Padrões e Processos em Dinâmica de Uso e Cobertura da Terra - CST-312

Profa Isabel Escada

Atualizações no modelo numérico de mudança climática Eta da

representação da cobertura da terra no Nordeste do Brasil

Lyra, André de Arruda1; Mourão, Caroline Ferraz

1

1. Introdução

A Região Nordeste ocupa uma área de 1.796.575 Km2

, que equivale a aproximadamente

20% do território nacional. O clima dessa Região é fortemente afetado pela cobertura da

terra. Os problemas ambientais relacionados à mudança climática global afetam

diretamente essa Região. Segundo Marengo (2006) as temperaturas dessa região podem

aumentar de 2°C a 5

°C e as chuvas diminuir em torno de 15% até o final do século XXI.

O clima mais seco e quente pode causar grandes impactos na economia dessa região.

Os modelos de mudança climática requerem informações sobre o tipo de cobertura do

solo e dados com variação sazonal associados com a superfície, como a fração de

cobertura verde, por exemplo. Portanto, o objetivo desse trabalho é atualizar os dados

da cobertura da terra no Nordeste do Brasil com a finalidade de melhorar as simulações

climáticas com o modelo numérico Eta (Mesinger et. al, 1988). Dessa maneira,

pretende-se utilizar dados recentes da fração de cobertura verde obtidos através de

imagens de satélite e um mapa atual de cobertura do solo para a Região Nordeste.

2. Relevância

Nos modelos atmosféricos, a evapotranspiração (assim como a fotossíntese) é

controlada pela fração de cobertura verde (FGREEN) e o índice de área foliar. Nestes

modelos a parametrização de superfície calcula a evaporação como uma média

ponderada da evaporação do solo e da transpiração da vegetação, sendo o FGREEN um

fator de ponderação. A introdução de valores mensais de FGREEN derivados de

satélites tem melhorado as previsões dos fluxos de superfície e da estrutura da camada

limite planetária (Betts et al., 1997).

A cobertura do solo desempenha um papel significativo na determinação da partição

dos fluxos de calor sensível e latente na superfície (Vince et al., 2006). Portanto, um

mapa de vegetação atualizado pode levar a melhoria da previsão.

3. Metodologia e Dados

3.1 O modelo Eta Climático

A precipitação do Modelo é produzida pelo esquema de parametrização de cumulus de

Betts-Miller-Janjic (Janjic, 1994) e o esquema de convecção é de Zhao (Zhao e Carr,

1997). A hidrologia da superfície é resolvida pelo esquema de Chen (Chen et al, 1997),

com 12 tipos de vegetação distintos e 7 tipos de textura do solo. O esquema de radiação

foi desenvolvido pelo Geophysical Fluid Dynamics Laboratory. Esse esquema inclui

onda curta (Lacis e Hansen, 1974) e radiação de onda longa (Schwarzkopf e Fels, 1985).

O modelo Eta climático possui o calendário de 360 dias por ano de acordo com o

calendário dos modelos de circulação geral da atmosfera do IPCC. Esta versão também

possui a variação mensal da fração de cobertura verde da vegetação. Este parâmetro é

interpolado diariamente e linearmente de acordo com valores mensais prescritos no

modelo.

O modelo também possui uma rotina de reclassificação do mapa de vegetação devido à

degradação da resolução original de 1 km x 1 km para a grade da simulação. Essa rotina

considera, a priori, a freqüência de determinado grupo de vegetação no mapa e, em

seguida, a freqüência de determinado tipo de vegetação existente neste grupo. Dentro de

um determinado grupo considera-se o tipo que ocorre com maior freqüência. A tabela 1

mostra os tipos de cobertura utilizados no esquema de superfície do modelo.

Drenagem e oceano 0 Água

Vegetação de porte alto

1 árvores latifoliadas perenes (floresta tropical)

2 árvores latifoliadas decíduas

3 árvores latifoliadas/aciculadas (floresta mista)

4 árvores aciculadas perenes

5 árvores aciculadas decíduas)

6 árvores latifoliadas com cobertura

arbustiva/herbácea (savana)

Vegetação de porte baixo,

áreas cultivadas e desertos

7 gramineas e herbáceas (perene)

8 arbustos latifoliados com cobertura herbácea

perene

9 arbustos latifoliados com solo exposto

10 árvores anãs e arbustos com cobertura

herbácea (tundra)

11 solo exposto

12 cultivos

Tabela 1 - Tipos de cobertura do esquema de superfície (adaptado de Dorman e Sellers,

1989).

3.2 Simulações

Neste trabalho foram realizadas três simulações com o modelo climático Eta, que foi

configurado com 117 pontos de grade na direção zonal e 123 pontos meridionalmente

com resolução de 40x40km. Embora a área de interesse seja a Região Nordeste, o

domínio das simulações cobre uma grande parte da América do sul. Isto é importante

porque modificações em uma região podem trazer impactos na previsão em outras

regiões.

O período de integração das simulações é de quatro anos com inicio no dia 01 de janeiro

de 2005 e foi adotado um ano de spinup, para que o modelo se estabilize. Portanto, a

análise dos resultados foi realizada no período de primeiro de janeiro de 2006 a 31 de

dezembro de 2008. O modelo foi configurado para fornecer saídas a cada 6 horas. A

condição inicial e de contorno utilizadas foram as reanálises do ERA Interim (Simmons

et al., 2006).

Inicialmente foi realizada uma simulação controle, sem nenhuma alteração na

configuração descrita, para comparação com os experimentos com modificação na

cobertura do solo e do índice FGREEN.

3.2.1 Experimento com atualização do FGREEN

O índice FGREEN é definido como a fração de área horizontal com o verde da

vegetação ativo fotossinteticamente que ocupa uma célula de grade no modelo. Este

índice pode ser calculado a partir do Índice de Vegetação por Diferença Normalizada

(NDVI). O NDVI permite mapear a vegetação e também medir a quantidade e a

condição da vegetação. A equação abaixo mostra como o FGREEN está relacionado

com o NDVI (Gutman e Ignatov, 1998).

FGREEN = (NDVI – NDVIo )/(NDVI - NDVIo )

Em que:

NDVIo = sinal de solo nu

NDVI = sinal de vegetação verde densa

Neste trabalho foi utilizada a formulação de Gallo et. al (2001). Nessa formulação os

valores de NDVIo e NDVI são dados pelos valores 0.09 e 0.69, respectivamente.

FGREEN = (NDVI – 0.09)/(0.69 – 0.09)

Os dados de NDVI foram obtidos do CPTEC/INPE e foram gerados com base no

satélite polar NOAA-18, combinando bandas localizadas nas regiões do vermelho (0.6

micrometros) e do infravermelho próximo (0.8 micrometros) do espectro

eletromagnético com o intuito de realçar o sinal da vegetação e ao mesmo tempo

minimizar os efeitos do solo. Foram utilizadas composições mensais, com base na

técnica de máximo valor de NDVI, para minimizar os efeitos de nuvens (não detectadas

com o mascaramento) e da atmosfera. Os dados cobrem a área dentro das latitudes

-37.995º (S) até 14.996º (N) e longitudes -84.995º (W) até -19.997º (W). Os dados

foram obtidos para o período de janeiro de 2007 a dezembro de 2009. A dimensão

vertical e horizontal do Pixel é de 0,009º.

Neste estudo as atualizações dos valores de FGREEN foram realizadas somente nos

meses de janeiro e junho, por representarem duas estações distintas (verão e inverno).

A partir dos dados de composição mensal do NDVI foram geradas médias mensais dos

quatro anos para os meses de janeiro e junho. Depois foi aplicada a equação de Gallo et.

al (2001) para obtenção dos valores de FGREEN e posteriormente os novos dados

foram transformados para o formato binário (Figura 1). Além do preparo dos dados,

algumas modificações foram realizadas na rotina do modelo para a leitura destes dados

no formato binário.

(a)

(b)

(c)

(d)

Figura 1 – Mapa do índice FGREEN original para os meses de (a) janeiro e (b) junho e

com atualizações para Região Nordeste para os meses de (c) janeiro e (d) junho.

3.2.2 Experimento com atualização do mapa de vegetação

O mapa de vegetação utilizado nesse experimento foi o de Vieira et. al (2007) que é

baseado em mapas de vegetação do Radambrasil e imagens do ETM+ Landsat 7, e TM

Landsat 5 (Figura 2).

Figura 2 – Mapa atualizado de vegetação e usos da terra da região Nordeste do Brasil.

(Adaptado de Vieira et. al, 2007)

O mapa atualizado do Nordeste do Brasil foi sobreposto ao mapa original do Modelo

Eta que cobre a América do Sul. Para isso o novo mapa com resolução de 0,009° teve

que ser compatibilizado com o mapa original com resolução de 0,008333333° através

de scripts e programas em FORTRAN. A figura 3 mostra um recorte para a Região

Nordeste do mapa original utilizado na simulação controle e do modificado com os

dados atuais. Posteriormente esse novo mapa foi transformado em um formato ASCII

para a leitura pelo modelo Eta.

(a)

(b)

Figura 3 – Recorte dos mapas de cobertura da terra (a) original e (b) com atualização

para a Região Nordeste.

4. Resultados

Para analisar os impactos causados pela mudança dos mapas de FGREEN e cobertura

do solo foram preparadas médias mensais e sazonais das simulações. Este trabalho foca

os impactos para Região Nordeste, para os períodos de JJA (junho, julho e agosto) e

DJF (dezembro, janeiro e fevereiro), através da análise da temperatura do ar e do ponto

de orvalho próximo a superfície e precipitação, assim como uma análise da variação

anual da precipitação e dos fluxos de calor sensível e latente.

A precipitação média observada durante o período de estudo mostra altos valores em

DJF e valores mais baixos nos meses de JJA, como é encontrado na climatologia (figura

4). A banda de precipitação encontrada no interior da América do Sul em DJF (figura 4a

– em vermelho) está associada à ZCAS (Zona de Convergência do Atlântico Sul),

enquanto o núcleo mais intenso na região norte do domínio em JJA (figura 4b – em

vermelho) está associado à precipitação da ZCIT (Zona de Convergência Intertropical).

(a) (b)

Figura 4 – Precipitação média observada para o período de janeiro de 2006 a dezembro

de 2008 para as estações (a) DJF e (b) JJA.

A precipitação simulada pelo modelo para ambos os períodos obteve uma distribuição

espacial semelhante à precipitação observada (figuras 5a e 6a), no entanto, para a região

Nordeste do Brasil no período de DJF nota-se que o modelo subestima a precipitação

observada (figura 5a – em vermelho).

A diferença entre a precipitação simulada pelo modelo nos experimentos e a simulada

na rodada controle, para o período de DJF mostra que em ambos os experimentos a

precipitação foi reduzida no Maranhão e parte do Piauí (figura 5b e c), enquanto o

impacto no período de JJA foi pequeno em ambos os experimentos (figura 6b e c).

(a)

(b)

(c)

Figura 5 – Média da precipitação para a simulação (a) controle e diferença entre os

experimentos com mudança (b) no FGREEN e (c) na cobertura do solo no Nordeste do

Brasil para o período DJF.

(a)

(b)

(c)

Figura 6 – Média da precipitação para a simulação (a) controle e diferença entre os

experimentos com mudança (b) no FGREEN e (c) na cobertura do solo no Nordeste do

Brasil para o período JJA.

A temperatura do ar observada para os dois períodos analisados corresponde ao padrão

climatológico destes períodos, com valores mais altos em DJF do que no período de JJA

(figura 7a e 8a).

O experimento com a alteração no FGREEN mostrou nos dois períodos um aumento da

temperatura próximo a superfície nos locais onde foi observada uma redução do

FGREEN e uma redução da temperatura na região Nordeste da área analisada, onde

houve um aumento do índice FGREEN (figuras 7b e 8b).

No experimento com a atualização do mapa de vegetação, em ambos os períodos

(figuras 7c e 8c), observa-se um aumento da temperatura no Maranhão que era

esperado, pois no mapa atual (figura 3b) essa região é composta em geral pelo tipo 12

(cultivos), cujos parâmetros geram temperaturas mais altas que os parâmetros

relacionados à vegetação do tipo 1 (floresta tropical), que era encontrado no mapa da

simulação controle (figura 3a). Nota-se também um aumento da temperatura na região

onde foi incluído o tipo 11(solo exposto), que não existia no mapa original (em

vermelho).

(a)

(b)

(c)

Figura 7 – Média da temperatura para a simulação (a) controle e diferença entre os

experimentos com mudança (b) no FGREEN e (c) na cobertura do solo no Nordeste do

Brasil para o período DJF.

No período de JJA o impacto na temperatura foi menor que no outro período, no

entanto, seguiu o mesmo padrão encontrado em DJF (figuras 8b e c).

(a)

(b)

(c)

Figura 8 – Média da temperatura para a simulação (a) controle e diferença entre os

experimentos com mudança (b) no FGREEN e (c) na cobertura do solo no Nordeste do

Brasil para o período JJA.

A temperatura do ponto de orvalho na região Nordeste possui baixos valores em ambos

os períodos estudados. O impacto na temperatura do ponto de orvalho causado pelas

alterações realizadas nas simulações (figuras 9 e 10) foi relativamente menor que o

impacto na temperatura do ar.

Em geral em ambos os períodos o sinal encontrado na temperatura do ponto de orvalho

foi oposto ao encontrado na temperatura do ar (por exemplo, no Maranhão a diferença

da temperatura do ar entre as simulações foi positiva enquanto a temperatura do ponto

de orvalho foi negativa)

(a)

(b)

(c)

Figura 9 – Média da temperatura do ponto de orvalho para a simulação (a) controle e

diferença entre os experimentos com mudança (b) no FGREEN e (c) na cobertura do

solo no Nordeste do Brasil para o período DJF.

(a)

(b)

(c)

Figura 10 – Média da temperatura do ponto de orvalho para a simulação (a) controle e

diferença entre os experimentos com mudança (b) no FGREEN e (c) na cobertura do

solo no Nordeste do Brasil para o período JJA.

A precipitação simulada nos três experimentos acompanhou o ciclo anual da

precipitação observada (figura 11), sendo a diferença entre as simulações e o observado

maior no período mais seco onde o modelo subestima a precipitação em todas as

simulações.

Ao analisar o ciclo anual da precipitação (figura 11) e dos fluxos de calor latente (figura

12a) e sensível (figura 12b) nota-se que houve uma diferença entre os experimentos e a

simulação controle, sendo essa diferença maior nos fluxos.

A pequena diferença encontrada entre a precipitação simulada nos experimentos e a

simulação controle pode ser explicada pelo fato dessa variável não ser calculada de

forma direta (a precipitação é parametrizada).

Figura 11 – Ciclo anual da precipitação (mm/dia) observada (linha preta) e simulações

controle (linha vermelha), e simulações com mudança no FGREEN (linha verde) e na

vegetação (linha azul).

Figura 12 – Ciclo anual dos fluxos de calor (a) latente e (b) sensível (W/m

2) da simulação

controle (linha vermelha) e das simulações com mudança no FGREEN (linha verde) e na

vegetação (linha azul).

5. Conclusões

Neste trabalho foram analisados os impactos da atualização da cobertura da terra e do

índice de fração de cobertura verde na Região Nordeste nas simulações com o modelo

Eta. Os maiores impactos foram encontrados nos fluxos de superfície, principalmente

no fluxo de calor latente por estar diretamente relacionado com o tipo de cobertura do

solo e o índice FGREEN.

No experimento com mudança na cobertura do solo foi observado o aumento da

temperatura na região onde foi incluído o tipo de solo nu, como era esperado. A

precipitação simulada no experimento controle acompanhou o ciclo anual com uma

diferença maior em relação ao observado no período mais seco. Os experimentos com

atualização da cobertura do solo e do índice FGREEN no Nordeste não apresentaram

diferenças significativas com relação à simulação controle.

As mudanças realizadas nas simulações geraram impactos nas variáveis analisadas neste

estudo (Temperatura do ar e do ponto de orvalho, precipitação e nos fluxos de

superfície), assim como foi encontrado na revisão bibliográfica. Sendo que neste

trabalho não foi realizada uma análise estatística para verificar se estes impactos foram

positivos. Portanto, como trabalho futuro pretende-se verificar estatisticamente os

resultados encontrados com base em dados observados.

6. Referências

BETTS, A., F. CHEN, K. MITCHELL, AND Z. JANJIC. Assessment of Land surface

and boundary layer models in two operational versions of the NCEP Eta model using

FIFE data. Mon. Wea. Rev. 125, 2896-2915, 1997.

CHEN, F., JANJIC, Z. I., AND MITCHELL, K.: Impact of atmospheric surface-layer

parameterization in the new land-surface scheme of the NCEP mesoscale Eta Model,

Bound.-Layer Meteor., 85,391–421, 1997.

GALLO, K., D. TARPLEY, K. MITCHELL, I. CSISZAR, T. OWEN, AND B. REED.,

2001: Monthly Fractional Green Vegetation Cover Associated with Land Cover Classes

of the Conterminous USA. Geophys. Resr. L., 28, 2089-2092.

GUTMAN, G. AND IGNATOV, A.The derivation of the green vegetation fraction from

NOAA/AVHRR data for use in numerical weather prediction models, International

Journal of Remote Sensing, 19: 8, 1533-1543, 1998.

LACIS, A. A. AND HANSEN, J. E.: A parameterization of the absorption of solar

radiation in earth’s atmosphere, J. Atmos. Sci., 31, 118–133, 1974.

JANJIC, Z. I.: The Step-mountain Eta Coordinate Model: Further Developments of the

Convection, Viscous Sublayer and Turbulence Closure Schemes, Mon. Wea. Rev., 122,

927–945, 1994.

MARENGO, J. A. Mudanças climáticas globais e seus efeitos sobre a biodiversidade:

caracterização do clima atual e definição das alterações climáticas para o território

brasileiro ao longo do século XXI / José A. Marengo – Brasília: MMA, 2006.

MESINGER, F.; JANJIC,Z.I.NICKOVIC, S.; GAVRILOV, D. and DEAVEN, D.G.

The step-mountain coordinate: model description and performance for cases of Alpine

lee cyclogenesis and for a case of an Appalachian redevelopment. Monthly Weather

Review, v. 116, n. 7, p. 1493-1518, 1988.

SIMMONS A, UPPALA S, DEE D, KOBAYASHI S. ERA-Interim: New ECMWF

reanalysis products from 1989 onwards. ECMWF Newsletter 110: 26–35. 2006.

VIEIRA, R. M. S. P.; CARVALHO, V. C.; ALVALÁ, R. C. S.; MELLO, E. M. K.;

FERRAZ NETO, S. Melhorias no mapeamento do uso da terra da região Nordeste do

Brasil. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil,

21-26 abril 2007, p. 1923-1930.

VINCE C. K. WONG; K. MITCHELL AND G. GAYNO. Impact of green vegetation

fraction on atmosphere/land-surface models. 18th Conference on Climate Variability

and Change and 20th Conference on Hydrology, 2006.

ZHAO, Q. AND CARR, F. H.: A prognostic cloud scheme for operational NWP

Models, Mon. Wea.