To accommodate future power demands, wave energy converters will be deployed in arrays, but largely unanswered questions of the annual energy production and environmental impact of such installations present regulatory dilemmas. In recent years, Sandia National Laboratories (SNL) has developed a modified version of the Simulating Waves Nearshore (SWAN) wave model to simulate WEC energy extraction in a propagating wave field. This thesis presents a novel WEC meta-model that calculates the power intercepted by a WEC from the incident wave field. Two representations were developed with which a user could model a WEC’s impact on the incident waves in a spectral wave model. These alterations are based on power a WEC captures from the sea and power dissipated by hydrodynamic losses calculated in an external six degree of freedom (DOF) time domain WEC simulation. The two WEC meta-models were compared in terms of significant wave height reduction in the WEC’s lee and annual power production. The first WEC representation removes a constant percentage of power from each frequency bin while the second representation employs frequency dependent energy extraction. The representations were then applied in modelling a 54 MW WEC array off of Amphitrite Bank on the West Coast of Vancouver Island. Over the course of a year, the power captured by a farm when represented with a constant percentage extraction is reduced by 2.9% while a frequency dependent percentage extraction reduced the farm’s total captured power by 2.3% when compared to the reference case. Similarly small changes were observed in significant wave height reductions. The significant wave height in the lee of a farm was reduced by less than 2% for both representations at the shoreline, approximately six kilometres behind the farm. / Graduate / 0775, 0547, 0548 / eluczko91@gmail.com

Made available in DSpace on 2017-05-12T14:47:12Z (GMT). No. of bitstreams: 1 Parte_ 1.pdf: 4908182 bytes, checksum: 66963491c16f98c75db1942dbc323ede (MD5) Previous issue date: 2015-02-13 / In order to propose an objective methodology to estimate soybean crop yield in Western Paraná, the present research explored three different models for estimating soybean crop yield. One agrometeorological model (FAO model), presented four estimates based on agrometeorological data from remote sensing (ECMWF) and data collected in loco; one spectral model (GLO-PEM2 model), which used data from a MODIS sensor to estimate soybean crop yield in the state; and one agro-spectral model (CASA model), which presented two estimates, based in agrometeorological data and MODIS sensor data. The present work determined water balance and real evapotranspiration through two methods (BHTM and BHFAO). The soil data was collected from EMBRAPA, the culture s was from FAO, the dates of planting and harvest were determined by Becker (2013) and the agrometeological data was obtained from ECMWF. The spectral data utilized was provided by the MODIS sensor, namely Terra and Aqua platforms. The GLO-PEM2 proved to be rather weak and requires further investigation; the CASA and FAO models presented good results, lightly overestimating productivity, while compared to the official data. Therefore, this research presented an objective metholodogy for estimating soybean crop yeild in the state of Paraná. / Buscando apresentar uma metodologia objetiva para estimar a produtividade de soja no estado do Paraná, o presente trabalho explorou três diferentes modelos para estimação da produtividade de soja. Um modelo agrometeorológico (modelo FAO), que apresentou quatro estimativas baseadas em dados agrometeorológicos provenientes de sensoriamento remoto (ECMWF) e dados observados a campo; um modelo espectral (modelo GLO-PEM2), que utilizou dados do sensor MODIS para estimar a produtividade de soja no estado; e, um modelo agro-espectral (modelo CASA), que apresentou duas estimativas baseadas em dados agrometeorológicos e dados do sensor MODIS. O trabalho determinou o balanço hídrico e a evapotranspiração real por dois métodos (BHTM e BHFAO). Os dados do solo foram obtidos da EMBRAPA, os dados da cultura provenientes da FAO, as datas de semeadura e colheita foram determinadas por Becker (2013) e os dados agrometeorológicos foram obtidos do ECMWF. Os dados espectrais utilizados foram obtidos do sensor MODIS, plataformas Terra e Aqua. O modelo GLO-PEM2 mostrou-se bastante fraco e deve ser investigado mais profundamente, os modelos CASA e FAO apresentaram bons resultados, superestimando levemente a produtividade, quando comparados com dados oficiais. Logo, o trabalho apresentou uma metodologia objetiva para a estimação da produtividade de soja para o estado do Paraná

Made available in DSpace on 2017-07-10T19:23:58Z (GMT). No. of bitstreams: 1 Parte_ 1.pdf: 4908182 bytes, checksum: 66963491c16f98c75db1942dbc323ede (MD5) Previous issue date: 2015-02-13 / In order to propose an objective methodology to estimate soybean crop yield in Western Paraná, the present research explored three different models for estimating soybean crop yield. One agrometeorological model (FAO model), presented four estimates based on agrometeorological data from remote sensing (ECMWF) and data collected in loco; one spectral model (GLO-PEM2 model), which used data from a MODIS sensor to estimate soybean crop yield in the state; and one agro-spectral model (CASA model), which presented two estimates, based in agrometeorological data and MODIS sensor data. The present work determined water balance and real evapotranspiration through two methods (BHTM and BHFAO). The soil data was collected from EMBRAPA, the culture s was from FAO, the dates of planting and harvest were determined by Becker (2013) and the agrometeological data was obtained from ECMWF. The spectral data utilized was provided by the MODIS sensor, namely Terra and Aqua platforms. The GLO-PEM2 proved to be rather weak and requires further investigation; the CASA and FAO models presented good results, lightly overestimating productivity, while compared to the official data. Therefore, this research presented an objective metholodogy for estimating soybean crop yeild in the state of Paraná. / Buscando apresentar uma metodologia objetiva para estimar a produtividade de soja no estado do Paraná, o presente trabalho explorou três diferentes modelos para estimação da produtividade de soja. Um modelo agrometeorológico (modelo FAO), que apresentou quatro estimativas baseadas em dados agrometeorológicos provenientes de sensoriamento remoto (ECMWF) e dados observados a campo; um modelo espectral (modelo GLO-PEM2), que utilizou dados do sensor MODIS para estimar a produtividade de soja no estado; e, um modelo agro-espectral (modelo CASA), que apresentou duas estimativas baseadas em dados agrometeorológicos e dados do sensor MODIS. O trabalho determinou o balanço hídrico e a evapotranspiração real por dois métodos (BHTM e BHFAO). Os dados do solo foram obtidos da EMBRAPA, os dados da cultura provenientes da FAO, as datas de semeadura e colheita foram determinadas por Becker (2013) e os dados agrometeorológicos foram obtidos do ECMWF. Os dados espectrais utilizados foram obtidos do sensor MODIS, plataformas Terra e Aqua. O modelo GLO-PEM2 mostrou-se bastante fraco e deve ser investigado mais profundamente, os modelos CASA e FAO apresentaram bons resultados, superestimando levemente a produtividade, quando comparados com dados oficiais. Logo, o trabalho apresentou uma metodologia objetiva para a estimação da produtividade de soja para o estado do Paraná

Le secteur des transports aéronautiques, navals et terrestres fait de plus en plus appel pour les pièces d'habitacles ou de structure à des composites techniques de type thermoplastique thermostable renforcé par des fibres courtes. Ces matériaux alliant légèreté et résistance présentent l’intérêt majeur d’une meilleure recyclabilité d’une facilité de mise en œuvre et de maintenance que les matrices thermodurcissables dans les composites classiques. Toutefois, le développement de modèles de comportement dans le but de dimensionner des structures reste un véritable challenge. L’objectif de cette thèse concerne la modélisation du comportement de ce type de composite soumis à des chargements monotone et cyclique. Une étude expérimental a permis la détermination du comportement de chacun des constituants du composite. Leur comportement a ensuite été utilisé dans un calcul d'homogénéisation en champs complet basé sur une méthode FFT. Le comportement du composite est ensuite modélisé à l'aide d'un modèle visco-élastique spectral. Finalement, l'évolution des paramètres de ce modèle est étudiée en faisant varier la microstructure du composite (taux de fibre, dispersion d'orientation) afin d'établir un méta-modèle permettant de prédire le comportement du composite rapidement, et efficacement. / Transportation industries uses more and more composite materials each year. These composite materials provide a good alternative to classic materials thanks to their good specific resistances and stiffness. Short fiber composite materials and well suited for automotive applications, thanks to their ability to be used in injection process inducing very short fabrication cycles. But, the modeling of the behavior of these materials remains a challenge to this day. In this PhD work, an experimental characterization of a PEEK / short glass fiber composite has been conducted. A precise study of the PEEK behaior have also been conducted. The PEEK behavior was then used in an full field homogenization method based on FFT to obtain an effective behavior of the composite. A visco-elastic model was then used to model its behavior. Finally, a meta-model is build to accelerate the modeling process by studying the variation of the composite behavior with its microstructure parameters.

Devido às características geopolíticas do Brasil, a obtenção de estimativas agrícolas confiáveis é de fundamental importância para o país proporcionando a manutenção do equilíbrio entre oferta e demanda na cadeia produtiva de alimentos. Os Estados do Mato Grosso e Rio Grande do Sul são dois grandes produtores de soja no Brasil, ocupando a primeira e a terceira posição respectivamente, e apresentam características climáticas e ecoregionais bem diferenciadas. Tipicamente, dados de imagens dos satélites Terra do programa EOS-MODIS (Earth Observing System- Moderate Resolution Imaging Spectroradiometer), e dos satélites NOAA (National Oceanic and Atmospheric Administration) têm sido utilizadas em aplicações do monitoramento do ciclo de desenvolvimento das culturas e estimativa da produção agrícola. Em busca da estruturação de modelos de caráter prognóstico, inteiramente baseados em dados de sensoriamento remoto, este estudo visa explorar a combinação entre o EVI (Enhanced Vegetation Index - ou Índice de vegetação realçado), produto MOD13Q1-V005 e a LST (Land Surface Temperature – ou Temperatura da Superfície Terrestre), produto MYD11A2-V005 na estimativa da produtividade da soja. Nesse sentido, o objetivo nesta Tese foi aprofundar o conhecimento sobre os efeitos conjugados do estresse hídrico e da ocorrência de temperaturas elevadas no dossel da vegetação como contribuição ao avanço dos modelos espectrais de estimativa da produção. A abordagem inicial foi desenvolver um modelo espectral acoplado CM (Coupled Model) a partir do MCDA (MODIS Crop Detection Algorithm – ou Algoritmo de Detecção de Área Agrícola por MODIS) e do MPDM (MODIS Productivity Detection Model – ou Modelo de Detecção de Produtividade da Soja por MODIS), que utilizam apenas dados EVI como variáveis de entrada. Os resultados do modelo acoplado de estimativa da produção foram comparados com dados provenientes do IBGE (Instituto Brasileiro de Geografia e Estatística) e de precipitação ocorrida proveniente do INMET (Instituto Nacional de Meteorologia), entre 2001 e 2011 para os Estados do Mato Grosso e Rio Grande do Sul. Os dois Estados apresentaram tendências semelhantes com aderência aos dados oficiais em nível estadual e municipal. Para o Mato Grosso o modelo acoplado CM, obteve estimativas de R2=0,96 e RMSD=47.878 toneladas em nível municipal. Testes de validação adicionais foram realizados na safra 2006, utilizando dados de campo, em que se obteve R2=0,88 e RMSD=104 toneladas. Para o Rio Grande do Sul foi obtido R2=0,91 e RMSD=10.841 toneladas em nível municipal. Na análise da relação entre LST sobre o dossel da vegetação agrícola e produtividade, Mato Grosso e Rio Grande do Sul apresentaram respostas divergentes. O Mato Grosso apresentou uma relação matemática direta entre LST-dossel e produtividade, com R2=0,60 e RMSD=6,2%. No Rio Grande do Sul foi observado uma relação matemática inversa, com R2=0,73 e RMSD=17,8%. Os resultados mostram que a quantidade da precipitação acumulada, no período da safra de verão, desempenha papel fundamental na manutenção do equilíbrio da demanda evaporativa quando ocorrem temperaturas elevadas sobre o dossel da vegetação. / Reliable agricultural estimates are important for most countries, and crucial for Brazil, due to its geopolitical characteristics derived from a vast territory. Good estimates ensure a balance between offer and needs inside the food chain production. The States of Mato Grosso and Rio Grande do Sul are large soybean producers, ranking first and third respectively in Brazil, and present quite different climatic and ecological characteristics. As an alternative to conventional estimation methods, soybean crops have been monitored and grain production estimated using Remote Sensing data with sources as EOS-MODIS (Earth Observing System-Moderate Resolution Imaging Spectroradiometer) from Terra satellite and also from the NOAA (National Oceanic and Atmospheric Administration) satellites. This work aimed to the development of forecasting models completely based in Remote Sensing data, by integrating information on EVI (Enhanced Vegetation Index), product MOD13Q1-V005, and LST (Land Surface Temperature), produto MYD11A2-V005, to estimates of soybean yield. More precisely, the objective of this work was to advance the knowledge on the superposed effects of water stress and high temperatures on the vegetation canopy, as a contribution to the development of spectral models for production estimates. The starting approach was to develop a coupled spectral model (CM - Coupled Model), from the MCDA (MODIS Crop Detection Algorithm) and from the MPDM (MODIS Productivity Detection Model), which use only EVI data as input variables. The production estimates, as results of this Coupled Model, were compared with similar data from IBGE (Instituto Brasileiro de Geografia e Estatística) and matched with records on precipitation from INMET (Instituto Nacional de Meteorologia) between 2001 and 2011 for Mato Grosso and Rio Grande do Sul States. For both States the application of the coupled model produced results close to the official data at state and county levels. For Mato Grosso, correlations of CM with official data were R2=0.96 and RMSD=47,878 metric tons at county level. Additional validation tests were performed for the 2006 crop, using field data, producing R2=0.88 and RMSD=104 metric tons. For Rio Grande do Sul results were R2=0.91 and RMSD=10,841 metric tons at municipality level. In the analysis on the relationship between canopy LST and yield, Mato Grosso and Rio Grande do Sul presented opposite results. Mato Grosso showed a direct mathematical correlation between canopy LST and yield, with R2=0.60 and RMSD=6.2%. For Rio Grande do Sul an inverse mathematical expression was derived, with R2=0.73 and RMSD=17.8%. These results show that the accumulated precipitation during the summer crops is crucial to maintain a balance of the evaporative demand when the vegetation canopy is exposed to high temperatures.

Devido às características geopolíticas do Brasil, a obtenção de estimativas agrícolas confiáveis é de fundamental importância para o país proporcionando a manutenção do equilíbrio entre oferta e demanda na cadeia produtiva de alimentos. Os Estados do Mato Grosso e Rio Grande do Sul são dois grandes produtores de soja no Brasil, ocupando a primeira e a terceira posição respectivamente, e apresentam características climáticas e ecoregionais bem diferenciadas. Tipicamente, dados de imagens dos satélites Terra do programa EOS-MODIS (Earth Observing System- Moderate Resolution Imaging Spectroradiometer), e dos satélites NOAA (National Oceanic and Atmospheric Administration) têm sido utilizadas em aplicações do monitoramento do ciclo de desenvolvimento das culturas e estimativa da produção agrícola. Em busca da estruturação de modelos de caráter prognóstico, inteiramente baseados em dados de sensoriamento remoto, este estudo visa explorar a combinação entre o EVI (Enhanced Vegetation Index - ou Índice de vegetação realçado), produto MOD13Q1-V005 e a LST (Land Surface Temperature – ou Temperatura da Superfície Terrestre), produto MYD11A2-V005 na estimativa da produtividade da soja. Nesse sentido, o objetivo nesta Tese foi aprofundar o conhecimento sobre os efeitos conjugados do estresse hídrico e da ocorrência de temperaturas elevadas no dossel da vegetação como contribuição ao avanço dos modelos espectrais de estimativa da produção. A abordagem inicial foi desenvolver um modelo espectral acoplado CM (Coupled Model) a partir do MCDA (MODIS Crop Detection Algorithm – ou Algoritmo de Detecção de Área Agrícola por MODIS) e do MPDM (MODIS Productivity Detection Model – ou Modelo de Detecção de Produtividade da Soja por MODIS), que utilizam apenas dados EVI como variáveis de entrada. Os resultados do modelo acoplado de estimativa da produção foram comparados com dados provenientes do IBGE (Instituto Brasileiro de Geografia e Estatística) e de precipitação ocorrida proveniente do INMET (Instituto Nacional de Meteorologia), entre 2001 e 2011 para os Estados do Mato Grosso e Rio Grande do Sul. Os dois Estados apresentaram tendências semelhantes com aderência aos dados oficiais em nível estadual e municipal. Para o Mato Grosso o modelo acoplado CM, obteve estimativas de R2=0,96 e RMSD=47.878 toneladas em nível municipal. Testes de validação adicionais foram realizados na safra 2006, utilizando dados de campo, em que se obteve R2=0,88 e RMSD=104 toneladas. Para o Rio Grande do Sul foi obtido R2=0,91 e RMSD=10.841 toneladas em nível municipal. Na análise da relação entre LST sobre o dossel da vegetação agrícola e produtividade, Mato Grosso e Rio Grande do Sul apresentaram respostas divergentes. O Mato Grosso apresentou uma relação matemática direta entre LST-dossel e produtividade, com R2=0,60 e RMSD=6,2%. No Rio Grande do Sul foi observado uma relação matemática inversa, com R2=0,73 e RMSD=17,8%. Os resultados mostram que a quantidade da precipitação acumulada, no período da safra de verão, desempenha papel fundamental na manutenção do equilíbrio da demanda evaporativa quando ocorrem temperaturas elevadas sobre o dossel da vegetação. / Reliable agricultural estimates are important for most countries, and crucial for Brazil, due to its geopolitical characteristics derived from a vast territory. Good estimates ensure a balance between offer and needs inside the food chain production. The States of Mato Grosso and Rio Grande do Sul are large soybean producers, ranking first and third respectively in Brazil, and present quite different climatic and ecological characteristics. As an alternative to conventional estimation methods, soybean crops have been monitored and grain production estimated using Remote Sensing data with sources as EOS-MODIS (Earth Observing System-Moderate Resolution Imaging Spectroradiometer) from Terra satellite and also from the NOAA (National Oceanic and Atmospheric Administration) satellites. This work aimed to the development of forecasting models completely based in Remote Sensing data, by integrating information on EVI (Enhanced Vegetation Index), product MOD13Q1-V005, and LST (Land Surface Temperature), produto MYD11A2-V005, to estimates of soybean yield. More precisely, the objective of this work was to advance the knowledge on the superposed effects of water stress and high temperatures on the vegetation canopy, as a contribution to the development of spectral models for production estimates. The starting approach was to develop a coupled spectral model (CM - Coupled Model), from the MCDA (MODIS Crop Detection Algorithm) and from the MPDM (MODIS Productivity Detection Model), which use only EVI data as input variables. The production estimates, as results of this Coupled Model, were compared with similar data from IBGE (Instituto Brasileiro de Geografia e Estatística) and matched with records on precipitation from INMET (Instituto Nacional de Meteorologia) between 2001 and 2011 for Mato Grosso and Rio Grande do Sul States. For both States the application of the coupled model produced results close to the official data at state and county levels. For Mato Grosso, correlations of CM with official data were R2=0.96 and RMSD=47,878 metric tons at county level. Additional validation tests were performed for the 2006 crop, using field data, producing R2=0.88 and RMSD=104 metric tons. For Rio Grande do Sul results were R2=0.91 and RMSD=10,841 metric tons at municipality level. In the analysis on the relationship between canopy LST and yield, Mato Grosso and Rio Grande do Sul presented opposite results. Mato Grosso showed a direct mathematical correlation between canopy LST and yield, with R2=0.60 and RMSD=6.2%. For Rio Grande do Sul an inverse mathematical expression was derived, with R2=0.73 and RMSD=17.8%. These results show that the accumulated precipitation during the summer crops is crucial to maintain a balance of the evaporative demand when the vegetation canopy is exposed to high temperatures.

Devido às características geopolíticas do Brasil, a obtenção de estimativas agrícolas confiáveis é de fundamental importância para o país proporcionando a manutenção do equilíbrio entre oferta e demanda na cadeia produtiva de alimentos. Os Estados do Mato Grosso e Rio Grande do Sul são dois grandes produtores de soja no Brasil, ocupando a primeira e a terceira posição respectivamente, e apresentam características climáticas e ecoregionais bem diferenciadas. Tipicamente, dados de imagens dos satélites Terra do programa EOS-MODIS (Earth Observing System- Moderate Resolution Imaging Spectroradiometer), e dos satélites NOAA (National Oceanic and Atmospheric Administration) têm sido utilizadas em aplicações do monitoramento do ciclo de desenvolvimento das culturas e estimativa da produção agrícola. Em busca da estruturação de modelos de caráter prognóstico, inteiramente baseados em dados de sensoriamento remoto, este estudo visa explorar a combinação entre o EVI (Enhanced Vegetation Index - ou Índice de vegetação realçado), produto MOD13Q1-V005 e a LST (Land Surface Temperature – ou Temperatura da Superfície Terrestre), produto MYD11A2-V005 na estimativa da produtividade da soja. Nesse sentido, o objetivo nesta Tese foi aprofundar o conhecimento sobre os efeitos conjugados do estresse hídrico e da ocorrência de temperaturas elevadas no dossel da vegetação como contribuição ao avanço dos modelos espectrais de estimativa da produção. A abordagem inicial foi desenvolver um modelo espectral acoplado CM (Coupled Model) a partir do MCDA (MODIS Crop Detection Algorithm – ou Algoritmo de Detecção de Área Agrícola por MODIS) e do MPDM (MODIS Productivity Detection Model – ou Modelo de Detecção de Produtividade da Soja por MODIS), que utilizam apenas dados EVI como variáveis de entrada. Os resultados do modelo acoplado de estimativa da produção foram comparados com dados provenientes do IBGE (Instituto Brasileiro de Geografia e Estatística) e de precipitação ocorrida proveniente do INMET (Instituto Nacional de Meteorologia), entre 2001 e 2011 para os Estados do Mato Grosso e Rio Grande do Sul. Os dois Estados apresentaram tendências semelhantes com aderência aos dados oficiais em nível estadual e municipal. Para o Mato Grosso o modelo acoplado CM, obteve estimativas de R2=0,96 e RMSD=47.878 toneladas em nível municipal. Testes de validação adicionais foram realizados na safra 2006, utilizando dados de campo, em que se obteve R2=0,88 e RMSD=104 toneladas. Para o Rio Grande do Sul foi obtido R2=0,91 e RMSD=10.841 toneladas em nível municipal. Na análise da relação entre LST sobre o dossel da vegetação agrícola e produtividade, Mato Grosso e Rio Grande do Sul apresentaram respostas divergentes. O Mato Grosso apresentou uma relação matemática direta entre LST-dossel e produtividade, com R2=0,60 e RMSD=6,2%. No Rio Grande do Sul foi observado uma relação matemática inversa, com R2=0,73 e RMSD=17,8%. Os resultados mostram que a quantidade da precipitação acumulada, no período da safra de verão, desempenha papel fundamental na manutenção do equilíbrio da demanda evaporativa quando ocorrem temperaturas elevadas sobre o dossel da vegetação. / Reliable agricultural estimates are important for most countries, and crucial for Brazil, due to its geopolitical characteristics derived from a vast territory. Good estimates ensure a balance between offer and needs inside the food chain production. The States of Mato Grosso and Rio Grande do Sul are large soybean producers, ranking first and third respectively in Brazil, and present quite different climatic and ecological characteristics. As an alternative to conventional estimation methods, soybean crops have been monitored and grain production estimated using Remote Sensing data with sources as EOS-MODIS (Earth Observing System-Moderate Resolution Imaging Spectroradiometer) from Terra satellite and also from the NOAA (National Oceanic and Atmospheric Administration) satellites. This work aimed to the development of forecasting models completely based in Remote Sensing data, by integrating information on EVI (Enhanced Vegetation Index), product MOD13Q1-V005, and LST (Land Surface Temperature), produto MYD11A2-V005, to estimates of soybean yield. More precisely, the objective of this work was to advance the knowledge on the superposed effects of water stress and high temperatures on the vegetation canopy, as a contribution to the development of spectral models for production estimates. The starting approach was to develop a coupled spectral model (CM - Coupled Model), from the MCDA (MODIS Crop Detection Algorithm) and from the MPDM (MODIS Productivity Detection Model), which use only EVI data as input variables. The production estimates, as results of this Coupled Model, were compared with similar data from IBGE (Instituto Brasileiro de Geografia e Estatística) and matched with records on precipitation from INMET (Instituto Nacional de Meteorologia) between 2001 and 2011 for Mato Grosso and Rio Grande do Sul States. For both States the application of the coupled model produced results close to the official data at state and county levels. For Mato Grosso, correlations of CM with official data were R2=0.96 and RMSD=47,878 metric tons at county level. Additional validation tests were performed for the 2006 crop, using field data, producing R2=0.88 and RMSD=104 metric tons. For Rio Grande do Sul results were R2=0.91 and RMSD=10,841 metric tons at municipality level. In the analysis on the relationship between canopy LST and yield, Mato Grosso and Rio Grande do Sul presented opposite results. Mato Grosso showed a direct mathematical correlation between canopy LST and yield, with R2=0.60 and RMSD=6.2%. For Rio Grande do Sul an inverse mathematical expression was derived, with R2=0.73 and RMSD=17.8%. These results show that the accumulated precipitation during the summer crops is crucial to maintain a balance of the evaporative demand when the vegetation canopy is exposed to high temperatures.