Calibração automática do modelo de estimativa de evapotranspiração por sensoriamento remoto (SEBAL)

Abstract

A evapotranspiração (ET) desempenha um papel fundamental no no ciclo hidrológico, e no ciclo de carbono. A identificação da quantidade de água evapotranspirada é de fundamental importância em diversas áreas tais como gerenciamento dos recursos hídricos, agricultura e clima. Mesmo assim a ET superficial ainda é um dos processos menos compreendidos do ciclo hidrológico. Tradicionalmente pode ser obtida a partir de medições pontuais, mas em função da heterogeneidade da superfície e da não-linearidade do processo, essas medidas não podem ser extrapoladas diretamente para escalas regionais uma vez que não são representativas de áreas maiores. Métodos que utilizam de dados de sensoriamento remoto para estimativa de evapotranspiração, se apresentam como uma alternativa para superar essa limitação. O modelo SEBAL (Surface Energy Balance Algorithm for Land) foi desenvolvido para estimar o fluxo de calor latente (LE) e ET com base no resíduo do balanço de energia a partir da utilização de imagens termais, multiespectrais e dados meteorológicos auxiliares e utiliza um processo de calibração interna que requer a escolha de dois pontos da imagem (pixels âncoras) que representem condições extremas em termos de temperatura e umidade. Originalmente a seleção dos pixels extremos para a calibração interna do algoritmo SEBAL é realizada manualmente pelo operador. Entretanto, Allen et al. (2013) propôs que a escolha dos pixels âncora fosse realizada a partir de porcentagens de extremos das imagens de NDVI e Ts. Neste contexto, o objetivo do presente trabalho consistiu em (1) analisar critérios envolvidos no processo de escolha automática dos pixels âncora, (2) analisar a sensibilidade do algoritmo quanto a área de domínio e (3) quanto as variáveis de entrada e intermediárias do modelo. Para isso foram utilizadas 12 imagens multiespectrais dos satélites LANDSAT 5 e 8, abrangendo a localização de uma torre da Rede SULFLUX instalada em Cachoeira do Sul (RS), com medições micrometeorologicas e de vórtices turbulentos. Os resultados mostraram que o algoritmo é sensível principalmente à dT e Rn para LE instantâneo e à dT para ET diária, com maior acurácia à medida que se aumentou a área de domínio do modelo. O grupo de porcentagens para escolha automática dos pixels âncora que apresentou melhores resultados de LE instantâneo foi com NDVI frio=5%; Ts frio=0,01%; NDVI quente=10%; Ts quente=0,01%, enquanto que para ET-diária foi com NDVI frio=5%; Ts frio=0,1%; NDVI quente=10%; Ts quente=0,1%, com raiz do erro médio quadrático (RMEQ) de 52 e 15%, respectivamente.

Evapotranspiration (ET) plays a key role in the hydrological and carbon cycle. The identification of the amount of evapotranspirated water is of fundamental importance in several areas such as water resources management, agriculture and climate. Nevertheless, ET is still one of the least understood processes of the hydrological cycle. Traditionally it can be obtained from local measurements, however depending on surface heterogeneity and due to non-linear processes, these measurements can not be extrapolated directly to regional scales since they are not representative over larger areas. Methods using remote sensing data to estimate ET are presented as an alternative to overcome this limitation. SEBAL (Surface Energy Balance Algorithm for Land) algorithm was developed to estimate latent heat flux (LE) and daily ET based on energy balance relying on thermal and multispectral images and ancillary meteorological data. The algorithm uses an internal calibration that requires the choice of two pixels that represent extreme conditions in terms of temperature and humidity. Originally the selection of extreme pixels for the internal calibration of the SEBAL algorithm is performed manually. However, Allen et al. (2013) proposed an automated method to select these pixels based on percentiles of NDVI and surface temperature. In this context, the objective of the present work was to (1) analyze the criteria involved in the automatic selection process of the anchor pixels, (2) analyze the sensitivity of the algorithm in the domain area and (3) model variables. For this, 12 multispectral images of the LANDSAT 5 and 8 satellites were selected, covering the location of a SULFUX eddy covariance tower installed in Cachoeira do Sul (RS). The results showed that the algorithm is sensitive mainly to dT and Rn for instantaneous LE and to dT for daily ET, with greater accuracy as the domain area of the model was increased. The group of percentages for automatic selection of the anchor pixels that presented the best results of instantaneous LE was with cold NDVI = 5%; Cold Ts = 0.01%; NDVI hot = 10%; Hot ts = 0.01%, whereas for ET-daily it was cold NDVI = 5%; Cold Ts = 0.1%; NDVI hot = 10%; Hot Ts = 0.1%, root mean square error (RMEQ) of 52 and 15%, respectively.