AVALIAÇÃO DO IMPACTO DO DESMATAMENTO AMAZÔNICO NA PRECIPITAÇÃO DO RIO DE JANEIRO ATRAVÉS DA MODELAGEM CLIMÁTICA
Leonardo Preza Rodrigues,1 Mônica Carneiro Alves Senna1 1
Universidade Federal Fluminense (UFF), Deptº. de Análise Geoambiental, Niterói – RJ leonardopreza@id.uff.br, monicasenna@id.uff.br
RESUMO: Este trabalho investiga as possíveis alterações na precipitação média mensal do Rio
de Janeiro causadas pelo desmatamento da floresta amazônica. Foram considerados cenários que vão da cobertura do solo intacta até o desmatamento total no modelo acoplado biosfera-atmosfera CCM3-IBIS. Para comparar a veracidade das simulações foram empregados os dados de precipitação do satélite TRMM. A simulação Controle representou satisfatoriamente a precipitação no Rio de Janeiro quando comparada ao satélite TRMM. Porém, esperava-se uma redução da precipitação no Rio de Janeiro com o aumento dos níveis de desmatamento, e este comportamento não foi simulado. Estudos mais detalhados da circulação geral atmosférica simulada serão necessários para certificar se o CCM3-IBIS representa de maneira correta o transporte de umidade existente da floresta amazônica até o Rio de Janeiro.
ABSTRACT: This study investigates the possible changes in the average monthly rainfall in
Rio de Janeiro caused by deforestation of the Amazon rainforest. We considered scenarios ranging from intact land cover up to total deforestation in the biosphere-atmosphere coupled model CCM3-IBIS. To compare the accuracy of the simulations, rainfall data from TRMM satellite were used. Control simulation represented satisfactorily the rainfall in Rio de Janeiro when compared to the TRMM satellite. However, we expected a reduction in rainfall in Rio de Janeiro with increasing levels of deforestation, and this behavior was not simulated. More detailed studies of simulated atmospheric general circulation will be required to certify that CCM3-IBIS represents correctly the transport of moisture content in the Amazon to Rio de Janeiro.
1. INTRODUÇÃO
A precipitação no estado do Rio de Janeiro está associada a fatores topográficos e fatores dinâmicos da atmosfera, como a Zona de Convergência do Atlântico Sul (ZCAS), sistemas frontais, linhas de instabilidade e sistemas convectivos. A ZCAS é um dos fenômenos intra-sazonais mais relevantes que ocorre durante o verão, originando episódios de enchentes e deslizamentos, que são intensificados devido ao transporte de umidade da região amazônica até o Rio de Janeiro. Nela ocorre a formação de intensa nebulosidade convectiva no sentido NW/SE, estendendo-se desde a Amazônia até o Oceano Atlântico Sul (Reboita et al., 2010).
A umidade da região amazônica tem grande importância no equilíbrio climático do Rio de Janeiro e de todo o planeta, pois o vapor d’água evapotranspirado nessa região é transportado a
inúmeros lugares através da circulação geral da atmosfera (Werth e Avissar, 2002). Nas últimas décadas, a Amazônia vem sofrendo significativas interferências antrópicas como a expansão da fronteira agrícola e o aumento da densidade populacional (INPE, 2011). Deste modo, torna-se importante compreender como a dinâmica do uso do solo amazônico interfere na precipitação do Rio de Janeiro. Tal questão pode ser estudada com o uso da modelagem acoplada clima-biosfera, pois essa abordagem leva em consideração as interações bidirecionais entre a vegetação e o clima.
2. OBJETIVOS
O objetivo deste trabalho é estimar os impactos na precipitação média mensal no estado do Rio de Janeiro considerando diferentes cenários de desmatamento da floresta amazônica, que variam de 20 a 100%, através de um modelo climático global acoplado a um modelo de vegetação dinâmica.
3. MATERIAL E MÉTODOS
Neste estudo utilizamos o modelo acoplado clima-biosfera CCM3-IBIS. O CCM3 (Community Climate Model) é um modelo de circulação geral da atmosfera, e o IBIS (Integrated Biosphere Simulator) é um modelo de biosfera global que possui a característica de dinamismo da vegetação. Uma descrição mais detalhada e uma extensa validação do modelo CCM3-IBIS podem ser vistas em Senna et al. (2009). Foi utilizada a resolução espectral T42 (~2,8º x 2,8º), com 18 níveis na vertical e a vegetação dinâmica habilitada, assim a estrutura da vegetação e a distribuição dos ecossistemas eram influenciadas pelo clima. A temperatura da superfície do mar foi considerada fixa, de acordo com a média da década de 1990, e a
concentração atmosférica de CO2 foi mantida constante em 380 ppmv.
Foram realizadas seis simulações por um período de 50 anos: Controle – onde 100% da cobertura inicial do solo na região amazônica era floresta tropical; Pnd 20, Pnd 40, Pnd 60,
Pnd 80 e Pnd 100, onde respectivamente 20%, 40%, 60%, 80% e 100% da cobertura inicial do
solo na região amazônica foi transformada em pastagem. Nas simulações que consideraram o desmatamento, a produção primária líquida da floresta foi reduzida nos seus estágios iniciais de desenvolvimento a fim de emular eventuais efeitos que a diminuição na ciclagem de nutrientes no solo teria no recrescimento da floresta, de acordo com a metodologia utilizada por Senna et al. (2009b).
A precipitação obtida pela simulação Controle foi comparada com a precipitação estimada pelo satélite TRMM (Tropical Rainfall Measuring Mission), que combina dados de sensoriamento remoto com dados de pluviômetros (Collischonn, 2006). Foi utilizado o produto 3B43 que consiste em uma média mensal da precipitação global em uma grade de 1º x 1º (lat/lon) desde 1998 até 2006. Esse produto foi redimensionado para a mesma grade do CCM3-IBIS (cerca de 2,8º x 2,8º), para possibilitar o cálculo da diferença entre a precipitação simulada e estimada pelo TRMM. O estado do Rio de Janeiro situa-se em quatro diferentes células da
grade do CCM3-IBIS, como pode ser visto na Figura 1, à direita. Portanto, a precipitação do Rio de Janeiro foi obtida através da média dessas quatro células.
4. RESULTADOS E DISCUSSÃO
Foram gerados dois mapas que ilustram a média anual de precipitação na América do Sul, o primeiro é a simulação Controle do modelo CCM3-IBIS e o segundo é a estimativa do satélite TRMM. A partir desses dados foi elaborado um terceiro mapa contendo as diferenças entre eles (Fig. 1). O CCM3-IBIS simula as principais características da precipitação na América do Sul, incluindo a ZCAS, e sobre a área de estudo a diferença entre a precipitação simulada e o TRMM é inferior a 2 mm/dia.
Em todas as simulações que consideraram o desmatamento, a floresta se regenerou na região amazônica. Deste modo, apesar das simulações terem sido realizadas por um período de 50 anos, optou-se por considerar apenas os primeiros 10 anos na análise dos resultados, pois eles seriam os mais representativos do possível impacto do desmatamento amazônico na precipitação do Rio de Janeiro. Além disso, o modelo foi inicializado com condições próximas do equilíbrio, reduzindo o seu tempo de “spin up”.
Comparando-se a média mensal da precipitação do satélite TRMM e da simulação Controle para um período de dez anos (Fig. 2a), nota-se que durante os meses de junho a outubro o CCM3-IBIS superestima a precipitação. Em maio, a precipitação simulada é subestimada e nos demais meses existe uma maior concordância entre o CCM3-IBIS e o TRMM. A sazonalidade da precipitação é simulada satisfatoriamente.
Conforme mostra a Tabela 1, os maiores erros relativos percentuais entre o CCM3-IBIS e o TRMM ocorrem nos meses de pouca chuva no Rio de Janeiro (de abril a setembro), quando a precipitação média mensal é inferior a 2 mm/dia, pois mesmo pequenas diferenças entre os valores do CCM3-IBIS e do TRMM causam grandes percentuais de erros. O erro relativo anual entre a precipitação simulada e a estimada é inferior a 10%, entretanto, mensalmente esses erros variam de 2 a 133%.
A Figura 2b representa a precipitação simulada no Rio de Janeiro para todos os cenários de desmatamento na Amazônia. Todas as simulações possuem a mesma sazonalidade de precipitação. Esperava-se uma redução da precipitação no Rio de Janeiro com o aumento da área de floresta desmatada, mas esse comportamento não foi observado. As taxas de precipitação obtidas dos diversos cenários se misturam no decorrer dos meses; em fevereiro, setembro, novembro e dezembro a discrepância entre os valores simulados é muito alta, porém nos meses de janeiro, março e no período de inverno no hemisfério sul quase não há variações da média pluviométrica entre as simulações. A precipitação média anual simulada pelos cenários Controle, Pnd 20, Pnd 40, Pnd 60, Pnd 80 e Pnd 100, são, respectivamente, 4.27, 4.70, 4.33, 4.53, 4.38 e 4.55 mm/dia.
Figura 1: Precipitação média anual para a América do Sul (mm/dia) simulada pelo CCM3-IBIS, estimada pelo TRMM e a diferença entre elas (CCM3-IBIS menos TRMM). Ampliação da área que engloba o estado do Rio de Janeiro com a representação das quatro células da grade do CCM3-IBIS consideradas neste estudo.
0 1 2 3 4 5 6 7 8 9 10
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
Pr ec ip ita çã o ( m m /d ia ) TRMM Controle (a) 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
Pr ec ip ita çã o ( m m /d ia ) Controle Pnd 20 Pnd 40 Pnd 60 Pnd 80 Pnd 100 (b)
Figura 2: Precipitação média mensal para o estado do Rio de Janeiro obtida (a) da simulação controle e do TRMM e (b) de todos os cenários simulados.
Tabela 1: Precipitação média mensal do Rio de Janeiro estimada pelo TRMM, simulada pelo CCM3-IBIS, e o erro relativo percentual (calculado usando o TRMM como referência).
TRMM (mm/dia) Simulação Controle (mm/dia) Erro(%)
Janeiro 8.30 8.99 8.36 Fevereiro 7.19 6.95 -3.30 Março 5.20 4.54 -12.63 Abril 1.53 2.17 41.94 Maio 2.17 1.24 -42.82 Junho 0.66 1.54 133.08 Julho 0.86 1.28 48.57 Agosto 1.22 1.93 57.84 Setembro 2.11 4.02 90.22 Outubro 4.70 5.81 23.66 Novembro 5.50 5.78 5.26 Dezembro 7.23 7.03 -2.75 Média Anual 3.89 4.27 9.90 5. CONCLUSÕES
Os resultados obtidos não demonstraram qualquer impacto na precipitação do Rio de Janeiro devido a diferentes cenários de desmatamento amazônico. Esperava-se que durante o verão, período de atuação da ZCAS, o desmatamento pudesse alterar a precipitação na região,
mas isso não foi simulado de forma consistente. Uma possível explicação é que como o CCM3-IBIS possui uma tendência de superestimar a precipitação em relação ao TRMM, ele não foi capaz de modelar satisfatoriamente a redução da precipitação devido ao desmatamento, apesar de simular a precipitação durante o verão com um erro relativo inferior a 9%.
Outra possível explicação é que os fatores topográficos e os demais sistemas transientes atuantes no Rio de Janeiro tenham um papel mais significativo no total de precipitação mensal do que a atuação da ZCAS, mesmo que o CCM3-IBIS modelasse com acurácia o fenômeno e a ação do vapor d’água oriundo da Amazônia na manutenção do mesmo.
Até mesmo a ocorrência da ZCAS na simulação Controle deve ser investigada mais profundamente, para certificar que os valores máximos de precipitação simulados desde a Amazônia até o Oceano Atlântico (no sentido NW/SE, Fig. 2a) foram realmente gerados devido à convergência de umidade na região.
Conclui-se que há necessidade de estudos mais detalhados da circulação geral atmosférica simulada sobre a América do Sul, especialmente em campos de divergência de umidade, para assegurar que o CCM3-IBIS representa de maneira correta o transporte de umidade existente da floresta amazônica até o Rio de Janeiro.
6. AGRADECIMENTOS: Os autores gostariam de agradecer à FAPERJ pelo apoio
financeiro ao projeto de pesquisa e pela bolsa de iniciação científica.
7. REFERÊNCIAS BIBLIOGRÁFICAS
Collischonn, B., 2006: Uso de precipitação estimada pelo satélite TRMM em modelo hidrológico distribuído. Dissertação de Mestrado, UFRGS, Porto Alegre, 175p.
Instituto Nacional de Pesquisas Espaciais (INPE), 2011: Monitoramento da floresta amazônica brasileira por satélite, Projeto Prodes, disponível em http://www.obt.inpe.br/prodes/. Acessado em: 16 de agosto de 2011.
Reboita, M. S., Gan, M. A., Rocha, R. P., Ambrizzi, T., 2010: Regimes de precipitação na América do Sul: uma revisão bibliográfica. Rev Bras Meteorologia, v.25, n.2, p.185-204. Senna, M. C. A., Costa, M. H., Pinto, L. I. C., Imbuzeiro, H. M. A., Diniz, L. M. F., Pires, G. F.,
2009: Challenges to reproduce vegetation structure and dynamics in Amazonia using a coupled climate-biosphere model. Earth Interact, 13 (11), doi: 10.1175/2009EI281.1.
Senna, M. C. A., Costa, M. H., Pires, G. F., 2009b: Vegetation-atmosphere-soil nutrient feedbacks in the Amazon for different deforestation scenarios. J Geophys Res, 114 (D04104), doi:10.1029/2008JD010401.
Werth, D., Avissar, R., 2002: The local and global effects of Amazon deforestation. J Geophys Res, 107 (D20): 8087, doi:10.1029/2001JD000717.
