Variáveis Atmosféricas da CLA como Identificadores da Chegada da Prima vera

Para identificar o que ocorre com a CLA na chegada da primavera e tentar encon- trar um identificador objetivo, analisou-se diversas variáveis de superfície, tanto para as observações como para o modelo: H, LE, T 2m, q2m, β, taxa de variação destas últimas (H0, LE0, T 2m0 e q2m0), amplitude térmica (amT ) e U R. Todas estas variáveis foram ana- lisadas por dia do ano e suavizadas pela técnica smoothing by spline fuctions (REINSCH, 1967, 1971) para eliminar as variabilidades causadas por sistemas transientes mais inten- sos e evidenciar o caráter climatológico. A suavização pode mascarar mudanças bruscas em variáveis, como comentado acima. Entretanto o caráter climatológico foi buscado e, para a chegada da primavera, esperou-se que as mudanças sejam tão fortes que apare- çam nesta análise. Para q2m e U R de LPH não haviam dados suficientes, portanto, estão ausentes nas figuras. Além disso, as taxas de variação de LPH são bastante divergentes, devido à grande quantidade de dados espúrios da torre, mesmo após filtros serem aplica- dos. As taxas de variação representam o incremento ou redução diários das variáveis ao longo do ano, tendo sido obtidas subtraindo-se o valor da variável no dia menos o valor do dia anterior. Por exemplo, a taxa de variação de H no dia 3:

H₃0 = H3− H2 (4.1)

em que H2 e H3 representam os valores de H médios para os dias 2 e 3 respectivamente.

Os fluxos de superfície são os responsáveis pela modificação da CLA; e estes flu- xos são modificados fortemente pelas características da superfície para uma mesma quan- tidade de energia radiante. Portanto, esperou-se que alguma variável média da CLA iden- tificasse a forte modificação que ocorre nas florestas do nordeste dos EUA, ou seja, uma forte modificação da superfície. Afinal, temperatura e umidade funcionam como identifica- dores do estado da atmosfera em um dado momento.

A figura 4.17 apresenta os fluxos de H e LE observados e modelados. As datas de EF e SF médias de todos os anos são destacadas pelas linhas tracejadas. H atingiu um máximo anual logo antes de EF para Ha1, assim como observado por Moore et al. (1996) e Fitzjarrald, Acevedo e Moore (2001). Observou-se a forte queda de H após aproxima- damente o dia do ano 120, exceto em Ha2, como visto anteriormente. Isso ocorreu bem próximo à data de EF encontrada aqui. Após algumas semanas (em torno do dia 170), a modificação diária nos valores de H se tornou mais suave, provavelmente após o término da brusca modificação atmosférica causada pela expansão das folhas. O máximo de H tanto na observação como no modelo ocorreu no período de EF para Ha1 e LPH e com uma pequena defasagem para GMF. Esta defasagem deve ser causada pela presença de coníferas em parte da floresta, que iniciam sua atividade fotossintética anteriormente.

87

Figura 4.17 – H e LE médios e suavizados para cada dia do ano, observados e modela- dos, em cada sítio. As linhas tracejadas indicam EF e SF.

Já em Ha2 a data encontrada para EF obtida por meio da inversão do sinal de F C está bem distante do máximo de H esperado para acontecer próximo a data de EF. Isso também é explicado pela presença das coníferas, mas de forma mais intensa, uma vez que predominam nesta floresta (em torno de 80% dela é ocupada por este tipo de vegetação). Como na região de Ha2 existem muitas florestas que perdem as folhas, a grande modifica- ção de sua atmosfera causada pela transformação da superfície se dá devido a expansão foliar das decíduas. Portanto, os sinais desta transformação nas medidas obtidas em Ha2 provavelmente serão encontrados próximos às datas de EF das florestas decíduas da re- gião. Isso pode ser confirmado pelos seus valores de H, que tiveram um pico próximo a EF de Ha1, mesmo que de forma menos intensa.

LE cresceu até o meio do verão desde aproximadamente o dia 75, data próxima ao derretimento climatológico do gelo na superfície da região (FITZJARRALD; ACEVEDO; MOORE, 2001). Entretanto, próximo a EF, houve uma atenuação e após isso, a taxa de variação aumentou consideravelmente. Este comportamento ficou bem evidente em LPH, mas também para Ha1. Para Ha2 e GMF, novamente se considerar-se a data de EF mais para frente, pode-se encontrar este comportamento de forma parecida. No modelo observou-se este crescimento, mas com uma atenuação mais branda em EF e com forte taxa de crescimento também antes de EF, fazendo com que os valores fiquem rapidamente maiores que a observação nesta época. Isto indica uma defasagem entre o modelo e as observações na época de transição. No meio do inverno passou a ser menor que a obser- vação para Ha1 e se aproximou dos valores observados para os outros sítios. Em torno de EF houve uma clara atenuação em LE0, inclusive para Ha2 e GMF se considerarmos EF próximo à de Ha1. Além disso, H0 teve uma forte queda em EF.

Diversos fatores contribuem para o comportamento anual de LE. A área foliar, LAI, é determinante, tanto que observou-se sua forte modificação após EF. Entretanto, além da necessidade de energia radiativa na superfície e área foliar, a condutância estomá- tica exerce um forte papel. Todos estas variáveis perfazem a condutância superficial. O controle da transpiração por parte das folhas, representado pela condutância estomática, depende principalmente da energia disponível, umidade do solo e demanda atmosférica (WILSON; HANSON; BALDOCCHI, 2000). Ou seja, mesmo com energia, solo úmido e área foliar, se a atmosfera estiver com baixo VPD, a evapotranspiração não será favore- cida. De qualquer forma, a maioria destes fatores está associada a existência das folhas nas plantas, sendo que EF e SF são determinantes no saldo anual desta variável.

Pode-se visualizar as taxas de variação sazonais dos fluxos H e LE mais facilmente com a figura 4.18. Dois pontos chamaram a atenção: com exceção de valores extremos no início e final do ciclo anual, H0 teve o valor mais negativo exatamente logo após EF e LE tendeu a 0 exatamente em EF. Pode-se encontrar estes comportamentos também para Ha2 e GMF, novamente ao seguir-se a data de EF de Ha1. Modificações similares em H e LE no período de emergência das folhas também foram observados em outras florestas

89 decíduas, como nas floresta mais ao sul de Oak Ridge no estado de Tenesse (WILSON; BALDOCCHI, 2000) e álamo boreal (BLANKEN et al., 1997). Oliphant et al. (2004) também observaram que H tem o pico logo antes da EF e um segundo pico menor seguindo a SF numa floresta decídua no centro sul do estado da Indiana. LE subiu rapidamente após EF e teve seu pico acompanhando a radiação líquida disponível.

Em relação ao outono para Harvard Forest, observou-se que logo após SF H volta a crescer e ficar maior que LE. Isto também para LPH e com pequeno atraso, para GMF. Entretanto, a transição no outono é mais suave que na primavera, possivelmente porque o processo de senescência é mais espalhado no tempo. Além disso, a atmosfera está mais quente, suprimindo H e, durante a noite, os valores negativos são altos. Similar transição foi observada em Oak Ridge (WILSON; BALDOCCHI, 2000).

Ao se analisar β, que representa a relação entre H e LE, (Figura 4.19) notou-se que durante boa parte do período de existência das folhas, da estação de crescimento, β ficou menor que 1, o que mostra que LE dominou sobre H. A energia disponível na superfície estava sendo usada em maior parte na evapotranspiração que para aumentar a temperatura. Isto evidencia a presença das folhas. Pode-se confirmar isso com as figuras 4.20 e 4.21. Antes de EF a taxa de crescimento de T 2m foi maior que q2m. Após EF, este padrão se inverteu e as linhas de T 2m0 e q2m0 se cruzaram em EF. Este comportamento foi capturado pelo modelo de forma aproximada, apesar de, em geral, ter superestimado os valores de T 2m e q2m, principalmente durante a estação de crescimento. Para β, o modelo ficou muito próximo ao observado durante todo o período de existência das folhas, com exceção do período de EF e SF. Apesar de superestimar H e LE, as simulações apresentaram valores relativos de H para LE próximos às observações. Isto foi confirmado pelos valores de β0, que se mantiveram em 0 ao longo de praticamente toda a fase de produção da floresta. Em LPH isto não ficou tão claro, talvez devido ao fato de este sítio ter apresentado muitas falhas e valores espúrios nas observações.

Além disso, a mudança dos valores de β de maiores para menores que 1 foi brusca na data de EF. Para Ha2, LPH, e GMF na mesma data de EF de Ha1, houve um pequeno sinal de intensificação negativa em β0. No modelo estas duas características não são evidentes. Lu e Kueppers (2012) não observaram o crescimento sazonal observado dos fluxos nas florestas decíduas com o WRF acoplado no modelo de superfície Community Land Model 3.5. Para as coníferas, observaram que o modelo reproduziu bem a sazonali- dade de β. Nas decíduas, observaram valores de β muito menor que as observações na primavera, devido ao excessivo LE, o que coincide com o observado aqui.

Interessantemente, em geral, T 2m e q2m apresentaram menor divergência do mo- delo às observação do que em H e LE (Figura 4.20). Uma das explicações para a conver- gência, de forma geral, entre o modelo e as observações pode residir no fato de que a cada 6 horas as simulações foram alimentadas por reanálises carregadas com observações in- clusive de temperatura e umidade, o que auxilia na convergência. Entretanto, a umidade

91 Figura 4.19 – O mesmo que na figura 4.17, mas para β e taxa de variação de β.

93 Figura 4.21 – O mesmo que na figura 4.17, mas para taxa de variação de ambas, T 2m e q2m.

teve um crescimento pronunciado que antecede consideravelmente a data de EF, como já era indicado pelos valores modelados de LE. Isto deve ter sido causado pela defasagem na atualização de GVF. Esta teve seu valor modificado mensalmente no modelo a partir de valores tabelados, de modo que nesta região, no dia 01 de Abril, as florestas decíduas passaram a ter folhas de maneira abrupta nas simulações, de caráter médio para o mês. Este foi o método escolhido nas simulações analisadas aqui (variável dveg no WRF). Isto pode ser notado ao se observar o crescimento da umidade maior que as observações jus- tamente após o dia do ano 90, mesmo que as condições forçantes que se formam das observações entrem no modelo a cada 6 horas. Fica claro, então, que não utilizar a data de EF correta no modelo causa fortes problemas, dado que esta análise é climatológica e consistente, ao se utilizar vários anos para esta conclusão. Para T 2m, o erro foi maior no inverno, o que pode ser causado por problemas na simulação desta variável na CLE.

Poderia-se utilizar o modelo para identificação de EF em locais onde não há medi- ções, por meio da análise simples de variáveis médias da CLA. Entretanto, a falta de uma atualização mais frequente ou cálculo de GVF por meio de parâmetros fenológicos e at- mosféricos minou o uso do modelo para este objetivo. Como notado por Richardson et al. (2012), se os modelos são incapazes de prever com sucesso a fenologia sob as condições climáticas atuais, é altamente improvável que eles serão capazes de fazer boas previsões para fenômenos climáticos futuros.

Na taxa de variação (Figura 4.21), observou-se que o maior valor de q2m0 ocorreu entre 1 e 2 semanas após EF (com exceção de valores divergentes nos extremos da figura), o que era esperado, devido à umidificação da atmosfera a partir do início da transpiração. Novamente, em Ha2 e GMF observou-se isso ao se considerar EF de Ha1. Além disso, os valores de T 2m apresentaram uma atenuação na sua ascensão vernal em EF já observada na figura 4.20 e de forma clara na figura 4.21. Justamente em EF, T 2m0 sofreu uma forte atenuação, tendendo a 0 em todos os sítios, ao tomar-se EF próximo de Ha1 e LPH. Em GMF o valor chegou exatamente em 0. No modelo esta atenuação também foi observada, apesar de menos intensa, com exceção de LPH.

Em relação a amT , observou-se que o máximo ocorreu entre 2 a 3 semanas antes de EF (Figura 4.22). U R teve o mesmo comportamento, mas em vez do máximo, foi o mínimo que ocorreu entre duas a três semanas antes. Este mínimo ocorrendo dias antes de EF também foi evidenciado por Fitzjarrald, Acevedo e Moore (2001). Tanto o comportamento de amT como de U R em relação à EF não foi conclusivo no modelo. Associado à própria diminuição de H e aumento de LE, o desenvolvimento de cumulus no topo da camada limite sazonalmente se inicia após EF (FREEDMAN et al., 2001).

De todas as variáveis atmosféricas analisadas aqui, algumas se destacaram na identificação da forte modificação da superfície na primavera, ou seja, em EF: H teve o máximo anual nos últimos dias em que as árvores estão sem folhas; β foi rapidamente para valores abaixo de 1 após EF; T 2m apresentou uma forte atenuação, tendendo a 0,

95 Figura 4.22 – O mesmo que na figura 4.17, mas para amT e U R.

justamente em EF, ao se considerar o período entre o final do inverno e primavera; a taxa de variação do conteúdo de umidade próximo a superfície, q2m0, apresentou o máximo anual dias após EF; amT teve o máximo anual dias antes de EF; e U R apresentou o mí- nimo antes de EF. Já em relação ao modelo, viu-se que, em geral, este não reproduziu de forma clara o comportamento das variáveis durante os períodos de transição das folhas nas plantas. Isso parece estar sendo causado principalmente pela falta de atualização mais dinâmica de GVF. Por isso, percebe-se a necessidade de conhecimento e do uso de relações fisiológicas e fenológicas para determinar e quantificar os parâmetros asso- ciados em prever a dinâmica das plantas no modelo (BALDOCCHI; WILSON; GU, 2002; RICHARDSON et al., 2012; MELAAS et al., 2013).