ROJAS, G.; SILVA, B.; CÓRDOVA, M.; CÉLLERI, R.; BENDIX, J. Dynamic mapping of evapotranspiration using an energy balance-based model over an Andean páramo catchment of southern Ecuador. Remote Sensing, Basel, v. 8, n. 2, p. 160-184, 2016. DOI: 10.3390/rs8020160
CHAVEZ, P. S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, Amsterdam, v. 24, n. 3, p. 459-479, 1988. DOI: 10.1016/0034-4257(88)90019-3
COAGUILA, D. N.; HERNANDEZ, F. B. T.; TEIXEIRA, A. H. C.; FRANCO, R. A. M.; LEIVAS, J. F. Water productivity using SAFER Simple Algorithm for Evapotranspiration Retrieving in watershed. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 21, n. 8, p. 524-529, 2017. DOI: 10.1590/1807-1929/agriambi.v21n8p524-529
FENG, Y.; CUI, N.; GONG, D.; ZHANG, Q.; ZHAO, L. Modeling reference evapotranspiration using extreme learning machine and generalized regression neural network only with temperature data. Computers and Electronics in Agriculture, Amsterdam, v. 136, p. 71-78, 2017a. DOI: 10.1016/j.compag.2017.01.027
FENG, Y.; PENG, Y.; CUI, N.; GONG, D.; ZHANG, K. Evaluation of random forests and generalized regression neural networks for daily reference evapotranspiration modelling. Agricultural Water Management, Amsterdam, v. 193, p. 163-173, 2017b. DOI: 10.1016/j.agwat.2017.08.003
KUSTAS, W. P.; HUMES, K. S.; NORMAN, J. M.; MORAN, M. S. Single and dual source modeling of surface energy fluxes with radiometric surface temperature. Journal of Applied Meteorology, Washington, v. 35, n. 1, p. 110-121, 1996. DOI: 10.1175/1520-0450(1996)035<0110:SADSMO>2.0.CO;2
LOBELL, D. B.; THAU, D.; SEIFERT, C.; ENGLE, E.; LITTLE, B. A scalable satellite-based crop yield mapper. Remote Sensing of Environment, Amsterdam, v. 164, p. 324-333, 2015. DOI: 10.1016/j.rse.2015.04.021
MELO, R. W.; FONTANA, D. C.; BERLATO, M. A.; DUCATI, J. R. An agrometeorological-spectral model to estimate soybean yield, applied to southern Brazil. International Journal of Remote Sensing, Oxfordshire, v. 29, n. 14, p. 4013-4028, 2008. DOI: 10.1080/01431160701881905
MINACAPILLI, M.; CONSOLI, S.; VANELLA, D.; CIRAOLO, G.; MOTISI, A. A time domain triangle method approach to estimate actual evapotranspiration: application in a Mediterranean region using MODIS and MSG-SEVIRI products. Remote Sensing of Environment, Amsterdam, v. 174, p. 10-23, 2016. DOI: 10.1016/j.rse.2015.12.018
MONTEITH, J. L. Solar radiation and productivity in tropical ecosystems. The Journal of Applied Ecology, Ann Arbor, v. 9, n. 3, p. 747-767, 1972. DOI: 10.2307/2401901
MORILLO, J. G.; RODRÍGUEZ, D. J. A.; CAMACHO, E.; MONTESINOS, P. Linking water footprint accounting with irrigation management in high value crops. Journal of Cleaner Production, Amsterdam, v. 87, p. 594-602, 2015. DOI: 10.1016/j.jclepro.2014.09.043
PONZONI, F.; SHIMABUKURO, Y.; KUPLICH, T. Sensoriamento remoto da vegetação. 2. ed. atualizada e ampliada. São Paulo: Oficina de Textos, 2012. 160 p.
PRIESTLEY, C. H. B.; TAYLOR, R. J. On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, Washington, v. 100, n. 2, p. 81-92, 1972. DOI: 10.1175/1520-0493(1972)100<0081:OTAOSH>2.3.CO;2
RIZZI, R.; RUDORF, B. F. T. Imagens do sensor MODIS associadas a um modelo agronômico para estimar a produtividade de soja. Pesquisa Agropecuária Brasileira, Brasília, v. 42, n. 1, p. 73-80, 2007. DOI: 10.1590/S0100-204X2007000100010
ROUSE JUNIOR, J.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the Great Plains with ERTS. Washington: NASA, 1974. 309 p.
ROY, D. P.; WULDER, M. A.; LOVELAND, T. R. C. E. W.; ALLEN, R. G.; ANDERSON, M. C.; HELDER, D.; IRONS, J. R.; JOHNSON, D. M.; KENNEDY, R.; SCAMBOS, T. A.; SCHAAF, C. B.; SCHOTT, J. R.; SHENG, Y.; VERMOTE, E. F.; BELWARD, A. S.; BINDSCHADLER, R.; COHEN, W. B.; GAO, F.; HIPPLE, J. D.; HOSTERT, P.; HUNTINGTON, J.; JUSTICE, C. O.; KILIC, A.; KOVALSKYY, V.; LEE, Z. P.; LYMBURNER, L.; MASEK, J. G.; MCCORKEL, J.; SHUAI, Y.; TREZZA, R.; VOGELMANN, J.; WYNNE, R. H.; ZHU, Z. Landsat-8: science and product vision for terrestrial global change research. Remote Sensing of Environment, Amsterdam, v. 145, p. 154-172, 2014. DOI: 10.1016/j.rse.2014.02.001
SENAY, G. B.; FRIEDRICHS, M.; SINGH, R. K.; VELPURI, N. M. Evaluating Landsat 8 evapotranspiration for water use mapping in the Colorado River Basin. Remote Sensing of Environment, Amsterdam, v. 185, p. 171-185, 2016. DOI: 10.1016/j.rse.2015.12.043
SILVA, B. B.; MERCANTE, E.; BOAS, M. A. V.; WRUBLACK, S. C.; OLDONI, L. V. Satellite-based ET estimation using Landsat 8 images and SEBAL model. Revista Ciência Agronômica, Fortaleza, v. 49, n. 2, p. 221-227, 2018. DOI: 10.5935/1806-6690.20180025
SILVA, R. D.; SILVA, M. A. A.; CANTERI, M. G.; ROSISCA, J. R.; VIEIRA-JÚNIOR, N. A. Reference evapotranspiration for Londrina, Paraná, Brazil: performance of different estimation methods. Semina: Ciências Agrárias, Londrina, v. 38, n. 4, p. 2363-2374, 2017. DOI: 10.5433/1679-0359.2017v38n4Supl1p2363
TEIXEIRA, A. H. C. Determining regional actual evapotranspiration of irrigated crops and natural vegetation in the São Francisco River Basin (Brazil) using remote sensing and Penman-Monteith Equation. Remote Sensing, Basel, v. 2, n. 5, p. 1287-1319, 2010. DOI: 10.3390/rs0251287
TEIXEIRA, A. H. C.; LEIVAS, J. F.; ANDRADE, R. G.; HERNANDEZ, F. B. T. Water productivity assessments with Landsat 8 images in the Nilo Coelho irrigation scheme. Irriga, Botucatu, v. 1, n. 2, p. 1-10, 2015. DOI:10.15809/irriga.2015v1n2p01
TOUREIRO, C.; SERRALHEIRO, R.; SHAHIDIAN, S.; SOUSA, A. Irrigation management with remote sensing: evaluating irrigation requirement for maize under Mediterranean climate condition. Agricultural Water Management, Amsterdam, v. 184, p. 211-220, 2017. DOI: 10.1016/j.agwat.2016.02.010
WESTERHOFF, R. S. Using uncertainty of Penman and Penman-Monteith methods in combined satellite and ground-based evapotranspiration estimates. Remote Sensing of Environment, Amsterdam, v. 169, p. 102-112, 2015. DOI: 10.1016/j.rse.2015.07.021
YAO, Y.; LIANG, S.; CHENG, J.; LIU, S.; FISHER, J. B.; ZHANG, X.; JIA, K.; ZHAO, X.; QIN, Q.; ZHAO, B.; HAN, S.; ZHOU, G.; ZHOU, G.; LI, Y.; ZHAO, S. MODIS-driven estimation of terrestrial latent heat flux in China based on a modified Priestley-Taylor algorithm. Agricultural and Forest Meteorology, Amsterdam, v. 171-172, p. 187-202, 2013. DOI: 10.1016/j.agrformet.2012.11.016
ZHANG, K.; KIMBALL, J. S.; RUNNING, S. W. A review of remote sensing based actual evapotranspiration estimation: A review of remote sensing evapotranspiration. Wiley Interdisciplinary Reviews: Water, New York, v. 3, n. 6, p. 834-853, 2016. DOI: 10.1002/wat2.1168
ZHANG, L.; YAO, Y.; WANG, Z.; JIA, K.; ZHANG, X.; ZHANG, Y.; WANG, X.; XU, J.; CHEN, X. Satellite-derived spatiotemporal variations in evapotranspiration over Northeast China during 1982-2010. Remote Sensing, Basel, v. 9, n. 11, p. 1140, 7 2017a. DOI: 10.3390/rs9111140
ZHANG, Y.; CHIEW, F. H. S.; PEÑA-ARANCIBIA, J.; SUN, F.; LI, H.; LEUNING, R. Global variation of transpiration and soil evaporation and the role of their major climate drivers: global variation in evapotranspiration components. Journal of Geophysical Research: Atmospheres, New York, v. 122, n. 13, p. 6868-6881, 2017b. DOI: 10.1002/2017JD027025
Downloads
Publicado
2019-09-30
Como Citar
Filgueiras, R., Mantovani, E. C., Althoff, D., Dias, S. H. B., Cunha, F. F. da, & Venancio, L. P. (2019). Produtividade e demanda hídrica do milho estimado pelo algoritmo de Priestley-Taylor modificado para satélite. Semina: Ciências Agrárias, 40(6Supl2), 2991–3006. https://doi.org/10.5433/1679-0359.2019v40n6Supl2p2991
Edição
Seção
Artigos
Licença
Copyright (c) 2019 Semina: Ciências Agrárias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Os Direitos Autorais para artigos publicados são de direito da revista. Em virtude da aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores.
Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário. Nesses casos, os artigos, depois de adequados, deverão ser submetidos a nova apreciação.
As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.
