Author:
Curado Leone Francisco Amorim,Marques João Basso,Barbosa Thamiris Amorim dos Santos,Lima André Matheus de Souza,Silva Haline Josefa Araujo da,Oliveira Nicolas Neves de,Santana Valdicléia Gonçalves,Silva Mikaelle Jessica da
Abstract
A temperatura e a umidade relativa do ar são de grande importância para o entendimento da dinâmica dos fluxos de CO2, taxas de evapotranspiração e estudos de microclima. Nesse sentido, o presente trabalho analisou a variação mensal da evapotranspiração de referência (ET0), temperatura e umidade relativa do ar na região do Pantanal Mato-grossense. Os dados foram obtidos de uma torre micrometeorológica instalada na Base Avançada de Pesquisas do Pantanal (BAPP) da Universidade Federal de Mato Grosso (UFMT), localizada no Parque SESC Baía das Pedras em Porto Cercado, Poconé – MT. A partir dos dados analisados no período de 2017 a 2019, percebeu-se a ocorrência de oscilações mensais e anuais na evapotranspiração. Em relação às análises dos dados de temperatura e umidade relativa do ar, concluiu-se que no período de seca, que acontece no inverno do Pantanal, os dados de temperatura e umidade do ar são baixas. Enquanto no período chuvoso e de cheia, que acontecem durante o verão, as temperaturas e umidade relativa do ar são altas.
Publisher
South Florida Publishing LLC
Reference31 articles.
1. ARAÚJO, A. P. C. Pantanal: um espaço em transformação. Tese de Doutorado, PPGG/UFRJ. Biblioteca Digital UFRJ, 2006. Disponível em: https://biblioteca.ppgg.igeo.ufrj.br/
2. Agrometeorologia e Climatologia. Revista Brasileira de Geografia Física. Recife, V. 08. N. 01. p. 136-143, set. 2015.
3. ALLEN, RG. Crop evapotranspiration: guidelines for computing crop water requirements. FAO Irrig Drain, v. 56, p. 147-151, 1998.
4. ALVES, E. D. L; BIUDES, M. S. PADRÕES DA TEMPERATURA DO AR E DA UMIDADE RELATIVA: ESTUDO DE CASO NO CAMPUS DE CUIABÁ DA UNIVERSIDADE FEDERAL DE MATO GROSSO. BOLETIM DE GEOGRAFIA, Maringá, v. 30, n. 3, p. 5-16, Dez, 2012.
5. ANTONOPOULOS, A. V. Daily reference evapotranspiration estimates by artificial neural networks technique and empirical equations using limited input climate variables. Computers and Electronics in Agriculture, v.132, p.86 - 96, 2017.