CICLO ANUAL E DIÁRIO

No ciclo médio diário, que representou a média em cada hora para todo o período estudado de cada sítio, o pico de H esteve aproximadamente sincronizado entre o modelo e a natureza, próximo ao meio-dia local (Figura 4.1). Entretanto, o modelo teve consisten- temente magnitude maior que a natureza, tanto para H quanto LE (Figura 4.2), sendo que durante a noite, quando H passa a ser negativo, o modelo ficou com os valores ainda mais negativos. Ha2 e LPH apresentaram valores menores que Ha1. Para LPH o fato de a torre estar em local mais elevado e de encosta pode ter influência. Já a vegetação parece ser determinante na diferença entre Ha1 e Ha2, que estão em altitude similar, mas cobertura vegetal de espécies diferentes: Ha1 predominantemente formado por decíduas e Ha2 por coníferas.

Para LE no ciclo diário (Figura 4.2), como dito, o modelo também apresentou con- sistentemente magnitude maior. Utilizando um modelo biofísico, Baldocchi e Wilson (2001) também observaram superestimativa de LE, em média 14% a mais que os dados obser- vados. Além disso, os valores observados também estiveram sincronizados com o modelo para Ha1 e Ha2. Neste sentido, a diferença de vegetação não teve influência, apesar de os valores na floresta de conífera serem menores que na floresta decídua. Isso era esperado, pois as plantas decíduas transpiram mais que as coníferas e esse fenômeno contribui for- temente para a evapotranspiração, o LE total (BALDOCCHI et al., 2000; WILSON et al., 2002; JONES, 2014).

Interessantemente, LPH teve valores de LE maiores que Ha1, com alguns maiores que 120 W/m² enquanto Ha1 chegou a um máximo de aproximadamente 90 W/m². O fato

Figura 4.1 – H médio por hora do dia para os dados observados e modelados.

de LPH ser uma floresta em desenvolvimento pode ter alguma influência, já que como mostraram Komatsu, Tanaka e Kume (2007), as árvores jovens evapotranspiram mais que as plenamente crescidas. A altitude e o aspecto do relevo podem exercer influência no horário de ocorrência do valor máximo em LPH e GMF, sítios de encosta. Além disso, a condutância do dossel no ciclo diário, que sinaliza a abertura das folhas à transpiração, é maior no início da manhã, seguido por uma diminuição ao longo do dia. Esta diminuição ocorre com o aumento do VPD - que representa a demanda de vapor d’água por parte da atmosfera, ou seja, a atmosfera fica relativamente mais seca - e a saturação dos níveis de radiação fotossinteticamente ativa para abertura dos estômatos - que representa os comprimentos de onda da radiação utilizados na fotossíntese. Portanto, apesar de haver maior radiação em torno do meio-dia, os estômatos começam a se fechar por proteção à excessiva perda de água e por saturação radiativa. Estes fenômenos não devem estar bem representados no modelo (RICHARDSON et al., 2012; XIN et al., 2018), o que ajudaria a explicar porque LE teve um pico posterior nas simulações, em alguns sítios.

No ciclo anual, observou-se diferenças ainda mais expressivas nos fluxos, nova- mente com superestimativa por parte do modelo de forma consistente (Figuras 4.3 e 4.4).

67 Figura 4.2 – O mesmo que na figura 4.1, mas para LE.

Aqui os valores apresentaram maior variabilidade, o que se tornou expressivo para LPH. Isto ocorre pois fez-se a média para cada dia do ano, sendo que a quantidade de anos varia entre pouco mais de 3 anos (LPH) a 13 anos (Ha1). Assim, não se obtém muitos dados para cada dia, ao contrário de quando se obtém de centenas a milhares de dados ao se fazer a média de cada hora para o ciclo diário. Portanto, variabilidades de sistemas transientes irão impedir um comportamento médio mais suavizado ao longo do ano. Por isso, utilizou-se a técnica de suavização citado no capítulo da metodologia para retirar a influência da variabilidade interanual e ressaltar o caráter climatológico. Além disso, vale destacar que houve um aparente aumento nos erros dos fluxos a partir do ciclo diário para o anual. Quando se integra os dados para cada dia do ano perfazendo o ciclo anual, a con- cordância entre as observações e o modelo se deterioram, assim como visto por Baldocchi e Wilson (2001). Isso porque no inverno a diferença em magnitude é menor, de modo que a apresentação em ciclo diário suaviza as diferenças (Figura 4.2). Já para o ciclo anual, os erros no verão, maiores em magnitude, são evidenciados (Figura 4.4).

Um dos problemas relacionados à superestimação dos fluxos já pode ter sido cau- sada pela superestimação do próprio saldo de energia na superfície por parte das simu-

Figura 4.3 – H médio por dia do ano para os dados observados e modelados.

lações. Problema causado principalmente pela superestimação da energia radiativa solar. Lu e Kueppers (2012) observaram 20% a mais de radiação líquida de onda curta e longa tanto em decíduas como coníferas, maior no verão e menor no inverno. Isso pode ocorrer devido ao modelo simular menos nebulosidade, ignorar aerossóis e menos absorção em dias claros, assim como a representação do dossel, ou seja, problemas majoritariamente associados ao albedo. O albedo tem sido reportado como um grande limitador na correta representação do saldo de radiação na superfície (DIRMEYER et al., 2018). Esta discre- pância impacta especialmente H. Por exemplo, Burakowski et al. (2016) notaram que o modelo WRF com o esquema de superfície-terrestre Noah-MP subestima o albedo devido a cobertura de neve sobre coníferas. As últimas versões do WRF tem melhorado um pouco a superestimação da radiação solar (LU; KUEPPERS, 2012).

Para Ha1 houve um pico de H em torno do dia do ano 100 e logo após seus valores caíram bruscamente (Figura 4.3a), o que se observou para LPH e GMF (Figura 4.3a e b), apesar de menos intensamente. Isso ocorreu próximo ao final do inverno e início da primavera. Esta queda não ocorreu para Ha2, o que indica o papel da espécie arbórea nos valores dos fluxos. Interessantemente, o modelo seguiu o comportamento sazonal de Ha2,

69 Figura 4.4 – O mesmo que na figura 4.3, mas para LE.

com o pico logo após o dia 100 e manteve os valores de H altos durante toda a primavera e verão (até aproximadamente o dia 260), mesmo que o ponto de grade esteja configurado como floresta mista na simulação. Este ponto é abordado com maior atenção na seção 4.3.2. Logo após o dia 250, o modelo teve seus valores de H diminuídos de forma súbita. Isso pode estar sendo causado porque o modelo tem a mudança de seu GVF de forma brusca (também abordado na seção 4.3.2), uma vez que isso ocorreu próximo à SF e ao primeiro congelamento climatológico.

Em geral, o ciclo sazonal de LE está estreitamente ligado ao comprimento da esta- ção de crescimento, que acontece entre EF e SF, e à distribuição da precipitação (BRÜM- MER et al., 2012). Para LE, apesar da superestimativa, o ciclo anual observado está mais parecido com o modelado (Figura 4.4). Na floresta decídua, Ha1, os valores de LE fi- caram maiores que Ha2, como esperado, pelo fato de as florestas decíduas transpirarem mais que as coníferas na presença de folhas (BALDOCCHI et al., 2000), ou seja, durante a estação de crescimento. Em LPH, LE foi maior, o que coloca seus valores, em geral, mais próximos ao modelo, que costumou superestimar os fluxos. Não é claro porque LE apre- sentou valores tão maiores aqui. Como citado, as plantas jovens tendem a transpirar mais

que as já crescidas, apesar de não se saber a magnitude desta influência nesta análise. Além disso, as medições para LPH apresentaram alta variabilidade, com muitos valores espúrios o que, em alguns momentos, pode ter elevado os valores absolutos. Entretanto, este fato não comprometeu a análise do comportamento geral do sítio. EM GMF, os valores mais altos de LE no verão se estenderam um pouco mais do que em Ha1 e Ha2, o que pode ser devido à localização geográfica do sítio, mais a sul.

Utilizando uma gama de modelos, esquemas de superfície e reanálises, inclusive Noah versão 2.7.1, Dirmeyer et al. (2018) observaram deficiências em LE para todas si- mulações. A superestimação observada para LE não foi tão significante quanto para H, sendo que o desvio positivo em Rn tende a ter maior resposta em H. Houve muito mais

espalhamento entre os modelos para H do que LE. A representação da sazonalidade também foi pior para H. Isso coloca uma importante consideração nos problemas dos es- quemas de superfície, já que o consenso geral é que H seja um processo mais simples de simular do que LE.

Além de alguns fatores determinantes para a qualidade nas simulações dos fluxos discutidos até aqui, outros problemas, mesmo menores, podem influenciar. Erros do mo- delo podem residir em: parâmetros utilizados no esquema de superfície; variáveis forçan- tes da atmosfera, como temperatura e vento; a física envolvida no esquema de superfície que nem sempre é completa (RICHARDSON et al., 2012; XIN et al., 2018); a resolução temporal e espacial horizontal e vertical do modelo, levando a erros de representação pre- cisas do uso do solo e na turbulência vertical de acordo com o número de camadas (WU; LIU; JELINSKI, 2000); erros nas medidas dos fluxos usados para avaliar o modelo, como o problema de fechamento de energia. Além disso, sabe-se que cada tipo de floresta, uso do solo, é representado de uma mesma forma nos modelos (HONG et al., 2009; FRIEDL et al., 2002, 2010). Entretanto, características peculiares de cada floresta, mesmo que do mesmo tipo (latifoliadas decíduas por exemplo), como idade das plantas, predomínio de determinadas espécies, espaçamento entre as árvores, etc, podem causar diferenças nos fluxos de uma floresta para outra, sendo que no modelo são representadas de uma maneira só. O que pode variar é a GVF, mas que para as simulações analisadas aqui, apresentou apenas um valor para cada mês a partir de dados climatológicos obtidos por satélite (MILLER et al., 2006; FANG et al., 2018).

4.1.1 Componentes dos Fluxos

O módulo de superfície do modelo, para as simulações aqui estudadas, Noah-MP, calcula os fluxos dividindo-os de acordo com a componente emissora. H é emitido pelo solo nu, dossel e solo vegetado. Além destas três componentes, para LE têm-se ainda a transpiração, que está associada ao processo de fotossíntese das plantas com a abertura

71 dos estômatos. Os fluxos totais emitidos pela superfície são o somatório das componentes que formam cada fluxo. Além disso, o padrão diurno do armazenamento tem significativas contribuições do fluxo de calor no solo, de H que fica na coluna de ar abaixo dos instru- mentos de covariância dos vórtices e do fluxo de armazenamento de calor na biomassa do dossel. Entretanto, apenas a componente do solo mostra mudanças de armazenamento significativas na escala sazonal (OLIPHANT et al., 2004). Além disso, no modelo como é de se esperar, G já é separada das componentes analisadas nesta seção.

As figuras 4.5 e 4.6 apresentam a comparação de H e LE observados com cada componente prevista pelo modelo. Para Harvard Forest, comparou-se as componentes dos fluxos do modelo com os valores observados de Ha1, já que é uma floresta decídua desenvolvida, sendo este o uso do solo de maior interesse aqui, principalmente para o ciclo anual. Como esperado, H foi dominado quase completamente pela componente do dossel, indicando que o modelo representa bem a existência de floresta nesta região. Uma floresta bem desenvolvida cobre intensamente a superfície e seu dossel é o principal encarregado de exercer as trocas com a atmosfera. Entretanto, os valores foram muito maiores que os observados, mesmo considerando apenas esta componente. Tanto para Harvard Forest quanto para GMF, a diferença foi muito alta no verão. Além disso, novamente se percebe que o modelo não representou a forte sazonalidade de H, com seu pico máximo no final do inverno (logo após o dia do ano 100) e a posterior brusca queda em seus valores.

O solo nu apresentou apenas uma pequena participação, no auge do inverno, quando as árvores tanto superiores quanto subdossel estavam com quase nenhuma ativi- dade e pouca cobertura de folhas. Neste caso, o solo está recebendo calor da atmosfera, H negativo, pois nesta época a superfície passa quase o dia inteiro com saldo negativo de radiação. A componente de solo vegetado começou a ter participação significativa próximo ao térmico da queda de H nos valores observados, em torno do início do outono, apesar de os valores serem uma pequena fração daqueles do dossel. Isso indica provavelmente a diminuição de folhas nas árvores superiores e maior quantidade de radiação atingindo a vegetação rasteira e de pequeno porte. Esta participação se estendeu de forma signifi- cativa até o final do ano. Como mostraram Schaap e Bouten (1997) e Wilson, Hanson e Baldocchi (2000), os fluxos sob o dossel tem uma contribuição muito significativa durante a dormência das plantas decíduas. Já durante a estação de crescimento e nas coníferas ao longo do ano sua contribuição costuma diminuir significativamente. Interessantemente houve um pico negativo desta componente logo antes do final do inverno (próximo ao dia do ano 75). Isto parece coincidir com o derretimento climatológico do gelo na superfície da região (FITZJARRALD; ACEVEDO; MOORE, 2001).

Pode-se perceber a boa representação de área de floresta no modelo também nas componentes de LE, em que a transpiração, que é a parte evaporativa das atividades vitais das plantas, dominou os valores de LE. Inclusive, esta componente ficou quase igual aos valores observados do total de LE para os dois sítios. Esta correspondência

Figura 4.5 – Componentes que compõem H para cada um dos pontos de grade e o valor total dos fluxos observados, sendo Ha1 para Harvard Forest.

ocorreu desde o início do ano e continuou até o verão. Após o pico no verão, o modelo diminuiu a magnitude de LE mais intensamente que os valores observados.

A componente de LE para o solo nu teve pequenos valores apenas no período mais quente do ano. Após a transpiração, LE devido à evaporação do solo vegetado foi a segunda maior componente para este fluxo, uma vez que nas superfícies foliares e no solo, costuma estar mais úmido que no dossel. Wehr et al. (2017), ao estudarem os fluxos na floresta Ha1, mostraram que, em média, durante a estação de crescimento, a evaporação contou com 16% da evapotranspiração. Entretanto aumentou dramaticamente ao longo da primavera-verão. Nenhum modelo de ecossistema testado por Wehr et al. (2017) captou estes padrões.

Blanken et al. (1997) investigando as características do dossel de uma floresta com álamos e avelãs no subdossel, mostraram como a transpiração do subdossel é contro- lada pela arquitetura e LAI das árvores superiores, ou seja, pela quantidade de radiação transmitida. As avelãs contaram com até 27% da evapotranspiração. Aumento significativo de GPP associado com a vegetação subdossel pode ocorrer logo antes da EF no dossel

73 Figura 4.6 – O mesmo que na figura 4.5 mas para LE.

(MELAAS et al., 2013). Isto representaria a transpiração da vegetação subdossel, uma vez que quando os estômatos se abrem liberam vapor d’água para o ambiente e absorvem CO2, absorção esta que perfaz a GPP. Pode-se notar isto analisando que a evaporação da vegetação subdossel no início da primavera (aproximadamente entre o dia 90 e 100) foi a maior entre as componentes de LE. Sendo que no WRF esta componente costuma ser superestimada (LU; KUEPPERS, 2012).

LE vindo da evaporação da umidade sobre o dossel, a terceira menor componente, ainda teve uma contribuição relevante para o fluxo total. Helvey e Patric (1965) observaram que a evaporação do dossel úmido para as decíduas é maior que para as coníferas durante a estação de crescimento pois estas apresentam menor interceptação dos hidrometeoros, a não ser que a floresta conífera tenha um regime de maior precipitação (KOMATSU; TA- NAKA; KUME, 2007). Já no inverno, as coníferas interceptam mais precipitação que as decíduas, que estão sem folhas. Em todo o caso, as três principais componentes de LE tiveram valores muito maiores no verão, como é o esperado, período com maior quantidade de chuva e maior saldo de energia radiativa na superfície, o que se pode ver claramente no modelo.

Chatterjee et al. (2018) estudaram as trocas entre uma floresta do Himalaia de alta altitude no leste da Índia e observaram que a concentração do vapor d’água varia de 8,8 a 16.6 mmol/mol abaixo do dossel e 7,2 a 15,3 mmol/mol acima do dossel, com variações diurnas parecidas entre os dois pontos. Os valores abaixo do dossel estão associados a evapotranspiração do solo e da vegetação rasteira. Observaram que as concentrações em ambos os níveis aumentam logo após o nascer do Sol com pico entre 13 e 14h, o que pode ser atribuído ao aumento da evaporação a partir do solo e transpiração das plantas. Também observaram que H varia entre -30 a 424 W/m2 acima do dossel e entre 9,8 a 98 W/m2 abaixo; enquanto que LE varia de -52 a 338 W/m2 acima e -27 a 129 W/m2 abaixo do dossel. Portanto, a partição de energia abaixo do dossel foi mais para LE e acima do dossel mais para H. Valores positivos de β foram observados em ambos os locais no período noturno.

Durante o período de dormência, quando o solo tem uma maior contribuição, o fe- chamento do balanço de energia no solo é pior que durante a estação de crescimento, de- vido a perdas de medição de fluxos de LE de alta frequência e a heterogeneidade espacial da radiação subdossel (WILSON; HANSON; BALDOCCHI, 2000). A menor contribuição do solo durante a estação de crescimento reside principalmente no fato de chegar menos energia radiativa na superfície. Wilson, Hanson e Baldocchi (2000) mostraram que para a floresta decídua de Oak Ridge no Tennessee a radiação que chega no chão corresponde a 21,5% da radiação que chega no topo do dossel ao longo do ano, sendo que durante a dormência este valor sobe para 44% e na estação de crescimento cai para 13,8%. Para uma floresta conífera boreal, a fração relativa de radiação que chega no chão foi de 10 a 30%, H relativo à componente subdossel foi de 25 a 40% e LE relativo de 20 a 40% (BAL- DOCCHI; VOGEL, 1997). Para Harvard forest, Moore et al. (1996) observaram valores similares. Além da heterogeneidade da radiação subdossel, a heterogeneidade da umi- dade do solo também contribui para a dificuldade no fechamento do balanço de energia. A escala fina de interação raiz-dossel exibe controle sobre escalas maiores de variabilidade espacial da umidade do solo. A vegetação determina esta variabilidade que tende a ser aproximadamente o inverso da distribuição espacial de LAI na estação de crescimento (HE et al., 2014). Isso porque árvores com mais folhas tendem a utilizar maior quantidade de umidade do solo ao realizarem a fotossíntese e transpirarem.

Apesar da sazonalidade em H do solo vegetado, Wilson, Hanson e Baldocchi (2000) observaram muito menos sazonalidade em LE. Durante o período de dormên- cia, ambos os fluxos são importantes no solo, cada um consumindo em torno da metade do total da energia disponível para todo o ambiente. Durante a estação de crescimento, H e LE subdossel são menos de 10% do total dos fluxos. Durante a estação de dormência, o solo é uma fonte de energia enquanto na estação de crescimento, G é negativo. Por isso, a energia para H e LE é menor na estação de crescimento, o que explica porque LE não cresce neste período e continua baixo ao longo do ano, mesmo após a EF subdossel.

75 Além disso, o conteúdo de umidade na serrapilheira é o principal responsável pelos valores de LE subdossel, sendo que esta camada é desacoplada da umidade presente no interior do solo. Portanto no verão, rapidamente o conteúdo de água na serrapilheira é consumido (capacidade de retenção em torno de 2 mm) e os valores de LE subdossel caem logo, poucas horas de sol após um evento de precipitação. Já no inverno, mesmo que a taxa de LE seja pequena devido à falta de energia, este fluxo continua ocorrendo até que a serrapilheira seque, de modo que seus valores totais fiquem parecidos no inverno e verão. Já no WRF aqui analisado, a sazonalidade de LE do solo vegetado entre inverno e verão ficou mais marcada.

O modelo WRF parece ter reproduzido bem o comportamento sazonal geral das componentes de H e LE, com exceção de H vindo do dossel. Entretanto, pode-se per- ceber que há problemas em todas as componentes quando se observa de forma mais detalhada. Isto passa a ser importante principalmente na época de transição entre as es- tações de crescimento e de dormência, ou seja, durante EF e SF, o que afeta desde o dossel até o solo. A física do modelo, como a parametrização de superfície-terrestre, deve exercer forte influência nos problemas de simulação, a julgar pelas fortes diferenças nos fluxos entre as florestas com distintos tipos de vegetação.