• Nenhum resultado encontrado

4.4 Resultados e discussão

4.4.2 Predição da clorofila a e desempenho dos modelos de regressão simples

Resultados semelhantes acerca da influência das mudanças climáticas na concentração de nutrientes e biomassa foram encontrados em outros estudos em reservatórios na região semiárida (CAVALCANTE; ARAÚJO; BECKER, 2018; ROCHA JUNIOR et al., 2018) evidenciando que reservatórios com afluências abaixo da média durante períodos de seca podem apresentar um aumento no estado trófico devido à diminuição da diluição da concentração no sistema (GÁMEZ; BENTON; MANNING, 2019).

Figura 12 Comparação entre os coeficientes de determinação entre NT e Cla nas doze bacias estudadas e modelos clássicos sugeridos na literatura.

Fonte: Elaborado pela autora.

Analisando os valores de regressão simples desenvolvidos para cada reservatório, observa-se que dentre os R² classificados conforme o critério de desempenho estatístico proposto por Moriasi et al. (2015) (Tabela 7), 46,45% dos reservatórios em estudo (n=72) se enquadram na classificação insatisfatória. Deste modo, a maioria dos reservatórios (53,55%, n=83) obteve performance satisfatória ou superior, sendo 13,55% ( n= 21) como muito bom, 10,79% (n=17) como bom e 29,03% (n= 45) como satisfatório.

Tabela 7 – Desempenho estatístico dos reservatórios estudados

Critério de desempenho n-reservatórios Média ± DP Intervalo Insatisfatório (R²≤0,3) 72 0,101 ± 0,097 3.46E-05 - 0,294 Satisfatório (0,3<R²≤0,6) 45 0,442± 0,081 0,308 - 0,590

Bom (0,6<R²≤0,7) 17 0,657 ± 0,030 0,695 - 0,692

Muito Bom (R²>0,7) 21 0,769 ± 0,063 0,709- 0,982

Fonte: Elaborado pela autora.

Os reservatórios que obtiveram melhor performance estatística foram: Monte Belo (R²=0,928, n =14), Serafim Dias (R²=0,893, n=21) e Benguê (R²=0,855, n=34), com

desempenho muito bom. Na classe bom, Malcozinhado (R²=0,695, n=39), Jenipapeiro (R²=0,693, n=25) e Arneiroz II (R²=0,691, n=37). Com performance satisfatória, destacam-se Barra Velha (R²=0,590, n=20), Nova Floresta (R²=0,582, n=17) e Araras (R²=0,562, n=34).

Os reservatórios como os menores R² foram Missi (R²=0,002, n=32), Barragem do Batalhão (R²=0,0001, n=17) e Desterro (R²=3,4571e-05, n=21).

Os intervalos de R² encontrados corroboram com os resultados encontrados nos estudos clássicos de Prairie, Duarte e Kalff (1989)(R²=0,69), Canfield et al. (1984) (R²=0,78), e Pridmore, Vant e Rutherford (1985)(R²=0,53), onde fortes correlações foram obtidas entre os valores log-transformados de clorofila a e nitrogênio total em lagos. No que diz respeito às análises em reservatórios, avaliando a probabilidade de eutrofização e florações prejudiciais de cianobactérias, Thi Hoang Yen et al. (2021) analisaram dois açudes durante um período prolongado de seca, identificando correlações entre NT e Cla com R²=0,550 e 0,603. Stepanova (2021), analisando as relações clorofila a nutriente em um reservatório eutrofizado, observou correlações positivas de R²=0,570. Isso indica que, em reservatórios eutrofizados e/ou submetidos a altas variações hidroclimáticas, o nitrogênio total pode ser um preditor satisfatório da clorofila a.

No entanto, a capacidade preditiva do nitrogênio total foi insatisfatória em aproximadamente 46% dos reservatórios. Outros estudos em reservatórios também relataram correlações positivas, porém menos significativas (FILSTRUP; DOWNING, 2017; ATIQUE;

AN, 2020; MAMUN et al., 2020; JARGAL et al., 2021; MAMUN; KIM; AN, 2021). Nesses, as correlações entre NT e Cla identificadas classificam-se com desempenho estatístico insatisfatório, sendo a clorofila a mais bem correlacionada com outros nutrientes, como no caso de limitação por fósforo total ou com fatores externos (temperatura do ar, turbidez, variabilidade climática, profundidade, luz, etc). Desse modo, como a dinâmica entre o nitrogênio e a clorofila a pode ser influenciada por diversos fatores e processos complexos, nesses reservatórios, geralmente submetidos a alta variabilidade hidroclimática e onde a diversidade de fontes de poluição permite heterogeneidade espaço-temporal na dinâmica do nitrogênio, os padrões da dinâmica da clorofila a pode não ser sempre caracterizada por modelos lineares simples com apenas uma variável de entrada como preditor (GUO et al., 2021).

No que diz respeito aos R² entre os dados na mesma bacia hidrográfica (Figura 13), as bacias do Alto Jaguaribe, Curu e Médio Jaguaribe apresentaram o maior percentual de reservatórios com desempenho estatístico satisfatório ou superior, com, respectivamente, 75%

(18), 69.23% (9) e 66.67% (10), com exceção da bacia do baixo Jaguaribe que possui 100%,

porém conta com apenas um reservatório. Os R² entre NT e Cla médios nessas bacias (Tabela 8) foram R²=0,465 (n= 16 reservatórios), R²= 0,417 (n=13) e R²=0,445 (n=15) (Tabela 8). Os maiores percentuais de reservatórios classificados com desempenho insatisfatório foram identificados nas bacias de Salgado (73,33%) com R²=0,183 (n=15), Acaraú (62.5%) com R² de 0,275 (n=16) e Serra da Ibiapaba (100%) com R²=0,123 (n= 1 reservatório). O teste de Kruskall-Wallis (H(11)=520,822; p=0,03) confirmou a influência da bacia hidrográfica nos ajustes lineares entre nitrogênio total e clorofila a. A bacia com maior diferença significativa entre os demais grupos identificados no post hoc de Dunn foi a bacia do Salgado, apresentando diferenças estatísticas com cinco outras bacias.

O uso do solo na área da bacia tem papel relevante na entrada de sedimentos e nutrientes nos leitos dos corpos d'água. A ocupação urbana, a produção de culturas agrícolas, desmatamento etc., responsáveis por provocar mudanças no volume de escoamento superficial, na temperatura da água, aumento na produção de algas e diminuição da concentração de oxigênio nos cursos d'água, ocorrem com intensidade variável em cada bacia hidrográfica (CHEN et al., 2018a; LOPES et al., 2019). Sendo assim, cada bacia pode estar submetida a pressões antrópicas distintas, resultando em diferentes fontes poluidoras e insumos antropogênicos de nutrientes.

Figura 13 Desempenho estatístico dos coeficientes de determinação entre nitrogênio e clorofila a nas bacias hidrográficas em estudo.

Fonte: Elaborado pela autora.

Tabela 8 – Análise estatística dos R² entre NT e Cla por bacia hidrográfica em estudo.

Bacia n-reservatórios Média ± DP Intervalo

Acaraú 16 0,275 ± 0,285 0,003 - 0,810

Alto Jaguaribe 24 0,465 ± 0,257 0,015 - 0,928

Baixo Jaguaribe 1 0,713 0,713 - 0,713

Banabuiú 19 0,438 ± 0,289 0,014 - 0,893

Coreaú 9 0,301 ± 0,285 0,002 - 0,724

Curu 13 0,417 ± 0,226 3,457e-05 - 0,728

Litoral 10 0,238 ± 0,156 0,002 - 0,457

Médio Jaguaribe 15 0,445 ± 0,272 0,009 - 0,751

Metropolitana 22 0,296 ± 0,234 0,012 - 0,709

Salgado 15 0,183 ± 0,241 0,004 - 0,691

Serra da Ibiapaba 1 0,123 0,123 - 0,123

Sertões de Crateús 10 0,336 ± 0,310 0,000 - 0,783

Fonte: Elaborado pela autora.

Com relação à variabilidade dos R² entre NT e Cla no que diz respeito ao porte do reservatório (Figura 14 –A), o teste de Kruskall-Wallis (H(3)=1,553; p=0,629) e o post hoc de Dunn não indicaram diferenças significativas entre os R² dos açudes de diferentes capacidades de armazenamento. As médias dos coeficientes de determinação dos grupos foram semelhantes, sendo estas 0,321 ± 0,113 (n=4) para os reservatórios Estratégicos, 0,349 ± 0,057 (n=19) para os de Grande Porte, 0,376 ± 0,031 (n=79) nos de Médio Porte e 0,319 ± 0,036 (n =53) para os açudes classificados como de Pequeno Porte. O desempenho estatístico insatisfatório distribuiu-se uniformemente entre as clasdistribuiu-ses (50,00%, 52,63%, 43,04% e 49,06%, respectivamente), verificando-se assim que o porte não apresentou impacto significativo na dinâmica dos R² entre nitrogênio e clorofila a.

Figura 14 Dinâmica dos coeficientes de determinação entre e NT e Cla conforme o porte do reservatório (A) e o coeficiente de variabilidade volumétrica (B)

Fonte: Elaborado pela autora.

Analisando a influência da variabilidade do percentual volumétrico anual (Figura 14 - B), estimada com base no coeficiente de variação, nos ajustes entre o nitrogênio total e clorofila a, identificou-se performance semelhante entre os reservatórios com diferentes coeficientes de variabilidade volumétrica. Este fato foi confirmado através do teste de variância de Kruskal-Wallis que identificou diferenças significativas entre os grupos com diferentes coeficientes de variabilidade volumétrica (H(9)=9,65; p=0,02), principalmente entre os grupos Alto (p=0,002) e Muito alto (p=0,035) com o grupo de Média Variabilidade. Dentre os reservatórios classificados com coeficiente Muito Alto (n=25), 56% enquadraram-se no desempenho estatístico satisfatório ou superior, os de Alto CV (n=51) obtiveram 57,30%, os de Médio (n=14) resultaram em 40% e para os classificados como de Pequeno (n=25) o percentual de reservatórios foi 66,67%. O melhor desempenho estático foi identificado no Grupo Alto (R²=0,398 ± 0,282), procedido da classe Muito Alto (R²=0,361 ± 0,244).

Reservatórios com coeficiente de variabilidade elevados possuem maior dispersão nos dados de volume, indicando possíveis eventos extremos de flutuação do nível da água nos reservatórios, geralmente apontados como responsáveis por causar maiores impactos na qualidade química da água, especialmente na produtividade primária em lagos e reservatórios (HARA; ATIQUE; AN, 2020). Em períodos de seca prolongados, o nível da água é reduzido aumentando a concentração de nutrientes e tornando o ambiente aquático suscetível a florações de cianobactérias e processos de eutrofização (COSTA; ATTAYDE; BECKER, 2016; ROCHA JUNIOR et al., 2018).

Utilizando o critério de classificação sugerido por Cunha et al., (2013), os reservatórios foram classificados conforme seu estado trófico utilizando as médias de concentração de clorofila a. Como mostra a Tabela 9, foram identificados 105 reservatórios que se classificam como hipereutróficos, 15 reservatórios supereutróficos, 18 eutróficos, 16 mesotróficos e apenas 1 reservatório com média classificável como oligotrófica. Além disso, observou-se que os valores de R² aumentaram significativamente conforme a intensificação do estado trófico, tendo sido identificado diferenças significativas entre as classes tróficas através do teste de Kruskal-Wallis (H(4)=47,813, p= 0,005). O maior número de R² satisfatórios ou superiores foi encontrado nos reservatórios hipereutróficos, onde 69,5% dos R² são superiores a 0,3. Nas demais classificações, observou-se predominância de classificações insatisfatórias, obtendo-se 33,3% para os supereutróficos, 11,11% para os eutróficos, 18,7% para os mesotróficos e 0% ajustes satisfatórios para os reservatórios oligotróficos. Os melhores ajustes encontrados nas classes eutrófica e hipereutrófica estão associadas à tendência decrescente da limitação por fósforo total com o aumento da concentração de Cla. Em reservatórios

oligotróficos, com menores concentrações de Cla, o PT é geralmente o nutriente limitante. No entanto, quando a concentração de Cla no ambiente aquático aumenta, tornando-o hipereutrófico, uma colimitação ou limitação por nitrogênio total são mais prováveis (LIANG;

SORANNO; WAGNER, 2020). Além disso, altas concentrações de fósforo, características de ambientes hipereutróficos, podem implicar em redução do fornecimento de nitrogênio total na zona tropogênica devido a utilização planctônica excessiva de nitrogênio, favorecendo a limitação de nitrogênio total (PHILLIPS et al., 2008). A mudança de nutriente limitante sob diferentes condições de concentração de clorofila a ou condições climáticas foi também verificada nos estudos de Yan et al. (2016), Wiegand et al., (2020) e Zhou et al. (2023).

Tabela 9 – Análise estatística dos coeficientes de determinação entre NT e Cla conforme o estado trófico

Estado Trófico Coeficiente de determinação (R²)

n Média ± DP Intervalo

Ultra-oligotrófico 0 - -

Oligotrófico 1 0,123 0,123

Mesotrófico 16 0,085 ± 0,131 0,002 – 0,390

Eutrófico 18 0,117 ± 0,181 1,06e-05 – 0,609

Hipereutrófico 15 0,255 ± 0,229 3,45e-05 – 0,728

Supereutrófico 105 0,449 ± 0,247 0,002 – 0,928

Fonte: Elaborado pela autora.

Utilizando a razão de Redfield, os reservatórios foram classificados conforme o nutriente limitante. Dos 155 reservatórios, observou-se que 79 possuem limitação pelo nitrogênio total e 76 são limitados pelo fósforo total. Analisando o conjunto de dados com relação a mudança do nutriente limitante dentre níveis de classificação de performance estatística (Figura 15), não foi identificada tendência de diminuição significativa do coeficiente de determinação R² conforme a mudança de nutriente limitante. Assim, mesmo em reservatórios limitados pelo PT, o NT foi um preditor satisfatório do crescimento algal. A identificação do nutriente limitante é um processo complexo, sendo o uso exclusivo da razão NT:PT como preditor do nutriente limitante insuficiente para definir a produtividade primária em ambientes aquáticos (DOWNING; MCCAULEY, 1992). Uma vez que a clorofila a depende das características inerentes de cada ambiente aquático e suas inter-relações, podendo em muitos casos ocorrer colimitação de NT e PT, é necessário levar em conta outros fatores contribuintes para a produção do fitoplâncton (LIANG; SORANNO; WAGNER, 2020;

ROCHA; MESQUITA; LIMA NETO, 2020).

Figura 15 Relação entre a razão NT:PT e o coeficiente de determinação entre NT e clorofila a nos dados monitorados.

Fonte: Elaborado pela autora.

Documentos relacionados