ALTERAÇÕES MICROCLIMATOLÓGICAS E EFEITO DE … · Biblia Sagrada. Salmos 125. 5,6. 1 ... 3.1. Descrição da área de estudo ... 59 4.1.2. Umidade relativa do ar

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




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




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


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


8. REFERÊNCIAS CONSULTADAS ................................... 107

4


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


Figura 13 - Saída gráfica do teste de Kruskal-Wallis para comparação dos pares de PARt por


Figura 14 - Variação temporal da variável PAR transmitida ( ), representada

pela variação dos valores das medianas.

Figura 15 - Variação espaço-temporal da variável PAR transmitida ( ),


Figura 16 - Saída gráfica do teste de Kruskal-Wallis para comparação dos pares de PARr por


Figura 17 - Variação temporal da variável PAR refletida ( ), representada pela


Figura 18 - Variação espaço-temporal da variável PAR refletida ( ),


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


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


Tabela 8 - Saída da Análise da Variância unidirecional (ANOVA) para diferenças espaciais da

temperatura do ar ( ) em °C.


da umidade relativa do ar (UR) em %.

7




Tabela 11 - Saída da Análise da Variância unidirecional (ANOVA) para diferenças espaciais


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 .


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

.


medições) para comparação dos postos médios da



8




.








cálculo do p-value do teste de comparação dos postos médios da


comparação dos pares com nível de significância de 5%. 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


medições) para comparação dos postos médios do


cálculo do p-value do teste de comparação dos postos médios do

9



leitura) para o cálculo do p-value do teste de comparação dos postos médios do


da temperatura do ponto de orvalho ( ).




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.


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


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


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


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


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


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


- 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


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



( ), 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


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


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


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


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


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


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


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


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


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


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


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),

http://www.if.ifrgs.br/

28


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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.

http://www.nkhome.com/pdfs

51


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:

http://www.decagon.com.br/

52


(

) (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


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


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


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


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


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



( ), 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 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


58


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


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


Lambda de Wilks 0

Rastreio de

Hotelling 0

Maior Raiz de Roy 0

Regiões


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


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


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


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



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


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


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





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.


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




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


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


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


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


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).



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



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


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


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


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 ( ),


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



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


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


.

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


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


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 .



Regiões N Posto

médio

P 83 151,79

A 66 215,57

V 204 174,78

Total 353



Qui-quadrado 14,591

GI 2


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




.

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).

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


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).



Qui-quadrado 78,550

GI 11

Significância 0



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



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


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 ( ),


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




Regiões N Posto

Médio

P 83 149,40

A 66 226,77

V 204 172,13

Total 353


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.


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


Figura 16 – Saída gráfica do teste de Kruskal-Wallis para comparação dos pares de PARr por


(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).



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.


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


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


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 ( ),


4.1.6. Albedo da PAR

82


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).


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


cálculo do p-value do teste de comparação dos postos médios do

Qui-quadrado 0,070

GI 2


83


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).


leitura) para o cálculo do p-value do teste de comparação dos postos médios do

Qui-quadrado 12,091

GI 11


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


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.


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).




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




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


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


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




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


(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


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


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


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


Tabela 37- Saída do teste estatístico para ANOVA da correlação entre PARt e IAF.


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


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

( )


Ln(PARt) e IAF.


estimativa

0,850 0,723 0,723 0,676

95


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


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


numa tolerância de


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


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).


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


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


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


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


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


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


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


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


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


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.

107


8. REFERÊNCIAS CONSULTADAS

REICHARDT, K., TIMM, L. C. Solo, Planta e Atmosfera: conceitos, processos e

aplicações. Barueri-SP, Manole, 2004.

VAREJÃO, M. A. S. Meteorologia e Climatologia. Versão Digital. Recife-PE, 2006.

Documents

ALTERAÇÕES MICROCLIMATOLÓGICAS E EFEITO DE … · Biblia Sagrada. Salmos 125. 5,6. 1 ... 3.1. Descrição da área de estudo ... 59 4.1.2. Umidade relativa do ar