Análise da variabilidade temporal de CO2 e temperatura do ar em pastagem por krigagem
1. XII JORNADA DE ENSINO, PESQUISA E EXTENSÃO – JEPEX 2012 – UFRPE: Recife, 26 a 30 de novembro.
ESTIMATIVAS DA VARIABILIDADE TEMPORAL DE CO2 E
TEMPERATURA DO AR EM ÁREA DE PASTAGEM
Rodolfo Marcondes Silva Souza1, Eduardo Soares de Souza2, José Romualdo de Sousa Lima2,* e Celso von Randow3
Introdução
Atualmente, medições de fluxos de massa e energia tem se tornado uma prática cada vez mais frequente em
pesquisas relacionadas com mudanças climáticas, principalmente em áreas de florestas e pastagens. Nos últimos anos, o
método da covariância dos vórtices turbulentos (Eddy Covariance), onde as medidas são calculadas através da
covariância entre a grandeza (por exemplo: fluxo de CO2) e as flutuações turbulentas vertical do vento, tem sido
considerado uma ferramenta padrão para estudar a troca de carbono, vapor d’água e energia entre a atmosfera e a
superfície terrestre (Baldocchi, 2003; Aubinet et al., 2012).
O entendimento da distribuição temporal dessas variáveis é fundamental para montar cenários, simulações e
previsões de fenômenos que ocorrem na natureza. Entre as várias técnicas estatísticas utilizadas para análise e
interpretação de dados climáticos, a geoestatística permite a análise temporal e espacial das observações, determinando-
se a distância ou período de tempo de dependência entre elas (Ramos et al., 2009). Diante do exposto, o objetivo desse
trabalho foi analisar a variabilidade temporal do fluxo de CO2 e temperatura do ar, e comparar o desempenho da
krigagem para o preenchimento de falhas dos dados.
Material e métodos
A. Área de Estudo
O trabalho foi realizado na Fazenda Lagoinha do município de Serra Talhada PE (07°56’50,4” S e 38°23’29,0” O),
na microrregião do Vale do Pajeú. O clima é semiárido, com chuvas de verão e precipitação anual média de
aproximadamente 450 mm. A área de estudo possui aproximadamente 18 ha e é composta basicamente por gramíneas
forrageiras com predomínio do capim corrente (Urochloa mosambicensis).
B. Medições do fluxo de CO2 (F-CO2) e temperatura do ar (Tar)
Os dados foram coletados por uma estação micrometeorológica automática instalada em uma torre no centro da área.
O fluxo de CO2 foi determinado a partir da técnica da covariância dos vórtices turbulentos, utilizando um anemômetro
sônico tridimensional (CSAT3, Campbell Scientific) e um analisador de gás infravermelho de caminho aberto (EC150,
Campbell Scientific), medindo a uma frequência de 10 Hz. A temperatura do ar foi medida pelo sensor modelo
HMP45C (Campbell Scientific). Os dados de foram armazenados em intervalos de meia hora no período de 19 de
janeiro a 28 de setembro de 2012.
C. Gap-Filling (GF)
Reichstein et al. (2005) propuseram um algoritmo genérico para o preenchimento de falhas em que são considerados
tanto a covariação dos fluxos com variáveis meteorológicas como a auto-correlação temporal dos fluxos.
Além do fluxo de CO2, essa técnica requer informações de calor latente, calor sensível, precipitação pluviométrica,
velocidade de fricção (u*), temperatura e umidade relativa do ar. Inicialmente foi realizada uma filtragem nos dados para
remoção de valores espúrios considerando o intervalo de -20 a 20 mol m-2 s-1 para o fluxo de CO2. A técnica do GF
avalia também a qualidade do preenchimento das falhas a partir de notas que variam de 1 a 3. As categorias de notas 1,
2 e 3 (C1, C2 e C3) indicam qualidade do preenchimento como boa, média e baixa, respectivamente. A execução do
algoritmo foi realizada via navegador de internet (http://www.bgc-jena.mpg.de/~MDIwork/eddyproc/).
D. Krigagem (KG)
A partir da técnica da geoestatística (Vieira, 2000) foi realizada a análise da variabilidade temporal. A função
semivariância foi calculada para todas as direções (semivariograma isotrópico) com o objetivo de avaliar a presença de
dependência temporal dos dados.
O ajuste dos semivariogramas foi realizado utilizando o software Surfer ® v11, onde nos eixos “x”, “y” e “z” foram
inseridos respectivamente os valores do dia, da hora e variável meteorológica (F-CO2 e Tar). O modelo de
semivariograma ajustado foi o esférico e os mapas interpolados por krigagem.
1
Engenheiro Agrônomo e Mestrando em Produção Vegetal na Universidade Federal Rural de Pernambuco, Unidade Acadêmica de Serra Talhada.
Bolsista FACEPE, Fazenda Saco s/n, Zona Rural, Caixa Postal 063, Serra Talhada, PE. E-mail: rodolfomssouza@gmail.com
2
Professor Adjunto da Universidade Federal Rural de Pernambuco, Unidade Acadêmica de Serra Talhada, Fazenda Saco s/n, Zona Rural, Caixa
Postal 063, Serra Talhada, PE. *Unidade Acadêmica de Garanhuns. Avenida Bom Pastor s/n, Boa Vista, Garanhuns, PE, CEP 55296-901.
3
Pesquisador do Instituto Nacional de Pesquisas Espaciais, Centro de Ciência do Sistema Terrestre. Rodovia Presidente Dutra, km 39, Cachoeira
Paulista, SP, CEP 12630-000.
2. XII JORNADA DE ENSINO, PESQUISA E EXTENSÃO – JEPEX 2012 – UFRPE: Recife, 26 a 30 de novembro.
Resultados e Discussão
Os parâmetros dos ajustes dos semivariogramas encontram-se na Tabela 1, onde observa-se que as duas variáveis
analisadas apresentaram baixos valores de efeito pepita em relação ao patamar, o que indica uma forte dependência
temporal. Em relação ao alcance, F-CO2 apresentou valor inferior a Tar, sendo semelhantes aos valores encontrados por
Ramos et al. (2009) para a temperatura do ar em Botucatu-SP, que foi de 11,5 e 13,1 horas nos anos de 2001 e 2002
respectivamente. Os coeficientes de determinação (R2) dos ajustes indicam que o modelo de semivariograma esférico foi
apropriado para analisar a variabilidade temporal de tais variáveis meteorológicas.
No período estudado, deveriam ter sido armazenados 12.150 valores para cada variável meteorológica, porém devido
a falhas no sistema foi necessário preencher cerca 24% dos dados do F-CO2 e 23% dos dados da Tar a partir do GF. A
maior parte do preenchimento dos dados foi classificada como C3, ou seja, de baixa qualidade.
Comparando os valores observados para F-CO2 e Tar com os dados estimados por KG (Fig. 1A e Fig. 1B),
percebemos que a krigagem apresentou um bom desempenho para análise da variabilidade temporal, uma vez que os
coeficientes de determinação foram superiores a 0,90.
A correlação entre os valores estimados por KG e GF é apresentada nas Figs. 1C e 1D para o F-CO2 e a Tar
respectivamente. Esses coeficientes foram inferiores àqueles obtidos os valores observados e estimados por KG. Essa
redução em pode está relacionada com o fato de que mais de 60% do preenchimento das falhas a partir de GF, serem
classificados como C3.
Na Fig. 2 são apresentados os mapas de distribuição temporal para F-CO2 observado com o preenchimento por GF
(Fig. 2A); F-CO2 estimado por KG (Fig. 2B); Tar observada com o preenchimento por GF (Fig. 2C); e Tar estimada por
KG (Fig. 2D). A variabilidade do F-CO2 foi maior entre os dias 60 e 110 (março e meados de abril) onde apresentou
valores negativos entre as 8:00 e 17:00 horas (-13 a -3 mol m-2 s-1). Esse comportamento indica que a pastagem nesse
intervalo retirou carbono da atmosfera (fotossíntese), enquanto que no período noturno os valores predominantes foram
positivos (respiração). Em relação à Tar, pode-se observar que ao longo do dia os maiores valores ocorreram em torno
das 16:00 horas (34 a 36 °C).
A partir deste estudo, podemos concluir que a krigagem apresentou um bom desempenho para representar a variação
temporal do fluxo de CO2 e da temperatura do ar, podendo ser utilizada em situações quando não há disponibilidade de
um grande número de variáveis meteorológicas.
Agradecimentos
Agradecimentos a FACEPE pela concessão de bolsa de estudo, ao INPE e a UFPE/DEN pelo apoio dado para o
desenvolvimento do trabalho.
Referências
Aubinet, M.; Vesala, T.; Papale, D. Eddy covariance, a partical guide to measurement and data analysis. New York:
Springer Atmospheric Sciences, 2012. 449p.
Baldocchi, D. Assessing the eddy covariance technique for evaluating carbon dioxide exchange rates of ecosystems:
past, present and future. Global Change Biology 9 (4), 479–492, 2003.
Ramos, C.M.C.; Nardini, R.C.; Zimback, C.R.L.; Seraphin, S. Análise temporal da variação da temperatura utilizando-
se a geoestatística. In: Simpósio Brasileiro de Sensoriamento Remoto, 24, 2009, Natal. Anais XIV Simpósio Brasileiro
de Sensoriamento Remoto. Natal: INPE, 2009. v.único, p.347-353.
Reichstein, M.; Falge, E.; Baldocchi, D.; Papale, D.; Valentini, R.; Aubinet, M.; et al. On the separation of net
ecosystem exchange into assimilation and ecosystem respiration: review and improved algorithm. Global Change
Biology, 11:1-16. 2005.
Vieira, S.R. Geoestatística em estudos de variabilidade espacial do solo. In: Novais, R.F.; Alvarez V.V.H.; Schaefer,
C.E.G.R. (eds.). Tópicos em Ciência do Solo. Viçosa: SBCS, 2000. p.1-54.
Tabela 1. Parâmetros da Krigagem (KG) e categorias de preenchimento de método Gap-Filling (GF).
------------------------- KG ------------------------- ------------------- GF -------------------
C0 C+C0 A IDT R2 C1 (%) C2 (%) C3 (%)
F-CO2 0,7 7,3 11,5 9,58 0,98 2,61 32,90 64,49
Tar 0,1 19,6 13,5 0,51 0,99 0,39 33,72 65,89
C0 – Efeito pepita; C+C0 – Patamar; A – Alcance em horas; IDT – Índice de dependência temporal em %; R2 – Coeficiente de correlação do ajuste
do semivariograma; C1, C2 e C3 – Categorias da qualidade do preenchimento de falhas pelo método Gap-Filling em %.
3. XII JORNADA DE ENSINO, PESQUISA E EXTENSÃO – JEPEX 2012 – UFRPE: Recife, 26 a 30 de novembro.
Figura 1. Correlação entre os dados observados e estimados por krigagem, A-Fluxo de CO2 e B-Temperatura do ar; correlação entre
os dados estimados pelo gap-filling e por krigagem, C-Fluxo de CO2 e D-Temperatura do ar.
Figura 2. Mapas de distribuição temporal: A-Fluxo de CO2 observado e preenchido por GF; B-Fluxo de CO2 estimado pro KG; C-
Temperatura do ar observada e preenchido por GF; D-Temperatura do ar estimada por KG.