Resumo Um dos fatores mais importantes em qualquer programa de gerenciamento dos recursos hídricos é ter o conhecimento sobre os processos naturais que regulam o ciclo hidrológico. O objetivo desse estudo foi realizar a estimativa da Evapotranspiração de referência (ETo) na bacia hidrográfica do Baixo São Francisco (BSF), com uso do método de Penman-Monteith (PM) recomendado pela Food and Agriculture Organization (FAO), no período de 2009 a 2018. O primeiro passo da pesquisa foi realizar o preenchimento de falhas em dados de superfície, utilizando o método estatístico média preditiva (Predictive Mean Matching-PMM). Após validação desse método, pôde-se estimar a ETo pelo método PM-FAO, onde observou-se que a dinâmica temporal da ETo na maior parte das localidades de estudo segue um padrão semelhante, tendo apenas valores diferentes nos seus máximos e mínimos. Com relação aos valores médios diários de ETo, Pão de Açúcar, em Alagoas, teve o maior valor na região de estudo, 4,69 mm.dia−1 e Arapiraca, também em Alagoas, o menor valor com 4,18 mm.dia−1. A média do total anual acumulado de ETo do BSF para o período foi de 1635,23 mm.ano−1. A baixa ETo observada durante o período chuvoso (abril a julho) está associada às temperaturas mais baixas. O trabalho obteve bons resultados, se comparado com outros estudos já realizados no BSF.

Abstract One of the most important factors in any water resource management program is having the knowledge about the natural processes that regulate the hydrological cycle. The aim of this study was to estimate the reference Evapotranspiration (ETo) in the Baixo São Francisco watershed (BSF), using the Penman-Monteith (PM) method recommended by the Food and Agriculture Organization (FAO), in the period 2009 to 2018. The first step of the research was to fill in gaps in surface data, using the statistical predictive mean method (Predictive Mean Matching-PMM). After validation of the method, it was possible to estimate ETo using the PM-FAO method, where it was found that the temporal dynamics of ETo in most study locations follow a similar pattern, having only different values in their maximums and minimums. Regarding the average daily ETo values, Pão de Açúcar, in Alagoas, had the highest value in the study region, 4.69 mm.day−1 and Arapiraca, also in Alagoas, the lowest value with 4.18 mm.day−1. The average of the accumulated annual total of ETo of the BSF for the period was 1635.23 mm.year−1. The low ETo observed during the rainy season (April to July) is associated with lower temperatures. The work obtained good results, if compared with other studies already conducted in lower San Francisco.

A falta de informação quanto à distribuição da precipitação é um sério obstáculo para se compreender e modelar sua variabilidade, surgindo assim a necessidade de se obter informações para regiões que não apresentam estações de medição ou que apresentem falhas em seu banco de dados por meio da interpolação. Desta forma, o objetivo deste estudo consiste em utilizar Redes Neurais Artificiais (RNA's), propondo diferentes procedimentos para sua utilização, na interpolação espacial de dados pluviométricos no Estado de Alagoas. Para o estudo foram utilizadas 245 estações pluviométricas localizadas nos Estados de Alagoas e Pernambuco, das quais se usou as informações de latitude, longitude, altitude e precipitação das estações próxima à estação base que se desejou estimar a precipitação, como parâmetros de entrada das redes. A utilização de RNA´s, no preenchimento de falhas de dados pluviométricos, mostrou diferença estatística em apenas um procedimento adotado pelas redes. As estimativas realizadas para o mês de novembro apresentou resultados mais coerentes com os observados nas estações bases, devido a menor variabilidade espacial da precipitação neste mês.

The lack of precipitation data distribution is an obstacle to understand and model its variability, thus to obtain information for regions which do not have meteorological stations or have missing data in your database by interpolation is needed. Thus, the objective of this study consists in using Artificial Neural Networks (ANN's), proposing different procedures for its utilization for spatial interpolation of rainfall data over the Alagoas State. For this study we used 245 rainfall stations located in the States of Alagoas and Pernambuco, from which the information of latitude, longitude, altitude and rainfall near the interpolated station were used as input parameters of the neural networks. Using ANN's in the estimation of lacked rainfall data, showed statistical difference in only one procedure adopted by neural networks. The estimates for the November month showed more consistency with those observed in the base stations, due to lower spatial variability of rainfall during this month.

A região tropical é marcada por apresentar grande variabilidade quanto à distribuição dos seus regimes pluviométricos, e o conhecimento dessa variabilidade torna-se fundamental para obtenção dos padrões definidores dos regimes hidrológicos e climatológicos desta região. No entanto, a falta de informação quanto à distribuição da precipitação é um sério obstáculo para se compreender e modelar sua variabilidade, surgindo a necessidade de se obter informações para regiões que não apresentam estações de medições ou que apresentem falhas em seu banco de dados através da interpolação. O método consiste em utilizar técnicas geoestatísticas na compreensão da variabilidade espacial e no preenchimento de falhas de dados pluviométricos para o Estado de Alagoas. Para o estudo foram selecionados dados de 63 estações pluviométricas, provenientes da Agência Nacional de Águas (ANA) entre os anos de 1965 a 1980. A utilização da geoestatística, com a análise variográfica, mostrou que as características estruturais estudadas da precipitação estão correlacionadas e apresentam forte dependência espacial. A estimativa da precipitação obtida pelo método de Krigagem Ordinária apresentou resultados satisfatórios, para a distribuição espacial da precipitação, bem como para o preenchimento de falhas.

Tropical region is characterized by great variability in the distribution of the rainfall regimes, and knowledge of this variability is fundamental to achieve the standards that define the climatologic and hydrological regimes of this region. However, lack of information regarding the distribution of rainfall is a serious obstacle to understanding and modeling its variability, resulting in the need to obtain information for regions that do not have measuring stations or shows flaws in its database, by interpolation. The method uses geostatistic technique to understand the spatial variability and on the filling of rainfall data missing on the Alagoas state. For the study 63 rainfall gauge stations of the Agência Nacional de Águas (ANA) in the period 1965 to 1980 were selected. The use of geostatistic with variographic analysis showed that the structural characteristic of the studied rainfall are correlated and have strong spatial dependence. The estimation of rainfall obtained by ordinary kriging method showed satisfactory results for the spatial distribution of rainfall as well as in filling the missing data values.