Relação entre Erro e Turbulência

Com a obtenção das características de cada sítio em relação à turbulência e velo- cidade do vento, é interessante comparar os erros dos fluxos, de temperatura e umidade com estas variáveis que promovem trocas desde a superfície. Isto foi feito apenas para o período noturno, em que percebeu-se maiores especificidades e deficiências nas simula- ções. Utilizou-se o erro médio, EM, calculado da seguinte forma:

EM = varmod− varobs (5.1)

em que varmod e varobs assumem cada valor de H, LE, T 2m e q2m modelados e obser-

vados, respectivamente.

As figuras 5.15 e 5.16 comparam o erro de simulação de H com os valores obser- vados de ws e u∗. Na figura 5.15, observa-se que com vento fraco, o modelo subestimou

a transferência de calor sensível da atmosfera para a superfície, em todos os sítios. À medida que o vento ficou mais forte o erro diminuiu até chegar próximo de 0 entre 1,5 e 2,5 m/s. Para valores maiores de vento, Ha1 e LPH continuaram com erro próximo de 0, enquanto que para Ha2 o modelo passou a apresentar superestimação. Já para GMF o erro voltou a ser negativo e de forma intensa. Na figura 5.16 para u∗, o erro de H segue

um comportamento muito próximo ao descrito para ws e se aproximou de 0 com valores entre 0.25 e 0.35 m/s, dependendo do sítio. Portanto, não só houve forte dependência

do erro da simulação de H para com a energia mecânica presente, como este erro teve comportamentos distintos para diferentes faixas de valores de vento e turbulência. Além disso, para ambiente com valores extremos de turbulência, o comportamento foi distinto de acordo com o sítio analisado.

Figura 5.15 – EM de H noturno em função de ws observado noturno para cada sítio.

Diferentemente de H, LE não apresentou dependência do erro com os valores de ws e u∗ (Figuras 5.17 e 5.18). Apenas Ha1 teve uma diminuição nos erros para os valores

mais altos de energia mecânica na atmosfera. Esta torre se localiza em floresta decídua e, ao contrário de LPH e GMF, não está em área de encosta. Em relação ao balanço de energia na superfície, Barr et al. (2006) observaram melhora com o aumento de u∗ e a

instabilidade, pois as condições para os sensores de estabilidade sentirem os fluxos me- lhoram com altos valores de u∗; houve leve piora nos valores mais extremos superiores

de u∗, o que deve estar associado ao problema dos grandes turbilhões; nos casos neu-

tros houve uma rápida piora no balanço, provavelmente devido às horas de entardecer e amanhecer; e nos casos estáveis ficou ainda pior, o que novamente evidencia o desafio da modelagem da CLE. Ressalta-se que o problema do fechamento se sobressai mais para a CLC com grandes turbilhões, quando se analisa os dados como um todo, pois os valores de fluxos envolvidos são maiores.

Os erros de temperatura e umidade e sua dependência com ws e u∗ foram bem re-

lacionados a H e LE, respectivamente. T 2m apresentou uma clara dependência com as variáveis relacionadas à turbulência, principalmente de Ha1 e LPH (Figuras 5.19 e 5.20). À

139 Figura 5.16 – O mesmo que na figura 5.15, mas em função de u∗.

Figura 5.17 – O mesmo que na figura 5.15, mas para LE.

medida que o ambiente ficou mais turbulento, os valores do erro ficaram maiores em mag- nitude. Já para q2m não se observou uma relação tão clara (Figuras 5.21 e 5.22). Apesar

Figura 5.18 – O mesmo que na figura 5.15, mas para LE em função de u∗.

de o erro ter apresentado grande variabilidade não se percebeu um controle marcante por parte de ws ou u∗. LPH aparece com poucos pontos para q2m pois, como informado, a

torre não reportou grande quantidade de dados desta variável. Pequenas diferenças na análise dos erros de q2m entre ws e u∗ podem surgir devido ao período de disponibilidade

de dados dessas duas variáveis para a comparação.

Em relação a dependência de T 2m, esta variável apresentou erros pequenos para noites de vento fraco e erros maiores para noites de vento mais intenso, em Ha1 e LPH. No mesmo sentido, Battisti et al. (2017) observaram maior subestimação de temperatura com vento mais intenso, apesar de observarem superestimação em noites calmas. Com u∗,

apenas Ha1 teve uma relação clara, em que a magnitude do erro cresceu para ambiente mais turbulento. Observou-se um resultado próximo ao de Ha1 para LPH e GMF, locais de topo. Entretanto, para estas torres, o erro cresceu também nos extremos de menor turbulência.

A questão de H e T 2m terem uma resposta à turbulência muito maior que LE e q2m pode estar associada ao fato de que LE, para ocorrer, além da necessidade de energia na superfície, área foliar, umidade no solo, precisa da demanda atmosférica. Ou seja, mesmo com energia, solo úmido, e área foliar, se a atmosfera estiver com baixo VPD, então a evapotranspiração não será favorecida. Neste sentido, concluiu-se que a estabilidade e turbulência exercem controle muito maior sobre H do que sobre LE.

Dirmeyer et al. (2018) notaram que, em esquemas de superfície, erros inclusive na fração de evaporação (LE relativo a quantidade de H + LE) demonstram que H explica

141 Figura 5.19 – O mesmo que na figura 5.15, mas para T 2m.

Figura 5.20 – O mesmo que na figura 5.15, mas para T 2m em função de u∗.

mais fortemente a variância das propriedades envolvidas na interação superfície-atmosfera do que LE. Ao passo que Baldocchi e Wilson (2001) não observaram grandes impactos

Figura 5.21 – O mesmo que na figura 5.15, mas para q2m.

Figura 5.22 – O mesmo que na figura 5.15, mas para q2m em função de u∗.

de melhor representação de variáveis micrometeorológicas como turbulência, gradientes verticais de temperatura ou umidade do solo, por exemplo, nos valores de LE. Entretanto,

143 para H esse impacto foi expressivo, de modo que o modelo ao ignorar os perfis de tempe- ratura na obtenção de H forneceu valores correspondentes a 61% dos de referência. Isso ajuda a comprovar a conclusão aqui apresentada de que os fatores micrometeorológicos, turbulência e topografia, têm forte impacto em H, ao mesmo tempo que muito pouco em LE.