Foram avaliados os efeitos da utilização de dados meteorológicos obtidos com estações convencional (EMC) e automática (EMA) na estimativa diária da evapotranspiração de referência (ETo), pelos métodos de Penman (P), Priestley-Taylor (P-T) e Penman-Monteith (P-M), padrão FAO, em Piracicaba, SP (Lat.: 22°42’30” S; Long: 47º30’00” W; e 546m de altitude). Para tanto foram utilizadas medidas de ETo obtidas em lisímetro de pesagem automatizada com célula de carga, em dois períodos; 1) úmido - entre dezembro de 1995 e maio de 1996; e 2) seco - de agosto a dezembro de 1996. Primeiro, comparou-se os dados meteorológicos provenientes da EMC e da EMA, observando-se boa concordância para temperatura média (T) e umidade relativa média do ar (UR), com coeficiente angular (b) de 0,97 e 0,99, e o coeficiente de determinação (r² igual a 0,97 e 0,81, respectivamente. Para velocidade média do vento (U_2m) e radiação líquida (Rn), não houve boa concordância entre os dados das duas estações, em razão da estimativa desses elementos na EMC, o que proporcionou baixa precisão para (U_2m) (r² = 0,57) e baixa exatidão para Rn (b = 1,23). Com o objetivo de minimizar as diferenças de Rn entre a EMC e a EMA, foram desenvolvidos, testados e validados modelos de regressão linear de estimativa desse elemento a partir da temperatura (T), pressão parcial de vapor (ea), razão de insolação (n/N), e radiação solar global (Qg), tanto para a EMC como para a EMA. Os resultados indicaram estimativas mais precisas e exatas da Rn do que aquelas obtidas pela associação das equações de Angström e de Brunt. Para dados obtidos na EMC, pode-se estimar a RN com boa confiabilidade (b = 1,0043 e r² = 0,88) a partir de T e de n/N. Para dados da EMA, essa estimativa pode ser obtida a partir da Qg, com a relação Rn= 0,574Qg, que na validação com dados independentes, apresentou excelentes resultados (b = 0,9994 e r² = 0,9073). Segundo, após essas análises preliminares, efetuou-se a estimativa da ETo a partir dos dados das duas estações, empregando-se os três métodos. De modo geral, foi observada tendência de melhores estimativas da ETo a partir de dados da EMA em relação à EMC, por qualquer dos métodos, com valores menores (≅ 18%) nas estimativas a partir da EMC. Essa tendência foi reduzida quando se utilizou estimativa da Rn pelos modelos de regressão linear. Tomando-se como referência os dados da EMA, o método de Penman estimou bem a ETo no período seco (b = 1,0589 e r² = 0,9013). No entanto, no período úmido a superestimativa média foi de 31% (b = 1,3108 r² = 0,9143). O método de P-T, apresentou resultados semelhantes aos de Penman quando utilizou-se α =1,26, sugerido como padrão. Porém, com α =1, no período úmido, e igual a 1,33 no período seco, houve excelente estimativa de ETo, com b = 1,028 e r² = 0,91. O método de P-M foi o que apresentou as melhores estimativas de ETo, considerando-se o período integral da análise. Porém, analisando-se distintamente os períodos úmido e seco, observou-se resultados diferentes aos demais métodos, ou seja, superestimativa no período úmido de 14% e subestimativa de 10% no período seco. Empregando-se a este método a estimativada relação r_c/r_a sugerida por Pereira et al. (1998), observou-se melhoria nas estimativas de ETo no período úmido (b = 0,9977 e r² = 0,90); porém, piora no período seco, que passou a ter subestimativas da ordem de 27%.Terceiro, para a estimativa da ETo a partir da EMC, os melhores resultados foram obtidos estimando-se a Rn pelo método da regressão linear e a ETo pelo método de Penman, para o período integral; pelo método de P-M com r_c/r_a por Pereira et al. (1998), para o período úmido; e pelo método de Penman, para o período seco. Para as estimativas a partir de dados da EMA, os melhores ajustes aos dados de ETo medidos foram com o método de P-M com r_c/r_a segundo Smith (1991) para o período integral; com o método de P-M com r_c/r_a segundo Pereira et al (1998), para o período úmido; e com o método de P-T α = 1,26) ou Penman para o período seco.

Daily estimatives of reference evapotranspiration (ETo) by Penman (P),Priestley-Taylor (P-T) and Penman-Monteith (P-M) methods, utilizing data obtained with conventional (EMC) and with automatic (EMA) weather stations were evaluated at Piracicaba, State of São Paulo, Brazil (Lat.: 22°42’30” S; Long.: 47º30’00” W; and Altitude of 546m). For such, it was used 127 data points from an automatic weight lysimeter in two periods: 1) wet season - from December 1995 to May 1996; and, 2) dry season - from August to December 1996. First, meteorological data from the EMC and EMA were compaired and the results showed small discrepancies for average air temperature (T) and relative humidity (UR), with angular coefficient (b) being, respectivelly, 0.97 and 0.99, and determination coefficient (r²) equal to 0.97 and 0.81. For average wind speed (U_2m) and net radiation (Rn), the agreement between the two stations was not good, because the estimatives of these elements in EMC resulted in low precision for U_2m (r² = 0.57) and high overestimation for Rn (b = 1.23). Aiming to minimize the Rn differences between EMC and EMA linear regression models were developed, tested, and validated for estimating Rn from air temperature (T), partial water vapor pressure (ea), insolation ratio (n/N), and global solar radiation data. The results indicated better Rn estimatives from linear regression models than from the association of the Angström's and Brunt’s equations. With EMC data, Rn can be well estimated (b = 1.0043 and (r² = 0.88) with T and n/N. For the EMA, Rn can be obtained from global solar radiation (Qg) through the relation Rn = 0,574Qg, which gave very good validation (b = 0.9994 and (r² = 0.9073). Second, after these preliminary analysis of the raw data, ETo was estimated for the two stations using the three above mentioned methods. ln general, there was a tendency of better ETo estimatives with EMA data in relation to the EMC, with lower (around 18%) values given by the EMC data. This tendency was reduced when Rn was estimated by the linear regression model for EMC. Taking EMA data as reference, the Penman method showed good ETo estimatives during the dry season, but during the wet season this method overestimate ETo by 31%. The P-T method showed the same results when (≅ = 1.26; however, when (≅ = 1, for wet season, and (≅ = 1.33, for dry season, were used this method produce very good estimatives, with b = 1.028 and (r² = 0.91. The P-M was the best method to estimate ETo for the total period (wet + dry). But when the two seasons were separeted, it was observed different results in relation to the others methods. There was method overestimation (≅ 14%) in the wet season andunderestimation (≅ 10%) in the dry season. Using the relation r_c/r_a sugested by Pereira et al. (1998), it was observed a better estimative in the wet season (b = 0.9977 and (r² = 0.90); however, it worsened the underestimatives ((≅ 27%) during the dry season. Third, to estimate ETo with EMC data, the best results were obtained with Rn estimated by linear regression model and by Penman for total period, by P-M with r_c/r_a by Pereira et al. (1998) for the wet season, and by Penman for the dry season. To estimate ETo with EMA data, the best adjust with lisymeter data were with P-M using with r_c/r_a sugested by Smith (1991) for the total period, with P-M method using r_c/r_a sugestedby Pereira et al. (1998) for the wet season, and with P-T or Penman for the dry season.