Resumo 1

236 visualizações

Publicada em

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
236
No SlideShare
0
A partir de incorporações
0
Número de incorporações
5
Ações
Compartilhamentos
0
Downloads
2
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Resumo 1

  1. 1. XII JORNADA DE ENSINO, PESQUISA E EXTENSÃO – JEPEX 2012 – UFRPE: Recife, 26 a 30 de novembro. ESTIMATIVAS DA VARIABILIDADE TEMPORAL DE CO2 E TEMPERATURA DO AR EM ÁREA DE PASTAGEM Rodolfo Marcondes Silva Souza1, Eduardo Soares de Souza2, José Romualdo de Sousa Lima2,* e Celso von Randow3Introdução Atualmente, medições de fluxos de massa e energia tem se tornado uma prática cada vez mais frequente empesquisas relacionadas com mudanças climáticas, principalmente em áreas de florestas e pastagens. Nos últimos anos, ométodo da covariância dos vórtices turbulentos (Eddy Covariance), onde as medidas são calculadas através dacovariância entre a grandeza (por exemplo: fluxo de CO2) e as flutuações turbulentas vertical do vento, tem sidoconsiderado uma ferramenta padrão para estudar a troca de carbono, vapor d’água e energia entre a atmosfera e asuperfície terrestre (Baldocchi, 2003; Aubinet et al., 2012). O entendimento da distribuição temporal dessas variáveis é fundamental para montar cenários, simulações eprevisões de fenômenos que ocorrem na natureza. Entre as várias técnicas estatísticas utilizadas para análise einterpretação de dados climáticos, a geoestatística permite a análise temporal e espacial das observações, determinando-se a distância ou período de tempo de dependência entre elas (Ramos et al., 2009). Diante do exposto, o objetivo dessetrabalho foi analisar a variabilidade temporal do fluxo de CO2 e temperatura do ar, e comparar o desempenho dakrigagem para o preenchimento de falhas dos dados.Material e métodosA. Área de Estudo O trabalho foi realizado na Fazenda Lagoinha do município de Serra Talhada PE (07°56’50,4” S e 38°23’29,0” O),na microrregião do Vale do Pajeú. O clima é semiárido, com chuvas de verão e precipitação anual média deaproximadamente 450 mm. A área de estudo possui aproximadamente 18 ha e é composta basicamente por gramíneasforrageiras com predomínio do capim corrente (Urochloa mosambicensis).B. Medições do fluxo de CO2 (F-CO2) e temperatura do ar (Tar) Os dados foram coletados por uma estação micrometeorológica automática instalada em uma torre no centro da área.O fluxo de CO2 foi determinado a partir da técnica da covariância dos vórtices turbulentos, utilizando um anemômetrosônico tridimensional (CSAT3, Campbell Scientific) e um analisador de gás infravermelho de caminho aberto (EC150,Campbell Scientific), medindo a uma frequência de 10 Hz. A temperatura do ar foi medida pelo sensor modeloHMP45C (Campbell Scientific). Os dados de foram armazenados em intervalos de meia hora no período de 19 dejaneiro a 28 de setembro de 2012.C. Gap-Filling (GF) Reichstein et al. (2005) propuseram um algoritmo genérico para o preenchimento de falhas em que são consideradostanto a covariação dos fluxos com variáveis meteorológicas como a auto-correlação temporal dos fluxos. Além do fluxo de CO2, essa técnica requer informações de calor latente, calor sensível, precipitação pluviométrica,velocidade de fricção (u*), temperatura e umidade relativa do ar. Inicialmente foi realizada uma filtragem nos dados pararemoção de valores espúrios considerando o intervalo de -20 a 20 mol m-2 s-1 para o fluxo de CO2. A técnica do GFavalia também a qualidade do preenchimento das falhas a partir de notas que variam de 1 a 3. As categorias de notas 1,2 e 3 (C1, C2 e C3) indicam qualidade do preenchimento como boa, média e baixa, respectivamente. A execução doalgoritmo foi realizada via navegador de internet (http://www.bgc-jena.mpg.de/~MDIwork/eddyproc/).D. Krigagem (KG) A partir da técnica da geoestatística (Vieira, 2000) foi realizada a análise da variabilidade temporal. A funçãosemivariância foi calculada para todas as direções (semivariograma isotrópico) com o objetivo de avaliar a presença dedependência temporal dos dados. O ajuste dos semivariogramas foi realizado utilizando o software Surfer ® v11, onde nos eixos “x”, “y” e “z” foraminseridos respectivamente os valores do dia, da hora e variável meteorológica (F-CO2 e Tar). O modelo desemivariograma ajustado foi o esférico e os mapas interpolados por krigagem. 1 Engenheiro Agrônomo e Mestrando em Produção Vegetal na Universidade Federal Rural de Pernambuco, Unidade Acadêmica de Serra Talhada. Bolsista FACEPE, Fazenda Saco s/n, Zona Rural, Caixa Postal 063, Serra Talhada, PE. E-mail: rodolfomssouza@gmail.com 2 Professor Adjunto da Universidade Federal Rural de Pernambuco, Unidade Acadêmica de Serra Talhada, Fazenda Saco s/n, Zona Rural, Caixa Postal 063, Serra Talhada, PE. *Unidade Acadêmica de Garanhuns. Avenida Bom Pastor s/n, Boa Vista, Garanhuns, PE, CEP 55296-901. 3 Pesquisador do Instituto Nacional de Pesquisas Espaciais, Centro de Ciência do Sistema Terrestre. Rodovia Presidente Dutra, km 39, Cachoeira Paulista, SP, CEP 12630-000.
  2. 2. XII JORNADA DE ENSINO, PESQUISA E EXTENSÃO – JEPEX 2012 – UFRPE: Recife, 26 a 30 de novembro.Resultados e Discussão Os parâmetros dos ajustes dos semivariogramas encontram-se na Tabela 1, onde observa-se que as duas variáveisanalisadas apresentaram baixos valores de efeito pepita em relação ao patamar, o que indica uma forte dependênciatemporal. Em relação ao alcance, F-CO2 apresentou valor inferior a Tar, sendo semelhantes aos valores encontrados porRamos et al. (2009) para a temperatura do ar em Botucatu-SP, que foi de 11,5 e 13,1 horas nos anos de 2001 e 2002respectivamente. Os coeficientes de determinação (R2) dos ajustes indicam que o modelo de semivariograma esférico foiapropriado para analisar a variabilidade temporal de tais variáveis meteorológicas. No período estudado, deveriam ter sido armazenados 12.150 valores para cada variável meteorológica, porém devidoa falhas no sistema foi necessário preencher cerca 24% dos dados do F-CO2 e 23% dos dados da Tar a partir do GF. Amaior parte do preenchimento dos dados foi classificada como C3, ou seja, de baixa qualidade. Comparando os valores observados para F-CO2 e Tar com os dados estimados por KG (Fig. 1A e Fig. 1B),percebemos que a krigagem apresentou um bom desempenho para análise da variabilidade temporal, uma vez que oscoeficientes de determinação foram superiores a 0,90. A correlação entre os valores estimados por KG e GF é apresentada nas Figs. 1C e 1D para o F-CO2 e a Tarrespectivamente. Esses coeficientes foram inferiores àqueles obtidos os valores observados e estimados por KG. Essaredução em pode está relacionada com o fato de que mais de 60% do preenchimento das falhas a partir de GF, seremclassificados como C3. Na Fig. 2 são apresentados os mapas de distribuição temporal para F-CO2 observado com o preenchimento por GF(Fig. 2A); F-CO2 estimado por KG (Fig. 2B); Tar observada com o preenchimento por GF (Fig. 2C); e Tar estimada porKG (Fig. 2D). A variabilidade do F-CO2 foi maior entre os dias 60 e 110 (março e meados de abril) onde apresentouvalores negativos entre as 8:00 e 17:00 horas (-13 a -3 mol m-2 s-1). Esse comportamento indica que a pastagem nesseintervalo retirou carbono da atmosfera (fotossíntese), enquanto que no período noturno os valores predominantes forampositivos (respiração). Em relação à Tar, pode-se observar que ao longo do dia os maiores valores ocorreram em tornodas 16:00 horas (34 a 36 °C). A partir deste estudo, podemos concluir que a krigagem apresentou um bom desempenho para representar a variaçãotemporal do fluxo de CO2 e da temperatura do ar, podendo ser utilizada em situações quando não há disponibilidade deum grande número de variáveis meteorológicas.Agradecimentos Agradecimentos a FACEPE pela concessão de bolsa de estudo, ao INPE e a UFPE/DEN pelo apoio dado para odesenvolvimento do trabalho.ReferênciasAubinet, M.; Vesala, T.; Papale, D. Eddy covariance, a partical guide to measurement and data analysis. New York:Springer Atmospheric Sciences, 2012. 449p.Baldocchi, D. Assessing the eddy covariance technique for evaluating carbon dioxide exchange rates of ecosystems:past, present and future. Global Change Biology 9 (4), 479–492, 2003.Ramos, C.M.C.; Nardini, R.C.; Zimback, C.R.L.; Seraphin, S. Análise temporal da variação da temperatura utilizando-se a geoestatística. In: Simpósio Brasileiro de Sensoriamento Remoto, 24, 2009, Natal. Anais XIV Simpósio Brasileirode Sensoriamento Remoto. Natal: INPE, 2009. v.único, p.347-353.Reichstein, M.; Falge, E.; Baldocchi, D.; Papale, D.; Valentini, R.; Aubinet, M.; et al. On the separation of netecosystem exchange into assimilation and ecosystem respiration: review and improved algorithm. Global ChangeBiology, 11:1-16. 2005.Vieira, S.R. Geoestatística em estudos de variabilidade espacial do solo. In: Novais, R.F.; Alvarez V.V.H.; Schaefer,C.E.G.R. (eds.). Tópicos em Ciência do Solo. Viçosa: SBCS, 2000. p.1-54.Tabela 1. Parâmetros da Krigagem (KG) e categorias de preenchimento de método Gap-Filling (GF). ------------------------- KG ------------------------- ------------------- GF ------------------- C0 C+C0 A IDT R2 C1 (%) C2 (%) C3 (%) F-CO2 0,7 7,3 11,5 9,58 0,98 2,61 32,90 64,49 Tar 0,1 19,6 13,5 0,51 0,99 0,39 33,72 65,89C0 – Efeito pepita; C+C0 – Patamar; A – Alcance em horas; IDT – Índice de dependência temporal em %; R2 – Coeficiente de correlação do ajustedo semivariograma; C1, C2 e C3 – Categorias da qualidade do preenchimento de falhas pelo método Gap-Filling em %.
  3. 3. XII JORNADA DE ENSINO, PESQUISA E EXTENSÃO – JEPEX 2012 – UFRPE: Recife, 26 a 30 de novembro.Figura 1. Correlação entre os dados observados e estimados por krigagem, A-Fluxo de CO2 e B-Temperatura do ar; correlação entreos dados estimados pelo gap-filling e por krigagem, C-Fluxo de CO2 e D-Temperatura do ar.Figura 2. Mapas de distribuição temporal: A-Fluxo de CO2 observado e preenchido por GF; B-Fluxo de CO2 estimado pro KG; C-Temperatura do ar observada e preenchido por GF; D-Temperatura do ar estimada por KG.

×