View
216
Download
0
Category
Preview:
Citation preview
UNIVERSIDADE DE CUIABÁ
DEPARTAMENTO DE CIÊNCIAS AMBIENTAIS
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS AMBIENTAIS
ALTERAÇÕES MICROCLIMATOLÓGICAS E EFEITO DE
BORDA EM UM FRAGMENTO DE CERRADO NA ÁREA
URBANA DE CUIABÁ-MT
LEVI PIRES DE ANDRADE
PROF. DR. JONATHAN WILLIAN ZANGESKI NOVAIS
ORIENTADOR
PROF. DR. CARLO RALPH DE MUSIS
COORIENTADOR
Cuiabá, MT, 30 de Novembro de 2015
UNIVERSIDADE DE CUIABÁ
DEPARTAMENTO DE CIÊNCIAS AMBIENTAIS
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS AMBIENTAIS
ALTERAÇÕES MICROCLIMATOLÓGICAS E O EFEITO DE
BORDA EM UM FRAGMENTO DE CERRADO NA ÁREA
URBANA DE CUIABÁ-MT
LEVI PIRES DE ANDRADE
Dissertação apresentada ao Programa de Pós-
Graduação em Ciências Ambientais da
Universidade de Cuiabá, como parte dos
requisitos para obtenção do título de Mestre
em Ciências Ambientais.
PROF. DR. JONATHAN WILLIAN ZANGESKI NOVAIS
ORIENTADOR
PROF. DR. CARLO RALPH DE MUSIS
COORIENTADOR
Cuiabá, MT, 30 de Novembro de 2015
UNIVERSIDADE DE CUIABÁ
DEPARTAMENTO DE CIÊNCIAS AMBIENTAIS
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS AMBIENTAIS
FOLHA DE APROVAÇÃO
Título: ALTERAÇÕES MICROCLIMATOLÓGICAS E O EFEITO DE BORDA EM UM
FRAGMENTO DE CERRADO NA ÁREA URBANA DE CUIABÁ-MT
Autor: LEVI PIRES DE ANDRADE
Dissertação defendida e aprovada em 30 de novembro de 2015, pela comissão julgadora:
___________________________________________________
Prof. Dr. Jonathan Willian Zangeski Novais
___________________________________________________
Prof. Dr. Carlo Ralph De Musis
___________________________________________________
Profa. Dra. Luciana Sanches
DEDICATÓRIA
A minha querida esposa Lindalva Silva Rosa de Andrade,
Grande ajudadora, que vive a essência do amor, não como sentimento, mas como
atos que geram sentimentos. E o sentimento agora é de gratidão e de relembrar a essência que
nos acompanha na caminhada das nossas vidas:
“Não me instes para que te deixes. Porque aonde quer que tu fores irei eu; e onde
quer que pousares, ali pousarei eu; o teu povo será o meu povo, o teu Deus será o meu Deus”
Bíblia Sagrada. Rute 1.16.
Aos meus filhos Letícia, Lucas e Laiz:
Filhos amados que fazem com que a razão do semear com lágrimas, e o colher com
júbilos, adquiram uma razão profunda alicerçada no amor.
Aos meus pais in memoriam,
Antônio Pires de Andrade e Aurora Arroyo Andrade, que nas suas simplicidades me
criaram sempre apresentando o amor como vivência e Deus como a grande referência.
Aos meus sete irmãos, Antônio e Edson (in memoriam), José, Maria, Francelina,
João Manoel e Aurora, pois com todos eles pude, em algum momento conviver, sendo, de
alguma forma, cuidado por eles. A gratidão especial à Francelina, a irmã que sempre mantém
a proximidade, me oferecendo, de forma constante, o vínculo da amizade.
AGRADECIMENTOS
Ao Deus que criou os céus e a terra, e atribui sentido as nossas vidas, como seres
eternos, na Graça Redentora de Cristo Jesus;
À minha amada Esposa Lindalva e Filhos, Letícia, Lucas e Laiz, com os quais
sempre pude, e posso, contar;
Aos meus mais pais, in memoriam, Antônio e Aurora, que de forma simples, porém
alicerçadas no amor de Deus, me ensinaram o caminho no qual eu deveria andar, da
honradez, da dedicação, do respeito e do amor;
À minha querida irmã Francelina, mais do que uma irmã, uma amiga;
Ao Prof. Dr. Jonathan Willian Zangeski Novais, que de forma dedicada, além de
orientar, foi participativo e colaborativo em todas as ações, seja nas correções, nas
medições e em todos os passos necessários à conclusão deste trabalho;
Ao Prof. Dr. Carlo De Musis, que sempre atendeu, nas orientações e correções do
trabalho, mostrando caminhos para que o trabalho e a análise estatística fossem
construídos;
À Profa. Dra. Luciana Sanches que sempre nos atendeu nas correções dos trabalhos.
Sempre numa abordagem muito polida e educada, não deixando, no entanto, de fazer
as importantes correções e colaborações;
Aos Colaboradores da equipe PROEX/IFMT pela constante amizade e dedicação;
À acadêmica de Engenharia Civil da UNIC, Beatriz Lurisotto, que teve participação
importante nas ações de construção deste trabalho;
Ao colaborador Marcelo Nogueira Guimarães, que participou de forma ativa na
consecução das medições;
À UNIC que abriu esta importante porta de pesquisa e conhecimento;
Aos Professores e colaboradores do Programa de Mestrado em Ciências Ambientais
da UNIC pela constante atenção e dedicação.
“Que a gente é tanta gente
Onde quer que a gente vá
E é tão bonito quando a gente sente
Que nunca está sozinho
Por mais que a gente pense estar” (Gonzaguinha)
EPÍGRAFE
O que vale na vida não é o ponto de partida e sim
a caminhada. Caminhando e semeando, no fim
terás o que colher.
Cora Coralina
“Os que em lágrimas semeiam, em júbilo
ceifarão! Aquele que parte chorando, enquanto
lança a semente, retornará entoando cânticos de
louvor, trazendo seus feixes.”
Biblia Sagrada. Salmos 125. 5,6.
1
Programa de Mestrado em Ciências Ambientais
SUMÁRIO
AGRADECIMENTOS ...............................................................xi
SUMÁRIO .................................................................................. 1
LISTA DE TABELAS ................................................................ 6
LISTA DE EQUAÇÕES ........................................................... 11
LISTA DE ABREVIATURAS E SÍMBOLOS ........................ 14
RESUMO .................................................................................. 16
1.2. Justificativa .................................................................................. 22
2. FUNDAMENTAÇÃO TEÓRICA ........................................ 24
2.1. Temperatura ................................................................................. 24
2.2. Umidade relativa do ar ................................................................. 26
2.3. Ponto de orvalho .......................................................................... 30
2.4. Índice de Área Foliar ................................................................... 31
2.5. Radiação solar, radiação fotossinteticamente ativa, transmitância e
refletância .......................................................................................................... 32
2.6. Cerrado ......................................................................................... 35
2.7. Fragmento de cerrado em um contexto urbano ............................ 36
2.8. Análise estatística......................................................................... 38
2.8.1. Análise estatística, qual teste será aplicado? .................................................... 39
2.8.2. Análise de Variância (ANOVA): ..................................................................... 39
2.8.3. Análise Multivariada ........................................................................................ 41
2.8.4. Estimativa de curva .......................................................................................... 43
2.8.5. Comparação de amostras independentes ......................................................... 44
2
Programa de Mestrado em Ciências Ambientais
3. MATERIAL E MÉTODOS .................................................. 46
3.1. Descrição da área de estudo ......................................................... 46
3.2. Período de estudo ......................................................................... 48
3.3. Instrumentação utilizada .............................................................. 48
3.4. Modelagem estatística .................................................................. 52
3.4.1. Análise multivariada ......................................................................................... 53
3.4.2. Estimativa de curva ......................................................................................... 54
3.4.3. Comparação das médias ou postos médios....................................................... 55
4. RESULTADOS E DISCUSSÃO .......................................... 57
4.1. Análise Multivariada no referencial espaço temporal ................. 57
4.1.1. Temperatura do ar ............................................................................................. 59
4.1.2. Umidade relativa do ar ..................................................................................... 62
4.1.3. Radiação Fotossinteticamente Ativa Incidente ( ) .................................... 67
4.1.4. Radiação Fotossinteticamente Ativa Transmitida ( ) ............................... 72
4.1.5. Radiação Fotossinteticamente Ativa Refletida ( ).................................... 77
4.1.6. Albedo da PAR ................................................................................................ 81
4.1.7. Temperatura do Ponto de Orvalho ( ) ....................................................... 83
4.1.8. Índice de área foliar (IAF): .............................................................................. 85
4.2. Análise de estimativa de curva .................................................... 88
4.2.1. Correlação entre umidade relativa do ar e temperatura do ar para o período estudado
.................................................................................................................................... 88
4.2.2. Correlação entre PAR transmitida e IAF .......................................................... 91
4.2.3. Correlação entre Umidade Relativa do Ar e a Temperatura do Ponto de Orvalho: 96
5. CONCLUSÃO ...................................................................... 99
6. SUGESTÃO PARA TRABALHOS FUTUROS ............... 101
7. REFERÊNCIAS BIBLIOGRÁFICAS ............................... 102
3
Programa de Mestrado em Ciências Ambientais
8. REFERÊNCIAS CONSULTADAS ................................... 107
4
Programa de Mestrado em Ciências Ambientais
LISTA DE FIGURAS
Figura 1 - Percentual de no ar saturado de vapor a uma pressão de 1 atm.
Figura 2 - Balanço de radiação em superfícies vegetadas.
Figura 3 - Imagem do Parque Mãe Bonifácia e entorno com representação dos pontos de
medição, obtida a partir de recorte de imagem do Google Earth.
Figura 4 - Mapa do Parque Mãe Bonifácia em Cuiabá-MT. Área da pesquisa. Representação
do perímetro e entorno em coordenadas geográficas.
Figura 5 - Medidor de grandezas ambientais Krestel 4500, NK, Pensilvânia, USA.
Figura 6 - Foto do ceptômetro LP-80 PAR/LAI.
Figura 7 - Gráfico Q-Q de normalidade dos resíduos padronizados da umidade relativa do ar.
Figura 8 - Médias estimadas da temperatura do ar, por mês e região.
Figura 9 - Médias estimadas da umidade relativa do ar, por mês e região.
Figura 10 - Variação temporal da variável PAR incidente ( ), representada pela
variação dos valores das medianas.
Figura 11 - Variação espaço-temporal da variável PAR incidente ( ),
representada pelos valores médios.
Figura 12 - Saída gráfica do teste de Kruskal-Wallis para comparação dos pares do PARi por
região P(1), A(2) e V(3). Com a indicação dos postos médios de cada amostra (região).
5
Programa de Mestrado em Ciências Ambientais
Figura 13 - Saída gráfica do teste de Kruskal-Wallis para comparação dos pares de PARt por
região P(1), A(2) e V(3). Com a indicação dos postos médios de cada amostra (região).
Figura 14 - Variação temporal da variável PAR transmitida ( ), representada
pela variação dos valores das medianas.
Figura 15 - Variação espaço-temporal da variável PAR transmitida ( ),
representada pelos valores médios.
Figura 16 - Saída gráfica do teste de Kruskal-Wallis para comparação dos pares de PARr por
região P(1), A(2) e V(3). Com a indicação dos postos médios de cada amostra (região).
Figura 17 - Variação temporal da variável PAR refletida ( ), representada pela
variação dos valores das medianas.
Figura 18 - Variação espaço-temporal da variável PAR refletida ( ),
representada pelos valores médios.
Figura 19 - Médias estimadas da temperatura do ponto de orvalho, por mês e região.
Figura 20 - Médias estimadas do índice de área foliar, por mês e região.
Figura 21 - Diagrama de pontos da Temperatura do ar (T) versus umidade relativa do ar
(UR).
Figura 22 - Diagrama de pontos da Radiação fotossinteticamente ativa transmitida ( )
versus Índice de área foliar ( ).
Figura 23 - Diagrama de pontos da Temperatura do ponto de orvalho ( ) versus umidade
relativa do ar (UR).
6
Programa de Mestrado em Ciências Ambientais
LISTA DE TABELAS
Tabela 1 - Análise de Variância. Cálculo dos quadrados médios e da estatística F.
Tabela 2 - Características do medidor de grandezas ambientais Krestel 4500 no que se refere
ao tipo de medição, acurácia e resolução.
Tabela 3 - Características do medidor AccuPAR LP – 80 no que se refere a constituição,
medição, acurácia e resolução.
Tabela 4 - Teste de Kolmogorov-Smirnov para verificação da normalidade para os resíduos
padronizados das variáveis: Temperatura do ar ( ), Umidade relativa (UR), Temperatura do
ponto de orvalho ( ), Radiação fotossinteticamente ativa incidente ( ), Radiação
fotossinteticamente ativa transmitida ( ), Radiação fotossinteticamente ativa refletida
( ), Índice de área foliar ( ) e Albedo ( ).
Tabela 5 – Saída da estatística multivariada (MANOVA) para verificação da significância
estatística das diferenças dos vetores médios das variáveis: Temperatura do ar ( ), Umidade
relativa (UR), Temperatura do ponto de orvalho ( ) e Índice de área foliar ( ).
Tabela 6 - Saída do teste de Tukey HSD para verificação das diferenças temporais de médias
da temperatura do ar ( ) em °C.
Tabela 7 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
da temperatura do ar ( ) em °C.
Tabela 8 - Saída da Análise da Variância unidirecional (ANOVA) para diferenças espaciais da
temperatura do ar ( ) em °C.
Tabela 9 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
da umidade relativa do ar (UR) em %.
7
Programa de Mestrado em Ciências Ambientais
Tabela 10 - Saída do teste de Tukey HSD para verificação das diferenças temporais de médias
da umidade relativa do ar (UR) em %.
Tabela 11 - Saída da Análise da Variância unidirecional (ANOVA) para diferenças espaciais
da umidade relativa do ar (UR) em %.
Tabela 12 - Teste t para comparação de médias da umidade relativa do ar (UR) nas regiões V
e A.
Tabela 13 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para determinação dos postos médios da .
Tabela 14 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios da .
Tabela 15 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios da .
Tabela 16 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios da .
Tabela 17 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para
comparação dos pares com nível de significância de 5%. Comparação dos postos médios da
.
Tabela 18 - Valores médios da radiação fotossinteticamente ativa incidente, por região, em
.
Tabela 19 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios da
Tabela 20 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios da .
8
Programa de Mestrado em Ciências Ambientais
Tabela 21 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para
comparação dos pares com nível de significância de 5%. Comparação dos postos médios da
.
Tabela 22 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios da .
Tabela 23 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para determinação dos postos médios da .
Tabela 24 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios da
Tabela 25 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios da
Tabela 26 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para
comparação dos pares com nível de significância de 5%. Comparação dos postos médios
da .
Tabela 27 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios da .
Tabela 28 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal, mês de
leitura, para comparação dos postos médios da
Tabela 29 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios do
Tabela 30 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios do
9
Programa de Mestrado em Ciências Ambientais
Tabela 31 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios do
Tabela 32 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
da temperatura do ponto de orvalho ( ).
Tabela 33 - Saída do teste de Tukey HSD para verificação das diferenças temporais de médias
da temperatura do ponto de orvalho ( ).
Tabela 34 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
do índice de área foliar (IAF).
Tabela 35 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
do índice de área foliar (IAF).
Tabela 36 - Tabela de correlações mensais entre a temperatura do ar ( ) e a umidade relativa
do ar (UR). Vários modelos.
Tabela 37 - Saída do teste estatístico para ANOVA da correlação entre PARt e IAF.
Tabela 38 - Saída do teste estatístico para os coeficientes de correlação e determinação entre
PARt e IAF
Tabela 39 - Tabela de correlações mensais entre a Radiação fotossinteticamente ativa
transmitida ( ) versus Índice de área foliar ( ). Vários modelos.
Tabela 40 - Saída do teste estatístico para os coeficientes de correlação e determinação entre
Ln(PARt) e IAF.
Tabela 41 - Saída do teste estatístico para ANOVA da correlação entre Ln(PARt) e IAF.
Tabela 42 - Tabela da quantidade percentual de IAF calculado que tem diferenças percentuais
de 25 %, ou menos, com relação ao valor de IAF medido (por equação e por intervalo de
medição). Valores de PARt em .
10
Programa de Mestrado em Ciências Ambientais
Tabela 43 - Nível de significância e cálculo dos coeficientes (parâmetros da função) da
correlação logarítmica entre e UR.
Tabela 44 - Coeficiente de correlação ( ) e determinação ( ) entre Temperatura do ponto de
orvalho ( ) e a Umidade relativa (UR).
Tabela 45 - Análise de variância dos valores observados com os estimados entre Temperatura
do ponto de orvalho ( ) e a Umidade relativa (UR).
11
Programa de Mestrado em Ciências Ambientais
LISTA DE EQUAÇÕES
Equação 1 - Umidade relativa do ar
Equação 2 - Pressão de saturação de vapor de água pura
Equação 3 - Transformação logarítmica natural da pressão de saturação de vapor de água
Equação 4 - Pressão de saturação do vapor de água. Modelo de Soontag
Equação 5 - Pressão de saturação do vapor de água. Modelo de Tetens
Equação 6 - Radiação global
Equação 7 - Balanço de ondas curtas
Equação 8 - Balanço de ondas longas
Equação 9 - Modelo para ANOVA de um fator
Equação 10 - Soma dos quadrados totais para cálculo do F
Equação 11 - Soma dos quadrados entre os grupos para o cálculo do F
Equação 12 - Soma dos quadrados dentro dos grupos para cálculo do F
Equação 13 - Matriz da soma dos quadrados e produtos cruzados entre os grupos
Equação 14 - Vetor de médias das amostras no grupo K (meses ou regiões) das q observações.
Equação 15 - Vetor de médias das amostras de todos os grupos (meses ou regiões)
Equação 16 - Matriz da soma dos quadrados e produtos cruzados dentro dos grupos
Equação 17 - Matriz total da soma dos quadrados e produtos cruzados
Equação 18 - Estimativa de curva. Equação do modelo linear
Equação 19 - Estimativa de curva. Equação do modelo quadrático
Equação 20 - Estimativa de curva. Equação do modelo cúbico
Equação 21 - Estimativa de curva. Equação do modelo logarítmico
12
Programa de Mestrado em Ciências Ambientais
Equação 22 - Estimativa de curva. Equação do modelo inverso
Equação 23 - Estimativa de curva. Equação do modelo potência
Equação 24 - Estimativa de curva. Equação do modelo composto
Equação 25 - Estimativa de curva. Equação do modelo sigmodial
Equação 26 - Estimativa de curva. Equação do modelo logístico
Equação 27 - Estimativa de curva. Equação do modelo crescimento
Equação 28 - Estimativa de curva. Equação do modelo exponencial
Equação 29 - Função da correlação entre e IAF, escrita na forma exponencial, fornecida pelo
fabricante do ceptômetro AccuPAR LP-80
Equação 30 - Equação para o cálculo do IAF, escrita na forma logarítmica natural, fornecida
pelo fabricante do ceptômetro AccuPAR LP-80
Equação 31 - Equação para o cálculo do IAF com correções, através da inclusão dos fatores
e , fornecida pelo fabricante do ceptômetro AccuPAR LP-80
Equação 32 - Correlação entre a temperatura do ar ( ) versus umidade relativa do ar (UR) no
fragmento de cerrado para . Parque Mãe Bonifácia. Modelo linear.
Equação 33 - Correlação entre a temperatura do ar ( ) versus umidade relativa do ar (UR) no
fragmento de cerrado para Parque Mãe Bonifácia. Modelo linear.
Equação 34 - Função da correlação entre radiação fotossinteticamente ativa transmitida
( ) e o índice de área foliar ( ), no fragmento de cerrado, Parque Mãe Bonifácia.
Modelo exponencial.
Equação 35 - Função da correlação entre radiação fotossinteticamente ativa transmitida
( ) e o índice de área foliar ( ), no fragmento de cerrado, Parque Mãe Bonifácia.
Modelo logarítmico.
Equação 36 - Função da correlação entre , que é a razão entre aPARte aPARi , e o índice de
área foliar ( ), no fragmento de cerrado, Parque Mãe Bonifácia. Modelo exponencial.
13
Programa de Mestrado em Ciências Ambientais
Equação 37 - Correlação entre a temperatura do ponto de orvalho ( ) versus umidade
relativa do ar (UR) no fragmento de cerrado para . Parque Mãe
Bonifácia. Modelo linear.
14
Programa de Mestrado em Ciências Ambientais
LISTA DE ABREVIATURAS E SÍMBOLOS
A - Região do fragmento de cerrado próximo as áreas pavimentadas
– Albedo
- efeito do i-ésimo tratamento, representa o desvio da média geral
ANOVA - Análise de Variância unidirecional
atm - Atmosfera, unidade da grandeza física pressão ( Pa)
- Balanço de ondas curtas
- Balanço de ondas longas
0C - Celsius, unidade de medida de temperatura
- Função polinomial a partir da absortância da copa do dossel;
- Número de Euler ( )
- Pressão de vapor da água numa determinada temperatura
- Pressão de saturação do vapor da água a uma determinada temperatura
exp - Função exponencial que tem como base o número de Euler
- erro associado ao i-ésimo tratamento na j-ésima unidade experimental
E - Matriz SQPC dentro dos grupos
- Fração da PAR que incide de forma direta (não difusa) no dossel;
H - Matriz SQPC entre grupos
ha - Hectares
HSD – HonestSignificantDifference
- Índice de área foliar
- Coeficiente de extinção de luz do dossel
KPa - Unidade Pascal multiplicada por mil
K-S - Teste de normalidade de Kolmogorov–Smirnov
LAI - Leaf área índex
MANOVA - Análise multivariada de variância
- Média geral verdadeira, quando se dispõe deste valor
nm - nanômetro ( m)
P - Região do fragmento de cerrado próximo as áreas edificadas
Pa - Pascal, unidade de medida de pressão no Sistema Internacional de Unidades
15
Programa de Mestrado em Ciências Ambientais
- Probabilidade de que a estatística do teste tenha valor extremo em relação ao
valor observado quando a hipótese nula é verdadeira
PAR - Photosinthetic Active Radiation
- Radiação fotossinteticamente ativa incidente
- Radiação fotossinteticamente ativa refletida
- Radiação fotossinteticamente ativa transmitida
QMRes - Quadrados médios dentro dos grupos
QMTrat - Quadrados médios entre os grupos
- Radiação emitida pela atmosfera
- Radiação do céu
- Radiação direta
R - Coeficiente de correlação entre duas variáveis
- Coeficiente de determinação entre duas variáveis
- Radiação global
- Radiação emitida por superfície vegetada
RFA - Radiação Fotossinteticamente Ativa
- Soma dos quadrados totais
- Soma dos quadrados entre os grupos (meses ou regiões)
- Soma dos quadrados dentro dos grupos (meses ou regiões)
SQPC - Matriz da somas dos quadrados e produtos cruzados
SPSS 23.0 - Statistical Product of Service Solutions.Software IBM aplicativo de estatística
versão 23.0
- Temperatura do ar
- Temperatura do ponto de orvalho
T - Matriz SQPC total
t - Teste estatístico de comparação de médias entre dois conjuntos de dados
- Razão entre a PARt e a PARi;
UR - Umidade relativa do ar
V - Região mais interna ao parque
- Mediçao do i-ésimo tratamento (mês ou região) na j-ésima unidade experimental (pontos
de medição)
- valor estimado de
16
Programa de Mestrado em Ciências Ambientais
RESUMO
Este estudo traz a abordagem sobre como a concentração de edificações e
pavimentações, e a variação temporal, podem interferir nas variáveis microclimatológicas de
um fragmento de cerrado em área urbana do município de Cuiabá-MT. Foram realizadas as
estatísticas das variáveis: Temperatura do ar ( ), Umidade relativa (UR), Temperatura do
ponto de orvalho ( ), Radiação fotossinteticamente ativa incidente ( ), Radiação
fotossinteticamente ativa transmitida ( ), Radiação fotossinteticamente ativa refletida
( ), Índice de área foliar ( ) e Albedo (a) considerando os fatores espaço temporais.
Quanto ao fator espacial, foi realizada coleta de dados em três regiões, todas no interior do
perímetro do parque: sete pontos próximos à área que concentra as edificações (P), sete
próximos às áreas pavimentadas (A) e catorze internos ao parque (V), ou seja, distantes do
perímetro do parque. Quanto ao fator temporal foram feitas medições mensais in loco nestes
trinta pontos distribuídos no parque, de outubro de 2014 até setembro de 2015. As variáveis,
, UR, e atenderam a estes pressupostos paramétricos e foram submetidas à análise
multivariada de variância (MANOVA), e as demais, , , e , foram
submetidas ao teste estatístico, não paramétrico, de Kruskal Wallis. As saídas dos testes
demonstram as variações temporais e espaciais às quais o fragmento de cerrado está sujeito.
As variações espaciais confirmam o efeito de borda que o mosaico urbano exerce sobre área
pesquisada, e as temporais a variabilidade climática do cerrado com duas estações anuais bem
distintas. As diferenças ocorreram, em especial, no conjunto de pontos próximos às áreas
pavimentadas A que apresentaram uma temperatura média ( )0C maior que a V.
Quanto à umidade relativa, as áreas A apresentaram uma umidade relativa, em média,
( ) % menor que a V. A variável , não mostrou ter diferença significativa quando da
comparação entre as médias das três regiões. A variável , mostrou ter diferença
estatisticamente significativa quando da comparação entre as médias das regiões A e P, sendo
0,72 menor em A, ou entre A e V, sendo 0,96 maior em V, no entanto a diferença não se
mostrou significativa quando a comparação foi entre P e V. Quanto as variações temporais a
variável apresentou valores significativamente diferentes, com uma amplitude anual
de( )0C, entre o mês de maior média de temperatura do ar, outubro de 2014, e o de
menor, julho de 2015. Com relação à UR, as médias também se mostraram significativamente
diferentes, no período seco a umidade chegou a ( )%, em agosto de 2014, e teve valor
máximo no período chuvoso, ( ) , em abril de 2015. Na análise da variação da
17
Programa de Mestrado em Ciências Ambientais
variável , as diferenças foram significativas, o menor valor ocorreu em agosto de 2015 e o
maior em abril de 2015, uma diferença de ( )0C, maior no período seco. A variável
também apresentou valores significativamente diferentes, do mês com menor IAF, em
outubro de 2014 e o maior valor em dezembro de 2014. A diferença entre o maior valor de
IAF e o menor chegou a 2,8 . A saída do teste das variáveis, , ,
demonstrou uma variabilidade temporal. A foi maior nos meses de fevereiro de 2015 e
dezembro de 2014, coincidindo com o período de verão, e menor nos meses de julho de 2015,
coincidindo com o período de inverno, e outubro de 2014, coincidindo com o período de alta
intensidade de queimadas urbanas. A e a PARr foram maiores nos meses de outubro de
2014 e agosto de 2015, coincidindo com o período de seca, e menores nos meses de dezembro
de 2014 e abril de 2015, coincidindo com o período de chuvas e maior umidade relativa do ar.
Quanto a variabilidade espacial, as PARi e PARt se mostraram semelhantes, quando
comparados estatisticamente os valores das radiações entre as regiões A e V sendo que ambas
foram maiores que os valores obtidos na região P. A PARr apresentou valores semelhantes
entre as regiões P e V, e valores maiores na região A. O albedo ( ) não apresentou variação
espaço temporal.
As variáveis microclimatológicas foram testadas quanto às possíveis correlações. As
correlações que apresentaram os valores de maiores 0,7 foram entre: T e UR; UR e ;
PARt e IAF.
Palavras-chave: Clima urbano. Manova. Kruskal-Wallis. Correlação. Alteração
microclimática.
18
Programa de Mestrado em Ciências Ambientais
ABSTRACT
This study presents the approach on how the concentration of buildings and
pavements, and the temporal variation, can interfere onmicroclimate variables of a cerrado
fragment in an urban area of the city of Cuiaba-MT. The statistics of the variables carried out
were: Air temperature (T), relative humidity (UR), dew point temperature ( ) ,
photosynthetically active incident radiation (PARi), transmitted photosynthetically active
radiation (PARt), reflected photosynthetically active radiation ( PARr), leaf area index (IAF)
and albedo (a) considering the time-space factors. As for the space factor was held data
collection into three regions, all within the park's perimeter, seven points near the area that
concentrates the buildings (P), seven near the paved areas (A) and fourteen internal to the
park (V ), ie distant from the perimeter of the park. For the time factor there were made
monthly measurements in loco on these thirty points distributed in the park, from October
2014 to September 2015. The variables, T, UR, and IAF, met the parametric assumptions
and were subjected to multivariate analysis of variance (MANOVA), and the other, Pari, part,
Parr and were subjected to statistical analysis, nonparametric Kruskal Wallis. The outputs of
the tests show the temporal and spatial variations to which the cerrado fragment is subjected.
Spatial variations confirm the edge effect that urban mosaic has on researched area, and the
temporal variability of the savannah climate with two very distinct annual seasons. The
differences occurred, especially in the set of points close to the paved areas that had an
average temperature (1.4 ± 0.5) 0C higher than the V. As for relative humidity, areas A
showed a relative humidity in average (7 ± 3)% lower than the V. The variable , showed
no significant difference when comparing the average of the three regions. The IAF variable,
showed a statistically significant difference when comparing the average of the regions A and
P, and 0.72 lower at A, or from A to V, and 0.96 V higher, however the difference was not
significant when the comparison was between P and V. The temporal variations T variable
was significantly different, with an annual range of (7.8 ± 1) 0C, between the month with the
highest average air temperature, October 2014 and the smaller, July 2015. With respect to the
UR, the averages also were significantly different in the dry season moisture reached (30 ±
3)% in August 2014 and had maximum in the rainy season, (77.5 ± 3) in April 2015. In the
analysis of the variation of variable, the differences were significant, the lowest value
occurred in August 2015 and the highest in April 2015, a difference of (12.5 ± 3.8) 0C, most
in the dry season. The variable IAF also had significantly different values, the month with
19
Programa de Mestrado em Ciências Ambientais
lower IAF in October 2014 and the highest value in December 2014. The difference between
the highest value of IAF and the lowest reached 2.8 . The output of the test variable,
PARi, part and PARr, demonstrated a temporal variability. PARi was greater in February
2015 and December 2014, coinciding with the summer period, and lower in July 2015,
coinciding with the winter period, and in October 2014, coinciding with the high intensity
period urban fires. Part and parr were higher in October 2014 and August 2015, coinciding
with the dry season, and lower in the months of December 2014 and April 2015, coinciding
with the rainy season and higher relative humidity. The spatial variability and Pari part were
similar when statistically compared to the values of the radiation between the regions A and V
both of which were higher than the values obtained in the region P. The parr showed similar
values between the regions P and V and higher values in the region A. The albedo (a) showed
no variation in timeline.
The microclimatologies variables were tested for possible correlations. The
correlations that presented the highest R values were between 0,7: T and UR; UR and ;
PARt and IAF.
Key Words: Urban Climate. Manova. Kruskal-Wallis. Correlation. Microclimatic
change.
20
Programa de Mestrado em Ciências Ambientais
1. INTRODUÇÃO
1.1. Problemática
Os elementos climáticos têm uma dependência acentuada dos arranjos urbanos, seja
pela composição das edificações ou pelas extensas pavimentações. A artificialidade do meio
urbano, pela ausência de vegetação, pela poluição do ar, pelas características de materiais ou
edificações, afeta os elementos climáticos, tais como: intensidade de radiação solar,
temperatura e a umidade relativa do ar, precipitação, circulação de ar, entre outros
(BERNATZKY, 1980).
No cenário urbano, as áreas naturais são substituídas por edificações e
pavimentações e consequentemente ocorrem alterações no comportamento das variáveis
microlimatológicas. A substituição de superfícies naturais por pavimentadas modificam o
comportamento destas superfícies, ocorrendo uma diminuição na reflexão da radiação de
ondas curtas e aumento na emissão da radiação de ondas longas, trazendo um aumento de
temperatura mesmo em períodos de menor duração da insolação (AYOADE, 2003).
A cidade é geradora de um clima próprio, resultante da interferência de todos os
fatores que se processam sobre a camada do limite urbano e que agem no sentido de alterar o
clima em escala local (AMORIM, 2010). Um dos fatores que afetam o aquecimento da cidade
é o calor dissipado por construções e veículos na atmosfera e podem representar um terço da
energia solar incidida. Enquanto a vegetação tem baixa condutibilidade de calor, os materiais
construtivos como o concreto, a cerâmica, os tijolos e o asfalto tem boa condutibilidade,
criando condições propícias para o aquecimento (LEAL, 2012).
A presença de um fragmento de vegetação no mosaico urbano acarreta uma série de
transformações nos microclimas, tanto do próprio fragmento de vegetação quanto da área
urbanizada do entorno, podendo ultrapassar as mudanças microclimáticas e atingir a nível de
clima as alterações. A compreensão desta dinâmica urbana pode maximizar os benefícios, ou
minimizá-los, pode implicar na mudança de postura dos gestores do município, quanto ao
planejamento urbano, no sentido de ampliar os benefícios climáticos e microclimáticos
intrínsecos à existência de um fragmento de vegetação numa área urbana.
A compreensão dos elementos climáticos de um fragmento de cerrado com entorno
urbano com medições in loco é relevante, pois possibilita a caracterização do espaço de forma
mais precisa, abrindo a possibilidade de várias inferências, seja no entendimento do próprio
21
Programa de Mestrado em Ciências Ambientais
espaço/fragmento ou nas possíveis interfaces que ele tem com seu entorno, ou numa outra via,
as possíveis interferências que o entorno exerce sobre ele.
O conhecimento das influências do entorno nos microclimas de um fragmento de
vegetação em área urbana pode contribuir no sentido de trazer novos elementos na
constituição do planejamento urbano e ambiental, é fato que o fragmento de cerrado traz
benefícios ao espaço urbano, porém compreender as interações nos dois sentidos,
cidade/fragmento e fragmento/cidade, pode trazer à tona, novas abordagens, e melhorar este
planejamento.
A presença de um fragmento de vegetação em área urbana pode amenizar o clima
local, pois atenua a radiação sobre a área urbana produzindo microclimas confortáveis com
médias térmicas diárias e anuais mais amenas (BARROS, 2009). As áreas verdes atuam sobre
os elementos climáticos contribuindo para o controle da radiação solar, temperatura do ar,
ação dos ventos e chuva, minimização da poluição do ar, em microclimas urbanos (MACIEL
et al., 2011).
A redução da temperatura do ar no fragmento de vegetação gera amenidades que
atenuam o desconforto do entorno, no entanto, o alcance favorável à microclimas urbanos se
restringe às áreas muito próximas ao perímetro da área vegetada, segundo SUCOMINE et al.,
(2009) a influência da área vegetada extrapola o local no qual está inserida e atinge os seus
arredores, para JAUREGUI (1990, 1991), em estudo realizado na área do parque Chapultepec
na cidade do México, uma área extensa de 686 ha, os benefícios se estenderam a um raio de 2
km da área vegetada.
Estas alterações nos elementos climáticos formam um clima diferente daquele no
qual a cidade se insere, denominado clima urbano (GOMEZ et al.,1998). A composição do
clima urbano depende dos ecossistemas ao redor de seus limites e também dos benefícios dos
ecossistemas urbanos internos (LEAL, 2012). A temperatura e a umidade relativa do ar
dependem do mosaico urbano, em medições realizadas em Cuiabá, segundo Duarte e Maitelli
(1999, apud SHAMS, 2009, p.8) detectaram diferenças de até 60C, em diferentes pontos da
cidade, sendo as maiores temperaturas em áreas mais densamente ocupadas com construções.
Os fragmentos de vegetação são, portanto, ecossistemas urbanos internos que afetam
o tempo e o clima local, em especial nos seus arredores, trazendo benefícios em nível de
microclima em áreas construídas no espaço circundante ao fragmento (YU e HEIN, 2007). As
áreas com vegetação são normalmente mais frias do que seu entorno, no estudo em área
vegetada no município de São Paulo foi detectada uma diferença de temperatura de 1,5 0C a
22
Programa de Mestrado em Ciências Ambientais
menor entre pontos no interior da área com os pontos fora dela, no entanto nas proximidades
do seu espaço circundante (SHINZATO, 2009).
Estas alterações microclimáticas nas áreas com vegetação ocorrem em especial pelo
papel fundamental exercido pelas plantas. Os processos de evapotranspiração da vegetação
possibilitam um controle termo higrométrico por meio da redução do fluxo de calor sensível e
aumento do fluxo de calor latente. A chave do processo de redução de temperatura é a
evapotranspiração definida como a perda de água das plantas, como vapor, dentro da
atmosfera, a qual consome energia da radiação solar e aumenta o fluxo de calor latente ao
invés do fluxo de calor sensível, resfriando as folhas e a temperatura nos seus arredores. Além
de propiciar sombra e resfriamento via evapotranspiração da vegetação, os espaços verdes
proporcionam porosidade à superfície, que aumenta a capacidade de disponibilidade de
armazenar água e assim disponibilizá-la para o resfriamento evaporativo (HATWAY e
SHARPLES, 2012).
Apesar deste efeito positivo no sentido parque/cidade o mosaico urbano de alguma
forma é reconhecido pelo fragmento de vegetação. Uma das formas deste reconhecimento são
as possíveis alterações microclimáticas sofridas pelo fragmento, no sentido cidade/parque.
A hipótese é que os elementos de borda, edificações e pavimentações, alteram os
microclimas do fragmento de cerrado e que as possíveis correlações entre as variáveis
microclimáticas podem possibilitar inferências sobre as possíveis causas destas alterações.
1.2. Justificativa
A compreensão de como a cidade interfere no parque é importante, pois possibilita a
constituição de um elenco de informações que podem ser úteis na definição de um desenho
urbano que maximize os benefícios ambientais. A interface cidade/parque/cidade pode
resultar em condições diferentes no que se refere à maximização, tanto dos efeitos positivos
de um parque quanto do alcance físico destes benefícios. Ou seja, o conhecimento do mosaico
urbano respaldado em medições in loco com a devida modelagem estatística pode subsidiar de
forma positiva o planejamento de ocupação do solo da cidade.
Assim esta pesquisa partiu da constituição de um banco de dados com as medições
das variáveis micrometeorológicas, contemplando variações locacionais e temporais, e a
submissão deste conjunto de dados a testes estatísticos no sentido de se alcançar uma
23
Programa de Mestrado em Ciências Ambientais
modelagem estatística capaz de traduzir os elementos desta interface entre a cidade e o
parque.
Desta forma o objetivo geral deste trabalho é analisar estatisticamente como o
mosaico urbano do entorno e a variabilidade temporal, interferem nas variáveis
microclimatológicas de um fragmento de cerrado.
Para o alcance deste objetivo geral foram traçados os seguintes objetivos específicos:
1) Analisar a variabilidade espaço-temporal das variáveis
;
2) Analisar o efeito de borda que o mosaico urbano do entorno exerce sobre o
fragmento de cerrado;
3) Analisar as correlações existentes entre as variáveis microclimatológicas do
fragmento de cerrado.
24
Programa de Mestrado em Ciências Ambientais
2. FUNDAMENTAÇÃO TEÓRICA
2.1. Temperatura
O funcionamento do planeta, segundo Kenneth Boulding (1966), na obra “The
economics of the coming space ship Earth”, pode ser compreendido como uma grande
espaçonave, aberta ao seu entorno na troca de energia, mas praticamente fechada no que se
refere à troca de matéria. Nesta “espaçonave” se dá com um conjunto complexo de ciclos
biogeoquímicos em interação com a grande fonte de combustível do planeta, a energia vinda
do sol, além daquela fossilizada e reservada na forma de combustíveis fósseis. Este
funcionamento é permeado por um intricado sistema de troca de energias e constituição, e
reconstituição, de matéria, os quais a termodinâmica procura explicar pela análise de várias
grandezas físicas que podem possibilitar a compreensão deste funcionamento.
Para a descrição física de um sistema devem-se escolher adequadamente grandezas
observáveis, passíveis de medição em laboratórios, constituindo-se como grandezas
macroscópicas. Nos processos em que há troca de calor, a base de estudos é a termodinâmica,
a qual está alicerçada em várias grandezas macroscópicas, como pressão, volume,
temperatura, energia interna, entropia, dentre outras.
As grandezas macroscópicas estão ligadas as nossas percepções sensoriais e no caso
da temperatura esta percepção se constitui com várias referências adotadas de forma
universal. A descrição de uma determinada situação da física pode ser realizada do ponto de
vista macroscópico ou microscópico, onde as propriedades são consideradas aos níveis,
atômico e molecular. As grandezas macroscópicas e microscópicas devem estar relacionadas,
pois elas são simplesmente maneiras diferentes de descrever a mesma situação (HALLIDAY
e RESNICK, 1977).
A nível macroscópico a temperatura é a grandeza física que informa quão quente ou
frio é um objeto em relação a algum padrão previamente definido. Neste sentido a
temperatura é medida com a utilização de termômetros, os quais adotam três escalas
principais: escala Celsius, escala Fahrenheit ou escala Kelvin. As duas primeiras são
calibradas em termos do ponto de fusão e ebulição da água, já a escala Kelvin em termos da
energia do material ou meio em estudo. O zero absoluto é assinalado como a menor
25
Programa de Mestrado em Ciências Ambientais
temperatura possível, estado no qual as moléculas da substância não teriam nenhuma energia
cinética para fornecer para o sistema que as cercam (HEWITT, 2007).
Na compreensão das variáveis microclimáticas numa observação que leva em conta
as medições a nível macroscópico, a lei a ser utilizada é a lei zero da termodinâmica, a qual
está afeta ao equilíbrio térmico. A própria utilização de um termômetro, em si, já representa a
utilização da termodinâmica. A temperatura que se lê é a do termômetro, porém, considera-se
a mesma, como temperatura do ar, a partir do princípio de que, ar e termômetro, estão em
equilíbrio térmico.
No sentido microscópico a temperatura reflete o estado de agitação térmica das
moléculas sendo proporcional à energia cinética translacional das moléculas, átomos ou íons
(HEWITT, 2007).
A temperatura é a variável que permite saber para onde vai o fluxo de calor
(AYOADE, 2007). O calor flui espontaneamente do corpo que tem maior temperatura para o
de menor temperatura (VIDAL, 2012). É uma das variáveis meteorológicas mais importantes,
pois desempenha um papel primordial na caracterização climática de uma região, além de ser
um dos elementos determinantes da distribuição e adaptação de plantas e animais, afetando
diretamente seus processos físicos, químicos e biológicos.
A temperatura pode ser entendida como a condição que determina o fluxo de calor
que passa de um corpo, ou substância, para outro. As temperaturas máximas e mínimas, que
ocorrem em uma determinada região, estão associadas a outras variáveis meteorológicas,
como disponibilidade de energia solar, nebulosidade, umidade do ar e do solo, vento e
parâmetros geográficos como topografia, altitude e latitude do local, além da cobertura e tipo
de solo (DALLACORT et al., 2014).
A diferença de temperatura em dois pontos distintos poderá indicar o fluxo de calor
sensível no componente atmosférico considerado, seja a atmosfera ou a litosfera. Este fluxo,
junto com os processos de mudança de estado físico, explica grande parte das trocas de
energia no nosso planeta com interfaces com o clima, microclima e com o tempo.
A medição da temperatura é essencial na caracterização dos vários microclimas de
uma área estudada, pois tem fortes relações com outras grandezas termodinâmicas e
climatológicas, sendo uma grandeza susceptível aos arranjos de vegetação bem como as
presenças de alterações no meio urbano por conta das interferências antrópicas inerentes a tal
ocupação.
26
Programa de Mestrado em Ciências Ambientais
2.2. Umidade relativa do ar
A atmosfera pode ser compreendida como um conjunto de gases, vapor d’água e
partículas. A concentração de vapor d’água na atmosfera dificilmente ultrapassa 4% em
volume (VAREJÃO, 2006). Apesar, deste percentual, parecer pequeno se comparado à
composição do ar seco que tem uma fração molar de nitrogênio e oxigênio de mais de 99,8 %
do volume, são nestas condições, com pequenas variações, que se constitui o ciclo hidrológico
essencial a manutenção da vida no planeta.
O vapor d’água é o único constituinte da atmosfera que muda de estado em
condições naturais e, em consequência disto, é o responsável pela origem das nuvens e por
uma extensa série de fenômenos atmosféricos importantes (chuva, neve, orvalho etc). Sua
proporção determina o nível de conforto ambiental (VAREJÃO, 2006).
A água é a única substância que ocorre nas três fases na atmosfera. A água na
atmosfera e suas mudanças de fase desempenham papel importantíssimo em diversos
processos físicos naturais (SENTELHAS e ANGELOCCI, 2009):
A) Transporte e distribuição de calor (ciclo hidrológico);
B) Absorção de comprimentos de onda da radiação solar e terrestre;
C) Evaporação e evapotranspiração;
D) Condensação e orvalho.
A quantidade de água na atmosfera pode ser expressa pela umidade absoluta ou pela
umidade relativa. A umidade absoluta é definida como a massa de vapor de água por volume
do gás, no caso, o ar, conceito este mais aplicado aos processos de secagem de grãos. Para a
compreensão do comportamento do ar atmosférico o conceito de umidade relativa é o mais
utilizado (MARGARIDO, 2014).
A umidade relativa do ar pode ser definida como:
( ) (1)
27
Programa de Mestrado em Ciências Ambientais
Onde é a pressão de vapor da água numa determinada temperatura e é a pressão
de saturação nesta mesma temperatura. O ar funciona como um reservatório que se expande
ou contrai com acréscimo ou decréscimo da temperatura, sendo que a temperatura do ar
determina sua pressão de saturação.
Figura 1 - Percentual de no ar saturado de vapor a uma pressão de 1 atm.
Fonte: www.if.ifrgs.br, em 19/07/2015
Para uma determinada temperatura e pressão atmosférica, por exemplo, 30 0C e
1atm, a quantidade de moléculas na qual ocorre a saturação é um percentual de 4% do volume
total do ar saturado. O fato é que o ar contém em alguma quantidade, entre outras substâncias,
água no estado de vapor e se esta quantidade for aumentada, ocorrerá a SATURAÇÃO, isto é,
a uma determinada temperatura existe um percentual máximo de moléculas de água no ar no
estado de vapor. Ultrapassado este percentual inicia-se a condensação da água.
A umidade relativa depende da pressão de vapor da água, esta pressão compõe em
conjunto com as demais pressões parciais das outras substancias, presentes no ar atmosférico,
a pressão atmosférica. Conforme a Lei de Dalton: a pressão total de um gás é a soma das
pressões parciais das substâncias que compõem este gás. O ar atmosférico é um gás formado
por uma mistura de gases. A pressão padrão do ar atmosférico (aproximadamente 101,3 KPa),
28
Programa de Mestrado em Ciências Ambientais
é a soma das pressões parciais do nitrogênio, oxigênio, dos vários outros gases (que estão em
quantidades menores no ar) e também do vapor de água (MARGARIDO, 2014).
O estudo da pressão de vapor, em conjunto com outros fatores como temperatura e
velocidade do vento, tem grande importância na determinação da taxa de evaporação da água
líquida, sendo este dado muito importante nos estudos meteorológicos aplicados em
atividades de agronomia. Alterações na pressão total de um gás poderão promover alterações
nas pressões parciais de todos os componentes, e no caso do ar úmido, a pressão do vapor de
água. Porém a pressão de saturação é constante para uma determinada pressão e temperatura,
neste caso alterações ocorrerão até o limite da saturação, possibilitando as mudanças de
estado alterando a umidade e a temperatura do ar e o próprio controle do fluxo de calor latente
inerente às mudanças de fase de qualquer substancia, no caso a água. Este fenômeno é
observável onde há componentes compressores, por exemplo, um aparelho de ar
condicionado, onde se observa a condensação da água e a consequente necessidade de drenos,
para condução da água condensada.
Assim num determinado instante o aumento de pressão numa região pode provocar
um aumento no valor da pressão de vapor da água no estado presente. Como no caso de uma
transformação isotérmica a pressão de saturação de vapor saturado ( ) se mantém, visto que
a mesma, numa determinada região, ser uma variável que depende da temperatura, ocorrerá
necessariamente uma alteração na umidade relativa do ar (Figura 01). E assim sendo, a
presença de água no ambiente funciona como um importante, se não essencial, elemento
termorregulador.
Esta característica termorreguladora se comprova quando se avalia o calor específico,
ou o calor latente da água. O calor específico de uma substancia varia com a temperatura e
representa a quantidade de energia necessária para elevar uma unidade de massa em um grau
de temperatura, por exemplo, um grama de água, a uma pressão de 1atm, necessita de uma
caloria para que a sua temperatura se eleve de 14,5 0C para 15,5
0C. Esta demanda de energia
é bem maior se comparada a dos gases que compõe a atmosfera. No caso de mudança de fase
a água consome uma energia, na forma de calor latente, que a pressão de 1atm, o calor latente
de vaporização chega a 540 calorias/grama. Estas informações caracterizam a água com o
principal componente de transporte de energia da atmosfera, que em determinadas condições,
podem realçar sua importância no sentido de amenizar as variações de temperatura.
Quanto maior a temperatura, mais alta será a pressão de vapor de saturação e mais
vapor de água o ar consegue conter, o ar quente tem maior capacidade de retenção de vapor
de água do que o ar frio (Equação 2).
29
Programa de Mestrado em Ciências Ambientais
A pressão de vapor de saturação ( ) pode ser calculada utilizando modelos
matemáticos empíricos, sendo um dos primeiros o modelo Magnus (1844), para o cálculo da
pressão (em Pa), de saturação de vapor de água puro, sendo definida por :
(2)
A fórmula é escrita em função de t, que é a temperatura do ar úmido. Os valores de
α, β e λ, são constantes determinadas de forma experimental ou por simulação experimental
( LAWRENCE, 2005). Esta equação ainda pode ser escrita na forma:
( )
(3)
Onde T é a temperatura dada em graus Celsius (0C).
A função ( ) representa a pressão de saturação do vapor de água ( ) dada em
Pascal, para uma determinada temperatura t e pode ser escrita segundo o modelo de Soontag
(ALDUCHOV e ESKRIDGE, 1996):
(
) (4)
Ou segundo o modelo de Tetens (1930):
(
) (5)
Nas duas equações as pressões são em Pascal e a temperatura em graus Celsius.
A equação (1) demonstra que a umidade relativa tem relação inversa com a pressão
de vapor do ar saturado, e as equações (2), (3), (4) e (5) demonstram, com pequenas variações
em quantidade numéricas, mas sem grandes implicações no significado algébrico, que a
pressão de vapor do ar saturado tem relação direta exponencial com a temperatura. Assim
numa transformação isotérmica na qual ocorra um aumento da pressão de vapor , ocorrerá
um aumento da umidade relativa do ar. Já numa transformação isobárica onde o seja
mantido, o aumento de temperatura aumentará a pressão de vapor de saturação e assim haverá
uma redução na umidade relativa.
30
Programa de Mestrado em Ciências Ambientais
2.3. Ponto de orvalho
Na região no entorno da Terra, logo acima, numa tênue camada, está o que se
denomina atmosfera. Apesar de pequena quando comparada ao raio da Terra, tem papel
importante no funcionamento do planeta. A presença de vários elementos químicos e
substâncias como oxigênio, nitrogênio, hidrogênio, gás carbônico, água, e outros, e a energia
vinda do sol, na forma de ondas eletromagnéticas, possibilitam as várias reações, as quais
representam quase que a totalidade do fornecimento de matéria e energia necessárias ao bom
funcionamento do planeta. A água na forma de vapor compõe o ar atmosférico, e com sua
característica de ter um alto calor específico, e também um alto calor latente, se comparado,
por exemplo, ao ar seco, possibilita o trânsito de energia na forma de calor e funciona como
um termorregulador, absorvendo, ou liberando energia, seja como calor sensível, na mudança
de temperatura, ou como calor latente na mudança de fase.
O “gatilho” de processos importantes que ocorrem na litosfera e atmosfera é
determinado pela umidade relativa que o ar pode ter numa determinada temperatura. Este
limite é chamado ponto de saturação, e uma vez atingido determina a mudança de fase da
água, ocorrendo em vários processos atmosféricos, seja o orvalho, a garoa, a neblina, o
nevoeiro ou a chuva. Esta mudança de fase funciona como um poderoso regulador térmico na
medida em que durante a mudança de fase a temperatura de uma substância composta se
mantém praticamente constante. A energia que poderia elevar a temperatura na forma de calor
sensível exerce a mudança de fase da substancia, situação na qual a temperatura se mantém
praticamente constante.
Este nível, valor, de temperatura para a qual o ar se apresenta saturado, pronto para
desencadear um processo de mudança de fase da água, é denominado ponto de orvalho.
Portanto, na medida em que a temperatura se altera a pressão de vapor de saturação também
se altera, porém esta alteração se dá até o limite da capacidade de armazenamento que o ar
tem para reter o vapor de água. Quando este limite é atingido a pressão de vapor se iguala a
pressão de vapor de saturação e o excesso de água, “a saturação”, modifica de estado, e parte
de vapor torna-se líquido.
A atmosfera consegue reter água (vapor) até um determinado limite, que irá variar de
acordo com a temperatura e a pressão. É nesse limite que o ar atinge a saturação. Quanto mais
quente o ar, maior é a sua capacidade de reter vapor de água (BISCARO, 2007). A presença
da radiação durante o dia propicia uma maior evaporação, se comparado ao período da noite,
31
Programa de Mestrado em Ciências Ambientais
e uma maior temperatura com a consequente maior retenção de vapor de água. No período da
noite ocorre um resfriamento do ambiente, pela ausência de radiação solar, e quando o limite
da saturação é atingido ocorre à formação do orvalho. Este fenômeno pode ser compreendido
através do exemplo do vidro de um carro com o ar condicionado ligado, onde o resfriamento
provocado pelo contato do vapor de água com o vidro provoca a saturação e gotículas de água
são depositadas no vidro (MARGARIDO, 2014).
2.4. Índice de Área Foliar
Do ponto de vista conceitual o índice de área foliar é uma medida adimensional da
cobertura de folhas que corresponde à quantidade de camadas de folhas em metros quadrados
por área do solo também em metros quadrados. O IAF está fortemente relacionado com a
produtividade da floresta e determina as condições de radiação abaixo do dossel (NOVAIS,
2013). O IAF é um parâmetro dinâmico que varia de dia para dia, de acordo com a dinâmica
da floresta e representa a razão entre a área foliar de uma população de plantas e a área do
solo por ela ocupada (SANCHES et al., 2008).
O IAF é uma medida de cobertura vegetal importante, por causa da importância das
folhas nas trocas de massa e energia no sistema solo-planta-atmosfera, diretamente ligada com
a evapotranspiração e a produtividade, de importância para vários modelos de produção
primária através de escalas e modelos globais de clima, hidrologia, biogeoquímica e ecologia
(SANCHES et al., 2008).O IAF é determinante nos processos de troca de energia nos
ecossistemas, sendo fundamental para a compreensão da constituição e mudanças no clima
regional e na dinâmica dos ecossistemas (JORDÃO et al., 2015).
O IAF possibilita a compreensão do fornecimento de radiação e a resposta do dossel
e assim o potencial fotossintético e termorregulador da vegetação na região considerada. A
evapotranspiração altera a umidade relativa na medida em que libera nas imediações da planta
certa quantidade de vapor capaz de servir, em conjunto com a água já disponível no ar
atmosférico, como um condutor de calor propiciando a redução de temperatura além de
absorver, difundir e refletir parte da radiação.
32
Programa de Mestrado em Ciências Ambientais
2.5. Radiação solar, radiação fotossinteticamente ativa, transmitância
e refletância
A base de recursos energéticos do planeta terra tem como fonte, quase que exclusiva,
a energia vinda do sol. O planeta é praticamente fechado no que se refere à troca de materiais
com o universo que o cerca, no entanto é aberto às trocas energéticas. Neste cenário as ondas
eletromagnéticas geradas por reações nucleares que ocorrem no sol viajam pelo espaço até
entrarem pela atmosfera terrestre e propiciarem uma energia capaz de sintetizar uma série de
recursos materiais que entram nas cadeias alimentares e nas reservas energéticas disponíveis
no planeta.
O balanço de radiação em superfícies vegetadas é de grande importância na
determinação das perdas de água e na acumulação de matéria seca pelos vegetais, além de
caracterizar o seu microclima. As medidas do saldo de radiação em comunidades vegetais
possibilitam caracterizar os estados de conforto térmico, conforto hídrico e muitas reações
biofísicas e bioquímicas (NOVAIS, 2013). Compreender o percurso da energia solar e suas
interfaces com o elenco de variáveis que compõem as definições dos microclimas de uma
região possibilita a compreensão da área de estudo e as possíveis conclusões que podem advir
da análise.
A radiação solar ao atravessar a atmosfera terrestre sofre absorção, difusão seletiva e
refletiva. A parcela da radiação incidente na superfície que sofreu qualquer destes processos
citados acima é chamada de radiação difusa. Há ainda uma parcela que passa pela atmosfera
sem sofrer qualquer interação, a esta parcela se dá o nome de radiação direta. A soma destas
duas parcelas de ondas curtas se dá o nome de radiação global ( ), que pode ser medida
diretamente por um sensor eletrônico denominado piranômetro (NOVAIS, 2013).
Na superfície terrestre chegará essencialmente duas parcelas de ondas curtas, uma
que passou por processos ópticos sem alterar suas características, de tal forma a continuar
sendo onda curta, a qual se denomina radiação difusa ou radiação do céu ( ). Outra parcela
passa de forma direta até a superfície, sendo denominada de radiação direta ( ). A soma das
duas se dá o nome de radiação global ( ), portanto:
(6)
33
Programa de Mestrado em Ciências Ambientais
Das ondas curtas que incidem na superfície terrestre, parte é refletida e parte é
absorvida. Este processo no qual uma parcela das ondas curtas é absorvida resulta no
aquecimento do solo e da atmosfera, os quais provocarão a emissão de ondas longas (Lei de
Planck). O índice que representa a parcela das ondas curtas refletidas com relação às ondas
globais incidentes é denominado albedo ( ).
A parcela da energia de ondas curtas para energia líquida disponível, representando a
contribuição solar para o ambiente, é representada contabilizada pela subtração da energia
incidente pela energia refletida, chamado balanço de ondas curtas ( ), sendo:
( ) + . ( ) (7)
O albedo ( ) de uma superfície quantifica a fração de radiação solar incidente que é
refletida de volta a atmosfera. Portanto o albedo representa um parâmetro crítico na definição
no balanço de energia de um determinado ambiente e da terra como um todo, pois possibilita
a determinação dos fluxos energéticos não radiantes. A variabilidade no albedo pode fazer
variar os fluxos de energia não radiante, como calor sensível e calor latente, e na produção
primária bruta de um ecossistema (NOVAIS, 2013).
As ondas curtas que não refletiram alteram as propriedades físicas do solo e da
atmosfera. Estes passam por processo de aquecimento, os quais resultarão em mudanças de
estado da matéria, ou alteração de temperatura pela emissão de ondas longas.
Em meados do século XVIII, o físico alemão Gustav Robert Kirchoff ao estudar a
emissão de radiação dos corpos fez a seguinte afirmação: “todo corpo bom absorvedor
também é bom emissor”. Para HEWITT (2010) tudo está emitindo energia e tudo está
absorvendo energia bons emissores de energia radiante são também bons absorvedores dela;
maus emissores são maus absorvedores.
Segundo a Lei de Stefan-Boltzmann ou Lei do Corpo Negro, todas as superfícies
naturais emitem energia radiante, a qual depende de sua emissividade e sua temperatura. A
atmosfera e superfície do solo, com seus comportamentos, quanto a reflexão e difusão,
influenciam no balanço de ondas curtas, sendo que o saldo que permanece na atmosfera ou
solo, representa a energia radiante absorvida (NOVAIS, 2013). Da energia absorvida parte é
emitida configurando-se um saldo de ondas longas demonstrado no balanço de ondas longas:
(8)
34
Programa de Mestrado em Ciências Ambientais
Onde , representa a energia emitida pela atmosfera que chega até a superfície
terrestre e a energia emitida por esta superfície. A maior parte da radiação emitida pela
superfície e pela atmosfera está contida no intervalo de , e por isto, é denominada
radiação de onda longa ou radiação termal, em comparação com o espectro solar que está
contido no intervalo de (NOVAIS, 2013).
Figura 2 - Balanço de radiação em superfícies vegetadas.
Fonte: RADIAÇÃO ESALQ/USP 15/08/2015
O esquema mostra as ondas curtas incidindo (Rg) parte refletindo conforme o albedo
da superfície vegetada (a.Rg) e as ondas longas emitidas pela atmosfera (Ratm) e pela
superfície vegetada (Rsup), para o ambiente restará o saldo de radiação que serão utilizados
nos vários processos biogeoquímicos.
Enquanto no espectro solar as ondas eletromagnéticas têm comprimentos de onda no
intervalo de (NOVAIS, 2013), a Radiação Fotossinteticamente Ativa (RFA), em
inglês Photosinthetic Active Radiation (PAR), abrange o intervalo de 0,4 a 0,7 micrometros, e
tem grande importância no metabolismo vegetal por representar a radiação solar
potencialmente disponível para os processos fotossintéticos, representando assim a maior
parcela da energia luminosa que é transformada em energia química, podendo ser armazenada
e remobilizada nas atividades metabólicas celulares (GALVANI, 2009), alguns trabalhos
analisam a razão entre a radiação par e a radiação solar global, SZEICS (1976) chegou a 50%,
SOBRINHO et al. (2011) chegaram a 62,2%.
A radiação fotossinteticamente ativa incidente ( ) corresponde à radiação global
que chega até a superfície e está na faixa de comprimento de onda dos fótons fotossintéticos,
35
Programa de Mestrado em Ciências Ambientais
de 400 a 700 nanômetros. O obstáculo interposto entre a parte de cima e a parte do dossel faz
com que uma parte da PAR incidente sofra os processos de reflexão, absorção e difusão.
Além de parte da que poderá passar sem interrupção, todas as parcelas de radiação que
passaram por um dos processos, juntas constituem a radiação fotossinteticamente ativa
transmitida ( ). Portanto a é a radiação fotossintética detectada abaixo do dossel, a
qual incide sobre o solo, sendo parte dela absorvida e parte refletida, esta última parcela é
denominada, radiação fotossinteticamente ativa refletida ( ).
A interpretação destas três radiações possibilita em grande parte a compreensão dos
fenômenos termo higrométricos bem como da composição florística no que se refere ao índice
de área foliar.
2.6. Cerrado
Cerrado é um termo comumente utilizado para se referir as savanas que ocupam o
planalto central do Brasil e outras regiões do país e se estendem além fronteira, até a Bolívia e
o Paraguai. A vegetação do cerrado é complexa com fisionomias que vão desde formações
campestres até floresta. O cerrado apresenta uma elevada heterogeneidade florística, tal
característica se expressa mesmo em áreas, que são próximas umas das outras (LIMA et al.,
2015).
Apesar desta heterogeneidade a vegetação que prevalece no cerrado brasileiro é
arbóreo-arbustiva com 20 a 50% de representatividade, com a altura das árvores entre três e
seis metros, sendo que a formação stricto sensu é definida pela presença de árvores baixas,
tortuosas e inclinadas, com variação sazonal do clima e da vegetação, com predominância de
duas estações bem definidas: a estação seca que vai de abril até setembro e a estação chuvosa
que vai de outubro até março (RIBEIRO e WALTER, 1998).
A compreensão da fenologia do cerrado serve de indicador ambiental, conforme a
interação da planta com o meio no qual está inserida e a compreensão das interfaces que ela
tem com fatores abióticos como precipitação, foto período, radiação e qualidade do solo
(FARIA et al.,2015).
O cerradão tem uma composição florística diferente do cerrado stricto sensu,
constituindo-se como uma vegetação florestal cuja composição é variável e depende da
fertilidade do solo (JUNIOR e HARIDASAN, 2005).
36
Programa de Mestrado em Ciências Ambientais
2.7. Fragmento de cerrado em um contexto urbano
A presença de um segmento de vegetação em uma área urbana pode ser um elemento
de mitigação dos efeitos de aumento de temperatura que normalmente ocorrem dentro de um
mosaico urbano com suas construções, pavimentações, impermeabilizações e muitos outros
elementos. Os parques urbanos possibilitam a formação de microclimas cujas médias térmicas
diárias e anuais são mais amenas, além de um maior índice pluviométrico (BARROS, 2009).
As características ambientais de um fragmento de vegetação em área urbana,
transformado em parque, são compreendidas sob vários referenciais. A compreensão que a
cidade tem do parque, através dos seus munícipes, pode inclusive modificar as suas
características ambientais e reduzir o alcance dos serviços ambientais que ele presta à cidade.
Uma ocorrência que é recorrente é a especulação imobiliária que ocorre no entorno
de fragmento de vegetação, transformado em parque. Nos últimos anos o fragmento de
cerrado, objeto desta pesquisa e onde foi implantado o Parque Mãe Bonifácia, experimentou
no seu entorno uma grande expansão de empreendimentos imobiliários. O entorno da área que
tinha uma ocupação urbana onde predominava edificações horizontais está passando por um
processo de verticalização e as amenidades ambientais oriundas do parque constituem-se
como elementos diferenciais de preço e comercialização (BARROS, 2009). Há um processo
de valorização imobiliária do entorno do Parque Mãe Bonifácia, é como se a natureza fosse
transformada em uma mercadoria para poucos consumidores. Os agentes imobiliários passam
a ver os serviços ambientais do parque como necessidade privada (não coletiva) e a exclusão é
exercida a serviço da acumulação (HENRIQUE, 2009).
Os fragmentos de vegetação inseridos no cenário urbano trazem amenidades ao clima
local e seus arredores. Estes benefícios têm alcance a nível de microclima em áreas
construídas no espaço circundante ao parque (YU e HEIN, 2007). Os parques são
normalmente mais frios do que seu entorno (SHINZATO, 2009).
Estas alterações microclimáticas no entorno dos parques ocorrem em especial pelo
papel fundamental exercido pela vegetação. Os processos evapotranspirativos das plantas
possibilitam um controle termo higrométrico, através da redução do calor sensível e aumento
do calor latente.
As árvores e a vegetação refrescam sua circunvizinhança de duas maneiras
(GARTLAND, 2010):
37
Programa de Mestrado em Ciências Ambientais
1) A evapotranspiração converte a energia solar em água evaporada ao invés de
calor, mantendo as temperaturas da vegetação e do ar mais baixas;
2) Árvores promovem sombras para as superfícies e protegem-nas do calor do sol,
mantendo essas superfícies mais frescas e reduzem o calor armazenado por elas.
A chave do processo de redução de temperatura é a evapotranspiração, definida
como perda de água das plantas como vapor dentro da atmosfera. Esta consome energia da
radiação solar e aumenta o calor latente ao invés do calor sensível, resfriando as folhas e a
temperatura nos seus arredores (TAHA, 1997).
Além de propiciar sombra e resfriamento via evapotranspiração da vegetação, os
espaços verdes proporcionam porosidade à superfície, que aumenta a capacidade de
disponibilidade de armazenar água e assim disponibilizá-la para o resfriamento evaporativo
(HATWAY e SHARPLES, 2012).
As amenidades geradas no clima urbano pela presença da vegetação podem estar
ligadas aos atributos de uma área urbana vegetada, elencados por (GEORGI e DIMITRIOU,
2012). São estes os atributos da vegetação urbana que afetam o microclima positivamente:
a) Alta taxa de absorção e radiação;
b) A baixa capacidade de calor e condutividade termal se comparado a
estruturas e materiais de construção e a espaços abertos;
c) A redução de temperatura do ar pela transpiração;
d) A menor radiação infravermelha;
e) A redução da velocidade do vento próximo a superfície;
f) A retenção de poeira e poluentes do ar.
O clima urbano é, no geral, menos ameno que o espaço no qual está inserido.
Uma forma de compreender esta influência positiva de um fragmento de vegetação
sobre o clima urbano em especial a área do seu entorno é ampliar este enfoque. A visão das
pesquisas normalmente é do fragmento de vegetação para a cidade, através da abordagem das
mudanças microclimáticas no entorno do parque. É como se o parque fosse um prestador de
serviços ambientais para cidade e permanecesse intocável perante a dinâmica urbana, em
especial aquela que ocorre no seu entorno. Porém o parque sente a presença da cidade e
manifesta isto nas alterações microclimáticas nas suas várias regiões. A abordagem das
alterações microclimáticas em um fragmento de vegetação por conseqüência do seu entorno
normalmente não é observada. Esta compreensão pode ser um viés pelo qual se pode explicar
os benefícios que um fragmento de vegetação em área urbana traz à cidade e as alterações que
38
Programa de Mestrado em Ciências Ambientais
a geometria urbana no entorno deste fragmento, que normalmente é dinâmica, pode gerar
sobre o fragmento.
Um dos fatores que afetam o aquecimento da cidade é o calor perdido por
construções e veículos que se dissipam pela atmosfera e podem representar um terço da
energia solar recebida. Outro fator é por conta da presença de edificações e pavimentos, os
quais alteram a proporção na saída de ondas curtas, esta proporção é expressa em
porcentagem sendo denominada de albedo ( ). O valor de normalmente é menor em áreas
urbanas, quando estas são comparadas as áreas rurais. O menor albedo é devido em parte aos
materiais com superfícies escuras das áreas urbanas como, por exemplo, as calçadas e
pavimentações, e também aos efeitos de aprisionamento de ondas curtas pelas grandes
construções verticais (LEAL, 2012).
Além da alteração no comportamento no que se refere às ondas curtas, há também a
maior absorção por algumas superfícies, em especial as áreas pavimentadas. Este fenômeno
amplia a emissão de ondas longas e a consequente alteração dos fluxos de energia em especial
o aumento do calor sensível e a elevação de temperatura.
2.8. Análise estatística
A descrição e compreensão matemática de um fragmento de cerrado de 77 hectares no
sentido de interpretar as suas variáveis microclimáticas e suas possíveis interfaces internas,
entre diferentes regiões do próprio fragmento, ou mesmo as interfaces com os elementos do
seu entorno não seria, e não é, uma tarefa fácil. O número de medições necessárias para se
chegar a esta descrição talvez seja incompatível com as condições práticas, porém a escolha
de amostras aleatórias e independentes deste fragmento, e aplicação dos testes estatísticos sob
determinadas condições que considere os pressupostos de execução, poderá possibilitar
inferências sob as características da área de estudo bem como a forma com a qual este
fragmento percebe o seu entorno. Uma forma de análise é a aplicação de testes de hipóteses
que pode possibilitar, dentro de um nível de significância estatística, as inferências sobre o
funcionamento de uma área que abrigue o conjunto de dados obtidos a partir de um elenco de
experimentos, ou medições.
39
Programa de Mestrado em Ciências Ambientais
2.8.1. Análise estatística, qual teste será aplicado?
A escolha da análise estatística a ser aplicada passa pelo que é proposto no desenho
do experimento e pelo comportamento do conjunto de dados. A forma de constituição do
experimento e os dados obtidos podem atender aos pressupostos de aleatoriedade,
independência, homocedasticidade e normalidade na distribuição dos dados, neste caso, os
testes podem ser os paramétricos. Se estes pressupostos não forem atendidos o teste a ser
aplicado será um não paramétrico.
Um conjunto de dados, medidos por uma variável dependente, que possibilite a
comparação de suas médias com relação a um determinado fator, que separe este conjunto em
duas partes, pode ser o teste t-student. Se a divisão ocorrerem mais de duas partes, a
comparação das médias se dá pela aplicação da aplicação da ANOVA (Análise de variância).
No caso de várias variáveis dependentes sob a influência de dois ou mais fatores pode se
tentar a aplicação de uma análise estatística multivariada de variância (MANOVA). Trata-se
de uma estatística paramétrica sujeita aos pressupostos já citados.
Se os pressupostos de normalidade e homocedasticidade não forem atendidos pode-
se identificar as possíveis diferenças espaço temporais através de testes não paramétricos. A
comparação dos postos médios de três ou mais grupos pode ser realizada através da aplicação
do teste de Krukal-Wallis.
2.8.2. Análise de Variância (ANOVA):
A análise de variância é um procedimento utilizado para comparar três ou mais
tratamentos, caracterizados em uma variável independente ou fator, e como eles interferem
nas variáveis dependentes, se constituindo como uma ferramenta estatística poderosa com
base na partição algébrica da soma dos quadrados (GOTELLI e ELLISON, 2011). O modelo
utilizado para ANOVA de um fator é:
(9)
Em que:
40
Programa de Mestrado em Ciências Ambientais
é a observação do i-ésimo tratamento na j-ésima unidade experimental ou parcela;
é a média geral verdadeira, quando se dispõe deste valor, ou a média que é a
estimativa de ;
é o efeito do i-ésimo tratamento, representa o desvio da média geral;
é o erro associado ao i-ésimo tratamento na j-ésima unidade experimental.
A análise de variância está alicerçada na decomposição da variação total da variável
resposta em partes que podem ser atribuídas aos tratamentos (variância entre) e ao erro
experimental (variância dentro). Essa variação pode ser medida por meio de somas de
quadrados definidas para cada um dos seguintes componentes.
∑ ∑ ( )
(10)
Sendo que i na dimensão temporal era variar de um até doze e na dimensão espacial
irá variar de um até três e é igual a média geral, e j representa as réplicas de medições para
o mesmo ponto, ou seja, trezentos e sessenta medições.
∑ ( )
(11)
i representa os grupos, meses ou regiões e n a observação de cada grupo. E a soma
dos quadrados do resíduo pode ser obtida pela diferença:
(12)
Essas somas de quadrados podem ser organizadas numa tabela de análise de
variância:
Tabela 1 - Análise de Variância. Cálculo dos quadrados médios e da estatística F.
Causas de
variação
Graus de
liberdade
Soma dos
quadrados
Quadrados
médios F calculado
Tratamentos I-1 SQTrat QMTrat
⁄
Resíduos I(J-1) SQRes QMRes
Total IJ-1 SQTotal
Fonte: www.est.ufpr.br
41
Programa de Mestrado em Ciências Ambientais
A utilização da ANOVA pressupõe amostras aleatórias, independentes, com
distribuição normal e conjunto de dados homocedásticos, sendo realizada pela estatística F
através do teste de hipóteses partindo da consideração de que as médias não são diferentes. O
p-value é calculado e comparado com o nível de significância, sendo menor, a hipótese nula é
rejeitada, ou seja, os tratamentos determinados pelo fator são relevantes na constituição dos
valores da variável dependente. A aplicação desta estatística possibilitou inferências sobre as
possíveis diferenças entre os “tratamentos”, regiões.
2.8.3. Análise Multivariada
A análise univariada preconizada pela utilização da ANOVA apesar de ser forte no
sentido estatístico, toma as variáveis de forma isolada, uma de cada vez. Como as variáveis
são medidas num mesmo indivíduo, ou elemento, no caso desta pesquisa, cada ponto de
medição constitui uma unidade experimental que irá compor a amostra e formar o conjunto de
dados, no qual várias medições são feitas, todas elas relativas às variáveis, objeto deste
estudo.
A análise multivariada pressupõe que estas variáveis são do mesmo indivíduo e
medidas no mesmo ponto de medição, não são independentes e assim aplicações univariadas
podem não ser adequadas (GOTELLI e ELLISON, 2011). Os dados multivariados são
adequados quando deseja verificar uma ou mais variáveis dependentes sujeitas ao efeito de
dois ou mais tratamentos ou fatores. A análise multivariada se refere a todas as técnicas
estatísticas que simultaneamente analisam múltiplas medidas sobre indivíduos ou objetos sob
investigação (HAIR, 2009). Um ponto relevante da MANOVA é o aproveitamento da
informação conjunta das variáveis envolvidas (REGAZZI, 2000).
A comparação da aplicação de uma ANOVA e uma MANOVA possibilita inferir:
a) Na ANOVA a hipótese nula a ser testada é a igualdade de médias de uma variável
dependente para os vários grupos, enquanto que na MANOVA a igualdade a ser testada é a
dos vetores de médias sobre múltiplas variáveis dependentes ao longo dos grupos;
b) Na ANOVA uma única variável é testada com relação aos vários grupos ou
tratamentos. Na análise multivariada o teste é com relação à variável estatística para os vários
grupos. A variável estatística é uma combinação linear de variáveis com peso empiricamente
42
Programa de Mestrado em Ciências Ambientais
determinados. As variáveis são especificadas pelo pesquisador e os pesos são determinados
pela aplicação da técnica multivariada a partir do conjunto de dados (HAIR, 2009);
c) Na ANOVA as somas dos quadrados são simples números, na MANOVA a soma
dos quadrados são matrizes, chamadas de matrizes de somas dos quadrados e produtos
cruzados (SQPC), quadradas, cujos elementos da diagonal correspondem às somas dos
quadrados para cada variável e os elementos fora da diagonal, as somas dos produtos cruzados
para cada par de variáveis.
As matrizes SQPC necessárias para aplicação desta técnica estatística são:
A) A matriz entre grupos H:
∑ ( ) ( )
(13)
T representa a transposição da matriz, em que:
(
) ∑
(14)
= *
+∑ ∑
(15)
= vetor de médias das amostras no grupo k das q observações
= vetor de médias das amostras de todos grupos-tratamentos
B) A matriz dentro de grupos E:
∑ ∑ ( ) ( )
(16)
C) A matriz total T:
∑ ∑ ( ) ( )
(17)
43
Programa de Mestrado em Ciências Ambientais
As estatísticas dos testes aplicados são geradas a partir das matrizes H e E, são eles:
lambda de Wilk, traço de Pillai, traço de Hotelling- Lawley e a maior raiz de Roy (GOTELLI
e ELLISON, 2011).
Para a aplicabilidade da MANOVA os pressupostos a serem atendidos são (HAIR,
2009)
- Independência das observações;
-Igualdade (ou comparabilidade) das matrizes de variância/covariância;
-Normalidade das variáveis dependentes;
-Normalidade multivariada, mais difícil de verificar. O software SPSS 23.0 possibilita
a verificação da normalidade de cada variável.
2.8.4. Estimativa de curva
As correlações entre duas variáveis podem ser verificadas por métodos estatísticos,
os quais procuram traduzir, através de uma equação que possibilite o cálculo de uma variável
em função da outra. Antes de estimar uma curva de correlação deve representar o gráfico de
dispersão, no software utilizado, o diagrama de pontos, para se ter uma percepção visual da
existência ou não de uma tendência de dependência entre as variáveis e observação de
possíveis outliers que distorçam os resultados.
Para se verificar as possíveis correlações a normalidade dos dados não é necessária, no
entanto os resíduos devem ter distribuição normal e variância constante (homocedástico). A
violação destes pressupostos, inviabilizam possíveis inferências a partir das equações obtidas.
A força da correlação é definida pelo coeficiente de correlação (R), o qual varia entre -
1 e 1. Valores de r entre 0,10 e 0,29 podem ser considerados pequenos, entre 0,30 e 0,49 são
médios e entre 0,50 e 1 são grandes (COHEN, 1988). Outra classificação ligeiramente
diferente estabelece que r = 0,10 até 0,30 (correlação fraca), entre 0,40 até 0,60 (correlação
moderada), entre 0,70 até 1 (correlação forte) (DANCEY E REIDY, 2006).
A magnitude do coeficiente de correlação é denominada de coeficiente de
determinação e expresso por , e pode ser interpretada em termos da variação de uma
variável que é explicada pela variação de outra variável.
A estimativa de curva através da utilização do software possibilita o teste dos
modelos:
44
Programa de Mestrado em Ciências Ambientais
Linear: (18)
Quadrático: (19)
Cúbico:
(20)
Logarítmico: (21)
Inverso:
(22)
Potência: (23)
Composto: (24)
Sigmoidal: (25)
Logístico :
(26)
Crescimento: (27)
Exponencial: (28)
O teste de hipóteses verifica a existência ou não de uma relação de dependência, sendo
a hipótese nula de uma variável não depende da outra. A estimativa de curva possibilita a
identificação da melhor correlação com a atenção de se verificar a significância estatística da
correlação e dos coeficientes.
2.8.5. Comparação de amostras independentes
A comparação de amostras pode ser realizada através da aplicação de estatísticas
paramétricas ou não paramétricas. Um dos testes paramétricos aplicáveis quando se deseja
45
Programa de Mestrado em Ciências Ambientais
comparar dois tratamentos diferentes e como eles alteram as médias das variáveis
dependentes é o teste t, cuja utilização requer pressupostos de independência, aleatoriedade,
normalidade e homocedasticidade.
Quando os pressupostos de normalidade e homocedasticidade são violados, uma forma
de comparar três ou mais tratamentos, fatores, é o teste de Kruskal-Wallis. Este teste se
fundamenta na comparação de postos médios e assim detectar se os conjuntos de dados sob
análise pertencem a amostras semelhantes ou distintas. A saída deste teste aponta se há, ou
não, diferenças significativas entre as amostras testadas, no entanto não identifica os pares que
podem ser diferentes. A forma de comparar, de forma não paramétrica, se duas amostras
representam, ou não, conjunto de dados diferentes é o teste de pares de Kruskal-Wallis.
46
Programa de Mestrado em Ciências Ambientais
3. MATERIAL E MÉTODOS
3.1. Descrição da área de estudo
O Parque Mãe Bonifácia é um fragmento de cerrado que permanece na sua forma
natural e que praticamente não sofreu ações antrópicas relevantes no sentido de alterar suas
características biofísicas. A figura 03 mostra parte da geometria urbana do parque no
município de Cuiabá, limitado a sudeste-sudoeste por um conjunto de edificações, residências
e edifícios, e margeado no outro contorno, por uma avenida principal do município, a Avenida
Miguel Sutil. O parque possui uma área de 77 ha e variação de altitude entre 164 e 195 m, e
tem grande diversidade florística, a qual se divide em três estratos: a mata ciliar que margeia
os córregos, o cerradão afastado do curso d’água e nas regiões mais elevadas o cerrado stricto
sensu (BARROS, 2009).
Figura 3 - Imagem do Parque Mãe Bonifácia e entorno com representação dos pontos de
medição, (A) próximos ao asfalto, (P) próximos aos prédios, e (V) áreas vegetadas do interior.
Fonte: Google Earth, de 20/04/2015.
A – adjacente ao asfalto
P – adjacente aos prédios
V – pontos mais internos
47
Programa de Mestrado em Ciências Ambientais
O município de Cuiabá é a Capital do Estado de Mato Grosso e centro Geodésico da
América Latina, pertencente à região Centro-Oeste do Brasil. O município possui uma área de
3.224,68 km², sendo dividida em 254,57 km² (7,89%) de área urbana e 2.970,11 km² (92,1%)
de área rural (SANTOS, 2008). O clima regional é do tipo Aw, segundo a classificação
climática de Köppen, caracterizado por ser quente e úmido com chuvas no verão e estiagem
no inverno, com estações, úmida e seca, distintas (Novais et al., 2014).
O parque mãe Bonifácia está localizado na região centro-noroeste de Cuiabá (Figura
4) e na sua área interna foram escolhidos trinta pontos de medição de tal forma a possibilitar a
sua caracterização microclimática bem como a comparação de áreas com características
espaciais e estruturais diferentes, os pontos foram distribuídos em três estratos, sendo sete
alocados próximos aos prédios denominados (P), representados na figura 4 por quadrados,
sete próximos ao asfalto, denominados (A) e representados por círculos, e dezesseis na área
vegetada, denominados (V) e representados por triângulos (Figura 4), sendo estabelecidos de
forma aleatória, porém buscando abranger a diversidade do fragmento de cerrado, no que se
refere as características pertinentes a sua relação com o mosaico urbano.
Os trinta pontos foram demarcados usando estaqueamento e etiquetações e
georreferenciados. A Figura 3 mostra que a região limítrofe ao fragmento de cerrado no
entorno sudeste/sudoeste com uma elevada ocupação por residências, principalmente prédios,
além das vias pavimentadas. A região oposta, porção nordeste/noroeste, é cercada pela
pavimentação de uma via principal de aproximadamente 30 m de largura.
48
Programa de Mestrado em Ciências Ambientais
Figura 4 – Localização do Parque Mãe Bonifácia no município de Cuiabá, Mato Grosso,
Brasil, em coordenadas são geográficas. Fonte: Elaborado pelo autor
3.2. Período de estudo
As medições foram efetuadas em outubro de 2014 até setembro de 2015, no horário
das 10 às 12 h, horário de maior incidência de radiação solar. As medições ocorreram em dias
com incidência solar sobre o fragmento de cerrado, sem a interferência de nuvens, a escolha
dos dias de medições foi baseada no critério de não ter chovido no dia e que o céu estivesse
com pouca nebulosidade.
3.3. Instrumentação utilizada
A temperatura do ar, umidade relativa do ar e a temperatura de ponto de orvalho,
foram medidas através da utilização do medidor modelo Krestel 4500, Figura 5, fabricado
49
Programa de Mestrado em Ciências Ambientais
pela empresa NK na região de Boothwyn localizada no estado da Pensilvânia, Condado de
Delaware, U.S.A.
Figura 5 – Medidor de grandezas ambientais Krestel 4500, NK, Pensilvânia, USA.
O medidor Krestel4500 é dotado de sensores para medição da velocidade do vento,
temperatura, umidade relativa, pressão e orientação magnética (bússola). Assim algumas
grandezas têm medições diretas, como T e UR, e outras indiretas, ou medidas calculadas a
partir de mais de um sensor com equações instaladas na memória do equipamento, é o caso do
, cujo valor é obtido de forma indireta a partir dos sensores de temperatura e umidade. As
características do aparelho estão na tabela 2.
50
Programa de Mestrado em Ciências Ambientais
Tabela 2 - Características do medidor de grandezas ambientais Krestel 4500 no que se refere
ao tipo de medição, acurácia e resolução.
Grandezas Símbolo Tipo de
Medição Acurácia Resolução Obs
Temperatura
do ar T Direta 0,5
0C 0,1
0C
A medida é obtida a partir do
sensor de temperatura
Umidade
Relativa do Ar UR Direta 3% 0,1 %
A medida é obtida a partir do
sensor de umidade
Temperatura
do Ponto de
orvalho.
Indireta 1,9 0C 0,1
0C
A medida é obtida
internamente através de um
cálculo realizado a partir dos
resultados obtidos nos
sensores de temperatura e
umidade
Fonte: Elaborado pelo autor a partir de informações obtidas no Site do fabricante,
NK-Nielsen-Kellerman, www.nkhome.com/pdfs. Consulta feita no dia 29/10/2015.
A Radiação Fotossinteticamente Ativa, RFA, ou photosynthetically active radiation,
PAR, e o LAI (leaf área index), ou IAF (índice de área foliar), foi medido com o ceptômetro
linear modelo (AccuPar – LP 80), o qual é constituído por um microprocessador data logger
que interpreta os sinais que chegam à haste metálica, denominada sonda, onde estão
instalados os sensores que detectam a radiação. O aparelho mede a radiação
fotossinteticamente ativa, na faixa de comprimento de onda de 400 a 700 nm. Os valores de
radiação são expressos em micromols por metro quadrado por segundo ( ). As
radiações que podem ser medidas são:
PAR incidente ( ), medida da radiação sem interrupção do dossel;
PAR transmitida ( ), medida da radiação que incide abaixo do dossel;
PAR refletida ( ), medida da radiação refletida pelo solo abaixo do dossel.
Além das radiações, o aparelho mede de forma indireta o índice de área foliar ( ).
Os sensores do ceptômetro detectam de forma direta a PAR, incidente, transmitida ou
refletida, dependendo da posição da sonda ou do cabo de interface, que funciona como uma
extensão dos sensores, normalmente utilizada quando se deseja medir a radiação incidente e o
aparelho está posicionado abaixo do dossel. O cabo de interface possibilita a captação da
radiação incidente.
51
Programa de Mestrado em Ciências Ambientais
Figura 6 – Foto do ceptômetro LP-80 PAR/LAI
A tabela 03 fornece algumas especificações do ceptômetro AccuPAR LP-80:
Tabela 3 - Características do medidor AccuPAR LP – 80 no que se refere a constituição,
medição e resolução.
Comprimento da sonda 86,5 cm
Número de sensores 80
Resolução
Ambiente de operação T, 0 – 50 0C. UR, 0 – 100%.
Cabo de interface Cabo RS – 232
Tipo de medição da PAR Direta pelos sensores
Tipo de medição do IAF Indireta. Medida calculada.
Equação 31
Fonte: Elaborado pelo autor a partir de informações obtidas no site do fabricante,
www.decagon.com.br, consultado em 31/10/2015.
A obtenção do IAF, no aparelho AccuPAR LP-80, se dá de forma indireta através
das equações:
[ ( )] (29)
Onde:
, é o coeficiente de extinção de luz do dossel e o seu cálculo, incluem
variáveis como o ângulo zenital e a distribuição dos ângulos de inclinação foliar, podendo ser
calculado conforme equação obtida por CAMPBELL, 1986:
52
Programa de Mestrado em Ciências Ambientais
(
) (30)
A variável IAF é uma função composta que depende da arquitetura do local e do
dossel e o fabricante propõe alguns fatores de correção, para as equações 29 e 30, expressos
na equação 31:
*(
) +
( ) ( ) (31)
O valor de é obtido a partir da absortância da copa, numa função polinomial
expressa por ALVARES et al. (2015), e é a fração da PAR que incide de forma direta, cujo
valor em dias de céu limpo é igual a 0,898 (ALVARES et al., 2015).
3.4. Modelagem estatística
A constituição do banco de dados se deu com um conjunto de medições feitas
mensalmente em 30 pontos. Nos doze meses foram trezentos e sessenta medições feitas no
local. Este conjunto de dados abrangeu um total de oito variáveis: Temperatura do ar ( ),
Umidade relativa ( ) , Temperatura do ponto de orvalho ( ) , Radiação
fotossinteticamente ativa incidente ( ), Radiação fotossinteticamente ativa transmitida
( ), Radiação fotossinteticamente ativa refletida ( ), Índice de área foliar ( ) e
Albedo ( ).As medições ocorreram durante os doze meses, de outubro de 2014 a setembro de
2015, nas três regiões, P, A e V, que a princípio tem características espaciais diferentes no que
se refere às possíveis interações com a geometria do mosaico urbano.
O passo inicial foi à aplicação do teste para verificar a normalidade e a
homocedasticidade dos resíduos do conjunto de dados, verificando se estes dados possuíam
comportamento que atendiam a estes pressupostos. Havendo a aderência à normalidade, e
atendida a homocedasticidade, a avaliação estatística torna-se mais poderosa na medida em
que viabiliza a aplicação de testes paramétricos, e as análises ficam mais seguras do ponto de
vista estatístico. A análise da normalidade do conjunto de dados, para as sete variáveis
medidas e uma delas calculada, o albedo, foi realizada pelo software utilizado na pesquisa
53
Programa de Mestrado em Ciências Ambientais
com a aplicação do teste de Kolmogorov-Smirnov (KS), e a homocedasticidade testada
através da aplicação do teste de Levene.
Foi realizada a estatística descritiva dos dados por meio da avaliação dos valores
mínimo, médio e máximo de cada variável. Os dados foram analisados mensalmente no que
refere as variáveis: umidade relativa do ar e temperatura do ar, pela aplicação da ANOVA
para comparação das características das três regiões A, P e V. Esta aplicação se deu de forma
unidirecional, com a análise mensal das variáveis e UR, tomada uma de cada vez,
possibilitando a verificação do fator espacial, que no caso representa os diferentes
tratamentos, ou seja, as diferentes regiões A, P e V. Foi aplicado o teste t para comparar,
mensalmente, as regiões A e V. Esta estatística pode facilitar a compreensão do papel da
umidade relativa do ar no fragmento de vegetação bem como suas interfaces com o desenho
urbano que o cerca.
A avaliação espaço temporal se deu através da aplicação da MANOVA, para as
variáveis com distribuição normal. Para as variáveis que violaram os pressupostos de
normalidade e homocedasticidade, foi verificada a variação espaço temporal através da
aplicação do teste de Krukal-Wallis. Aplicou-se ainda a análise de estimativa de curva para
verificar se as diferenças temporais afetavam as forças das correlações.
3.4.1. Análise multivariada
As variáveis, temperatura do ar ( ), umidade relativa ( ), temperatura do ponto de
orvalho ( ) e Índice de área foliar ( ), foram submetidas a uma análise multivariada de
variância (MANOVA) capaz de verificar a existência de diferenças de vetores de médias de
duas ou mais variáveis dependentes, sob a influência de um ou mais fatores através da
utilização do software.
A Análise Multivariada de Variância (MANOVA – multivariate analysis of variance),
é aplicada de forma simultânea considerando as relações entre diversas variáveis
independentes categóricas e as variáveis dependentes métricas. Nesta pesquisa os tratamentos
se expressam de forma temporal (meses) ou espacial (regiões) e as variáveis métricas que se
adequaram a aplicação da MANOVA foram: Temperatura do ar ( ), Umidade relativa (UR) e
Temperatura do ponto de orvalho ( ). A aplicação desta técnica estatística busca avaliar a
significância estatística de diferenças entre grupos, nesta pesquisa nos diferentes meses e nas
diferentes regiões.
54
Programa de Mestrado em Ciências Ambientais
A verificação de possíveis diferenças microclimáticas no fragmento de cerrado que
compõe a vegetação do parque em estudo se deu pela análise das variáveis dependentes:
Temperatura do ar ( ), Umidade relativa (UR), Temperatura do ponto de orvalho ( ) e
Índice de área foliar ( ), sob a influência dos fatores locacionais (regiões) e temporais
(meses). A análise das variáveis sobre a influência de dois fatores requer uma aplicação
multivariada (mais de uma variável dependente sob a influência de mais de um fator),
portanto viabilizando a aplicação da MANOVA. As demais variáveis, radiação
fotossinteticamente ativa incidente (PARi), radiação fotossinteticamente ativa transmitida
(PARt), radiação fotossinteticamente ativa refletida (PARr), albedo ( ), não apresentaram um
conjunto de dados que suportasse a aplicação da MANOVA e mantivesse o poder do teste.
Para as variáveis que apresentarem diferenças de médias, de forma estatisticamente
significativas, foi aplicado o teste between subjects effects, através de uma análise de
variância univariada (ANOVA), com a avaliação de uma variável dependente, de cada vez,
com relação aos fatores considerados (espaço e tempo). Portanto, a MANOVA pode justificar
estatisticamente a existência de diferenças nos vetores médios das variáveis dependentes com
relação aos fatores, e a ANOVA pode confirmar, ou não, se a diferença destas médias,
analisadas de forma marginal, se deu com as variáveis dependentes analisadas, tomadas uma
de cada vez com relação aos fatores considerados espaço (região) e tempo (meses).
O Teste post hoc de Tukey HSD (honest significant difference) possibilitou a
identificação dos valores das diferenças de médias marginais existentes entre os valores das
variáveis dependentes com relação aos fatores em análise.
Todas as análises tiveram sua homogeneidade de variância avaliada pelo teste de
Levene e a aderência dos resíduos à normalidade pelo teste de Kolmogorov-Smirnov (HAIR,
2009).
3.4.2. Estimativa de curva
Através da análise estatística, pela aplicação da regressão de estimativa de curva, do
software utilizado, foram verificadas as possíveis correlações entre as várias variáveis do
estudo. As variáveis apresentaram correlações que possibilitam a divisão em dois grupos:
CORRELAÇÃO I – entre as quatro variáveis que atenderam aos pressupostos de
normalidade e homocedasticidade, temperatura do ar (T), umidade relativa do ar (UR),
55
Programa de Mestrado em Ciências Ambientais
ponto de orvalho ( ) e índice de área foliar (IAF), as variáveis foram tomadas duas
a duas, possibilitando a avaliação de seis possíveis correlações;
CORRELAÇÃO II – entre PARt e IAF.Cuja variável PARt atendeu ao pressuposto da
normalidade após a sua conversão logarítmica natural,
As correlações foram verificadas quanto a sua força (R) e quanto a sua participação
na correlação ( ), verificando se estas relações se constituem como consideráveis ou
negligenciáveis.
Apesar da não atender o pressuposto de uma distribuição normal quanto aos
seus resíduos, a aplicação foi tolerada sob a justificativa do tamanho do conjunto de dados
que chegou a 352 leituras para esta variável.Como o traço de Pillai é robusto a violações
modestas ao pressuposto da normalidade, na prática, se os dados não se desviarem de forma
substancial da esfericidade ou da normalidade multivariada, a MANOVA é válida (GOTELLI
e ELLISON, 2011), nesta linha de análise a aplicação da estimativa de curva pode ser viável.
Nos estudos relacionados a variáveis ambientais pode-se utilizar a conversão
algébrica do conjunto de dados. A conversão pode ser em função logarítmica natural,
arcoseno, e outras, basta que a variável a ser convertida seja contínua (GOTELLI e
ELLISON, 2011). Uma vez a variável sendo convertida, faz se a análise de normalidade e
homocedasticidade. No caso dos pressupostos serem atendidos pode se aplicar os testes
paramétricos. A conversão logarítmica natural da variável resultou em dados que não
aderiram à normalidade, porém propiciou um maior p-value, assim o conjunto de dados se
aproximou da normalidade, viabilizando, com ressalvas,a análise paramétrica da estimativa de
curva.
Através da aplicação desta estatística é possível determinar a correlação existente
entre estas variáveis microclimáticas bem como a força dessas correlações e o nível de
dependência entre as variáveis. Com estas informações buscou-se identificar como estas
correlações ocorrem.
3.4.3. Comparação das médias ou postos médios
A caracterização microclimática do fragmento do cerrado, denominado Parque Mãe
Bonifácia, no que se refere às variáveis em estudo pode ser fortalecida por meio da aplicação
56
Programa de Mestrado em Ciências Ambientais
do teste t para amostras independentes. Esta aplicação possibilita a análise mensal e a
identificação de diferentes comportamentos, possibilitando a análise comparativa do
comportamento das variáveis e das correlações em especial olhando as possíveis diferenças
para os meses de maior umidade relativa do ar comparado aos de menor umidade relativa do
ar. A comparação possibilita avaliar se as diferenças temporais são significativas e nestes
extremos como se comporta as possíveis diferenças espaciais. Para aplicação desta estatística
verificou-se a normalidade na distribuição dos resíduos das variáveis: temperatura do ar,
umidade relativa do ar, ponto de orvalho e índice de área foliar.
No caso de distribuição não aderir a normalidade optou-se pela comparação de
postos médios através do teste não paramétrico de Kruskal-Wallis, e a identificação das
diferenças através da comparação dos pares, pela aplicação do mesmo teste.
As variáveis que não aderiram aos pressupostos de normalidade, , ,
e , foram analisadas quanto as variações espaço temporais através da aplicação do teste de
Kruskal-Wallis, analisando estatisticamente as possíveis amostras diferentes nos aspectos
temporais (meses) e espaciais (regiões). No que se refere a análise das variações oriundas da
espacialidade, uma vez identificadas as diferenças com significância estatística entre as
regiões A, P e V, sucedeu se a aplicação da estatística não paramétrica de comparação dos
pares de Kruskal-Wallis, para identificar as amostras com diferenças significativas.
57
Programa de Mestrado em Ciências Ambientais
4. RESULTADOS E DISCUSSÃO
4.1. Análise Multivariada no referencial espaço temporal
A aplicação da técnica multivariada se deu pela verificação do conjunto de dados dos
resíduos padronizados, utilizando o software IBM SPSS 23.0, denominado na sequência do
trabalho apenas de software. A estatística foi aplicada a partir das medições realizadas de
forma aleatória e independente. Os resíduos padronizados das oito variáveis dependentes
foram avaliados, submetidos ao teste de Kolmogorov-Smirnov apenas quatro aderiram ao
pressuposto da normalidade (tabela 02).Apesar da normalidade dos resíduos da umidade
relativa do ar estar no limite da significância estatística, o número de medições eleva os graus
de liberdade e fortalece a admissão da normalidade (Figura 7). As variáveis atenderam ao
pressuposto da homocedasticidade, verificado pela aplicação do teste de Levene.
Tabela 4 - Teste de Kolmogorov-Smirnov para verificação da normalidade para os resíduos
padronizados das variáveis: Temperatura do ar ( ), Umidade relativa (UR), Temperatura do
ponto de orvalho ( ), Radiação fotossinteticamente ativa incidente ( ), Radiação
fotossinteticamente ativa transmitida ( ), Radiação fotossinteticamente ativa refletida
( ), Índice de área foliar ( ) e Albedo ( ).
Estatística GI Significância
Resíduo Padronizado para 0,030 352 0,2000
Resíduo Padronizado para UR 0,045 352 0,0850
Resíduo Padronizado para 0,040 352 0,2000
Resíduo Padronizado para IAF 0,028 352 0,2000
Resíduo Padronizado para PARi 0,091 352 0,0000
Resíduo Padronizado para PARt 0,169 352 0,0000
Resíduo Padronizado para PARr 0,182 352 0,0000
Resíduo Padronizado para 0,119 352 0,0000
58
Programa de Mestrado em Ciências Ambientais
Figura 7 - Gráfico Q-Q de normalidade dos resíduos padronizados da umidade relativa do ar.
A aplicação da técnica multivariada para as variáveis, temperatura do ar ( ), umidade
relativa do ar (UR), ponto de orvalho ( ) e índice de área foliar (IAF) demonstra que existe
diferença significativa, para o conjunto de interações destas variáveis, no referencial espaço
temporal (Tabela 5).
A análise a posteriori através da aplicação do teste de Tukey possibilita a
comparação de médias e a divisão em subconjuntos similares, por variável-mês-região, no
enfoque da significância estatística com relação aos fatores temporais (meses) e locacionais
(regiões).
59
Programa de Mestrado em Ciências Ambientais
Tabela 5 – Saída da estatística multivariada (MANOVA) para verificação da significância
estatística das diferenças dos vetores médios das variáveis: Temperatura do ar ( ), Umidade
relativa (UR), Temperatura do ponto de orvalho ( ) e Índice de área foliar ( ).
Efeito Significância
Intercepto
Rastreio de Pillai 0
Lambda de Wilks 0
Rastreio de
Hotelling 0
Maior Raiz de Roy 0
Mês de
Leitura
Rastreio de Pillai 0
Lambda de Wilks 0
Rastreio de
Hotelling 0
Maior Raiz de Roy 0
Regiões
Rastreio de Pillai 0
Lambda de Wilks 0
Rastreio de
Hotelling 0
Maior Raiz de Roy 0
Mês de
Leitura e
Regiões
Rastreio de Pillai 0,718
Lambda de Wilks 0,720
Rastreio de
Hotelling 0,721
Maior Raiz de Roy 0,060
4.1.1. Temperatura do ar
Os resultados obtidos denotam que a temperatura do ar no fragmento de cerrado,
denominado, Parque Mãe Bonifácia, tem variações espaço-temporais estatisticamente
significativas, que são ratificadas pela aplicação da MANOVA (Análise Multivariada de
Variância). As variações espaço temporais podem ser visualizadas na figura 8.
A análise a posteriori da variável temperatura do ar, quando submetida ao teste
estatístico de Tukey HSD, demonstra e dimensiona as variações espaço temporais. Quanto à
variação espacial de temperatura os pontos de medição, no interior do parque, o qual se
denomina, região V e os próximos ao asfalto, denominado, região A, apresentaram
temperaturas significativamente diferentes, o que também ocorreu na comparação entre as
regiões A e P (região próxima às edificações).
60
Programa de Mestrado em Ciências Ambientais
Figura 8 – Médias estimadas da temperatura do ar (
0C), por mês e região.
As diferenças ocorreram, em especial, no conjunto de pontos próximos às áreas
pavimentadas, região A, que apresentaram uma temperatura média 1,80C maior do que os
pontos da região P, e 1,40C maior que a V (Tabela 2). O único mês que fugiu a este
comportamento foi abril no qual não se verificou a diferença pelo fator espacial, não
ocorrendo, com significância estatística, diferença de médias entre as regiões A, P e V. A
explicação pode estar, em parte, no fato do mês de abril ser o mais úmido e a água tem uma
forte característica de regulação da temperatura. A saturação pode minimizar possíveis
correlações que ocorreriam em condições de não saturação.
Quanto à avaliação temporal, que corresponde, aos meses de medição, a aplicação da
MANOVA e do teste de Tukey mostram uma variação significativa de temperatura do ar. No
período de medições a menor média de temperatura do ar ocorreu em julho de 2015, com o
valor de 29,40C e as maiores médias em novembro de 2014 e setembro de 2015, iguais a
37,30C.
Do ponto de vista da análise estatística o teste de Tukey HSD mostrou com
significância estatística que as temperaturas do ar são diferentes no aspecto temporal (Tabela
61
Programa de Mestrado em Ciências Ambientais
4). Foram formados seis grupos com médias de temperaturas homogêneas no referencial da
análise com significância estatística.
Tabela 6 – Saída do teste de Tukey HSD para verificação das diferenças temporais de médias
da temperatura do ar ( ) em °C.
Mês N Subconjuntos
1 2 3 4 5 6
Outubro 29 37,1
Novembro 30 37,3
Dezembro 27
30,5
Janeiro 30
30,4
Fevereiro 30
31,7
Março 30
31,1 31,1 31,1
Abril 26
30,8 30,8
Maio 30
30,4
Junho 30
31,7 31,7
Julho 30 29,4
Agosto 30
33,7
Setembro 30
37,3
Significância 1 0,354 0,101 0,354 1 1
Tabela 7 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
da temperatura do ar ( ) em °C.
Regiões N Subconjuntos
1 2 3
P 82 31,9
V 204
32,4
A 66
33,8
Significância
1 1 1
A aplicação da ANOVA (Análise de Variância Unidirecional) para os doze meses
analisados quanto ao tratamento espacial, considerando as regiões A, P ou V, através do
software com a verificação dos pressupostos de aleatoriedade e independência da amostra,
normalidade e homocedasticidade do conjunto de dados, traz de forma consolidada, pela
significância estatística que a temperatura é maior na região A, diferença esta, que não se
verifica quando compara-se as regiões P e V. A diferença de temperatura chega a 1,70C
quando se compara P e A, e a 0,8 0C entre V e A (Tabela 8).
62
Programa de Mestrado em Ciências Ambientais
Tabela 8 - Saída da Análise da Variância unidirecional (ANOVA) para diferenças espaciais da
temperatura do ar ( ) em °C.
Regiões N Subconjuntos para alfa = 0.05
1 2
P 84 31,9
V 204 32,4
A 72 33,6
Significância 0,498 1
A diferença se mostrou menor que aquela apontada na análise multivariada, sendo
esta última mais próxima do valor real na medida em que incorpora as múltiplas interações
entre as variáveis que compõem esta pesquisa. A temperatura mais elevada na região A, do
parque, pode estar associada às interações que este fragmento tem com o seu entorno, no caso
a extensa pavimentação. A região pavimentada provoca na sua proximidade o aumento na
emissão de ondas longas e a consequente ação sobre o microclima. Um aumento de incidência
de ondas longas numa determinada região provoca dois efeitos principais:
- Aumento de temperatura visto que parte deste fluxo de energia se constitui como
calor sensível e, portanto, pode alterar a temperatura na região de sua incidência;
- Uma possível redução na umidade relativa do ar devido à maior disponibilidade de
energia e com isto uma maior intensidade na transformação no estado físico da água em que
parte consome uma quantidade de calor latente e passa para o estado gasoso.
A aplicação da ANOVA, mês a mês, cumprido os pressupostos de aplicabilidade já
descritos neste texto, mostrou que nos meses de abril e agosto a diferença espacial não se
mostrou significativa. Estes meses coincidem com dois extremos no que se refere à umidade
relativa do ar, respectivamente, o mês mais úmido e o mais seco, reforçando a propriedade
termorreguladora da água. No mês mais úmido há a disponibilidade de água suficiente para
nivelar a temperatura numa dimensão que a área pesquisada não percebe as influências
espaciais do entorno, no mês mais seco pela mesma razão, porém no outro extremo, não há
água suficiente para a ocorrência da termorregulação, e as diferenças espaciais são niveladas
por baixo, é como se a vegetação da área mais interna do parque, não fosse capaz de amenizar
a temperatura de forma significativa, ou com significância estatística.
4.1.2. Umidade relativa do ar
Os resultados obtidos denotam que a umidade relativa do ar no fragmento de cerrado,
denominado Parque Mãe Bonifácia, tem variações espaço temporais estatisticamente
63
Programa de Mestrado em Ciências Ambientais
significativas, as quais são demonstradas através da aplicação da MANOVA (Análise
Multivariada de Variância). A figura 9 mostra estas variações espaço temporais:
Figura 9 – Médias estimadas da umidade relativa do ar (%), por mês e região.
A análise a posteriori da variável umidade relativa do ar, quando submetida ao teste
estatístico de Tukey HSD, demonstra e dimensiona as variações espaço temporais. Quanto à
variação espacial da umidade relativa do ar, os pontos de medição no interior do parque, o
qual se denomina, região V e os próximos ao asfalto, denominado, região A, apresentaram
umidades relativas do ar significativamente diferentes, o que também ocorreu na comparação
entre as regiões A e P (região próxima às edificações). Esta estatística mostrou que a
diferença entre as médias foi 7% quando se compara as regiões A e V, sendo menor em A, e
de 6,5% quando são comparadas as regiões A e V, também menor em A. O teste estatístico
ainda mostrou a inexistência de diferenças significativas entre as médias das regiões P e V
(Tabela 9).
64
Programa de Mestrado em Ciências Ambientais
Tabela 9 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
da umidade relativa do ar (UR) em %.
Regiões N Subconjuntos
1 2
A 66 51,9
P 82 58,4
V 204 58,9
Sig. 1 0,7350
O fato de não ocorrer uma diferença significativa entre as regiões P e V pode estar
relacionado: a composição da vegetação no local, ao relevo local e ao ângulo de incidência
dos raios solares, de tal forma que a presença de prédios próximos aos pontos de medição
retarda o tempo de chegada dos raios solares nesta região. Isto faz com que os processos de
transferências de energia sejam retardados tanto no que se refere ao calor sensível, capaz de
modificar diretamente a temperatura do ar, quanto no que se refere ao calor latente, capaz de
modificar de forma direta a umidade relativa do ar. Ao que parece, a partir dos resultados
obtidos no teste estatístico, os possíveis efeitos do aumento de temperatura do ar e a redução
de umidade relativa do ar por conta da presença de ondas eletromagnéticas longas no local,
oriundas das edificações, é anulada pela geometria do local (sistema cidade-parque) e pela
composição florística do local, que será em parte avaliada, através de possíveis diferenças no
índice de área foliar, analisados mais a frente neste trabalho.
Quanto à avaliação temporal, que corresponde, aos meses de medição, a aplicação da
MANOVA e do teste de Tukey mostram uma variação acentuada da umidade relativa do ar.
No período de medições, a menor média de umidade relativa do ar ocorreu em agosto de
2015, com valor de 30,05%, e a maior média em abril de 2015, igual a 77,05%. A variação
temporal e espacial está apresentada na figura 9.
Do ponto de vista da análise estatística o teste de Tukey mostrou, com significância
estatística, que as médias das umidades relativas do ar são diferentes no aspecto espaço-
temporal, com diferenças para as três regiões (tabela 9) e quanto aos meses de leitura, 12
meses, onde se formam oito grupos diferentes (tabela 10).
65
Programa de Mestrado em Ciências Ambientais
Tabela 10 - Saída do teste de Tukey HSD para verificação das diferenças temporais de médias
da umidade relativa do ar (UR) em %.
Mês N Subconjuntos
1 2 3 4 5 6 7 8
Outubro 30 35,7
Novembro 30 47,5
Dezembro 30 72,0
Janeiro 30 68,4 68,4
Fevereiro 30 66,4
Março 30 71,3
Abril 30 77,5
Maio 30 72,4
Junho 30 51,7
Julho 30 61,0
Agosto 30 30,0
Setembro 30 39,0
Sig. 1 0,308 1 1 1 0,930 0,069 1
A aplicação da ANOVA (Análise de Variância Unidirecional) para os doze meses
analisados quanto ao tratamento espacial, considerando as regiões A, P ou V, através do
software utilizado com a verificação dos pressupostos de aleatoriedade e independência da
amostra, normalidade e homocedasticidade do conjunto de dados, traz de forma consolidada,
pela significância estatística, que a umidade relativa do ar é menor na região A, quando
comparada a região V. A diferença de umidade relativa do ar chega a 5,5 % quando se
compara V e A (Tabela11).
Tabela 11 - Saída da Análise da Variância unidirecional (ANOVA) para diferenças espaciais
da umidade relativa do ar (UR) em %.
Regiões N Subconjuntos para alfa = 0,05
1 2
A 72 53,4
P 84 58,3 58,3
V 204 58,9
Sig. 0,0890 0,9600
O fato de não ocorrer diferença significativa entre a umidade relativa do ar na região
P, tanto na comparação com a região A, quanto na comparação com a região V, não fornece
elemento conclusivos quanto a este resultado estatístico, visto que tal diferença já foi
66
Programa de Mestrado em Ciências Ambientais
detectada de forma significativa na aplicação da MANOVA, cuja aplicação incorpora vetores
de médias e detecta as diferenças de forma multivariada e, portanto com mais proximidade
dos valores reais. Apesar disto a aplicação da ANOVA (Análise de Variância Unidirecional)
para os doze meses considerados como uma única amostra, distribuídos com relação ao fator
espacial (A, P ou V), através do software, demonstra resultados que reforçam os obtidos na
aplicação da MANOVA. Ou seja, as regiões A e V têm umidades relativas do ar
significativamente diferentes, sendo menor na região A.
Reforçada esta diferença entre as médias de umidade relativa do ar nas regiões A e
V, o conjunto de dados foi submetido a um teste de comparação de médias. A análise
estatística através da verificação de normalidade dos dados tomados mês a mês, possibilita a
aplicação do teste paramétrico t para comparação destas médias, entre as regiões A e V, em
todos os meses, visto que as distribuições aderiram anormalidade (Tabela 12).
A comparação de médias mostra uma umidade relativa do ar menor na região A. Este
resultado pode estar associado às interações que este fragmento tem com o seu entorno, no
caso a extensa pavimentação, porém com a ressalva de que a composição florística denota
comportamentos diferentes entre as regiões A e V. O índice de área foliar é maior na região V
quando a comparação e dá com a região A (tabela 35), isto com p-value menor que 5%,
portanto, resultado estatisticamente significativo. Assim o menor valor de umidade relativa do
ar na região A pode estar ocorrendo:
I – pela proximidade com a pavimentação. Esta proximidade provoca um aumento
na emissão de ondas longas e a consequente ação sobre o microclima. Um aumento de
incidência de ondas longas numa determinada região provoca uma redução na umidade
relativa do ar visto que representa uma maior disponibilidade de energia e com isto uma maior
intensidade na transformação no estado físico da água já que parte da energia é transformada
na forma de calor latente. Parte do vapor da água passa para o estado gasoso, e outra parcela
altera o fluxo de calor sensível com a consequente variação de temperatura do ar;
II – O maior índice de área foliar. Este maior valor pode aumentar o processo de
evapotranspiração, o que maximiza a presença de vapor de água no entorno, além do
sombreamento reduzir a PARt, com isto ocorre uma menor incidência de raios solares abaixo
do dossel, o que representa uma menor quantidade de energia disponível para o fluxo de calor
latente. Tanto a menor evapotranspiração na região A quanto a maior incidência de raios
solares contribuem para redução da umidade relativa no ar nesta região.
67
Programa de Mestrado em Ciências Ambientais
Tabela 12 - Teste t para comparação de médias da umidade relativa do ar (UR) nas regiões V
e A.
Mês Aderência à
normalidade
Diferença da região A
em relação a V
Outubro Sim Sem diferença signif.
Novembro Sim 3,5% menor
Dezembro Sim 10,0% menor
Janeiro Sim Sem diferença signif.
Fevereiro Sim 6,9% menor
Março Sim 10,0% menor
Abril Sim 4,3 % menor
Maio Sim Sem diferença signif.
Junho Sim 9,1% menor
Julho Sim 7,4 % menor
Agosto Sim 2,3 % menor
Setembro Sim Sem diferença signif.
Uma avaliação sob a ótica temporal mostra que em outubro de 2014, janeiro, maio e
setembro de 2015, a diferença não se mostrou significativa, entre as regiões A e V. Estes
meses coincidem com grupos extremos de umidade relativa do ar, exceção feita ao mês
agosto, onde apesar da baixa umidade relativa do ar a diferença ainda que pequena, foi
significativa. Esta aproximação entre as características microclimáticas das regiões A e V, nos
extremos de baixa e alta umidade relativa do ar realça a característica termorreguladora da
água. Nos meses de menor umidade relativa do ar o vapor de água em conjunto com outras
características, como maior PARt, menor índice de área foliar, é insuficiente para absorver a
energia disponível na forma de calor latente. Isto em conjunção com o inerente processo do
aumento de entropia no ambiente provoca o nivelamento, para baixo, no sentido de minimizar
as diferenças microclimáticas. A abordagem sectária, por região, perde força na medida em os
deslocamentos de massa de ar úmido buscam o equilíbrio entre as três regiões tomadas na
abordagem de forma isolada. O mesmo ocorre no outro extremo, onde a alta umidade relativa
do ar representa um alto potencial energético para ser utilizado nos processos que envolvem
calor latente, e com isto ocorre uma redução no fluxo de calor sensível, minimizando as
diferenças microclimáticas.
4.1.3. Radiação Fotossinteticamente Ativa Incidente ( )
68
Programa de Mestrado em Ciências Ambientais
Os dados relativos à foram submetidos ao teste de normalidade e não
apresentaram uma distribuição normal e assim optou-se pelo teste não-paramétrico de
comparação de postos médios, o teste de Kruskal-Wallis.
Inicialmente foi aplicado o teste estatístico com relação ao fator tempo, o qual
apontou com significância estatística a variação temporal da (tabelas 13 e 14).
Tabela 13 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para determinação dos postos médios da .
Mês N Posto
Médio
Outubro 29 108,43
Novembro 30 206,12
Dezembro 27 297,48
Janeiro 30 186,82
Fevereiro 30 302,12
Março 30 254,25
Abril 26 147,94
Maio 30 136,80
Junho 30 129,25
Julho 30 92,980
Agosto 30 172,55
Setembro 30 89,280
Total 352
Tabela 14 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios da .
Qui-quadrado 172,60
GI 11,000
Significância 0
Nos meses de dezembro/2014 e Fevereiro de 2015 observaram-se os maiores valores
para , o que se explica pela estação que corresponde aos meses de verão, coincidindo
com o período no qual o sol está mais próximo do hemisfério sul da terra. No mês de janeiro,
ainda que a PARi seja maior se comparada a dos outros meses, houve uma alteração fora da
tendência normal de crescimento (figura 10), isto provavelmente se deve a presença de
nuvens, imperceptíveis a olho nu, no entanto detectadas pelo ceptômetro. Os meses de
69
Programa de Mestrado em Ciências Ambientais
menores valores de PARi foram os meses de junho e julho, os quais coincidem com o período
de inverno, e o mês de setembro, que tem no ar um alto índice de poluição oriundo da
conjunção entre o período de seca e o aumento do índice de queimadas urbanas.
A figura 10 mostra os valores das medianas mensais, os quais comprovam a
variabilidade temporal da PARi. A representação pela mediana torna a análise estatística mais
robusta na medida em os testes não paramétricos aplicados utilizam esta medida de tendência
central através da comparação dos postos médios.
Figura 10 - Variação temporal da variável PAR incidente ( ), representada pela
variação dos valores das medianas.
A figura 11 mostra também a variabilidade temporal e espacial da PARi através das
representações dos valores médios de PARi. No período de medições a menor média da
ocorreu em setembro, 1786,7 , e a maior média em fevereiro e dezembro,
valores próximos a 2200 , uma diferença de aproximadamente
400 .
Nos meses de julho e setembro de 2015 a teve os menores valores, o primeiro
coincidindo com o período de inverno, e o segundo com um período de uma maior incidência
de poluição, propiciando a formação de uma nevoa seca, originada em especial pelas
70
Programa de Mestrado em Ciências Ambientais
queimadas urbanas que se intensificam neste período, de agosto a outubro. Esta névoa atenua
a incidência da radiação direta e do céu. Os meses de dezembro e fevereiro foram e de maior
incidência solar coincidindo com o período de verão.
Figura 11 - Variação espaço-temporal da variável PAR incidente ( ),
representada pelos valores médios.
A figura 11 não possibilita a inferência segura quanto à variabilidade espacial. As
possíveis variações espaciais das amostras, nas regiões A, P e V, foram testadas estaticamente
e não apresentaram aderência a normalidade e com isto as possíveis diferenças foram
verificadas através da aplicação de testes não paramétricos.
A análise estatística foi realizada através da aplicação do teste Kruskal-Wallis,
possibilitando à comparação dos postos médios da variável em análise (tabela 15). A
customização do teste possibilitou a comparação dos três grupos possibilitando a
comprovação da existência de diferença com significância estatística, tabela 16.
71
Programa de Mestrado em Ciências Ambientais
Tabela 15 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios da .
Regiões N Posto
Médio
P 82 146,01
A 66 207,39
V 204 178,76
Total 322
Tabela 16 - Teste de Kruskal-Wallis com relação à variável de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios da .
Qui-quadrado 13,543
GI 2,000
Significância 0,001
A estatística do teste (tabelas 15 e 16) mostra a existência de diferença de postos
médios quando se comparam as três regiões. Para determinação de quais conjuntos de dados
representam amostras distintas foi aplicado o teste customizado de Kruskal Wallis, através da
comparação de pares. O teste estatístico foi realizado e apontou a saída de dados (tabela 17 e
figura 12), com significância estatística, que apontam que a na região P tem valores
distintos das regiões A e V. A comparação entre A e V não apresentou diferença com
significância estatística.
Tabela 17 - Teste de Kruskal-Wallis com relação à variável de agrupamento espacial, para
comparação dos pares com nível de significância de 5%. Comparação dos postos médios da
.
Região I
Região II
Teste estatístico
Erro padrão
Teste
estatístico
padronizado
Significância
estatística
ajustada
P V -32,75 13,30 -2,46 0,042
P A -61,37 16,83 -3,65 0,001
V A 28,62 14,41 -1,99 0,141
72
Programa de Mestrado em Ciências Ambientais
Figura 12 - Saída gráfica do teste de Kruskal Wallis para comparação dos pares do PARi por
região P(1.00), A(2.00) e V(3.00). Com a indicação dos postos médios de cada amostra
(região).
Os pontos de medição da região P apresentaram postos médios inferiores quando
comparado aos das regiões A e V. Quando comparadas as regiões A e P, ocorre uma diferença
em média de 124,94 .
Tabela 18. Valores médios da PARi ( ), por região.
Regiões PARi
P 1859,24
V 1939,55
A 1984,18
A diferença para baixo nos valores da na região P não se explica com as
variáveis medidas, podendo estar ligada a aspectos relacionados ao relevo do fragmento, local
do estudo. O relevo do local altera os efeitos dos raios solares sobre o ambiente do fragmento
(BARROS, 2009).
4.1.4. Radiação Fotossinteticamente Ativa Transmitida ( )
As medições feitas para a constituem um conjunto de dados cujos resíduos não
aderem à normalidade e assim não suportam a aplicação dos testes paramétricos. Para analisar
estatisticamente a amostra, no sentido de expressar as possíveis variações espaço temporais
73
Programa de Mestrado em Ciências Ambientais
foi aplicado o teste não paramétrico de Kruskal-Wallis, o qual mostra que há diferenças
significativas na , para as regiõespesquisadas e durante os meses do estudo.
A análise estatística foi realizada através da aplicação do teste Kruskal-Wallis,
possibilitando a comparação dos postos médios da variável em análise. A tabela de postos
(tabela 19) e a estatística do teste (tabela 20) denotam a existência de diferenças significativas
na variável .
Tabela 19 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios da
Regiões N Posto
médio
P 83 151,79
A 66 215,57
V 204 174,78
Total 353
Tabela 20 - Teste de Kruskal-Wallis com relação à variável de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios da .
Qui-quadrado 14,591
GI 2
Significância 0,001
A estatística do teste mostra a existência de diferença de postos médios quando se
compara as três regiões e a sua aplicação customizada possibilitou a saída de dados, com
significância estatística, que apontam que a , na região A, tem valores distintos das
regiões P e V. A comparação entre P e V não apresenta diferença com significância estatística
(Tabela 21) e está representada na figura 13 de postos médios quando se compara as três
regiões. Para determinação de quais conjuntos de dados representam amostras distintas foi
aplicado o teste customizado de Kruskal-Wallis, através da comparação de pares.
74
Programa de Mestrado em Ciências Ambientais
Tabela 21 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para
comparação dos pares com nível de significância de 5%. Comparação dos postos médios da
.
Região I
Região II
Teste estatístico
Erro padrão
Teste
estatístico
padronizado
Significância
estatística
ajustada
P V -22,99 13,28 -1,73 0,251
P A -63,78 16,83 -3,79 0,000
V A 40,79 14,45 2,82 0,014
Figura 13 – Saída gráfica do teste de Kruskal-Wallis para comparação dos pares de PARt por
região P(1.00), A(2.00) e V(3.00). Com a indicação dos postos médios de cada amostra
(região).
Os pontos de medição da região A apresentaram postos médios superiores quando
comparado aos das regiões P e V. Quando comparadas as regiões A e P, ocorre uma diferença
em média de 110,75 .
Os postos médios da PARt menores nas regiões P e V, com relação a A, reforçam
uma menor incidência desta radiação nestas regiões. A razão pode ser o tipo de vegetação
75
Programa de Mestrado em Ciências Ambientais
desta região ou mesmo das características de relevo que se alteram no perímetro do
fragmento. Quanto ao tipo de vegetação é possível explicar parte da diferença desta variável
com relação às regiões A e P, e também A e V, visto que a região A tem um valor de IAF,
significativamente inferior com relação às duas regiões, P e V.
Quanto a avaliação temporal a estatística dos dados mostra, de forma significativa
(Tabela 22), que ocorre uma variação na PARt durante os meses (Tabela 23).
Tabela 22 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios da .
Qui-quadrado 78,550
GI 11
Significância 0
Tabela 23 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para determinação dos postos médios da .
Mês N Posto
Médio
Outubro 30 258,07
Novembro 30 204,78
Dezembro 27 124,50
Janeiro 30 136,63
Fevereiro 30 143,32
Março 30 159,28
Abril 26 126,38
Maio 30 141,70
Junho 30 149,68
Julho 30 174,77
Agosto 30 230,62
Setembro 30 262,27
Total 353
A PARt é medida abaixo do dossel e tem uma forte correlação com a presença de
folhas, caracterizado pelo índice de área foliar, e este por sua vez tem um valor maior no
período de maior precipitação pluviométrica no fragmento. A chuva é essencial para o
crescimento da vida vegetal e por conseqüência a alteração do índice de área foliar, que afeta
de forma inversa a PARt.
76
Programa de Mestrado em Ciências Ambientais
A figura 14 mostra os valores das medianas mensais, os quais comprovam a
variabilidade temporal da PARt. A representação pela mediana torna a análise estatística mais
robusta na medida em os testes não paramétricos utilizam esta medida de tendência central na
comparação dos postos médios.
Figura 14 - Variação temporal da variável PAR transmitida ( ), representada
pela variação dos valores das medianas.
A figura 15 mostra também a variabilidade temporal e espacial da PARt através das
representações dos valores médios mensais e denota a variação temporal desta radiação. Nos
meses mais secos há um aumento nos valores, visto que as medições de radiação, que são
realizadas abaixo do dossel, têm uma interrupção menor por consequência da redução do
índice de área foliar (IAF). A maior média,um valor de 577,77 ( ), ocorreu no
mês de outubro que corresponde ao mês de menor umidade relativa do ar. Em contrapartida
nos meses que coincidem com o período chuvoso a PARt sofre redução, já que o IAF tem um
acréscimo e a relação com a radiação é inversa. O menor valor de PARt, que é 146,12
( ), ocorreu no mês de abril que correspondeu ao mês de maior umidade
relativa do ar. A referência da umidade relativa do ar na análise da PARt traz dois sentidos,
77
Programa de Mestrado em Ciências Ambientais
um, a maior umidade relativa do ar provocado pela estação chuvosa e outro, um maior índice
de evapotranspiração, ambos tem relação com o valor de IAF.
Figura 15 - Variação espaço-temporal da variável PAR transmitida ( ),
representada pelos valores médios.
4.1.5. Radiação Fotossinteticamente Ativa Refletida ( )
As medições feitas para a constituem um conjunto de dados cujos resíduos não
aderem à normalidade e assim não suportam a aplicação dos testes paramétricos. Para analisar
estatisticamente o conjunto de dados no sentido de expressar as possíveis variações espaço
temporais foi aplicado o teste não paramétrico de Kruskal-Wallis, o qual mostra que há
diferenças significativas na PARr durante os meses do estudo e também alterações espaciais.
A tabela de postos médios (Tabela 24) e a estatística do teste (Tabela 25) denota que
há diferenças significativas entre os postos médios da variável PARr.
78
Programa de Mestrado em Ciências Ambientais
Tabela 24 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios da
Regiões N Posto
Médio
P 83 149,40
A 66 226,77
V 204 172,13
Total 353
Tabela 25 - Teste de Kruskal-Wallis com relação à variável de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios da
Qui-quadrado 22,281
GI 2
Significância 0
A estatística do teste mostra a existência de diferença de postos médios quando se
compara as três regiões e a sua aplicação customizada possibilitou a saída de dados, com
significância estatística, que apontam que a , na região A, tem valores distintos das
regiões P e V. A comparação entre P e V não apresenta diferença com significância estatística
(Tabela 26) e está representada na figura 16de postos médios quando se comparam as três
regiões. Para determinação de quais conjuntos de dados representam amostras distintas foi
aplicado o teste customizado de Kruskal-Wallis, através da comparação de pares.
Tabela 26 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para
comparação dos pares com nível de significância de 5%. Comparação dos postos médios
da .
Região I
Região II
Teste estatístico
Erro padrão
Teste
estatístico
padronizado
Significância
estatística
ajustada
P V -22,72 13,27 -1,71 0,261
P A -77,36 16,81 -4,60 0,000
V A 54,63 14,43 3,785 0,000
A região A tem comportamento distinto, em relação as regiões P e V, sendo que a
variável tem valores maiores em A. Quando comparadas as regiões A e P, ocorre uma
diferença em média de 8,7 , maior em A.
79
Programa de Mestrado em Ciências Ambientais
Figura 16 – Saída gráfica do teste de Kruskal-Wallis para comparação dos pares de PARr por
região P(1.00), A(2.00) e V(3.00). Com a indicação dos postos médios de cada amostra
(região).
Quanto a avaliação temporal a estatística dos dados mostra, de forma significativa
(Tabela 27), que ocorre uma variação na PARr durante os meses (Tabela 28).
Tabela 27 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios da .
Qui-quadrado 113,830
GI 11
Significância 0
A estatística mostra a diferença de postos médios e denota a variação temporal desta
radiação. Nos meses mais secos há um aumento nos valores visto que há uma maior
incidência de radiação abaixo do dossel, representado pelos maiores valores de PARr
conforme tabela 28. Além disto, a menor umidade absoluta do solo representa uma redução
no fluxo de calor, “sobrando mais energia” que é refletida, compondo a PARr.
A figura 17 mostra os valores das medianas mensais, os quais comprovam a
variabilidade temporal da PARr. A representação pela mediana torna a análise estatística mais
robusta na medida em os testes não paramétricos utilizam esta medida de tendência central
através da comparação dos postos médios.
80
Programa de Mestrado em Ciências Ambientais
Tabela 28 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal, mês de
leitura, para comparação dos postos médios da
Mês N Posto
Médio
Outubro 30 261,88
Novembro 30 217,90
Dezembro 27 135,20
Janeiro 30 136,70
Fevereiro 30 128,35
Março 30 125,13
Abril 26 112,15
Maio 30 138,65
Junho 30 143,60
Julho 30 181,30
Agosto 30 249,28
Setembro 30 281,02
Total 353
Figura 17 - Variação temporal da variável PAR refletida, representada pela variação dos
valores das medianas em .
81
Programa de Mestrado em Ciências Ambientais
A figura 18 mostra também a variabilidade temporal e espacial da PARr através das
representações dos valores médios e denota variações nas médias de PARr durante os meses,
com valores maiores no período de seca e menores no período chuvoso. A maior média, com
valor igual a 36,03 , ocorreu no mês de setembro de 2015 que corresponde a
um mês de baixa umidade relativa e alta temperatura do ar. Em contrapartida nos meses que
coincidem com o período chuvoso a PARr reduziu, já que a incidência de radiação abaixo do
dossel é menor, além da maior umidade no solo que pode representar uma maior retirada de
energia do processo de radiação, reduzindo assim a PARr. O menor valor de PARr, igual a 7,7
, ocorreu no mês de abril que corresponde ao mês de maior umidade relativa
do ar.
Figura 18 - Variação espaço-temporal da variável PAR refletida ( ),
representada pelos valores médios.
4.1.6. Albedo da PAR
82
Programa de Mestrado em Ciências Ambientais
O conjunto de dados que compõe o albedo não apresentou aderência à normalidade e
com isto a verificação de possíveis variações espaço temporais foi realizada através da
aplicação do teste não paramétrico de Kruskal-Wallis. A estatística do teste mostrou que não
há significância estatística, conforme figura abaixo, para sustentar a existência de postos
médios diferentes e assim não há a configuração da existência de uma variação espaço
temporal nos valores do albedo. Isto pode ser pelo fato dos dados mostrarem que a variável
PARr está muito mais ligada a radiação que chega aos pontos abaixo do dossel do que aos
fluxos de calor que ocorrem no solo e que podem utilizar parte desta radiação. O fato do valor
do albedo não mostrar diferença significativa de postos médios denota que a variação de
PARr está ligada a variação de PARt, não se configurando uma dependência com a variação
espaço temporal ou mesmo com a composição florística do local ou a geometria do solo.Os
valores de PARr e PARt variam de forma similar e assim a razão entre estes valores,
denominado albedo, não tem diferenças de valores no que se refere a significância estatística.
Uma possível explicação para esta aproximada constância pode estar ligada ao fato da
forragem do solo não sofrer alterações que sejam perceptíveis.
A variação espacial não tem significância estatística, portanto não há
comportamentos distintos entre as três regiões (Tabela 29).
Tabela 29 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial (região das
medições) para comparação dos postos médios do
Regiões N Posto
Médio
P 83 176,85
A 68 180,90
V 204 177,50
Significância 355
Tabela 30 - Teste de Kruskal-Wallis com relação ao fator de agrupamento espacial, para o
cálculo do p-value do teste de comparação dos postos médios do
Qui-quadrado 0,070
GI 2
Significância 0,966
83
Programa de Mestrado em Ciências Ambientais
A avaliação temporal através da aplicação do teste de comparação de postos médios
de Kruskal-Wallis mostra que não há significância estatística para assumir que há diferenças
no albedo durante os meses (Tabela 31).
Tabela 31 - Teste de Kruskal-Wallis com relação ao fator de agrupamento temporal (mês de
leitura) para o cálculo do p-value do teste de comparação dos postos médios do
Qui-quadrado 12,091
GI 11
Significância 0,357
4.1.7. Temperatura do Ponto de Orvalho ( )
Os resultados obtidos denotam que a no fragmento de cerrado, denominado
Parque Mãe Bonifácia, tem variações espaço temporais estatisticamente significativas
demonstradas com a aplicação da MANOVA (tabela5). As variações espaço temporais podem
ser visualizadas na figura 19.
Figura 19 – Médias mensais estimadas da temperatura do ponto de orvalho, por mês e região.
84
Programa de Mestrado em Ciências Ambientais
A aplicação do teste de Tukey aponta uma variação espacial da temperatura do ponto
de orvalho ( ). Os pontos de medição, no interior do parque, denominado, região V,
próximos ao asfalto, denominado região A e região P, próximo aos prédios, apresentaram
valores de significativamente diferentes. O valor da é maior na região V, sendo a
diferença de 0,74 0C quando a comparação se dá com a região A. A comparação entre V e P
não tem diferença significativa. O maior valor de , na região V, pode estar ligado a
evapotranspiração que ocorre pela maior presença de vegetação. A maior quantidade de
moléculas de água no ar associada a pequenas variações pressão, que podem ser
negligenciadas, aumenta a temperatura do ponto de orvalho. Se considerada a acurácia do
aparelho utilizado na medição, igual 0C, a admissão desta diferença torna-se frágil e,
portanto negligenciável.
Quanto à avaliação temporal, que corresponde, aos meses de medição, a aplicação da
MANOVA e do teste de Tukey mostram uma variação significativa da temperatura do ponto
de orvalho. No período de medições a menor média da temperatura do ponto de orvalho
ocorreu em agosto de 2015, 14,10C, e a maior média em abril de 2015, 26,6
0C. A variação
temporal e espacial está apresentada na figura 19.
Do ponto de vista da análise estatística o teste de Tukey mostrou com significância
estatística que as temperaturas do ponto de orvalho são diferentes no aspecto espaço-temporal,
com diferenças para as três regiões (Tabela 32).
Tabela 32 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
da temperatura do ponto de orvalho ( ).
Regiões N Subconjuntos
1 2
A 66 22,0
P 82 22,0
V 204
22,7
Significância
0,700 1
Quanto à variabilidade temporal foram formados, durante os doze meses, sete grupos
para os quais as médias de temperatura do ponto de orvalho são diferentes, conforme tabela
33.
85
Programa de Mestrado em Ciências Ambientais
Tabela 33 - Saída do teste de Tukey HSD para verificação das diferenças temporais de médias
da temperatura do ponto de orvalho ( ).
Mês N Subconjuntos
1 2 3 4 5 6 7
Outubro 30 19,5
Novembro 30 23,2
Dezembro 27 24,9
Janeiro 30 23,9 23,9
Fevereiro 30 24,8 24,8
Março 30 25,2
Abril 26 26,6
Maio 30 25,0
Junho 30 20,4
Julho 30 21,2
Agosto 30 14,1
Setembro 30 21,0
Significância 1 1 0,319 0,493 0,138 0,942 1
A temperatura do ponto de orvalho (TDW) tem uma variação com significância
estatística com relação ao fator temporal. Nos meses mais secos, a TDW é menor (Tabela 33),
nos meses de agosto e outubro a TDW chegou a valores respectivamente iguais a 14,00C e 19,4
0C, por outro lado, os meses mais úmidos correspondem as médias mais elevadas de .
Quando se compara o mês de abril, o mais úmido, com o mês de agosto, o mais seco, a
variação chega a 12,50C. O teste de Tukey, representado na tabela 33, aponta a variação
temporal da variável em análise, são sete grupos diferentes para temperaturas do ponto de
orvalho.
O menor valor da temperatura do ponto de orvalho associado a períodos mais secos
confirma os estudos que relacionam com a umidade relativa do ar. Quanto menor a
quantidade de vapor de água presente no ar atmosférico maior será a demanda de resfriamento
para que se chegue à condensação da água, a assim maior será a demanda de calor sensível
capaz de gerar variações significativas na temperatura. Por outro lado um ar atmosférico mais
“cheio”, ou com mais umidade, requererá um menor resfriamento para que se atinja o ponto
de orvalho, e assim a temperatura do ar estará mais próxima da temperatura de saturação.
4.1.8. Índice de área foliar (IAF):
86
Programa de Mestrado em Ciências Ambientais
O conjunto de dados relativos ao IAF tem aderência à normalidade e é
homocedástico, o que possibilita a análise estatística paramétrica. A aplicação da análise
multivariada, com relação aos fatores espaço e tempo, indicou que houve uma variação
espaço temporal no IAF, com significância estatística (Tabela 34).
A avaliação temporal mostra uma diferença significativa das médias marginais dos
valores de IAF de tal forma a se constituir seis grupos distintos de IAFs (Tabela 34).
Tabela 34 - Saída do teste de Tukey HSD para verificação das diferenças temporais de
médias do índice de área foliar (IAF).
Mês N Subconjunto
1 2 3 4 5 6
Outubro 29 2,8
Novembro 30 4,3 4,3 4,3 4,3
Dezembro 27
6,7
Janeiro 26
6,3 6,3
Fevereiro 30
6,5 6,5
Março 30
5,0 5,0 5,0
Abril 30
5,7 5,7 5,7
Maio 30 4,2 4,2 4,2 4,2
Junho 30
4,6 4,6 4,6
Julho 30 3,8 3,8 3,8
Agosto 30 3,3 3,3
Setembro 30 2,7
Sig.
0,070 0,273 0,392 0,075 0,083 0,749
Os valores de IAF têm extremos, em setembro de 2015, o menor valor, igual a 2,7, e
em dezembro o maior valor igual a 6,7. Durante setembro de 2015, a atmosfera teve uma
baixa umidade relativa do ar, seja pela menor intensidade pluviométrica, pois corresponde ao
período seco no cerrado, ou pela perda de folhas que ocorre de forma natural neste período
com boa parte da vegetação que compõe o cerrado. Neste cenário há uma redução no valor de
IAF. Em dezembro de 2014 por sua vez houve maior valor de IAF, coincidindo com um
período de alta umidade relativa do ar e um maior índice pluviométrico. As médias estão
apresentadas na Figura 21.
87
Programa de Mestrado em Ciências Ambientais
Figura 20 – Médias mensais estimadas do índice de área foliar, por mês e região.
Quanto ao fator espacial ocorre uma diferença significativa entre o IAF das regiões A
e V, e também entre A e P, conforme o teste de Tukey. O teste estatístico não aponta
diferença significativa no IAF, quando se comparam as regiões P e V.
As dinâmicas de diferentes IAFs podem afetar o comportamento do microclima do
fragmento, a maior presença de folhas pode alterar tanto a umidade relativa do ar quanto a
temperatura do ar. Um maior IAF pode acarretar em uma maior evapotranspiração e assim
influenciar nos fluxos, tanto de calor latente quanto de calor sensível, se configurando como
uma das variáveis que pode explicar o comportamento microclimático com variações espaço
temporal no fragmento de cerrado.
88
Programa de Mestrado em Ciências Ambientais
Tabela 35 - Saída do teste de Tukey HSD para verificação das diferenças espaciais de médias
do índice de área foliar (IAF).
Classificador N Subconjuntos
1 2
A 66 3,9
P 82
4,7
V 204
4,8
Sig.
1 0,8570
4.2. Análise de estimativa de curva
A análise de estimativa de curva possibilita o teste das possíveis correlações entre as
variáveis que atenderam aos pressupostos de normalidade e homocedasticidade, as mesmas
que foram submetidas a técnica multivariada. São elas: temperatura do ar (T), umidade
relativa do ar ( ), ponto de orvalho ( ) e índice de área foliar (IAF). A combinação das
variáveis mostrou adequação nas correlações, com coeficiente de correlação maior que sete
décimos, entre a temperatura do ar e a umidade relativa do ar, e entre a temperatura do ponto
de orvalho e a umidade relativa do ar.
A variável PARt não suportou os testes de normalidade porém o número de medições
amplia os graus de liberdade e sob certos cuidados pode se aplicar a análise de estimativa de
curva. Para ampliar o poder de inferência, quanto a correlação entre as grandezas PARt e IAF,
foi feita a conversão logarítmica da PARt e analisada sua normalidade e a correlação com a
grandeza IAF.
4.2.1. Correlação entre umidade relativa do ar e temperatura do ar para o
período estudado
A análise de estimativa de curva mostra uma forte correlação entre a umidade
relativa do ar e a temperatura do ar. A estatística aplicada ao conjunto de dados obtidos
durante os doze meses mostra que a função que melhor expressa esta relação é a linear (figura
21).
Através da análise estatística é possível a obtenção da função que expressa à relação
da temperatura do ar e umidade relativa do ar:
89
Programa de Mestrado em Ciências Ambientais
(32)
Os coeficientes obtidos são estatisticamente significativos e R= 0,782 e = 0,611.
Este valor de possibilita a inferência de que a 61,1 % da variação da temperatura se deve a
variação da umidade relativa do ar.
Figura 21 – Diagrama de pontos da temperatura do ar (T) versus umidade relativa do ar (UR).
Temperatura em 0C e umidade em %.
A aplicação da estimativa de curva mês a mês possibilita uma avaliação mais
detalhada destas correlações (Tabela 36). A relação ocorre em todos os meses, com exceção
de abril onde a correlação pode ser considerada como negligenciável. Nos demais meses as
correlações assumiram outras formas além da linear, como, sigmoidal, logarítmica,
exponencial, potência e inversa (Tabela 36). Todas as relações apontam comportamentos
inversos, o aumento de uma variável implica na diminuição da outra.
No mês de abril a umidade alcançou a maior média e ocorreu a menor amplitude
térmica. O ar com elevado índice de umidade trouxe a temperatura para um pronto próximo à
saturação e assim a capacidade de termorregulação da água alcançou o limite máximo para
todo o parque, não se caracterizando nestas condições as diferenças espaciais. Nos meses com
90
Programa de Mestrado em Ciências Ambientais
extremos de umidade relativa do ar, maiores que 74% ou menores que 37%, as correlações
entre temperatura do ar e umidade relativa do ar são negligenciáveis, moderadas ou fracas.
Para UR entre 37% e 75%, todas as correlações são fortes ( ), exceção feita ao mês
de janeiro em que a correlação é moderada ( ).
Tabela 36 – Tabela de correlações mensais entre a temperatura do ar ( ) e a umidade relativa
do ar (UR). Vários modelos.
T X UR R Obs UR T Tipo Fórmula
Outubro 0,603 Moderada 35,8 37,0 0,363 Linear
Novembro 0,718 Forte 47,6 36,1 0,516 Linear
Dezembro 0,831 Forte 71,3 30,4 0,69 Sigmoidal (
)
Janeiro 0,551 Moderada 68,4 30,2 0,303 Inversa (
)
Fevereiro 0,743 Forte 66,4 31,8 0,551 Logarítmica ( )
Março 0,853 Forte 71,3 31,1 0,727 Inversa (
)
Abril
Fraca 77,1 30,8
Sem cor.
Maio 0,725 Forte 71,4 30,4 0,525 Linear
Junho 0,774 Forte 51,7 31,7 0,6 Sigmoidal (
)
Julho 0,838 Forte 61,0 29,3 0,702 Exponencial ( )
Agosto 0,38 Fraca 30,0 33,7 0,145 Potência ( )( )
Setembro 0,743 Forte 39,0 37,3 0,552 Linear T= 49,90 – 0,324 x UR
Ao se refazer a estimativa de curva para os meses em que a umidade sai do intervalo
, outubro de 2014, abril e agosto de 2015, e possível obter a equação
mais próxima da correlação real entre T e UR:
(33)
Os coeficientes obtidos na equação 33expressam de uma melhor forma a relação
entre T e UR quando comparados aos da equação32, e são estatisticamente significativos com
91
Programa de Mestrado em Ciências Ambientais
R = 0,819 e = 0,67. Este valor de possibilita a inferência de que a 67,0 % da variação
da temperatura se deve a variação da umidade relativa do ar.
A comparação das equações 32 e 33, e os resultados expostos na tabela 33 reforçam
a característica termorreguladora da água, a falta de água no ar representa uma menor
capacidade de retirada de calor sensível e latente do meio onde se estuda o comportamento
bioclimatológico. Da mesma forma uma combinação de alta umidade relativa do ar com a
incidência de radiação solar pode representar um enfraquecimento da correlação entre T e
UR, isto devido a saturação do ambiente, é o que aconteceu de forma acentuada em abril de
2015, onde a alta umidade relativa do ar, próximo a saturação, faz com que a relação entre as
duas variáveis seja negligenciável, apresentando um coeficiente de correlação menor do que
0,1alem de não ter significância estatística na estimativa de curva. Uma das razões pode ser a
pequena diferença entre a temperatura do ar e o ponto de orvalho, menor que 4,5 0C, o que
representa a tendência de saturação do ar e com isto sua limitação termorreguladora.
4.2.2. Correlação entre PAR transmitida e IAF
A análise de estimativa de curva permite inferir que há uma forte correlação entre a
Radiação fotossinteticamente ativa transmitida (PARt) e o índice de área foliar (IAF). A
estatística, aplicada ao conjunto de dados obtidos durante os doze meses, mostra que a
correlação e os coeficientes da função são estatisticamente significativos. A função que
melhor expressa esta relação é a exponencial (figura 22).
Por meio da análise estatística foi possível a obtenção da função que expressa a
relação da radiação fotossinteticamente ativa transmitida ( ) e o índice de área foliar
( ), no fragmento de cerrado, objeto desta pesquisa:
( ) (34)
92
Programa de Mestrado em Ciências Ambientais
Figura 22 - Diagrama de pontos da Radiação fotossinteticamente ativa transmitida ( )
versus Índice de área foliar ( ). A linha sólida representa o ajuste exponencial entre estas
variáveis. Valores de PARt ( ).
O teste da ANOVA possibilita a inferência, com significância estatística que atesta a
dependência da PARt com relação ao IAF (Tabela 37). Os coeficientes obtidos são
estatisticamente significativos sendo que R = 0,85 e igual a 0,723 (Tabela 38). O valor de
permite inferir que 72,3 % da variação da PARt se deve a variação do IAF.
93
Programa de Mestrado em Ciências Ambientais
Tabela 37- Saída do teste estatístico para ANOVA da correlação entre PARt e IAF.
Tabela 38 - Saída do teste estatístico para os coeficientes de correlação e determinação entre
PARt e IAF.
R ajustado Erro padrão da
estimativa
0,840 0,706 0,705 0,149
A aplicação da estimativa de curva mês a mês possibilita uma avaliação mais
detalhada destas correlações (tabela 39). A relação tem um R > 0,6 em todos os meses, com
exceção de março onde o valor de R é o menor. As correlações assumiram outras formas além
da exponencial, como, crescimento, logarítmica, inversa, quadrática e cúbica (Tabela 39).
Todas as relações apontam comportamentos inversos, o aumento de uma variável implica na
diminuição da outra.
Para tornar a análise mais robusta foi feita a conversão logarítmica natural dos
valores de PARt. Feita a conversão, o conjunto de dados foi submetido à análise de
normalidade, através da aplicação do teste de Kolmogorov-Smirnov, a qual apresentou os
dados mais próximos de uma distribuição normal com relação à análise entre PARt e IAF.
Os dados mais próximos da normalidade, com um aumento no p-value, introduzem
uma maior segurança à estimativa de curva que mostrou uma correlação com significância
estatística obtida numa regressão linear, gerando a função linear composta:
( ) (35)
Onde o valor de é dado em e IAF é adimensional, oriundo da
relação .
Soma dos
quadrados GI
Quadrado
médio F Significância
Regressão 418,376 1 418,376 914,915 0,000
Resíduo 160,049 350 0,457
Total 578,425 351
94
Programa de Mestrado em Ciências Ambientais
Tabela 39 – Tabela de correlações mensais entre a Radiação fotossinteticamente ativa
transmitida ( ) versus Índice de área foliar ( ). Vários modelos.
PARt X
IAF R Obs Tipo Fórmula
Outubro 0,964 Muito forte 0,93 Quadrática
( )
Novembro 0,82 Muito forte 0,673 Exponencial
( )
Dezembro 0,826 Muito forte 0,682 Crescimento
( ( ))
Janeiro 0,911 Muito forte 0,83 Exponencial
( )
Fevereiro 0,971 Muito forte 0,942 Cúbica
( )
( )
Março 0,68 Moderada 0,463 Crescimento
( ( ))
Abril 0,843 Muito forte 0,711 Crescimento
( ( ))
Maio 0,8 Muito forte 0,639 Inversa
(
)
Junho 0,882 Muito forte 0,778 Exponencial
( )
Julho 0,966 Muito forte 0,933 Exponencial
( )
Agosto 0,965 Muito forte 0,931 Logarítmica
( )
Setembro
0,986 Muito forte 0,971 Exponencial
( )
Tabela 40 - Saída do teste estatístico para os coeficientes de correlação e determinação entre
Ln(PARt) e IAF.
R ajustado Erro padrão da
estimativa
0,850 0,723 0,723 0,676
95
Programa de Mestrado em Ciências Ambientais
Tabela 41 - Saída do teste estatístico para ANOVA da correlação entre Ln(PARt) e IAF.
Soma dos
quadrados
GI Quadrado
médio
F Significância
Regressão 418,376 1 418,376 914,915 0,000
Resíduo 160,049 350 0,457
Total 578,425 351
A equação 35, obtida através da estimativa de curva, tem forma aproximada da
equação 30 proposta pelo fabricante, no entanto, uma equação de melhor precisão deve ter
variáveis que considerem a arquitetura do dossel, a variabilidade do ângulo zenital e também
da composição florística, que na área da pesquisa apresenta trechos de mata ciliar, de cerradão
e de cerrado stricto sensu. A inclusão destes parâmetros nos moldes propostos pela equação
31 na regressão estatística, por si só, já se constitui como um desafio de pesquisa relevante e
de grande dificuldade que extrapola o escopo e os objetivos deste trabalho. A equação 34
torna-se mais precisa, diminuindo a diferença entre os valores medidos e calculados, com a
adaptação a seguir:
( ) (36)
A tabela 42 foi obtida a partir dos valores de IAF medidos e dos valores calculados a
partir das funções obtidas na estimativa de curva do software, as quais se expressam nas
equações 34, 35 e 36. Os valores obtidos, através das equações, foram comparados aos
valores medidos, dentro de uma acurácia admitida de . A avaliação foi realizada para o
intervalo , para o qual a melhor equação foi a 35. Para o intervalo
a equação mais precisa é a 36.
96
Programa de Mestrado em Ciências Ambientais
Tabela 42 - Tabela da quantidade percentual de IAF calculado que tem diferenças percentuais
de 25 %, ou menos, com relação ao valor de IAF medido (por equação e por intervalo de
medição). Valores de PARt em .
Equação 34 Equação 35 Equação 36
Porcentagem de medições
numa tolerância de
Porcentagem de medições
numa tolerância de
Porcentagem de medições
numa tolerância de
73 % 74% 7
70%
62 % 62 % 6
6 %
A minimização da distância entre os valores medidos e calculados de IAF pode ser
constituída de forma complexa através das correções propostas na equação 31 incluindo as
variações que ocorrem na arquitetura do dossel e as variações do ângulo zenital, além da
realização de medições com mais de um medidor AccuPAR LP-80 para poder incluir
possíveis variações nas acurácias dos equipamentos e minimização das imprecisões geradas
pelos possíveis erros de medições..
4.2.3. Correlação entre Umidade Relativa do Ar e a Temperatura do Ponto de
Orvalho:
A análise de estimativa de curva mostra uma forte correlação entre a umidade
relativa do ar e a temperatura do ponto de orvalho. A estatística aplicada ao conjunto de dados
obtidos durante os doze meses mostra que a função que melhor expressa esta relação é a
logarítmica. Os coeficientes e os respectivos níveis de confiança estão representados na tabela
43.
Tabela 43 - Nível de significância e cálculo dos coeficientes (parâmetros da função) da
correlação logarítmica entre e UR.
Coeficientes no modelo logarítmico
natural Nível de significância
Ln (umidade) 9,618 0,000
(Constante) -16,089 0,000
97
Programa de Mestrado em Ciências Ambientais
Os coeficientes de correlação e determinação estão representados na Tabela 44.
Tabela 44 - Coeficiente de correlação ( ) e determinação ( ) entre Temperatura do ponto de
orvalho ( ) e a Umidade relativa (UR).
R ajustado Erro padrão da
estimativa
0,883 0,78 0,78 0,15
O teste estatístico da ANOVA mostra a significância estatística na existência da
correlação entre e UR.
Tabela 45 - Análise de variância dos valores observados com os estimados entre Temperatura
do ponto de orvalho ( ) e a Umidade relativa (UR).
Soma dos
quadrados GI Quadrado Médio F Significância
Regressão 28,588 1 28,588 1270,378 0
Resíduo 8,056 358 0,023
Total 36,644 359
Por meio da análise estatística foi possível a obtenção da função que expressa à
relação da Temperatura do ponto de orvalho ( ) e a Umidade relativa (UR):
( ) (37)
Os coeficientes obtidos são estatisticamente significativos e o R = 0,883 e 0,78
possibilita a inferência de que a 78 % da variação da temperatura do ponto de orvalho se deve
a variação da umidade relativa do ar.
A figura 23 representa o ajuste logarítmico da correlação:
98
Programa de Mestrado em Ciências Ambientais
Figura 23 – Diagrama de pontos da Temperatura do ponto de orvalho ( ) versus umidade
relativa do ar (UR). A linha sólida representa o ajuste logarítmico.
A temperatura do ponto de orvalho teve uma forte correlação com a umidade relativa do ar,
pois a quantidade de moléculas de água presentes no ar tem uma relação direta com a
temperatura de saturação do ar úmido. Outro aspecto que justifica a forte correlação é o fato
da ser uma grandeza de medição indireta cujo valor é obtido no aparelho Krestel 4500 a
partir dos sensores de umidade relativa e de temperatura, o que significa que a equação
proposta na modelagem estatística é muito próxima da inserida na calibração do aparelho.
99
Programa de Mestrado em Ciências Ambientais
5. CONCLUSÃO
O fragmento de cerrado denominado Parque Mãe Bonifácia tem microclimas
diferentes no que se referem aos aspectos espaço temporais Assim o parque tem
características que dependem da época do ano e da localização da região com relação ao
mosaico urbano que a cerca, demonstrando o efeito de borda.
No contexto temporal a explicação da variabilidade microclimática está na
constituição das estações seca e úmida, determinadas em especial pela posição relativa entre a
Terra e o Sol e o comportamento da vegetação perante estas alterações de estação, com a
redução do IAF no período seco e o aumento no período chuvoso. As variáveis: temperatura
do ar, a temperatura do ponto de orvalho e a umidade relativa do ar, sofrem variações
importantes. A umidade relativa tem o valor mínimo no final da estação seca, meses de
outubro de 2014 e agosto de 2015, com isto ocorrem dois fenômenos: o primeiro é a elevação
da temperatura do ar já que a redução de vapor de água no ar provoca a diminuição do fluxo
de calor latente e aumento o de calor sensível; segundo diminui a temperatura de orvalho,
visto que a demanda por umidade para que ocorra a saturação torna-se mais elevada, a
distância entre a temperatura do ponto de orvalho e a temperatura do ar aumenta. A PARi é
máxima em dezembro e mínima em Junho, a PARt diminui no período chuvoso e aumenta no
período seco, comportamento semelhante ao da PARr.
No que se referem às questões espaciais os microclimas apresentam características
diferentes. O microclima da região próxima a pavimentação tem características diferentes das
demais, P e V. A temperatura do ar na região A é maior que o da região V em 1,40C, isto
possibilita duas inferências importantes: primeiro – O fragmento de cerrado tem papel
importante no clima urbano no que se refere à atenuação da temperatura do ar, isto fica
demonstrado pela menor temperatura na parte mais interna da área do estudo. O fragmento
funciona como uma fonte de frescor capaz de dissipar parte do calor oriundo do mosaico
urbano; segundo – A região próxima à pavimentação (região A) demonstra que existe um
gradiente de temperatura da borda para a parte interna do fragmento. A temperatura maior na
região próxima a pavimentação denota o efeito de borda que pode ser originário da presença
da pavimentação sobre a área do fragmento, portanto o mosaico urbano altera o microclima
do parque. A composição florística caracterizada pelo IAF pode ter contribuído para a maior
diferença de temperaturas entre as regiões A e V, visto que o valor do IAF é menor na região
A quando comparada a região V.
100
Programa de Mestrado em Ciências Ambientais
A umidade relativa do ar é menor na região A, quando comparada às regiões P e V.
A diferença entre as médias da umidade relativa do ar das regiões A e V chega a 7%, sendo
menor na região A (região próxima à pavimentação). Isto pode estar ocorrendo por duas
razões: primeiro – a proximidade da área pavimentada aumenta a quantidade de ondas longas
emitidas pelo pavimento e assim uma maior intensidade de demanda de calor latente,
reduzindo a umidade relativa do ar, e um aumento no fluxo de calor sensível ocorrendo um
aumento na temperatura do ar; segundo – o menor valor de IAF na região A, amplia a
incidência de raios solares e também diminui a quantidade de evapotranspiração, estas duas
ocorrências contribuem para redução da umidade relativa e o aumento de temperatura.
A estimativa de curva foi realizada para conjunto de variáveis em estudo e
possibilitou as seguintes inferências:
I – A correlação entre a temperatura do ar e a umidade relativa do ar no fragmento de
cerrado é linear e forte, resultando num coeficiente de correlação R= 0,782, e num coeficiente
de determinação = 0,611;
II – A correlação entre umidade relativa do ar e a temperatura do ponto de orvalho é
logarítmica e forte resultando num coeficiente de correlação R= 0,883, e num coeficiente de
determinação = 0,78;
III – A correlação entre a PARt e o IAF é exponencial e forte resultando num
coeficiente de correlação R= 0,85 , e num coeficiente de determinação = 0,723.
A correlação entre a umidade relativa do ar e a temperatura do ar realça a
importância de termorregulação exercida pela água presente na atmosfera na forma de vapor.
Na falta de água, baixa umidade, a demanda de água ultrapassa a umidade disponível para que
ocorra a termorregulação. A correlação entre UR e T se mostrou forte no intervalo de 39% a
72%. Quando a umidade do ar está abaixo de 39%, o fragmento de cerrado perde as
diferenças espaciais, ou seja, o mosaico urbano interfere de forma mais aguda no fragmento
de cerrado. Este aspecto denota a importância de se incluir no planejamento urbano
instrumentos que minimizem as alterações do entorno em especial a verticalização e a intensa
impermeabilização nas adjacências do parque.
101
Programa de Mestrado em Ciências Ambientais
6. SUGESTÃO PARA TRABALHOS FUTUROS
Este estudo pode ser ampliado através de pesquisas que caracterizem a composição
florística do cerrado e busque as possíveis correlações desta composição com as variáveis
climatológicas.
Outra abordagem pode ser a colocação de pontos fora do perímetro do fragmento e a
comparação com as medições do interior deste fragmento, determinando até que ponto a
verticalização, e outras alterações do mosaico urbano, do entorno minimiza o alcance dos
benefícios ambientais que a área pode gerar para a cidade e os seus respectivos alcances.
Outro estudo pode buscar a comparação de dois fragmentos de cerrado verificando se
as alterações espaço temporais são semelhantes.
102
Programa de Mestrado em Ciências Ambientais
7. REFERÊNCIAS BIBLIOGRÁFICAS
ALCARDE ALVARES, C. et al. Uso de Sensoriamento remoto na estimativa do índice de
área foliar em Eucalyptus. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto.
João Pessoa-PB: [s.n.]. 2015.
ALDUCHOV, E. A.; ESKRIDGE, R. E. Improved Magnus form approximation of saturation
vapor pressure. Journal of Applied Metereology, 1996.
AMORIM, M. C. C. T. Climatologia e gestão do espaço urbano. Fortaleza: Mercator, 2010.
p. 71-90.
AYOADE, J. O. Introdução à climatologia para os trópicos. 9°. ed. Rio de Janeiro:
Bertrand Brasil , 2003. p. 332.
AYOADE, J. O. Introdução à climatologia para os trópicos. São Paulo, Difel, 2007.
BERNATZKY, A. Tree ecology and preservation. 2°. ed. Amsterdam : Elsevier, 1980.
BARROS, Marcelo Paes de. Estudo microclimático e topofílico no Parque Mãe Bonifácia
da cidade de Cuiabá-MT. 147 p. Dissertação (Mestrado em Física Ambiental)- Instituto de
Física, Universidade Federal de Mato Grosso, Cuiabá, 2009.
BISCARO, G. A. Meteorologia agrícola básica. 1°. ed. Cassilândia/MS: UNIGRAF.2007, p.
39-41.
CAMPBELL, G. S. Extinction coefficients for radiation in plant canopies calculated
using an ellipsoidal inclination angle distribuition. Agricultural an Forest Metereology.
[s.l]: [s.n.], v. 36, 1986. p. 317-321.
COHEN, J. Statistical power analysis for the behavioral. New Jersey: Erlbaum, 1988.
103
Programa de Mestrado em Ciências Ambientais
DALLACORT, R.; NEVES, S. M. A. S.; NUNES, M. C. M. Variabilidade da temperatura
e das chuvas de Cáceres/Pantanal Mato-Grossense. Londrina: Geografia, v. 23, 2014. Cap.
1, p. 21-33.
DANCEY, Christine e REIDY, John. Estatística sem matemática para Psicologia: Usando
SPSS para Windows. Porto Alegre: Artmed, 2006.
FARIA, R. A. P. G. et al. Fenologia de Brosimumgaudichaudiitrécul (Moraceae) no cerrado
de Mato Grosso. Revista Ciência Ambiental, 2015.
FIELD, A. Descobrindo a Estatística utilizando o SPSS. Porto Alegre : Artmed , 2009.
GALVANI, E.; SILVA, MARIA E. S.; GUILLAMUON, HANS C. D.Radiação
fotossinteticamente ativa (rfa/par) versus radiação global em São Paulo, S.P. In: XIII
CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 2004, Fortaleza. XIII
CBMET. Fortaleza – CE : Sociedade Brasileira de Agrometeorologia, 2004.
GARTLAND, L. Ilhas de calor: como mitigar zonas de calor em áreas urbanas. São
Paulo: Oficina de Textos, 2010. 223p.
GEORGI, JN; DIMITRIOU, D.The urban green spaces of contribuition to the
improvement of environment in cities: Case study the Chania, Greece. Building and
Environment, Oxford, v. 45, p. 1401-1414, 2010.
GOMEZ, F.; GAJO, E.; REIGH, A. Vegetation and climatic changes in a city. [S.l.]:
Ecological Engineering, v. 10, 1998. p. 355-360.
GOTELLI, NICHOLAS J.; ELLISON, AARON M.Princípios de estatística em ecologia em
estatística. Porto Alegre: Artmed, 2011.
HAIR, J. F. et al. Análise Multivariada de Dados. 6ª. ed. Porto Alegre : [s.n.], 2009.
HALLIDAY, D.; RESNICK, R.Física. 1°. ed. Rio de Janeiro : [s.n.], v. 1, 1977.
104
Programa de Mestrado em Ciências Ambientais
HATWAY, E. A.; SHARPLES, S. The interaction of rivers and urban form in mitigating
the urban heat island. Oxford: Building and Environment, v. 58, 2010. p. 14-22.
HENRIQUE, Wendel. O direito à natureza na cidade. Salvador, Editora da Universidade
Federal da Bahia, 2009.
HEWITT, P. G. Física Conceitual. 9°. ed. Porto Alegre : Bookman, 2007.
JAUREGUI, E. Effects of vegetation on urbanand buildings climate. Influence of large
urban park on temperature and convective precipitation in a tropical city. Lausanne:
Energy and Buildings, v. 15, 1991/1991. p. 457463.
JORDÃO, W. H. C. et al. Variabilidade do Índice de Área foliar em campos naturais e
floresta de transição na região sul do Amazonas. An Interdiciplinary Journal of Applied
Science , 2015.
JUNIOR, B. H.; HARIDASAN, M. Comparação da vegetação àrborea e características
edáficas de um cerradão e um cerrado stricto sensu em áreas adjacentes sobre solo
distrófico no leste de Mato Grosso, Brasil. [S.l.]: Acta Botânica Brasilica, 2005.
LAWRENCE, M. G. The Relationship Between Relative Humidity and the Dewpoint
Temperature Moist Air:A simple Conversion and Aplicattions.Americam Meteorological
Society , 2005.
LEAL, LUCIANA. A influência da vegetação no clima urbano da cidade de Curitiba –
PR. 172 p. Tese (Doutorado em Ciências Agrárias), Universidade Federal do Paraná, Curitiba,
2012.
LIMA, R. A. F.; RANDO, J. G.; BARRETO, K. D. Composição e diversidade no cerrado do
leste de Mato Grosso do Sul, Brasil. Revista Árvore, 2015.
MACIEL, C. D. R.; A. NOGUEIRA, M. C. J.; NOGUEIRA, J. D. S. Cobertura do solo e
sua influência na temperatura de microclimas urbanos na cidade de Cuiabá-MT.
Caminhos de geografia, Uberlândia, p. 40-57, 2001.
105
Programa de Mestrado em Ciências Ambientais
MARGARIDO, Gustavo N. Avaliação de medição da umidade relativa do ar pelo método
do ponto de orvalho usando materiais acessíveis e sistema de controle convencional. 128
p. Dissertação (Mestrado Profissional em Automação e Controle de Processos) – Instituto
Federal de Educação, Ciência e Tecnologia de São Paulo. São Paulo, 2014.
NOVAIS, J. W. Z. , OLIVEIRA, E. V., JOAQUIM, T. D., LEAL, L. A., NOGUEIRA, M. C.
J. A., SANCHES, L. Comparação de desempenho térmico de painéis em EPS como
alternativa a tijolos cerâmicos no conforto térmico de residências em Cuiabá-MT.
UNOPAR Científica Exatas e Tecnológicas, v13, n1, p. 39-43, 2014.
NOVAIS, Jonathan W. Z. Variação espaço-temporal dos fluxos radiativos abaixo do
dossel em floresta sazonalmente alagada do Pantanal Mato-Grossense. 101 p. Tese de
Doutorado – Universidade Federal de Mato Grosso, Instituto de Física. Cuiabá, 2013.
OMETTO, J. C. Bioclimatologia Vegetal. São Paulo : Agronômica Ceres , 1981. p. 440.
REICHARDT, K.; TIMM, L. C. Solo, planta e Atmosfera: conceitos, processos e
aplicações. Barueri-SP: Manole , 2004.
RIBEIRO, J. F.; WALTER, B. M. T. Fitofisionomias do bioma Cerrado. In: SANO, S. M.;
ALMEIDA, S. P. (Eds.) Cerrado: ambiente e flora. Planaltina: EMBRAPA-CPAC, 2008.
SANCHES et al. Índice de área foliar em floresta de transição amazônia cerrado em
diferentes métodos de estimativa, Universidade Federal de Santa Maria, 2008.
SANTOS, A. B. (Org.) Plano Diretor de Desenvolvimento Estratégico de Cuiabá. Cuiabá:
IPDU – Instituto de Planejamento e Desenvolvimento Urbano, 2008.
SENTELHAS, Paulo C., ANGELOCCI, Luiz R. Anotações de Aula. Meteorologia Agrícola.
ESALQ/USP. Umidade do Ar – Chuva – Vento. 2009.
106
Programa de Mestrado em Ciências Ambientais
SHAMS, J. C. A.; GIACOMELI, D. C.; SUCOMINE, N. M. Emprego da arborização na
melhoria do conforto térmico nos espaços livres públicos. Piracicaba-SP, v.4, p. 1-16,
2009.
SHINZATO Paula. Impacto da vegetação nos microclimas urbanos. 173p.Dissertação
(Mestrado em Arquitetural)- Faculdade de Arquitetura, Universidade de São Paulo, São
Paulo, 2009.
SOBRINHO, JOSÉ E.; PEREIRA, VÁGNA DA C.; OLIVEIRA, ALEXSANDRA D.;
SANTOS, WESLEY de O. Relação entre a radiação fotossinteticamente ativa (PAR) e a
radiação global nas condições climáticas de Mossoró – R.N.. In: XVII CONGRESSO
BRASILEIRO DEAGROMETEOROLOGIA , 2011, Guarapari. XVII CBMET. Guarapari –
RN: Sociedade Brasileira de Agrometeorologia, 2011.
SUCOMINE, Nívia M.; GIACOMELI, Daniele C.; SHARMS, Juliana C. A.; SILVA FILHO
D. F.; LIMA A. M. L. P.; SALES, A. Análise microclimática de uma área verde e de seu
entorno imediato. In: SIMPÓSIO DE PÓS-GRADUAÇÃO EM ENGENHARIA URBANA,
Maringá, 2009, Anais. Maringá, 2009, p. 1-10.
SZEICZ, G.Field measurements of energy in the 0.4 – 0.7 micron range.Light as na
ecologicalfactor. BlackwellScientificPublications, V. 11, 1974.
TAHA, H. Urban climates and heat islands: albedo, evapotranspiration, and
anthropogenic heat. Energy and Buildings, Lausanne, v. 25, p. 99-
VAREJÃO, M. A. Metereologia e Climatologia. Versão Digital. ed. [S.l.]: [s.n.], 2006. p.
105-120.
VIDAL, Lúcio Ângelo. Análise de Séries Meteorológicas de Altitude na Grande Cuiabá
com Métodos da Teoria da Complexidade. 78 p. Tese de Doutorado – Universidade Federal
de Mato Grosso, Instituto de Física. Cuiabá, 2012.
YU, C.; HIEN, W. N. Thermal benefits of city parks. Lausanne: Energy e Buildings, v. 38,
2006. p. 105-120.
Recommended