Alba, ElisianeOliveira, Ana Lyvia Ferreira De Paula2026-09-022025-08-08OLIVEIRA, Ana Lyvia Ferreira De Paula. Estimativa da Evapotranspiração Real e Produtividade Primária Bruta na Caatinga com o uso de dados PlanetScope. 2025. 34 f. Trabalho de Conclusão de Curso (Bacharelado em Agronomia) – Unidade Acadêmica de Serra Talhada, Universidade Federal Rural de Pernambuco, Serra Talhada, 2025.https://arandu.ufrpe.br/handle/123456789/9185A evapotranspiração real e a produtividade primária bruta são variáveis ecológicas essenciais para entender o funcionamento dos ecossistemas terrestres, principalmente em regiões semiáridas como a Caatinga. A obtenção contínua de dados de evapotranspiração real e produtividade primária bruta em larga escala pode ser viabilizada por técnicas de sensoriamento remoto, sendo essas informações essenciais para o monitoramento ecológico de ecossistemas semiáridos. Este trabalho teve como objetivo estimar a evapotranspiração real e a produtividade primária bruta da vegetação em área de Caatinga, utilizando técnicas de sensoriamento remoto e algoritmo de aprendizado de máquina. Os dados de evapotranspiração real e produtividade primária bruta foram coletados mensalmente no período de 2021 a 2023 pelo sistema Eddy Covariance acoplado em torre micrometeorológica, localizada na cidade de Serra Talhada-PE. Os dados espectrais corresponderam a 43 cenas do mesmo período, obtidas pela plataforma PlanetScope com resolução espacial de 3 metros captadas pelo sensor SuperDove. Foi realizado um buffer de 100 m a partir da torre onde foram extraídos valores médios de refletância das bandas do azul, verde, vermelho e infravermelho próximo, a partir das quais foram elaborados 22 índices espectrais. Para modelar e prever as variáveis ecológicas, aplicou-se o algoritmo de aprendizado de máquina Random Forest, com avaliação baseada no coeficiente de determinação, erro quadrático médio e erro absoluto médio. Os índices RGR e NDRGRI foram as variáveis espectrais que apresentaram melhor correlação com a evapotranspiração, com coeficientes de 0,52 e 0,43, respectivamente, enquanto os índices GOSAVI e GSAVI, apresentaram r= 0,37 ao avaliar a respostas para a produtividade primaria bruta. A modelagem da evapotranspiração apresentou melhor desempenho (R² = 0,62; RMSE = 0,9830; MAE = 0,7654) comparado à da produtividade primária bruta (R² = 0,57; RMSE = 4,1786), indicando maior precisão na estimativa da evapotranspiração. O algoritmo Random Forest, onde demonstrou boa capacidade preditiva, especialmente na predição da evapotranspiração.34 f.pt-BRopenAccesshttp://creativecommons.org/licenses/by-nd/4.0/Sensoriamento remotoAprendizado do computadorEvapotranspiraçãoMeteorologia agrícolaEcologiabachelorThesisAttribution-NoDerivatives 4.0 International