O algoritmo SEBAL foi desenvolvido por Bastiaanssen (1995) e validado em campanhas experimentais em vários ecossistemas mundiais, como Egito, Espanha, Portugal, França, Itália, Argentina, China, Índia, Paquistão Nigéria, Zâmbia, Etiópia, Estados Unidos, Novo México, etc. (TASUMI, 2003). O SEBAL é um algoritmo semi- empírico que promove a parametrização do balanço de energia e fluxos de superfície com dependência mínima de dados de superfície e baseado em imagens multiespectrais de satélites que contenham os canais visível, infravermelho próximo e infravermelho termal (WELIGEPOLAGE, 2005). Os sensores que apresentam esses canais são o TM
25
do satélite Landsat 5, o Operational Land Imager (OLI) do satélite Landsat 8, o Enhanced Thematic Mapper Plus (ETM+) do satélite Landsat 7, o Advanced Very High Resolution Radiometer (AVHRR) do satélite National Oceanic Atmospheric Administration (NOAA), o MODIS e ASTER do satélite Terra. Como cada sensor apresenta diferentes características instrumentais particulares, isto é, diferentes resoluções espacial e temporal, o sensor deve ser escolhido em função do tipo de análise, a área e a escala almejada.
De acordo com Bastiaanssen (2000), apesar do algoritmo SEBAL ser baseado em formulações semi-empíricas, os resultados da validação do mesmo em experimentos de campo têm mostrado erros da fração evaporativa de 20%, 10% e 1% nas escalas de 1 km, 5 km, e 100 km, respectivamente. Vários outros autores têm procurado a validação do algoritmo em diferentes áreas, produzindo resultados com baixo erro (MORSE et al., 2000; SILVA; BEZERRA, 2006; MACHADO et al., 2010; MENEZES et al., 2011; OLIVEIRA, 2012a). Courault et al. (2005), em seu artigo de revisão sobre o trabalho realizado na comunidade internacional, entre 1980 e 2005, relacionado com o sensoriamento remoto termal, afirmaram que o SEBAL é uma das metodologias mais atraentes para aplicações operacionais, pois a sua calibração interna de correções atmosféricas e da emissividade da superfície lhe permite calcular com boa acurácia a temperatura da superfície (Ts).
Os produtos principais do SEBAL utilizado para estudos ambientais são o albedo da superfície, emissividades, índices de vegetação, temperatura da superfície, saldo de radiação, fluxo de calor no solo, de calor sensível e latente e o consumo de água, isto é, a ETr, pixel a pixel para áreas em escala regional e heterogêneas. Em adição, estudos desenvolvidos por Ahmad e Bastiaanssen (2003) e Mohamed et al. (2004) observaram que a umidade do solo pode ser derivada da fração evaporativa.
O SEBAL é amplamente utilizado na agricultura irrigada para manejo da irrigação e gerenciamento de recursos hídricos e com vista à racionalização do uso dos recursos naturais. Com esses objetivos, o SEBAL tem sido aplicado em diversas partes do mundo, como em Botsuana (TIMMERMANS; MEIJERINK, 1999), nas Filipinas (HAFEEZ et al., 2002), no Sri Lanka (BASTIAANSSEN; CHANDRAPALA, 2003; SAMARASINGHE, 2003), no Brasil (GOMES et al., 2009; MACHADO et al., 2009; OLIVEIRA, 2012a,b), nos Estados Unidos (ALLEN et al., 2005; TASUMI et al., 2005; TASUMI; ALLEN, 2007), na Espanha (RAMOS et al., 2009), no Uzbequistão (CHEMIN et al., 2004).
26
O algoritmo SEBAL foi criado com o intuito principal de suprir a carência de algoritmos para estas aplicações em escala regional, pois, de acordo com Bastiaanssen et al. (1998a), os algoritmos baseados em sensoriamento remoto até então existentes, que utilizavam medidas de temperatura de superfície em combinação com outros parâmetros hidrometeorológicos espacialmente constantes, eram ineficientes em macroescala. Esse foi o motivo da necessidade de criação de um algoritmo para aplicação em terrenos com diferentes tipos de ocupações (solo exposto, vegetação nativa, cultura irrigada, mangue) a uma escala maior com paisagens fisiograficamente diferentes.
Bastiaanssen e Ali (2003) utilizaram 20 imagens do sensor AVHRR cobrindo um ciclo anual de cultura e observaram que o SEBAL teve um bom desempenho para as culturas de trigo, arroz e cana-de-açúcar, mas, baixo desempenho para o algodão. Os autores justificam que o baixo desempenho em cultura de algodão pode ter sido devido às incertezas dos dados de produção elaborados pelos próprios produtores e não medidos em campo. Além disso, os autores ainda alertam que o grande tamanho do pixel do sensor AVHRR (1,1 km) pode ter contribuído para o erro.
Tasumi et al. (2003) estimaram a ET pelo modelo SEBAL nos Estados Unidos e compararam com outras metodologias consagradas na literatura, uma das quais foi por medida direta por lisímetro e observaram que o algoritmo apresentou boa concordância.
Trezza (2006) calculou a ET em áreas agrícolas na Venezuela utilizando o SEBAL e observou que os valores variavam entre 0,1 e 8,2 mm dia-1 e em áreas irrigadas de cultivo de arroz a ET média foi de 4,4 mm dia-1.
Bezerra et al. (2008) estimaram a evapotranspiração real diária utilizando imagens do satélite TM Landsat 5 e compararam com a ET determinada pelo balanço de radiação pela razão de Bowen (BERB) em dois campos irrigados com mamona e algodão no Cariri cearense. Os erros absoluto e relativo foram baixos evidenciando a potencialidade da técnica. Além disso, obtiveram uma grande variabilidade espacial evidenciando a sua sensibilidade a diferentes ocupações de solo. Assim, se aplicado a dados de alta resolução temporal e espacial, a metodologia pode ser utilizada em escalas operacional e de rotina para monitoramento das necessidades hídricas das culturas.
Lima (2010) utilizou o SEBAL e produtos MODIS - Terra para estimar componentes do balanço de energia, a evapotranspiração e componentes do balanço hídrico nas condições climáticas das sub-bacias do ribeirão entre Ribeiros e rio Preto. O autor encontrou resultados semelhantes com os obtidos na literatura para a cultura de
27
feijão mencionando que, em virtude dos poucos dados meteorológicos presentes na área, a metodologia apresentou-se como uma alternativa aliciante e com boa acurácia.
Bezerra et al. (2012) realizaram um estudo que compreendeu todo o ciclo fenológico da cultura do algodoeiro irrigado em oito pivôs e imagens correspondentes a cada ciclo de semeadura para determinar o Kc através do SEBAL e da equação de Penman-Monteith. Os autores verificaram que o índice de vegetação da diferença normalizada (IVDN) é um bom indicador do desenvolvimento da cultura, a ET diária estimada para todo o ciclo da cultura atingiu um máximo de 6 mm dia-1, demonstrando coerência com a literatura e o Kc estimado foi próximo aos valores relatados pela literatura para o algodoeiro nas várias fases fenológicas consideradas.
Allen et al. (2007a, b) desenvolveram o METRIC que é um algoritmo destinado à estimativa do balanço de energia muito similar ao SEBAL, com algumas particularidades relacionadas à escolha do pixel úmido e ao cálculo da diferença de temperatura nesse pixel. O METRIC representa um aprimoramento do SEBAL e vem sendo aplicado com sucesso para superfícies heterogêneas e áreas montanhosas adotando procedimentos que envolvem a inclusão de Modelo Digital de Elevação (MDE) e dados da evapotranspiração de referência horária e diária.
No METRIC o balanço de energia é internamente calibrado para as duas condições extremas (seco e úmido) usando dados disponíveis localmente. Essa calibração é feita para cada imagem usando a ETo da alfafa computada para dados horários (ALLEN et al., 2007b). A precisão da estimativa da ETo da alfafa tem sido estabelecida por lisímetros e outros estudos que apresentam alta confiabilidade (ASCE- EWRI, 2005).
O METRIC tem por base os mesmos princípios e técnicas utilizados pelo SEBAL, mas com a particularidade de apresentar uma correção atmosférica em cada uma das bandas espectrais do TM Landsat 5 combinadas para obter o albedo da superfície. Portanto, não se trata de uma calibração regional, mas de uma forma mais precisa e complexa de correção atmosférica, resultando em estimativas mais acuradas (ALLEN et al., 2007b, SILVA et al., 2008). A transmissividade é obtida como uma função da pressão atmosférica e do conteúdo de vapor d‟água presente na atmosfera. Portanto, é diferente do modo encontrado pelo SEBAL, que é obtido através de simples correção atmosférica do albedo do topo da atmosfera e a transmissidade atmosférica é computada simplesmente em relação à altitude de cada pixel. No METRIC, portanto, o albedo superficial é obtido a partir da correção dos efeitos atmosféricos na refletância de cada
28
uma das bandas espectrais, ao passo em que no SEBAL, a correção atmosférica é aplicada a toda a faixa compreendida pela radiação de onda curta, qual seja, de 0,3 a 3,0 μm. Assim, a transmissividade dos fluxos radiativos que ingressam na atmosfera e atingem a superfície, bem como os fluxos refletidos pela superfície e que atravessam a atmosfera em direção do sensor a bordo do satélite, são corrigidos através da transmissividade obtida em função da pressão atmosférica e do conteúdo de vapor d‟água presente na atmosfera.
Mokhtari et al. (2013) avaliaram a sensibilidade do METRIC aos parâmetros de entrada de modo a verificar qual o mais influente no algoritmo e melhorar o modelo. Os autores verificaram que o METRIC é altamente sensível à temperatura da superfície e, por isso, uma boa estimativa da Ts usando dados de infravermelho termal de satélites e a emissividade da superfície é essencial para estimativas da ET mais acuradas. Outro parâmetro de grande influência é o albedo da superfície. A diferença de temperatura (dT) também influência o algoritmo e, por isso, uma seleção inapropriada dos pixels quente e frio pode resultar em erros significativos. O algoritmo é altamente sensível ao H, pois uma alteração de apenas 1% no H pode levar a uma alteração de 0,23 mm dia-1 da ET. O saldo de radiação, o fluxo de calor no solo e a temperatura do ar são outros parâmetros pelos quais o METRIC é altamente sensível. O algoritmo é menos sensível ao IVDN, ao índice de vegetação ajustado aos efeitos do solo (IVAS) e ao IAF. Para melhorar a acurácia do METRIC, os autores sugerem um upgrade das equações dos parâmetros recém citados.
Ressalta-se ainda que outros algoritmos têm sido estudados e implantados para pesquisas em balanço de radiação e energia, tais como: Two-Source Energy Balance (TSEB) aplicado por Norman et al. (1995); Surface Energy Balance System (SEBS) utilizado por Su (2002) e Simplified Surface Energy Balance Index (S-SEBI) utilizado por Roerink et al. (2000) e Santos e Silva (2008).
Teixeira et al. (2009a, b) revisaram as várias etapas do SEBAL através da combinação de dados de satélite, medidas de campo dos fluxos de superfície e estações agrometeorológicas. As calibrações foram realizadas através de uma série de regressões usando dados de superfície e dados de satélite em culturas irrigadas de manga e vinha e em vegetação natural – Caatinga. Os parâmetros revisados foram: albedo da superfície, temperatura da superfície, emissividades da superfície e atmosféricas, coeficiente de rugosidade, saldo de radiação, fluxo de calor no solo, gradiente de temperatura do ar, fluxo de calor sensível, fluxo de calor latente e a radiação fotossinteticamente ativa. As
29
equações foram adaptadas para as condições do semiárido na bacia do rio São Francisco. Os resultados obtidos foram muito satisfatórios, tendo as fórmulas modificadas apresentado resultados mais aproximados das medições de campo do que as fórmulas originais do SEBAL.