UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE – UFRN CENTRO DE CIÊNCIAS EXATAS E DA TERRA – CCET
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS CLIMÁTICAS - PPGCC
TESE DE DOUTORADO
PADRÕES SAZONAIS E ANUAIS DO FECHAMENTO E DO PARTICIONAMENTO DO BALANÇO DE ENERGIA EM UMA ÁREA DE CAATINGA PRESERVADA SOB
CONDIÇÕES DE SECA EXTREMA
SUANY CAMPOS DA SILVA
Natal - RN 2019
SUANY CAMPOS DA SILVA
TESE DE DOUTORADO
PADRÕES SAZONAIS E ANUAIS DO FECHAMENTO E DO PARTICIONAMENTO DO BALANÇO DE ENERGIA EM UMA ÁREA DE CAATINGA PRESERVADA SOB
CONDIÇÕES DE SECA EXTREMA
Tese apresentada ao Programa de Pós-Graduação em Ciências Climáticas da Universidade Federal do Rio Grande do Norte, como requisito para obtenção do título de Doutora em Ciências Climáticas.
Orientador: Prof. Dr. Bergson Guedes Bezerra
Natal - RN 2019
Silva, Suany Campos da.
Padrões sazonais e anuais do fechamento e do particionamento do balanço de energia em uma área de Caatinga preservada sob condições de seca extrema / Suany Campos da Silva. - 2019. 100f.: il.
Tese (Doutorado) - Universidade Federal do Rio Grande do Norte, Centro de Ciências Exatas e da Terra, Programa de Pós-Graduação em Ciências Climáticas. Natal, 2019.
Orientador: Bergson Guedes Bezerra.
1. Climatologia - Tese. 2. Eddy covariance - Tese. 3. Particionamento de energia Tese. 4. Fechamento de energia -Tese. 5. Bioma Caatinga - -Tese. I. Bezerra, Bergson Guedes. II. Título.
RN/UF/CCET CDU 551.58
SUANY CAMPOS DA SILVA
PADRÕES SAZONAIS E ANUAIS DO FECHAMENTO E DO PARTICIONAMENTO DO BALANÇO DE ENERGIA EM UMA ÁREA DE CAATINGA PRESERVADA SOB
CONDIÇÕES DE SECA EXTREMA
Tese apresentada ao Programa de Pós-Graduação em Ciências Climáticas da Universidade Federal do Rio Grande do Norte, como requisito para obtenção do título de Doutora em Ciências Climáticas.
Orientador: Prof. Dr. Bergson Guedes Bezerra
COMISSÃO EXAMINADORA
Prof. Dr. Antônio Celso Dantas Antonino (UFPE)
Dr. Luiz Marcelo de Mattos Zeri (CEMADEN)
Prof. Dr. Cláudio Moisés Santos e Silva (UFRN)
Dra. Keila Rêgo Mendes (PNPD/CAPES)
DEDICATÓRIA
Dedico este trabalho aos meus pais Joab Oliveira da Silva e Terezinha Campos da Silva.
AGRADECIMENTOS
Agradeço, primeiramente, a DEUS por me dar forças para seguir em frente com os meus objetivos e não desistir com as dificuldades.
Agradeço aos meus pais, por me apoiarem desde quando decidi sair de casa para fazer pós-graduação, começando por Fortaleza-CE (mestrado) e depois Natal-RN (doutorado). Ao meu irmão Alderlan, sempre me apoiando em tudo. Aos meus sobrinhos, Alana e Daniel que amo demais. Aos meus tios, tias, primos e primas que mesmo de longe estavam sempre me apoiando.
Agradeço ao meu orientador Prof. Dr. Bergson Guedes Bezerra pela orientação. Muito obrigada, pela confiança no meu trabalho e esclarecimentos, o qual aprendi muito.
Agradeço a todos os professores, bolsistas PNPD e alunos do Programa de Pós-graduação em Ciências Climáticas, que direta ou indiretamente contribuíram para o desenvolvimento deste trabalho e meu crescimento acadêmico e profissional. Em especial, ao professor Cláudio e Keila, pelo auxílio indispensável na produção do nosso artigo tão esperado. Ao Glayson, pelas palavras de incentivo nas horas em que pensei em desistir e pela grande pessoa que é.
Agradeço ao grupo GEOMA, pela oportunidade trabalharmos juntos. Com certeza aprendi muito com todos. Sem a ajuda de vocês não conseguiria finalizar este trabalho.
Agradeço ao Dr. Luiz Marcelo de Mattos Zeri, Dra. Keila Rêgo Mendes, Prof. Dr. Antônio Celso Dantas Antonino e Prof. Dr. Cláudio Moisés Santos e Silva por aceitarem o convite e participarem desta banca.
Agradeço a CAPES pela bolsa de doutorado. Ao INSA, pelos dados da torre de fluxo. Ao ONDACBC pela bolsa DTI-B.
“A cada dia, a vida se desdobra e evolui, como se fosse uma ínfima parte de uma grande pintura. Uma outra maneira de se ver é tentar imaginar que a vida inteira terá que ser resumida a este único dia. Portanto, todos os dias, dia após dia, pinte o mais belo dos quadros para a sua vida. ” Tadashi Nakamura
RESUMO
O fechamento do balanço de energia obtido pelo método de covariância de vórtices turbulentos é um problema que persiste, apesar dos avanços no desenvolvimento e aperfeiçoamento de instrumentos e recentes esforços nas descrições de correções e na caracterização das incertezas das medições. Na maioria dos lugares, a soma dos fluxos de calor sensível e latente (H e λE) é menor do que a energia disponível, isto é, a diferença entre a radiação líquida (Rn) e o fluxo de calor no solo (G). Este estudo analisou o comportamento anual e sazonal do particionamento e balanço de energia no Bioma Caatinga, floresta tropical sazonalmente seca, localizada no semiárido do Brasil, utilizando o método de covariância de vórtices turbulentos. Os resultados mostraram alta variabilidade sazonal no particionamento de energia. Durante a estação seca, aproximadamente 70% do Rn foi convertido em H e menos de 5% foi convertido em λE. Durante a estação chuvosa, a porção do Rn convertida em H e λE foi similar: ~ 40%. Em termos anuais, a porção do Rn convertida em H e λE foi da ordem de 50% e 20%, respectivamente. O grau do fechamento do balanço de energia variou dependendo do método utilizado. Quando o fechamento foi calculado por meio de regressões ortogonais, a inclinação variou de 0,87 a 0,90 em 2014 e de 0,92 a 1,00 em 2015. No entanto, quando o fechamento foi calculado pelo método da razão do balanço de energia, os valores variaram de 0,70 a 0,79 em 2014 e de 0,73 a 0,82 em 2015. Observou-se uma melhora pouca significativa no fechamento do balanço de energia quando se incluíram as taxas de armazenamento no cálculo. O fechamento foi melhor em 2015 se comparado a 2014 possivelmente devido à turbulência mais intensa observada em 2015, uma vez que velocidade de atrito foi maior que em 2014. O melhor fechamento em 2015 também pode estar associado a grandes turbilhões que foram mais frequentes em 2014, como evidenciado pelos coeficientes de correção para a velocidade vertical do vento e vapor de água e velocidade vertical do vento e temperatura sônica. O fechamento do balanço de energia também foi analisado considerando as condições de estabilidade atmosférica e os melhores resultados foram encontrados em condições muito instáveis, enquanto os resultados menos expressivos foram encontrados em condições estáveis. Nessas condições, valores negativos da razão balanço de energia também foram observados durante as estações seca e de transição, indicando que os fluxos foram revertidos durante esses períodos.
Palavras–chave: Eddy covariance, Particionamento de energia, Fechamento de energia,
ABSTRACT
The energy balance closure obtained through the eddy covariance method is a problem which persists, despite advances in the development and improvement of instruments and recent efforts in the description of corrections and in the characterization of measuring uncertainties. In most places the sum of sensible and latent heat fluxes (H and λE) is less than available energy, i.e. the difference between net radiation (Rn) and soil heat flux (G). This study analyzed the annual and seasonal behavior of the energy partitioning and energy balance closure in the Caatinga Biome, which is a seasonally dry tropical forest located in the semiarid lands of Brazil, using the eddy covariance method. Results showed high seasonal variability in the energy partitioning. During the dry season, approximately 70% of Rn was converted into H and less than 5% of it was converted into λE. During the wet season, the Rn portion converted into H and λE was similar: ~ 40%. In annual terms, the Rn portion converted into H and λE was of the order 50% and 20% respectively. The degree of the energy balance closure varied depending on the method used. When the closure was calculated using orthogonal regressions, the slope varied from 0.87 to 0.90 in 2014 and from 0.92 to 1.00 in 2015. However, when the closure was calculated by the energy balance ratio method, values varied from 0.70 to 0.79 in 2014 and from 0.73 to 0.82 in 2015. Little improvement in energy balance closure was observed when storage rates were included in the computations. The closure was better in 2015 if compared to 2014 possibly due to the more intense turbulence observed in 2015 because friction velocity was higher than in 2014. The better closure in 2015 may also be associated with large eddies, which were more frequent in 2014 as evidenced by the correction coefficients for vertical wind velocity and water vapor and vertical wind velocity and sonic temperature. The energy balance closure was also analyzed considering atmospheric instability conditions and the best results were found under very unstable conditions, while the least expressive results were found under stable conditions. Under these conditions negative values of the energy balance ratio were also observed during dry and transition seasons, indicating that fluxes were reversed during these periods.
SUMÁRIO
LISTA DE FIGURAS ... 10
LISTA DE TABELAS ... 12
LISTA DE ABREVIATURAS E SIGLAS ... 13
LISTA DE SÍMBOLOS ... 14
1 INTRODUÇÃO ... 16
2 REVISÃO DA LITERATURA ... 19
2.1 Bioma Caatinga ... 19
2.2 Balanço de energia ... 20
2.3 Cálculos dos fluxos pelo método de covariância dos vórtices turbulentos ... 24
2.4 Problema do fechamento do balanço de energia ... 26
3 MATERIAL E MÉTODOS ... 30
3.1 Área de estudo ... 30
3.2 Campanha Experimental - Instrumentação e Medidas ... 31
3.3 Processamento e pós-processamento dos dados ... 32
3.4 Balanço de energia – Fechamento e particionamento ... 34
3.5 Análise de estabilidade atmosférica ... 35
3.6 Cálculo dos termos de armazenamento ... 36
3.7 Cálculo de footprint ... 37
3.8 Comportamento Sazonal da Caatinga em Resposta a Precipitação ... 38
4 RESULTADOS E DISCUSSÃO ... 39
4.1 Condições meteorológicas ... 39
4.2 Footprint, direção e velocidade do vento ... 43
4.3 Particionamento de energia ... 45
4.4 Termos do armazenamento de energia ... 49
4.5 Fechamento do balanço de energia ... 51
5 CONCLUSÃO ... 66
REFERÊNCIAS ... 68
LISTA DE FIGURAS
Figura 1 – Efeitos da Atmosfera sobre o balanço de radiação e energia do sistema Terra-Atmosfera... 21 Figura 2 – Componentes do balanço de energia na superfície ... 22 Figura 3 – Representação esquemática do balanço de energia de superfície durante o
dia (a), noite (b) e numa superfície com restrição de água (c) ... 23 Figura 4 – Altura dos instrumentos e escala horizontal das medidas dos componentes
do balanço de energia... 27 Figura 5 – Localização do Bioma Caatinga em relação à América do Sul e Brasil
(figura à esquerda), elevação do Bioma da Caatinga (figura do meio) e cobertura do solo ao redor da ESEC-Seridó (figura à direita) ... 30 Figura 6 – Condições meteorológicas durante o período de estudo: (a) Radiação
global incidente (Rg); (b) Déficit de pressão de vapor (VPD); (c) Temperatura do ar (Ta); (d) Precipitação. Áreas listradas na parte superior da figura representam períodos de transição entre as estações... 40 Figura 7 – Valores de NDVI na Caatinga (ESEC-Seridó) durante os anos de 2014 e
2015... 42 Figura 8 – Direção do vento e frequência acumulada durante os anos estudados na
área de estudo. As cores representam classes da velocidade do vento... 43 Figura 9 – Ciclo diário de velocidade do vento sazonal durante a) 2014, b) 2015 e c)
Ciclo diário médio anual... 44 Figura 10 – Ciclo diário médio dos fluxos de energia em 2014 (painel esquerdo) e 2015
(painel direito) durante a estação de transição seca-chuvosa (a e b); estação chuvosa (c e d); estação de transição chuvosa-seca (e e f); e estação seca (g e h). Barras verticais indicam o desvio padrão dos fluxos... 46 Figura 11 – Ciclo diário médio dos termos de armazenamento em 2014 (painel
esquerdo) e 2015 (painel direito) durante a estação de transição seca-chuvosa (a e b); estação seca-chuvosa (c e d); estação de transição seca-chuvosa-seca (e e f); e estação seca (g e h) ... 50 Figura 12 – Regressão ortogonal entre dados de 30 min de λE + H e Rn - G em (a)
Os resultados da regressão incluindo a equação de melhor ajuste e o
coeficiente de determinação (R2) ... 56
Figura 13 – Ciclo médio diário da velocidade de atrito durante os anos estudados com barras verticais de desvio padrão... 57
Figura 14 – O efeito de 𝑢∗ na RBE durante o dia em a) 2014 e b) 2105... 58
Figura 15 – O efeito de a) 𝑅𝑤𝑞 e b) 𝑅𝑤𝑇 na RBE durante o dia... 62
LISTA DE TABELAS
Tabela 1 – Médias anuais e climatologia da radiação global (Rg), temperatura do ar (Ta), déficit de pressão a vapor (VPD) e precipitação do local de estudo ... 41 Tabela 2 – Valores médios de radiação líquida (Rn), fluxo de calor latente (λE), fluxo
de calor sensível (H), fluxo de calor do solo (G), residual (ε), bem como a partição do balanço de energia, relação de Bowen (β) e NDVI (com desvio padrão) nas estações chuvosa, seca e transição nos anos estudados... 48 Tabela 3 – Valores médios das inclinações, intercepto e R2 das regressões para 𝜆𝐸 + 𝐻
contra 𝑅𝑛 − 𝐺 e λE+H+Sa+Sq+Sp (incluindo os termos de armazenamento) contra 𝑅𝑛 − 𝐺 para cada estação durante os anos estudados. Os valores da razão do balanço de energia (RBE) também estão incluídos... 52 Tabela 4 – Valores médios da razão do balanço de energia (RBE) em relação a
velocidade de fricção (𝑢∗) de cada estação e todos os dados para o ano de 2014 e 2015, com desvio padrão e o número de amostras (entre parênteses). Valores de EBR maiores que 0,80 são destacados em cinza... 60 Tabela 5 – Valores médios da razão do balanço de energia (RBE) em relação às 4
classes do parâmetro de estabilidade (ξ) de cada estação e todos os dados para o ano de 2014 e 2015, com desvio padrão e o número de amostras (entre parênteses)... 65
LISTA DE ABREVIATURAS E SIGLAS
BE – Balanço de energia
BOC – Balanço de ondas curtas BOL – Balanço de ondas longas EC – Eddy covariance
ESEC – Estação ecológica
FBE – Fechamento do balanço de energia FTSS – Floresta Tropical Sazonalmente Seca
ICMBio – Instituto Chico Mendes de Conservação da Biodiversidade INSA – Instituto Nacional do Semiárido
NDVI - Normalized Difference Vegetation Index
ONDACBC – Observatório Nacional da Dinâmica da Água e de Carbono no Bioma Caatinga RBE – Razão do balanço de energia
Rg – Radiação global diária
Sa – Energia armazenada ou liberada devido a mudanças na temperatura do ar Sp – Energia armazenada ou liberada pela troca de CO2
Sq – Mudança no armazenamento de energia como flutuações na umidade Ta – Temperatura do ar
VPD – Déficit de pressão de vapor
LISTA DE SÍMBOLOS
– Densidade do ar 𝐹𝐶𝑂2
̅̅̅̅̅̅ – Fluxo de CO2
∆𝑇𝑎– Variação da temperatura do ar
𝐶𝑎– Capacidade específica de calor do ar úmido
𝐿𝐸𝐶 – Distância entre o analisador de gás e a extremidade superior do dossel 𝐿𝑉– Calor latente de vaporização
𝑅𝐿↑ – Radiação de onda longa emitida pela superfície terrestre Emissividade superficial 𝑅𝐿↓ – Radiação de onda longa emitida pela atmosfera em direção à superfície terrestre 𝑅𝑆↓− Radiação total de ondas curtas incidente na superfície
𝑅𝑤𝑇 – Coeficientes de correção para velocidade vertical do vento e temperatura sônica 𝑅𝑤𝑞 – Coeficiente de correção para velocidade vertical do vento e vapor de água 𝑇′ – Fluxo turbulento da temperatura sônica.
𝑎𝑝 – Fator de conversão de energia fotossintética 𝑞′ – Fluxo turbulento do vapor de água
𝑢∗ – Velocidade de fricção
𝑤′ – Fluxo turbulento da velocidade vertical do vento 𝜌𝑎– Densidade da umidade atmosférica
𝜎𝑇 – Desvio padrão da temperatura sônica 𝜎𝑞 – Desvio padrão vapor de água
𝜎𝑤 – Desvio padrão da velocidade vertical do vento ∆𝑞 – Mudança na umidade específica da atmosfera ∆𝑡 – Intervalo de tempo médio
cp – Calor específico do ar a pressão constante
d – Altura do deslocamento do plano zero
G – Fluxo de calor no solo H – Fluxo de calor sensível k – Constante de Von Karman L – Comprimento Monin-Obukhov Rn – Saldo de radiação
β – Razão de Bowen
λE – Fluxo de calor latente 𝑎 – Albedo superficial 𝜀 – Resíduo
1 INTRODUÇÃO
As Florestas Tropicais Sazonalmente Secas (FTSS) ocupam vastas áreas nas regiões tropicais da maioria dos continentes que têm estações secas (definidas como o número de meses com precipitação de 100 mm) com duração de até seis meses ininterruptos (MURPHY e LUGO, 1986; ALLEN et al., 2017; DEL CASTILLO et al., 2018). Nos Neotrópicos, essas florestas são encontradas em torno da bacia amazônica e se estendendo para o norte em direção ao México e Caribe (LINARES-PALOMINO et al. 2011; BANDA-R et al., 2016; SANTOS et al., 2012). Apesar de sua ampla distribuição na América do Sul, a maior parte das FTSS ocorrem como manchas isoladas. A única exceção é o Bioma Caatinga (Nordeste do Brasil), no qual existe um ecossistema funcional cobrindo uma área de aproximadamente 800.000 km2 (SANTOS et al.,
2012; KOCH et al., 2017). Além disso, esse bioma foi identificado como uma das mais importantes áreas de vida silvestre do planeta e uma das florestas secas mais endêmicas e de maior biodiversidade (MITTERMEIER et al., 2003; PENNINGTON et al., 2006; HOLZMAN, 2008; SANTOS et al., 2014; KOCH et al., 2017).
Relatórios do Painel Brasileiro de Mudanças Climáticas (PBMC, 2014) projetam um aumento de 0,5º a 1ºC na temperatura do ar e uma diminuição entre 10% e 20% nas taxas de chuvas na Caatinga durante as próximas três décadas (2020 a 2040). Além disso, espera-se que a temperatura aumente gradualmente de 1,5° a 2,5°C no período de 2041-2070, enquanto as taxas de precipitação deverão diminuir em 25% e 35% no mesmo período. Essas projeções sugerem que até o final do século XXI o bioma Caatinga será consideravelmente mais árido, com a ocorrência de secas mais longas e escassez de água mais severa, expondo sua biodiversidade a um risco potencialmente catastrófico (PBMC, 2014; MARENGO e BERNASCONI, 2015).
Diante deste cenário, surgem as seguintes questões: o Bioma Caatinga é tolerante a um ambiente mais árido e mais quente? Qual é o limiar de aridez e aquecimento crescente aos quais as espécies da Caatinga podem tolerar? De acordo com a literatura científica, as respostas para essas questões ainda não estão claras (SANTOS et al., 2014; ALLEN et al., 2017). Essas lacunas de conhecimento existem devido à incerteza do conhecimento científico gerado sobre as FTSS, conforme relatado por Martin et al. (2006), Dombroski et al. (2011) e Koch et al. (2017).
Os ecossistemas terrestres desempenham um papel importante no ciclo global de dióxido de carbono, pois são considerados sumidouros de CO2. Por causa disso, eles são
LUYSSAERT et al., 2007; BEER et al., 2010). Portanto, é de suma importância investigar os mecanismos de troca de vapor de água e os processos físicos associados ao balanço de energia (BE) em uma variedade de ecossistemas terrestres, para melhor entender seu funcionamento e os feedbacks (PIELKE et al., 1998) que controlam o ciclo de CO2 (BALDOCCHI et al., 2004;
HAO et al., 2007) e sua relação com as mudanças climáticas (FOLEY et al., 2003). Assim, as medições das trocas de calor e massa nas interações ecossistema-atmosfera são cruciais para entender a dinâmica do sistema climático, bem como para avaliar modelos climáticos dinâmicos (JAEGER et al., 2009) e validar os fluxos de energia estimados por sensoriamento remoto (XU
et al., 2017).
Há uma escassez de estudos científicos sobre BE e carbono no bioma Caatinga, de tal forma que é difícil estimar seu impacto no balanço de CO2 regional e global. Estudos com essa
finalidade na Caatinga ainda são incipientes apesar de alguns avanços recentes (TEIXEIRA et
al., 2008; SOUZA et al., 2016; PIRES et al., 2017; SILVA et al., 2017) no Estado de
Pernambuco, em áreas de vegetação preservada ou em recuperação durante anos de chuva abaixo da média. No Brasil, tais estudos foram realizados em diferentes biomas, como a zona de transição entre a savana e a floresta amazônica, florestas tropicais e pastagens, o Cerrado, áreas úmidas (Bioma Pantanal) e florestas de eucalipto (VOURLITIS et al., 2001; DA ROCHA
et al., 2009; CABRAL et al., 2010; VON RANDOW et al., 2004; 2013; OLIVEIRA et al.,
2015; CABRAL et al., 2015; BIUDES et al., 2015). No entanto, como observado, a maioria desses estudos foram realizados na região amazônica (DA ROCHA et al., 2004; SOTTA et al., 2007; MEIR et al., 2008; ARAÚJO et al., 2010; METCALFE et al., 2010; ZERI et al., 2014). O método de covariância de vórtices turbulentos (EC, do inglês eddy covariance) é uma técnica amplamente utilizada na literatura científica para determinar os fluxos de massa e calor na interface solo-vegetação-atmosfera (BALDOCCHI et al., 2001; BALDOCCHI, 2008). Apesar da boa confiabilidade do método de EC, geralmente há uma incongruência entre a soma dos fluxos de calor sensível (H) e latente (λE) e a soma da energia disponível (radiação líquida menos o fluxo de calor do solo), onde a diferença entre estas somas podem variar de 10% a 30%, resultando no não fechamento do balanço de energia (WILSON et al., 2002; FOKEN, 2008; LEUNING et al., 2012). Segundo McGloin et al. (2018), o fechamento do balanço de energia (FBE) afeta diretamente a avaliação de λE e H, e também é potencialmente relevante para a interpretação de outros fluxos, como o CO2 (WILSON et al., 2002, BARR et al., 2006).
Assim, a falta do FBE incide em importantes implicações ao estimar os orçamentos de energia, água e carbono usando medições de EC.
Segundo Gerken et al. (2018), apesar de esforços recentes como a pesquisa no desenvolvimento de equações fundamentais para covariância de vórtices turbulentos, desenvolvimento e melhoria de instrumentos, descrição de correções e caracterização de incerteza de medição (por exemplo, MASSMAN e LEE, 2002; MONCRIEFF et al., 2005; PAPALE et al., 2006; GU et al., 2012; LEUNING et al., 2012) o problema do FBE ainda persiste em todos os tipos de superfícies.
A falta do FBE pode ser explicada por várias razões. Alguns erros podem resultar na superestimação da energia disponível, enquanto outros incorrem na subestimação de fluxos turbulentos (WILSON et al., 2002; MCGLOIN et al., 2018). Segundo Foken (2008), possíveis razões para a superestimação da energia disponível poderiam ser a superestimação do Rn e a quantificação errônea da energia armazenada no solo, no ar abaixo da torre ou na vegetação. No entanto, com a melhoria na precisão dos radiômetros, é improvável que os erros de medição do Rn sejam a principal causa do problema do FBE.
Segundo Leuning et al. (2012), medições precisas da energia disponível requerem dados de radiação e dados de armazenamento de calor do solo, ar e biomassa para cada período médio de meia-hora, que é o intervalo de tempo tipicamente usado pela comunidade científica para a medição de fluxos. As defasagens de fase causadas por estimativas incorretas dos termos de armazenamento são consideradas uma das razões importantes pelas quais a soma dos fluxos de H e λE sistematicamente subestima a energia disponível nessa escala de tempo. Outra possível explicação para a falta do FBE é a ocorrência da turbulência de baixa frequência que não é captada pelo sistema EC (EDER et al., 2014; MCGLOIN et al., 2018; STOY et al., 2013). Recentemente, o efeito das diferenças de fase entre a velocidade vertical do vento e o vapor de água no FBE tem sido estudado (GAO et al., 2017; MCGLOIN et al., 2018).
Considerando a importância das pesquisas sobre o BE entre os ecossistemas terrestres e a atmosfera, bem como a escassez deste tipo de estudo no Bioma Caatinga, a presente pesquisa tem como objetivo geral avaliar o comportamento sazonal e anual do balanço de energia em uma área de Caatinga preservada, no Semiárido Brasileiro, durante anos de seca extrema.
Como objetivos específicos, propõem-se:
Computar e avaliar o fechamento do balanço de energia sobre ambiente do Bioma Caatinga preservado;
Avaliar o comportamento anual e sazonal das partições do balanço de energia sobre o referido ambiente de caatinga;
Analisar a relação entre o fechamento do balanço de energia e os parâmetros de turbulência e de estabilidade atmosférica.
2 REVISÃO DA LITERATURA 2.1 Bioma Caatinga
O Bioma Caatinga, típico do Semiárido Brasileiro, é uma das maiores áreas de FTSS encontrada na América do Sul (PENNINGTON et al., 2000). Esta floresta cobre cerca de 865.000 km2 e ocorre apenas no Brasil, cobrindo cerca de 10% do território nacional
(DOMBROSKY et al., 2011). De acordo com Holzman (2008), a Caatinga é uma das florestas secas mais biodiversas do mundo, mas apesar de sua fragilidade é proporcionalmente o ecossistema brasileiro menos estudado e protegido (DOMBROSKY et al., 2011).
A Caatinga é caracterizada como um savana decídua e espinhosa (TSUCHIYA, 1995). O Semiárido Brasileiro, seu ambiente natural, tem temperaturas em torno de 25°C ao longo do ano, enquanto as taxas de evapotranspiração potencial são elevadas (entre 1500 e 2000 mm ano-1), e os solos são superficiais, com uma capacidade reduzida de absorção água (INMET,
1992; PAGOTTO et al., 2015). A precipitação anual média varia entre 300 mm e 1000 mm, dependendo da região, sendo a estação chuvosa restrita a um período de 3-4 meses (durante o verão e outono), seguida de uma estação seca prolongada de 8 a 9 meses (entre inverno e primavera) (PAGOTTO et al. 2015; OLIVEIRA et al., 2017). Como as chuvas são concentradas em um período relativamente curto, o déficit hídrico da estação seca tende a ser sempre elevado (TSUCHIYA, 1995). Por esta razão, a Caatinga experimenta uma marcada alternância entre as estações chuvosa e seca, e exibe uma perda sazonal de folhas em resposta a variações no estresse hídrico (BARBOSA et al., 2006; RODAL et al., 2008). Essa estratégia para resistir ao déficit hídrico é conhecida como tolerância à dessecação (TAIZ e ZEIGER, 2006; DOMBROSKI et
al., 2011).
O bioma desempenha um papel importante na manutenção do processo macroecológico regional, bem como, indiretamente no suporte as regiões com maior diversidade e endemismo, tanto no Brasil como no mundo (LEITE e MACHADO, 2010). No entanto, de acordo com Pennington et al. (2000), durante muito tempo as FTSS receberam relativamente pouca atenção de conservacionistas e ecologistas em relação ao que foi dado as demais tipos de florestas tropicais. No caso específico da Caatinga, a pouca atenção enfatizada por Pennington et al. (2000), contribuiu decisivamente para o desmatamento descontrolado e o uso inadequado do solo, que causaram e continuam causando sérios danos ambientais, acelerando o processo de desertificação que já ameaça cerca de 20% da região (LEAL et al., 2005) e afetando, muito provavelmente, o clima desse ecossistema. A extração de madeira, que é usada principalmente
como fonte primária de energia, e a pecuária nas grandes propriedades (latifúndios) tem levado a uma constante substituição de espécies vegetais nativas por cultivos e pastagens (SÁ e SILVA
et al., 2009) e de acordo com o IBAMA (2010), aproximadamente 80% do ecossistema original
já foi antropizado.
2.2 Balanço de energia
A radiação solar é a principal fonte de energia para vários processos que ocorrem na superfície da Terra. Ao penetrar na atmosfera terrestre (ondas curtas), parte da radiação solar incidente é absorvida e parte é refletida. A radiação refletida é chamada de radiação difusa, onde parte desta retorna para o espaço e parte chega à superfície terrestre. A outra parte da radiação incidente no topo da atmosfera atinge diretamente a superfície, chamada de radiação direta (Figura 1), caracterizando o balanço de ondas curtas (BOC). A superfície terrestre emite parte da radiação que foi absorvida (ondas longas), sendo que uma parcela atmosférica dessa radiação é voltada para a superfície como fluxo de contra-radiação, caracterizando, assim, o balanço de ondas longas (BOL). A radiação que chega à superfície terrestre (descendente) dá-se um sinal positivo, uma vez que a mesma adiciona energia, e à radiação que deixa a superfície terrestre (ascendente) atribui-se um sinal negativo, por esta retirar energia. Assim, somando-se as radiações que chegam e que deixam a superfície, calcula-se o chamado saldo radiativo ou radiação líquida (Rn), conforme se apresenta na Equação 1.
Rn = 𝐵𝑂𝐶 + 𝐵𝑂𝐿 (1)
O saldo de radiação é uma forçante meteorológica, que provoca o aquecimento e o resfriamento da superfície, representando a quantidade de densidade de fluxo superficial de energia radiante disponível para a partição em outras formas de energia, que guiam os processos que ocorrem em superfície (FINNIGAN et al., 2003; HARTMANN, 1994). Assim, Rn pode ser escrito na forma do balanço radiativo superficial:
Rn = 𝑅𝑆↓− 𝑎𝑅𝑆↓+ 𝑅𝐿↓− 𝑅𝐿↑− (1 − 𝜀0)𝑅𝐿↓ (2)
em que: 𝑅𝑆↓ a radiação total de ondas curtas incidente na superfície, 𝑎𝑅𝑆↓ a radiação de onda curta refletida pela superfície, sendo 𝑎 o albedo superficial, 𝑅𝐿↓ a contra-radiação, 𝑅𝐿↑ a
radiação de onda longa emitida pela superfície terrestre e (1 − 𝜀0)𝑅𝐿↓ a contra-radiação
refletida pela superfície terrestre, sendo 𝜀0 a emissividade da superfície.
Figura1 – Efeitos da Atmosfera sobre o balanço de radiação e energia do sistema Terra-Atmosfera
Fonte: MARTINS et al., 2004.
O saldo de radiação não é somente o resultado final do balanço de radiação, mas também a energia que será particionada no BE da superfície, uma vez que ele representa a principal fonte de energia disponível para diversos processos físicos (aquecimento do ar e do solo, evaporação e armazenamento de energia no dossel), biofísicos (transpiração) e bioquímicos (fotossíntese) que ocorrem no sistema solo-planta-atmosfera.
Assim, o BE corresponde a partição do saldo de radiação na superfície em fluxo de calor latente, fluxo de calor sensível, fluxo de calor no solo e armazenamento de energia no dossel, sendo um dos aspectos mais importantes do acoplamento terra-atmosfera (GU et al., 2006), que determina o vapor de água e calor na atmosfera e é crucial no ciclo hidrológico, no desenvolvimento da camada limite, e o clima regional ou mesmo global (WILSON et al., 2002).
A equação que descreve o BE é fundamentada no princípio físico da conservação de energia (primeira lei da termodinâmica), onde os fluxos de energia escoariam para dentro e para fora da superfície sem haver perda ou ganho à superfície. Assim, a soma do fluxo de calor latente e sensível deve ser equivalente a todos os outros dissipadores de energia e fonte, como pode ser expresso na Equação 3 (ARYA, 2001; WILSON et al., 2002):
Rn = H + λE + G + FCO2 + S (3)
em que: Rn o saldo de radiação, H o fluxo de calor sensível (aquecimento do ar próximo a superfície), λE o fluxo de calor latente (evaporação da água do solo mais transpiração das plantas), G o fluxo de calor no solo (aquecimento do solo), FCO2 a densidade do fluxo de energia associado com o fluxo de CO2 (através da fotossíntese e respiração) e S a energia
armazenada na biomassa e no ar. Uma ilustração esquemática das trocas de energia que ocorrem no sistema solo-vegetação-atmosfera é apresentada na Figura 2.
Figura 2 – Componentes do balanço de energia na superfície
Fonte: Adaptado de Michiles (2009).
O estudo do BE em grandes culturas e florestas, normalmente, é avaliado desprezando os termos S e G, pois suas somas representam um valor inferior a 5 % de Rn (WILSON et al., 2002). Entretanto, segundo Michiles e Gielow (2008) o termo S é um componente importante na análise do BE para a floresta Amazônica, uma vez que a floresta possui uma quantidade expressiva de biomassa, alta variabilidade da temperatura e umidade do ar e altos índices pluviométricos. Diante das considerações de Wilson et al. (2002), o BE é estudado na maioria das situações usando os termos da equação seguinte:
Rn = H + λE + G (4)
De acordo com a Equação 4 do BE, o saldo de radiação deve ser equilibrado com os fluxos de calor sensível e latente e o fluxo de calor no solo. Assim, no período diurno, a superfície recebe energia radiativa (Rn > 0), que é particionada em H, λE e G. A superfície do
solo, quando aquecida, cede energia para aquecimento do ar (H), para evaporação da água (𝜆E) e para aquecimento de camadas mais profundas do solo (G). Tipicamente, H, 𝜆E e G são positivos durante o dia, como mostrado na Figura 3a. A intensidade de cada termo do BE depende de vários fatores, tal como o tipo de superfície, localização, condições atmosféricas etc (ARYA, 2001).
No período da noite, sem radiação solar incidente, a superfície libera rapidamente energia para a atmosfera, principalmente em condições claras ou parcialmente encobertas de nuvens. Esta perca é compensada com o ganho de energia térmica do ar e do solo, e algumas vezes também recebe energia térmica liberada pela condensação do ar durante a formação do orvalho (Figura 3b) (ARYA, 2001).
Figura 3 – Representação esquemática do balanço de energia de superfície durante o dia (a), noite (b) e numa superfície com restrição de água (c)
A partição de energia em H e 𝜆E representam as interações mais importantes entre a biosfera e atmosfera, sendo que as magnitudes de cada fluxo são variáveis para cada tipo de ecossistema (RODRIGUES et al., 2014). Por exemplo, em superfícies vegetadas sem restrição de água no solo durante o dia o saldo de radiação é positivo, direcionado para o solo, o fluxo de calor do solo também é positivo, o fluxo de calor sensível e latente são negativos, sendo o calor latente maior que o calor sensível.
No entanto, durante o dia, para a mesma superfície vegetada com restrição de água no solo (Figura 3c), o saldo de radiação possui praticamente a mesma magnitude, mas o fluxo de calor sensível é muito maior que o fluxo de calor latente, devido à falta de água para o processo de evapotranspiração, com isso predomina o aquecimento do ar. Durante a noite, os sinais dos
fluxos são invertidos, saldo de radiação e o fluxo de calor no solo são negativos e os fluxos de calor latente e sensível positivos.
Convencionalmente, os termos do BE serão positivos durante o dia e negativos durante a noite. As magnitudes do G não diferem muito entre dia e noite, embora a direção ou sinal inverta durante os períodos de transição entre manhã e noite, quando os fluxos 𝜆E e H também mudam de sinal (ARYA, 2001).
A partição de cada componente do BE de superfície é uma função complexa de interações de longo prazo entre ciclagem biogeoquímica, perturbação, clima e interações de curto prazo entre a fisiologia da planta e o desenvolvimento da camada limite atmosférica (WILSON et al., 2002). Os fluxos 𝜆E e H são parâmetros importantes que direcionam diretamente as variações climáticas e podem, por sua vez, alterar as variáveis ambientais que impulsionam a troca de massa e energia entre o solo e a atmosfera (FALGE et al., 2005), sendo variáveis importantes nas análises meteorológicas, hidrológicas e ecológicas. Ao dividir os componentes do fluxo de energia em calor latente e sensível, podemos determinar o vapor de água e o conteúdo de calor da atmosfera e compreender melhor os processos climatológicos de escala regional e global (CHEN et al., 2009).
2.3 Cálculos dos fluxos pelo método de covariância dos vórtices turbulentos
O método de covariância de vórtices turbulentos é uma técnica que se baseia em medições de alta frequência das variáveis meteorológicas e fornece medições diretas e contínuas dos fluxos de vapor d’água, dióxido de carbono, fluxos de calor latente e calor sensível e outros gases traços entre a superfície e a baixa atmosfera (MONCRIEFF et al., 1996; BALDOCCHI et al., 2001; AUBINET et al., 2012).
Os fluxos turbulentos verticais (𝐹, em kg m-2 s-1) podem ser apresentados como o
produto das propriedades contidas e transportadas em um turbilhão ou vórtice, as quais são a sua massa (a qual considerando uma unidade de volume é determinado por sua densidade, 𝜌 em kg m-3), componente vertical da velocidade do vento (w em m s-1) e o conteúdo volumétrico
de qualquer outra variável de interesse (𝑠), conforme a Equação 5 (OKE, 2002; BURBA e ANDERSON, 2007):
𝐹 = 𝜌𝑤𝑠̅̅̅̅̅̅ (5)
A barra sobre os termos da Equação 5 indica a média desse produto ao longo do tempo de medição. No entanto, como trata-se de uma série de medições em que cada variável possui
inúmeras flutuações, é adequado usar a decomposição de Reynolds (STULL, 1988; ARYA, 2001; OKE, 2002; BURBA e ANDERSON, 2007), uma vez que cada uma das variáveis pode ser dividida em uma parte que é a média e uma parte flutuante (indicada pela aspa simples). Assim, 𝐹 pode ser escrito como:
𝐹 = (𝜌̅ + 𝜌̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅ ′) + (𝑤̅ + 𝑤′) + (𝑠̅ + 𝑠′) (6) Expandindo a Equação 6, tem-se:
𝐹 = (𝜌𝑤𝑠̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅ + 𝜌𝑤̅̅̅̅𝑠′ + 𝜌̅𝑤′𝑠̅ + 𝜌̅𝑤′𝑠′ + 𝜌′𝑤𝑠̅̅̅̅ + 𝜌′𝑤̅𝑠′ + 𝜌′𝑤′𝑠̅ + 𝜌′𝑤′𝑠′) (7)
Os termos nos quais aparece a média do desvio de apenas uma variável pode ser desprezada (segundo, terceiro e quinto termos), pois de acordo com as definições da decomposição de Reynolds, as médias dos desvios são iguais a zero (STULL, 1988; OKE, 2002). Os temos que envolvem as flutuações de ρ também podem ser desprezados, visto que a densidade do ar é considerada virtualmente constante na atmosfera inferior (sexto, sétimo e oitavo) (OKE, 2002). E, finalmente, o primeiro termo também é desprezível, uma vez que, se as observações forem restritas a um terreno uniforme, a velocidade vertical do vento sofre poucas variações (OKE, 2002). Assim, a equação geral do método de EC pode ser escrita conforme a Equação 8 (STULL, 1988; OKE, 2002; BURBA e ANDERSON, 2007):
𝐹 = 𝜌𝑤̅̅̅̅̅̅̅̅ ′𝑠′ (8)
Dessa forma, os fluxos de calor sensível e latente poderão ser obtidos pelas Equações 9 e 10, respectivamente, baseadas na Equação 8 (STULL, 1988; ARYA, 2001; OKE, 2002; BURBA e ANDERSON, 2007):
𝐻 = 𝜌. 𝑐𝑃𝑤̅̅̅̅̅̅ ′𝑇′ (9)
𝜆𝐸 = 𝜌. 𝐿𝑉. 𝑤̅̅̅̅̅̅ ′𝑞′ (10) em que: a densidade da ar, cp o calor específico do ar a pressão constante, 𝑤̅̅̅̅̅̅ a covariância ′𝑇′
entre as flutuação da velocidade vertical do vento (w’) e a temperatura do ar (T’) e 𝑤̅̅̅̅̅̅ a ′𝑞′ covariância entre as flutuações da velocidade vertical do vento e as flutuações da concentração de vapor de água (q’), 𝐿𝑉 o calor latente de vaporização da água.
2.4 Problema do fechamento do balanço de energia
O fluxo de energia que sai da superfície (em direção à atmosfera) deve ser equivalente ao fluxo de energia recebido na superfície, portanto, um teste de FBE pode ser aplicado. Se não for obtido um fechamento aceitável, os erros podem ser atribuídos a uma ou mais das medições separadas do fluxo de energia superficial (MICHILES e GIELOW, 2008). Esse teste é realizado por meio da relação entre os valores dos fluxos turbulentos (H + 𝜆E) e os componentes da energia disponível (Rn – G), possibilitando avaliar a qualidade dos dados obtidos pelo método de EC e diagnosticar problemas (WILSON et al., 2002; ONCLEY et al., 2007).
Uma vez que a lei de conservação de energia é infringida , ou seja, a soma dos fluxos de calor sensível e latente não se iguala a energia disponível, surge um problema antigo na micrometeorologia conhecido como “problema do FBE”, onde os fluxos turbulentos são subestimados em relação a energia disponível em certa de 10 a 30 %, ocasionando o não FBE ( WILSON et al., 2002a; FOKEN et al., 2006; FRANSSEN et al., 2010). Estudo realizado por Wilson et al. (2002a) avaliaram o FBE em 22 locais da rede FLUXNET em que as médias de meia-hora de H + 𝜆E subestimaram Rn – G na maioria dos locais analisados em média de 20%. Foram sugeridas muitas hipóteses para explicar a falta de FBE, incluindo: erros instrumentais, heterogeneidade da superfície, contabilidade incorreta para armazenamento de energia no solo, coluna de ar e vegetação, transporte de baixa frequência e mesoescala, períodos de média inadequados para capturar as contribuições de baixa frequência para a troca líquida, escolha de sistemas de coordenadas, entre outros (FOKEN, 2008; FOKEN et al., 2006; LEUNING et al., 2012).
Foken (2008) apresentou resultados de vinte anos de pesquisas sobre o problema do FBE. Segundo ele, os erros de medições dos termos da equação do balanço de energia não podem explicar o problema do FBE se as medições são realizadas cuidadosamente. A hipótese assumida para esse problema é o ajuste das diferentes escalas horizontais para as quais as medições dos termos do BE são representativos.
As medições dos fluxos turbulentos são médias sobre uma área representativa dos sensores, conhecida como “fetch” ou “flux footprint” (SCHMID, 1997). Em contrapartida, as medidas do saldo de radiação, fluxo de calor no solo e armazenamento de calor, representam medições de uma área muito pequena (Figura 4). Em ecossistemas de florestas, as medições dos fluxos turbulentos podem representar uma área de muitos quilômetros (FOKEN, 2008). Mesma consideração já havia sido feita por Aubinet et al. (2001) ao alegarem que uma das
causas do não FBE em terrenos heterogêneos é a diferença entre a área de representatividade (footprint) do método de EC.
As contabilizações incorretas dos termos de armazenamento de energia no solo, na coluna de ar e vegetação, também influenciam no problema do FBE (FOKEN, 2008; LEUNING
et al., 2012). Segundo Liebethal et al. (2005), o armazenamento de energia na camada entre a
superfície e a placa de fluxo, largamente utilizada para medir o fluxo de calor no solo, e também a heterogeneidade do solo, podem ter uma influência significativa nos resultados.
Meyers e Hollinger (2004) analisaram a energia armazenada na biomassa, bem como a armazenagem no dossel e no processo de fotossíntese em culturas de soja e milho, enquanto Heusinkveld et al. (2004) analisaram exclusivamente o armazenamento de calor no solo. Ambos os estudos concordam que a inclusão de termos de armazenamento é muito importante para determinar o fluxo de calor do solo na superfície e para um melhor FBE. No entanto, o aumento da precisão de medição do fluxo de calor do solo torna menos provável que erros de medição nesse componente seja a principal causa do déficit de balanço energético (FOKEN, 2008).
Figura 4 – Altura dos instrumentos e escala horizontal das medidas dos componentes do balanço de energia
Fonte: Foken (2008).
Outra questão destacada por Foken (2008) é o transporte de energia que ocorre por meio de grandes vórtices e que não pode ser medido pelo sistema de EC. Segundo o autor, a heterogeneidade da superfície tem sido vista como a razão para a formação desses grandes vórtices. Stoy et al. (2013) ao analisarem a relação do FBE e a heterogeneidade da superfície em vários ecossistemas do banco de dados do FLUXNET, concluíram que o não FBE em alguns locais diz respeito à heterogeneidade da superfície, onde os melhores fechamentos foram em
florestas ombrófila densa e savanas (0,91 – 0,94) e os piores fechamentos foram em cultivos, florestas de folhosas de folha caduca, florestas mistas e zonas úmidas (0,70 – 0,78).
Visto que vórtices maiores apresentam uma notável contribuição para as trocas de energia e que não são detectados pelo método de EC, estes vórtices não só podem ser detectados com as médias de tempo de uma série de medição, mas também com as médias das áreas de alcance do sistema de medição (FOKEN, 2008). Assim, medições de H e λE tem sido realizadas, respectivamente, por “cintilômetros de abertura larga” (BEYRICH et al., 2002) e “cintilômetros de micro-ondas” (MEIJNINGER et al., 2006). Esses sistemas têm alcance de até 5 km e realizam medições calculando médias da área de alcance. Von Randow et al. (2008) utilizaram um cintilômetro de abertura larga para estimar a densidade de fluxo turbulento de calor sensível numa área de floresta na Amazônia central e compararam os valores obtidos por esta técnica com aqueles obtidos por meio do método de EC. Conforme seus resultados, as estimativas de H realizadas pelo método de EC são sempre menores relativamente as do cintilômetro, com as diferenças entre estas estimativas sendo maiores para médias temporais menores, como de dez minutos, por exemplo, enquanto que, para médias de cerca de uma hora, estas diferenças são mínimas.
Alguns estudos sugerem ainda que o FBE melhora com o aumento da velocidade de fricção (𝑢∗) e em condições menos instáveis (WILSON et al., 2002a; BARR et al., 2006; TANAKA et al., 2008; STOY et al., 2013). Sob condições instáveis, a convecção não é suprimida resultando em menores déficits do BE (BARR et al., 2006; TANAKA et al., 2008). No entanto, em condições muito instáveis também podem ser geradas mais turbulências de baixa frequência (ou seja, turbilhões maiores), devido à ocorrência de convecção organizada, sistemas de circulação de mesoescala ou o desenvolvimento de camada limite mais profunda, podendo levar a um agravamento do FBE para essas condições (FINNIGAN et al., 2003). Assim, a hipótese de que um fechamento menor induzido por turbulência de baixa frequência (relacionado com convecção em grande escala), deverá afetar locais de florestas (sensores altos) mais do que terras agrícolas (sensores baixos).
Franssen et al. (2010), a fim de obter conclusões mais robustas sobre o FBE em condições muito instáveis, analisou dados do EC de até 26 locais da rede FLUXNET. Os autores analisaram o FBE em função do parâmetro de estabilidade, da velocidade de fricção, da turbulência induzida termicamente e hora do dia. Os resultados sugeriram que o FBE é menor para condições muito instáveis do que para condições menos instáveis, estando de acordo com trabalhos realizados por Barr et al. (2006) e Tanaka et al. (2008) em áreas de floresta boreal . Ainda de acordo com Franssen et al. (2010), os resultados sugerem que os menores fechamento
que ocorreram para condições muito instáveis é devido à redução da velocidade de fricção. Resultados como este foram encontrados por Stoy et al. (2013), onde o FBE aumentou com a velocidade de fricção e foi o mais elevado em condições atmosféricas quase neutras.
Segundo Wilson et al. (2002a), a falta do FBE está frequentemente presente, embora em menor grau, mesmo sobre superfícies planas e homogêneas e vegetação curta, que são presumivelmente condições ideais para o método de EC. De maneira geral, o método de EC necessita de muitas correções para que haja um FBE satisfatório. No entanto, nos dias atuais, o método e suas referidas correções podem ser classificados como bem estabelecidas (FOKEN, 2008).
A importância de resolver o “problema do fechamento do BE” está no fato de que os dados das redes de fluxos estão sendo usados em esquemas de superfícies nos modelos climáticos dinâmicos, assim como para validar produtos estimados por sensoriamento remoto. Os erros sistemáticos nas medições dos fluxos medidos pelo método de EC se propagarão diretamente nos produtos de dados resultantes e possivelmente comprometerão tais estudos (FOKEN, 2008; LEUNING et al., 2012).
3 MATERIAL E MÉTODOS 3.1 Área de estudo
O local do experimento foi realizado em um fragmento preservado de uma floresta tropical sazonalmente seca, no bioma Caatinga, semiárido nordestino (6°34'42"S, 37°15'05"W, 205 m acima do nível do mar). Uma torre micrometeorológica, equipada com um sistema de EC, foi instalada a 11 m de altura na unidade de conservação do Bioma Caatinga, a Estação Ecológica do Seridó (ESEC-Seridó), próximo à cidade de Serra Negra do Norte, no Estado do Rio Grande do Norte (Figura 5). A área da ESEC-Seridó é gerenciada pelo Instituto Chico Mendes de Conservação da Biodiversidade (ICMBio). A torre micrometeorológica pertence ao Instituto Nacional do Semiárido (INSA) e faz parte do Observatório Nacional da Dinâmica da Água e de Carbono no Bioma Caatinga (ONDACBC).
Figura 5 - Localização do Bioma Caatinga em relação à América do Sul e Brasil (figura à esquerda), elevação do Bioma da Caatinga (figura do meio) e cobertura do solo ao redor da ESEC-Seridó (figura à direita)
Fonte: O autor (2019).
A ESEC-Seridó compreende uma área de 1.163 ha de Caatinga remanescente, caracterizada por floresta xerófila seca e espécies de plantas decíduas e predominância de pequenas árvores e arbustos amplamente dispersos, com menos de 7 m de altura e manchas de ervas, que se desenvolvem e crescem apenas durante a estação chuvosa (SOUZA et al., 2012;
FREITAS et al., 2010; ALTHOFF et al., 2016; TAVARES-DAMASCENO et al., 2017). O tipo de solo predominante é o Neossolo Litólico (Neossolo na classificação norte-americana), raso (aproximadamente 40 cm), pedregoso e de baixa fertilidade (EMBRAPA, 2006; ALTHOFF et
al., 2016). De acordo com o sistema de classificação climática de Köppen, o clima da região é
Bsh (semiárido) (ALVARES et al., 2014), com a estação chuvosa ocorrendo entre os meses de janeiro e maio, precipitação média anual de 700 mm, temperatura média anual de 25,0 ° C e umidade média anual do ar em torno de 60% (média de 30 anos) (INMET, 1992). A inclinação do terreno varia entre 1-3 graus.
3.2 Campanha Experimental - Instrumentação e Medidas
O experimento foi realizado de 01 de janeiro de 2014 a 31 de dezembro de 2015. As medições na torre micrometeorológica forneceram dois conjuntos de dados: dados de alta frequência, oriundos das medições de EC, e o conjunto de dados de baixa frequência. No conjunto de dados de alta frequência constam medições das concentrações de CO2 e vapor
d’água, temperatura sonora e os três componentes escalares da velocidade do vento (𝑢𝑥, 𝑢𝑦, 𝑢𝑧), obtidos utilizando um analisador de gás CO2/H2O Open-Path EC150 combinado com o
anemômetro sônico 3D CSAT3A (Campbell Scientific, Inc., Logan, UT, USA). Devido o EC150 está sendo usado junto com o anemômetro sônico e para minimizar as distorções dos fluxos pelos braços do analisador ou por outras partes do suporte, esses instrumentos foram instalados apontando para a direção predominante do vento, que é de sudeste. A pressão atmosférica foi medida utilizando um barômetro PTB110 (Vaisala Corporation, Helsink, Finland), a temperatura do ar e umidade relativa foram medidas utilizando a sonda HMP155A (Vaisala Corporation, Helsink, Finland). Todas essas medições foram coletadas e armazenadas em uma frequência de 10 Hz em um cartão de memória acoplado a um Datalogger modelo CR3000 (Campbell Scientific, Inc., Logan, UT, USA).
O conjunto de dados de baixa frequência inclui o saldo de radiação líquida e o albedo, que foram obtidos a partir de um saldo-radiômetro modelo CNR4 (Kipp & Zonen, Holanda). A temperatura do ar e a umidade relativa foram medidas com HMP45C (Vaisala Corporation, Helsink, Finland). Todos os sensores foram instalados a uma altura de 11,0 m acima da superfície do solo, sendo cerca de 4,0 m acima da copa média do dossel vegetativo da região. A densidade do fluxo de calor no solo (𝐺, W m-2) foi medida a partir da média de duas placas
profundidade de 0,05 m. Todos os dados foram amostrados a uma frequência de 5 s e armazenadas como médias de meia-hora.
As condições meteorológicas durante o experimento foram avaliadas através dos valores de radiação global diária (Rg), temperatura do ar (Ta) e déficit de pressão de vapor (VPD). O VPD é a diferença entre a pressão de vapor de saturação (𝑒𝑠) e pressão de vapor real (𝑒𝑎). O método utilizado para o cálculo de 𝑒𝑠 e 𝑒𝑎 foi de acordo com Allen et al. (1998):
𝑒𝑠 = 𝑒°(Tmax) + 𝑒°(Tmin) 2 (11) Sendo: 𝑒° = 0,610𝑒𝑥𝑝 [ 17,27T T + 237,3] (12) 𝑒𝑎 = 𝑒°(Tmin )URmax 100 + 𝑒°(Tmax)UR100min 2 (13)
em que: T a temperatura do ar (°C) e UR a umidade relativa (%).
3.3 Processamento e pós-processamento dos dados
Para se obter os fluxos turbulentos λE e H, utilizou-se o software LoggerNet (Campbell Scientific, Inc., Logan, UT, USA) para configurar os dados brutos de 10 Hz em binário – 30 minutos (TOB1) com coluna do tempo (Timestemp). Posteriormente, os dados de alta frequência foram processados utilizando o software EdiRe, transformando os dados em médias de meia-hora. O processamento dos dados incluiu detecção de dados espúrios (spikes), correção de atraso do H2O/CO2 em relação a componente vertical do vento, correção da rotação de
coordenadas (rotação 2D) usando o método de ajuste planar, correção de perda espectral, correção de temperatura virtual sônica, correções para flutuações de densidade de fluxo (WEBB
et al., 1980) e correção de resposta de frequência incorporada derivada de Moore (1986) e
Massman (2000).
Além de uma cuidadosa manutenção e calibração periódica dos instrumentos, os dados foram submetidos a um rigoroso procedimento de pós-processamento. A avaliação da qualidade
dos dados foi realizada de acordo com Mauder e Foken (2004) com os índices 0, 1 e 2 indicando dados de alta (classe 1), médio (classe 2) e de baixa qualidade (classe 3), respectivamente. Os dados com índice 2 (classe3, ou seja, baixa qualidade) foram descartados. Além disso, foram descartados dados associados ao mau funcionamento do sensor, dados de fluxo que ocorreram simultaneamente aos eventos de chuva e dados visualmente inconsistentes.
Para a detecção de spikes utilizou um método descrito por Papale et al. (2006), baseado na comparação entre a diferença do valor do fluxo Fi de 30 min em relação aos valores imediatamente antes e depois. Esse procedimento foi aplicado em uma janela de N dias (N=60 dias), utilizando a amplitude do ciclo diário mediano móvel (MAD). Para cada Fi um valor d é calculado como:
di = (Fi− Fi−1) − (Fi+1− Fi) (14)
O valor é sinalizado como spike se: di < Md − (z. MAD 0.6745) (15) Ou di> Md + (z. MAD 0.6745) (16)
sendo z um valor de limiar, Md a mediana das diferenças e MAD é definido como:
MAD = mediana(|di− Md|) (17)
O preenchimento das lacunas foi realizado pelo método descrito por Reichstein et al. (2005), que leva em consideração a covariação dos fluxos com as variáveis meteorológicas e também a auto correlação temporal dos fluxos. Neste método, três condições são identificadas com seus respectivos procedimentos:
(1) quando os dados de fluxo estão faltando, mas os dados meteorológicos estão disponíveis para radiação, temperatura do ar e déficit de pressão de vapor: o dado faltante é substituído pelo valor médio em condições meteorológicas semelhantes em uma janela de 7 dias. Caso não se tenha condições semelhantes, a janela é aumentada para 14 dias.
(2) quando apenas valores da radiação estão disponíveis: o dado faltante é substituído pelo valor médio em condições meteorológicas semelhantes dentro de uma janela de 7 dias.
(3) quando não há dado meteorológico disponível: o valor faltante é substituído pelo valor médio da última hora, sendo assim, considera a variabilidade diurna de cada variável.
Se, após estas etapas, os dados não forem preenchidos, o procedimento é repetido com tamanhos de janela maiores até que o valor possa ser preenchido. Para o preenchimento das lacunas, foi utilizado uma ferramenta online automatizada disponibilizada pelo Instituto Max Plank (Max Planck Institute for Biogeochemistry - http://www.bgc-jena.mpg.de/~MDIwork/eddyproc/).
3.4 Balanço de energia – Fechamento e particionamento
A equação do BE expressa a conversão da energia líquida em fluxos de energia e de massa entre o dossel e a atmosfera. Efetuou-se o cálculo do BE usando a Equação 4, excluindo os termos F e S. Esses termos representam menos de 2% do saldo de radiação (HEILMAN et
al., 1994), principalmente em ambientes cujo dossel tem altura reduzida e com baixa densidade
foliar, tal como a Caatinga. Assim, empregou-se a seguinte equação para o cálculo do BE:
Rn = λE + H + G (18)
sendo Rn o saldo de radiação, λE, H e G a densidade de fluxo de calor latente, calor sensível e calor no solo, respectivamente, expressos em W m-2.
Todos os componentes da Equação 18 foram armazenados como média de meia-hora. Os termos Rn e G foram medidos diretamente utilizando os sensores previamente descritos. Por outro lado, os fluxos verticais de λE e H foram calculados pelo método de EC, utilizando as Equações 9 e 10, a partir do conjunto de dados de alta frequência.
Para uma breve verificação do quanto alguns temos menores de armazenamento influenciam no FBE no ambiente estudado, calculou-se a energia armazenada ou liberada devido a mudanças na temperatura do ar, a mudança no armazenamento de energia como flutuações na umidade e energia armazenada ou liberada pela troca de CO2 entre o sistema
solo-planta-atmosfera. Os cálculos desses termos foram descritos na seção 3.6.
Evidencias observacional indicam que a equação do BE produz um resíduo ou déficit (𝜀) (Equação 19) que tem sido sistematicamente superior aos 2% do Rn, que corresponde a energia estocada no dossel e a energia utilizada na fotossíntese e na respiração (FOKEN, 2008; GEORG et al., 2016; GERKEN et al., 2018; MCGLOIN et al., 2018).
Além dos termos metabólicos (energia utilizada na fotossíntese e respiração) e do calor estocado no dossel da vegetação, 𝜀 contém todas as diferenças entre os termos dos fluxos radiativos e turbulentos reais contra os respectivos valores medidos (HAVERD et al., 2007; GERKEN et al., 2018).
O FBE foi avaliado usando dois métodos. O primeiro consistiu no cálculo dos coeficientes de regressão ortogonal (inclinação e interceptação), entre as estimativas de meia-hora dos fluxos turbulentos (λE + H, variáveis dependentes) contra a energia disponível (Rn − G, variáveis independentes) (WILSON et al., 2002). O fechamento ideal é representado por um intercepto 0 e coeficiente de inclinação igual a 1.
O segundo método utilizado foi calculado pela razão do balanço de energia (RBE, ideal igual a 1), sendo simplesmente a razão das somas acumulativas de λE + H e Rn − G para cada meia-hora (FRANSSEN et al., 2010; MCGLOIN et al., 2018):
RBE = ∑(λE + H) ∑(Rn − G)
(20)
O conjunto de dados utilizados para as análises do RBE constitui apenas períodos em que todos os dados de meia-hora das componentes do BE estavam disponíveis e para os dados em que foi possível realizar o preenchimento de falhas.
3.5 Análise de estabilidade atmosférica
Diante das limitações do uso do método de EC no período da noite, quando as velocidades do vento tendem a valores mais baixos ou quando há condições estáveis que suprimem os vórtices (durante o dia), o RBE foi analisado em função de diferentes valores da velocidade de fricção (𝑢∗) e parâmetro de estabilidade atmosférica (𝜉), de acordo como descrito por Barr et al., (2006). Assim, calculou-se o parâmetro de estabilidade como:
ξ =z − d L
(21)
sendo 𝑧 a altura de instalação dos sensores (m), d a altura do deslocamento do plano zero (m), L o comprimento Monin-Obukhov (m), determinado pela equação seguinte:
L = −ρ ∙ cP∙ u∗ 3∙ T k ∙ g ∙ H
(22)
em que k é a constante de Von Karman, g a aceleração devido à força gravitacional (m s-2), u
∗ a velocidade de fricção (m s-1). O RBE foi analisado em função de 𝜉 categorizandoos dados
em quatro classes de estabilidade/instabilidade conforme sugerido por Franssen et al. (2010): estável (𝜉 ≥ 0,1), neutro (-0,1 < 𝜉 < 0,1), ligeiramente instável (-0,5 ≤ 𝜉 ≤ -0,1), e muito instável (𝜉 < -0,5).
Segundo Gao et al. (2017) e McGloin et al. (2018), os sinais da velocidade vertical do vento e do vapor de água associados aos grandes redemoinhos (ligados ao arrastamento e à advecção) resultam em um aumento do resíduo. Assim, foram analisadas as relações entre o grau de RBE e os coeficientes de correção para velocidade vertical do vento e vapor de água (Rwq) e velocidade vertical do vento e temperatura sonora (RwT). Os coeficientes de correção Rwq e RwT foram calculados pelas seguintes equações (KAIMAL e FINNIGAN, 1994; MCGLOIN et al., 2018): Rwq= w′q′ ̅̅̅̅̅̅ σwσq (23) RwT = w ′T′ ̅̅̅̅̅̅ σwσT (24)
sendo σw , σq e σT o desvio padrão da velocidade vertical do vento (m s −1 ), vapor de água
(mmol m−3 ) e temperatura sônica (K), respectivamente; e w′, q′ e T′ são os componentes turbulentos da velocidade vertical do vento, do vapor de água e da temperatura sônica.
3.6 Cálculo dos termos de armazenamento
A negligência de termos menores do armazenamento de energia em muitos lugares contribui substancialmente para o não FBE. Esses termos são geralmente omitidos porque são difíceis de medir e se acredita serem pequenos (LEUNING et al., 2012; ESHONKULOV et al. 2018).
Os cálculos dos termos menores de armazenamento de energia considerados neste trabalho foram realizados de acordo com Eshonkulov et al. (2018). A energia armazenada ou liberada devido a mudanças na temperatura do ar (Sa) foi calculada pela seguinte equação:
Sa = ρa. Ca∆Ta ∆t . LEC
(25)
em que: ρa densidade da umidade atmosférica (Kg m-3), C
a capacidade específica de calor do ar úmido (J Kg-1K-1), ∆T
a variação da temperatura do ar (K), ∆t intervalo de tempo médio (s) e LEC distância entre o analisador de gás e a extremidade superior do dossel (m).
Para calcular a mudança no armazenamento de energia como flutuações na umidade (Sq), a seguinte equação foi aplicada:
Sq =ρa. LV. ∆q ∆t . LEC
(26)
em que: LV calor latente de vaporização (JKg-1), ∆q mudança na umidade específica da
atmosfera (Kg Kg-1).
O termo de armazenamento de energia armazenada ou liberada pela troca de CO2 (Sp)
entre o sistema solo-planta-atmosfera foi calculada pela equação:
Sp = 𝑎𝑝. F̅̅̅̅̅̅ CO2 (27)
em que: 𝑎𝑝 fator de conversão de energia fotossintética (0,469 Jµmol-1) e F
CO2
̅̅̅̅̅̅ fluxo de CO2
(µmol m-2s-1).
3.7 Cálculo do footprint
A área de origem dos fluxos medidos foi avaliada através de um modelo de footprint desenvolvido por Kljun et al. (2015). Os dados de entrada necessários para o modelo foram a altura de medição do fluxo (zm), altura de deslocamento do plano zero (d), a velocidade de
fricção da superfície (𝑢∗), o desvio padrão da velocidade vertical do vento (𝜎𝑤) e o comprimento de rugosidade (z0). De acordo com Kljun et al. (2015) a parametrização é válida
dentro de valores moderados de velocidade de fricção (u∗ > 0,1 m s−1) e para uma faixa limitada de condições de estabilidade da camada limite (−15,5 ≤ zm⁄ ), onde L é o L
comprimento de Monin-Obukhov. Para a nossa área de estudo, utilizamos d = (2 3⁄ ) ∙ h e z0 = 0.123 ∙ h, sendo h a altura do dossel, considerado igual a 6 m.
3.8 Comportamento Sazonal da Caatinga em Resposta a Precipitação
O comportamento sazonal da vegetação devido a sua resposta a precipitação ao longo do período estudado foi avaliado utilizando dados do NDVI (Normalized Difference Vegetation
Index). O NDVI representa a atividade fotossintética e está associado à biomassa, sequestro de
carbono, estresse hídrico da planta e biodiversidade, sendo utilizado para analisar a condição da vegetação natural ou agrícola (WEISS et al., 2004; BARBOSA et al., 2006; PEREIRA et
al., 2013; CUNHA et al., 2015). Também tem sido utilizado para monitorar o efeito das
mudanças climáticas no funcionamento dos ecossistemas naturais das áreas protegidas, que são menos impactadas pelas atividades humanas (PETTORELLI et al., 2012; GILLESPIE et al., 2018).
O NDVI é um índice numérico associado a condição da vegetação. É derivado das reflectâncias dos comprimentos de onda visível e infravermelho próximo da vegetação (GILLESPIE et al., 2018). As folhas verdes possuem alta absorção de luz visível e alta refletância no infravermelho próximo, resultando em valores de NDVI próximos a 1. Vegetação senescente, solo, água, nuvem e neve terão maior absorbância no infravermelho próximo, aumentando os valores de NDVI para -1 (TUCKER et al., 1985).
Os dados utilizados foram fornecidos pelo sensor MODIS (Moderate Resolution
Imagening Spectroradiometer) a bordo do Satélite Terra, disponibilizados pela USGS (United States Geological Survey) (https://earthexplorer.usgs.gov). Os dados do NDVI foram obtidos a
partir do produto MOD13A2 (v006) - Terra Vegetation Indices, que fornece os valores desse índice em períodos de 16 dias, em que foram selecionando os melhores valores nesse período conforme condições de céu claro e do ângulo de imageamento (DIDAN et al., 2015).
