ESTIMATIVA DA EVAPOTRANSPIRAÇÃO REAL E MAPEAMENTO DE ÁREAS CULTIVADAS EM UMA BACIA DO PROJETO DE INTEGRAÇÃO DO SÃO FRANCISCO (PISF), SEMIÁRIDO PERNAMBUCANO LIZANDRA DE BARROS DE SOUSA1; ABELARDO ANTÔNIO DE ASSUNÇÃO MONTENEGRO1; THIERES GEORGE FREIRE DA SILVA2; AILTON ALVES DE CARVALHO1 E MOISÉS ALVES DA SILVA NETO3 1 Departamento de Engenharia Agrícola (DEAGRI). Programa de Pós-Graduação em Engenharia Agrícola (PGEA). Universidade Federal Rural de Pernambuco (UFRPE). Rua Dom Manuel de Medeiros, S/N, Dois Irmãos, CEP: 52171-900, Recife/PE, Brasil. E-mail: lizandradebarros@gmail.com; montenegro.ufrpe@gmail.com; Ailtonalvesst@gmail.com. 2 Unidade Acadêmica de Serra Talhada (UAST). Universidade Federal Rural de Pernambuco (UFRPE). Avenida Gregório Ferraz Nogueira, S/N, José Tomé de Souza Ramos, CEP: 56909-535, Serra Talhada/PE, Brasil. E-mail: thigeoprofissional@hotmail.com. 3 Departamento de Engenharia Agrícola (DEAGRI). Universidade Federal Rural de Pernambuco (UFRPE). Rua Dom Manuel de Medeiros, S/N, Dois Irmãos, CEP: 52171-900, Recife/PE, Brasil. E-mail: moisesneto179@gmail.com. 1 RESUMO A região semiárida brasileira apresenta limitada disponibilidade de recursos hídricos, além disso, profundas alterações no uso e ocupação do solo estão previstas para ocorrer nas bacias hidrográficas de Pernambuco. Objetivou-se avaliar a evapotranspiração real e mapear áreas cultivadas por meio de sensoriamento remoto, utilizando, respectivamente, os modelos SAFER (Simple Algorithm for Evapotranspiration Retrieving) e SUREAL (Surface Resistance Algorithm), na Bacia do rio Terra Nova, em trecho perenizado. Imagens do satélite Landsat-8, de 2015 a 2020, foram selecionadas. Calculou-se: Índice de Vegetação da Diferença Normalizada (NDVI), albedo, temperatura de superfície, evapotranspiração de referência e evapotranspiração real. As imagens foram processadas no Google Earth Engine (GEE) e no software QGIS 3.16. Notou-se aumento no índice de cobertura vegetal. Regiões com maiores valores de evapotranspiração real estão ligadas àquelas com temperaturas mais baixas. Observou-se uma menor quantidade de áreas cultivadas no trecho do Rio Terra Nova nas imagens de 2015. Verificou-se o aumento da agricultura na região às margens desse rio, em seu trecho perenizado, de 29,5; 15,2; 7,7; 7,6; e 12,9 km² em 18/07/2016, 22/06/2018, 28/10/2018, 13/11/2018, e 20/12/2020, respectivamente. Além da intensidade de precipitação, a liberação das águas do PISF pode ter contribuído para o aumento de áreas irrigadas na região. Palavras-chave: sensoriamento remoto, agricultura irrigada, SAFER, SUREAL. SOUSA, L. B.; MONTENEGRO, A. A. A.; SILVA, T. G. F.; CARVALHO, A. A.; SILVA NETO, M. A. ESTIMATION OF ACTUAL EVAPOTRANSPIRATION AND MAPPING OF CULTIVATED AREAS IN A BASIN OF THE SÃO FRANCISCO INTEGRATION PROJECT (PISF), SEMIARID OF PERNAMBUCO STATE 2 ABSTRACT The Brazilian semi-arid region has limited availability of water resources, in addition, profound changes in land use and occupation are expected to occur in the river basins of Pernambuco. The objective was to evaluate the actual evapotranspiration and to map cultivated areas through remote sensing, using, respectively, the SAFER (Simple Algorithm for Evapotranspiration Retrieving) and SUREAL (Surface Resistance Algorithm) models, in the Terra Nova River Basin, in a perennial stretch. Landsat-8 satellite images from 2015 to 2020 were selected. The Normalized Difference Vegetation Index (NDVI), albedo, surface temperature, reference evapotranspiration, and actual evapotranspiration were calculated. Images were processed using the Google Earth Engine (GEE) platform and QGIS 3.16 software. There was an increase in the vegetation cover index. Regions with higher actual evapotranspiration values ​​are linked to those with lower temperatures. It was observed a smaller number of cultivated areas in the Terra Nova River stretch in the 2015 images. Also, it was verified an increase in agriculture in the riverside region along this, in its perennial stretch, of 29.5; 15.2; 7.7; 7.6; and 12.9 km² on 07/18/2016, 06/22/2018, 10/28/2018, 11/13/2018, and 12/20/2020, respectively. In addition to the intensity of precipitation, the release of PISF waters may have contributed to the increase in irrigated areas in the region. Keywords: remote sensing, irrigated agriculture, SAFER, SUREAL.

Caracterizar a variabilidade espacial do solo por meio da condutividade elétrica aparente (CEa) no método convencional pode demandar altos custos e um grande número de amostras, o que dificulta sua aplicação em larga escala. Nesse contexto, este estudo teve como objetivo avaliar um sistema inteligente de baixo custo, previamente desenvolvido para a aquisição de dados de CEa pelo método de Wenner, com potencial para otimizar a amostragem do solo por meio da identificação da variabilidade espacial. A avaliação foi realizada em bancada e em campo, sob condições de solo seco e úmido, com medição da CEa, do teor de água no solo e da temperatura do solo. Em bancada, o sistema apresentou erro máximo de 6,69% e coeficiente de variação (CV) inferior a 4%, indicando baixa variabilidade das medições. Em campo, a CEa apresentou correlação positiva com o teor de água no solo e negativa com a temperatura, em ambas as condições analisadas. A análise de regressão evidenciou que o teor de água no solo foi a principal variável associada à CEa, especialmente sob condições de solo seco. Conclui-se que o sistema desenvolvido apresenta potencial de aplicação em estudos de variabilidade espacial do solo, contribuindo para a redução de custos e para o suporte à agricultura de precisão. Palavras-chave: geoestatística; sensores de baixo custo; dependência espacial; gerenciamento agrícola. An intelligent system for soil spatial characterization using apparent electrical conductivity Characterizing the spatial variability of soil through CEa using the conventional method may require high costs and a large number of samples, limiting its large-scale application. In this context, this study aimed to evaluate a previously developed low-cost intelligent system for CEa data acquisition using the Wenner method, with the potential to optimize soil sampling through the identification of spatial variability. The evaluation was carried out under laboratory and field conditions, considering dry and wet soil conditions, with measurements of CEa, soil water content, and temperature. Under laboratory conditions, the system showed a maximum error of 6.69% and a coefficient of variation (CV) lower than 4%, indicating low measurement variability. In the field, CEa showed a positive correlation with soil water content and a negative correlation with temperature under both analyzed conditions. Regression analysis showed that soil water content was the main variable associated with CEa, especially under dry soil conditions. It was concluded that the developed system has potential for application in studies of soil spatial variability, contributing to cost reduction and supporting precision agriculture. Keywords: geostatistics; low-cost sensors; spatial dependence; agricultural management.