Modelo de condutância estomática

O modelo superestimou a condutância estomática de ‘Paluma’, principalmente quando os valores são mais baixos, aproximando-se da relação 1:1 entre a condutância medida e a modelada nos valores mais altos (Figura 23), quando passa a subestimá-los. O modelo foi capaz de explicar 56% da variação de gs medida, o que pode ser considerado satisfatório e dentro da faixa do observado em outros estudos com espécies agrícolas e arbóreas, os quais também mostraram superestimar ou subestimar a gs

79 medida. O modelo de gs proposto por González-Fernández et al. (2014) para Solanum licorpersicum, explicou em 37% (P < 0,001) a variação da condutância média horária medida em experimentos em câmaras de topo aberto. Azuchi et al. (2014) elaboraram um modelo capaz de explicar 60% da variação de gs para Fagus crenata, enquanto o modelo apresentado em Gerosa et al. (2009b) para Fagus excelsior explicou 63%.

Ao contrário destes, o mesmo Gerosa et al. (2009b) em experimentos em câmaras de topo aberto com Fagus sylvatica e Quercus rubor e Tang et al. (2014) em experimento com Oryza sativa expostas em um sistema aberto de enriquecimento do ar filtrado com ozônio (FACE – “Free-Air Concentration Enrichment system with ozone”), verificaram uma performance do modelo muito melhor, com este explicando aproximadamente 80% da variação de gs.

A diferença do presente estudo aos trabalhos citados está nas condições em que os dados de gs para ‘Paluma’ foram coletados: em campo sob condições ambientais não controladas. Experimentos em câmaras de topo aberto podem reproduzir condições ambientais não realísticas diferentes daquelas observadas em campo, como, por exemplo, temperaturas mais elevadas, velocidade do vento constante e também um controle sobre as concentrações desejadas de ozônio, este último também observado em experimentos conduzidos em FACE. Logo, incertezas ou interpretações imprecisas sobre a condutância estomática da espécie e a quantidade de ozônio absorvida por ela podem ocorrer ao extrapolar esses resultados às condições ambientais de campo.

Com relação à precisão, modelos com melhor desempenho tendem a ser mais precisos. Yamaguchi et al. (2014), ao testarem a incorporação de novas funções ao modelo, observaram um aumento no valor de R² junto a uma redução no valor de RQME, tendo este último variado de cerca de 60 nos mais precisos a 90 nos menos precisos. Como uma primeira abordagem, a aplicação do modelo DO3SE para a espécie P. guajava ‘Paluma’ foi considerado bom (RQME = 116), próximo ao verificado por González-Fernández et al. (2014) (RQME = 101), embora este possa ser melhorado.

A escolha dos parâmetros ambientais que irão compor o modelo é um fator crucial para uma boa resposta deste (Gerosa et al., 2012). Alguns estudos tem relatado o efeito induzido pelo ozônio sobre a condutância estomática de algumas espécies, reduzindo esta resposta fisiológica após um período de exposição ao poluente. Isso foi observado por Yan et al. (2010) em Quercus mongólica, Pina (2010) em Psidium guajava ‘Paluma’ e Calatayud et al. (2011) em Quercus Pyrenaica e Quercus faginea.

80 A consciência desses efeitos, fez com que alguns autores adotassem uma função que representasse o efeito do fluxo estomático horário de ozônio acumulado sobre a condutância máxima (Danielsson et al. 2003, Tang et al. 2014) e a exposição tanto agudo quanto crônica do ozônio sobre a condutância máxima (Yamaguchi et al. (2014). De acordo com este último autor, a inclusão de tais funções ao modelo para Oryza sativa L. melhorou não só o seu desempenho (R² = 0,51 para R² = 0,57), como também a sua precisão ao reduzir o valor de RQME de 87 para 82. A função ainda ajudou a evitar que o modelo superestimasse a concentração de O3 absorvida. Tendo em vista o aumento constante das concentrações de ozônio no município de São Paulo (CETESB 2013), a inclusão das funções mencionadas no modelo de gs para ‘Paluma’, seria interessante e muito adequado, podendo resultar na melhora do modelo.

Outras funções que devem ser avaliadas na aferição do modelo são as referentes ao efeito das horas do período da tarde sobre a condutância máxima e à fenologia expressa pela soma da temperatura efetiva. Quanto à primeira, Danielsson et al. (2003) relatou que houve uma melhora na força do modelo para o trigo, com R2 aumentando de 0,36 para 0,44. Resultados obtidos por Azuchi et al. (2014) também mostraram um leve aumento no valor de R² (de 0,61 para 0,62) e um melhor ajuste da relação entre a gs medida e a modelada, com um coeficiente angular e intercepto próximos a 1 e 0, respectivamente. Ao contrário desses, nenhuma melhora no desempenho do modelo foi observado por Yamaguchi et al. (2014), concluindo que o efeito de tal função poderia estar associado àqueles exercidos pela temperatura, DPV e luz. Portanto, testar a adição desta função no modelo de ‘Paluma’ se faz necessário, uma vez que há uma redução evidente da atividade estomática durante este período do dia (Figura 20).Em relação à função de fenologia, diversos estudos têm adotado a função fenológica baseada na soma da temperatura média diária a partir da antese (florescimento) para explicar o comportamento de gs durante a estação de crescimento (Danielsson et al. 2003, Wieser & Emberson 2004, Pleijel et al. 2007, Grünhage et al. 2012). Ao contrário destes, optou-se por utilizar os dias do ano no presente estudo, de acordo com o Calendário Juliano. Apesar de a função obtida corresponder satisfatoriamente à verificada nos demais estudos (Figura 21f), é possível que apresentá-la como temperatura acumulada produza um resultado melhor.

Segundo Jarvis (1976), um fator que poderia comprometer o modelo seria um número baixo de amostragens, com coleta de dados em uma pequena faixa de variação dos parâmetros ambientais. Tal falha faria com que o valor da condutância não

81 representasse o potencial para a espécie em estudo. Esta hipótese não foi levada em consideração neste estudo, uma vez que a quantidade de dados amostrados foi suficiente para demonstrar as relações existentes entre estes parâmetros e a condutância estomática de ‘Paluma’. Entretanto, a inclusão de dados de gs para ‘Paluma’ referentes a outros locais seria importante (Alonso et al. 2008, González-Fernández et al. 2014) para uma descrição adequada do comportamento estomático sob diferentes condições em que esta cultivar é produzida, resultando em uma melhor parametrização do modelo.

Apesar das várias possibilidades de aferir o modelo, por se tratar de um primeiro estudo com o intuito de avaliar o modelo de gs utilizado na Europa, para uma espécie tropical, o desempenho da modelagem foi além das expectativas. Com isso, estudos posteriores a esse só tendem a contribuir para a melhora de sua capacidade preditiva.

5.4 FAO3 e sua capacidade preditiva para os sintomas foliares e respostas