• Nenhum resultado encontrado

Ψ H função de estabilidade adimensional para o fluxo de calor

2 REVISÃO TEÓRICA

3.3 PROCEDIMENTOS GERAIS DE ANÁLISE

De forma geral, analisou-se ciclos diários e sazonais médios das variáveis contra os dados do modelo. As seguintes variáveis atmosféricas foram analisadas: H, LE, β, T 2m, q2m, amT , U R, P rec, ws e u∗. Os fluxos são obtidos pela técnica de covariância dos

vórtices (BALDOCCHI et al., 2001). No modelo equivalem a altura de 2m. Como os anos analisados diferem para cada uma das torres, pode-se observar pequenas diferenças nos dados modelados médios por dia do ano e por hora do dia, entre os três sítios de Harvard Forest.

Para a identificação de EF e SF, utilizou-se dados de F C observado, dada a forte modificação que ocorre nesta variável com a modificação de GVF, técnica muita utilizada devido ao fato de em EF, o sentido do fluxo se inverter, quando o ecossistema passa de emissor para absorvedor; e com sentido oposto, em SF (ANDERSON; VERMA; ROSEN- BERG, 1984; WILSON; BALDOCCHI, 2000; RICHARDSON et al., 2010, 2012; MELAAS et al., 2013).

A fim de eliminar as perturbações causadas por sistemas de tempo transientes, como frentes, no momento da análise do comportamento das variáveis durante a chegada da primavera, utilizou-se a técnica de suavização smoothing by spline fuctions (REINSCH, 1967, 1971). Com isso, ressaltou-se o caráter climatológico e retirou-se a contribuição de distúrbios sinóticos que causam perturbações na escala de dias a semanas (FREEDMAN; FITZJARRALD, 2001; OLIPHANT et al., 2004).

Analisou-se também o impacto da utilização de uma simples técnica para redistribuir a energia que sobra e fechar o balanço de energia da superfície (BARR et al., 1994; TWINE et al., 2000): f actor = Rn H + LE Hcorr = H · f actor LEcorr = LE · f actor (3.10)

em que f actor é o fator de correção que, ao ser aplicado em H e LE, faz com que a soma dos dois perfaça o total de energia disponibilizada por Rn. Este método é conhecido como

fechamento da razão de Bowen (TWINE et al., 2000). Neste trabalho despreza-se G, pois em geral é pequeno ao se fazer a análise considerando o período diurno. Com isso, toda a energia disponível a partir de Rnfoi convertida para H e LE.

A tabela 3.2 apresenta a altitude e o uso do solo dos 4 sítios e os valores correspon- dentes no modelo. Como já visto, Ha1 e LPH são florestas decíduas e Ha2 coníferas. Já GMF é uma floresta mista. Pode-se observar que o uso do solo não ficou o mesmo entre o modelo e o real para as torres de Harvard Forest. Entretanto, pode-se analisar como o modelo se comporta possuindo diferentes usos do solo e com qual sítio ele se aproxima mais. Coincidentemente, os pontos de grade ficaram todos como florestas mistas.

Tabela 3.2 – Altitude e uso do solo nos sítios e os valores correspondentes no modelo. Os tipos de usos do solo correspondentes aos numerais estão na figura 3.2.

Sítio altitude (m) altitude NGP (m) ∆topo uso do solo uso do solo no modelo

Ha1 340 323,2 16,8 4 5

Ha2 360 323,2 36,8 1 5

LPH 377,5 323,2 54,3 4 5

GMF 380 429,2 -49,2 5 5

No capítulo que avalia a relação da turbulência e relevo com as outras variáveis, a altitude em relação ao nível do mar passa a ser importante, tanto do sítio como do modelo. Atribuiu-se ∆topo para a diferença entre a altitude do sítio e a do ponto de grade correspon- dente do modelo. Como visto, os três primeiros sítios estão muito próximos um ao outro. Contudo, LPH está em altitude maior. O método de extração de dados do modelo utilizado aqui é o ponto de grade mais próximo (NGP, do inglês nearest grid point), muito comum em simulação numérica (BUCKLEY; WEBER; WEBER, 2004; JIMÉNEZ et al., 2010; MÜLLER, 2011; SOARES et al., 2012; XIE et al., 2012). Uma análise comparando-se NGP com uma média de 4 pontos de grade em torno dos sítios foi conduzida. Como o espaçamento de grade horizontal do modelo é de 4 km e as torres de Harvard Forest não se distanciam mais que isso, NGP para os três sítios foi o mesmo, o que faz com que os dados do mo- delo sejam iguais para os três, inclusive o uso do solo. Essa questão não deixa de ser interessante, pois pode-se analisar em qual estação o modelo se aproxima mais e tentar explicar os motivos.

Battisti et al. (2012) estudaram a influência do relevo nos valores de temperaturas mínimas em diferentes tipos de topografia. Eles mostraram que em uma área circundante de 16 x 16 km², a diferença da altitude de uma estação normalizada pela mínima altitude apresentou uma relação muito próxima à linear da temperatura normalizada pela tempe- ratura esperada para a altitude da estação. Esta temperatura esperada foi obtida a partir de um ajuste linear envolvendo as altitudes das 27 estações estudadas pelos autores e da temperatura média de cada estação. Foi considerado apenas noites com vento médio

63 abaixo de 1,3 m/s, ou seja, noites que estão ou se aproximam do regime muito estável, no qual as condições locais exercem mais controle. A ideia consiste em considerar que se a temperatura observada está abaixo da esperada para a altitude dessa estação, significa que a estação deve estar num local mais baixo que seus arredores, pois os fenômenos de escoamento de ar frio e desacoplamento, que resfriam o ambiente próximo à superfície, devem estar ocorrendo. Battisti (2014) e Battisti et al. (2017) encontraram uma relação muito parecida com o trabalho de Battisti et al. (2012), estudando o erro da previsão de temperaturas noturnas pelo modelo WRF. Entretanto, neste trabalho os autores analisa- ram o erro da previsão em função da diferença de altitude entre a estação e a do modelo. Como a altitude do modelo é suavizada, seu valor representa uma altitude média da re- gião. Portanto, se a estação estiver com uma altitude menor, ela deve estar numa baixada, o que favorece o fenômeno de desacoplamento e o registro de temperaturas menores que as previstas pelo modelo. Uma análise parecida foi feita aqui para a topografia, e o método de Battisti et al. (2017) foi utilizado.