Variabilidade espaçotemporal do CO2 atmosférico e sua relação com variáveis vegetativas e climáticas no sudeste brasileiro
Carregando...
Arquivos
Data
2023-04-26
Autores
Orientador
La Scala Junior, Newton 
Panosso, Alan Rodrigo
Santos, Gustavo André de Araújo
Coorientador
Pós-graduação
Curso de graduação
Engenharia Agronômica - FCAV
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O aumento da concentração de CO2 atmosférico é uma das causas das mudanças climáticas e isso tem se tornado uma preocupação global. Devido a necessidade mundial de compreender fontes e sumidouros de CO2 surge uma oportunidade para o desenvolvimento de missões de monitoramento deste e de outros gases de efeito estufa, como o Orbiting Carbon Observatory -2 (OCO-2). Diante disto, utilizando dados orbitais do OCO-2, objetivou-se com esse estudo caracterizar a variabilidade espaçotemporal e os principais fatores de controle da coluna-média de CO2 atmosférico (Xco2) no sudeste brasileiro, composto pelos estados de São Paulo, Minas Gerais, Rio de Janeiro e Espirito Santo, totalizando uma área de 925 mil km2. A tendencia global de aumento do Xco2 foi retirada com o objetivo de estudar a variabilidade regional dessa variável (Xco2 reg.). O período analisado foi de janeiro de 2015 a dezembro de 2021, onde as variáveis analisadas foram Xco2, Xco2 reg. E, para compreender a influência da vegetação no CO2 atmosférico foram utilizadas: Solar Induced chlorophyll Fluorescence (SIF), produção primária bruta (GPP), Normalized Difference Vegatition Index (NDVI) e índice de área foliar (LAI); para compreender a influência do clima foram utilizadas: precipitação (Prec), radiação global (Qg), Temperatura (Temp), Temperatura da superfície (LST), e Umidade Relativa (RH). Para compreender a variabilidade temporal foram realizadas as estatísticas descritivas (média e desvio padrão), bem como analise de correlação linear de Pearson, regressão linear simples e por fim elas foram submetidas a modelagem por Random Forest. Para a variabilidade espacial, primeiramente foi realizada a modelagem do semivariograma experimental para posterior interpolação pelo método de krigagem ordinária. A tendência de aumento de Xco2 segue a tendencia global, com o aumento de 2,4 ppm por ano. O Xco2 reg. segue uma sazonalidade de médias máximas durante o outono-inverno e médias mínimas primavera-verão, sendo que o maior valor observado foi em outubro de 2021 (393,4 ± 1,26 ppm) e o menor valor observado em abril de 2015 (389,37 ± 1,7 ppm). Para as demais variáveis, essa sazonalidade é inversa, ou seja, elas possuem correlações inversas com o Xco2 reg, variando de -0,35 a -0.6, com exceção da LST que a correlação não foi significativa (p > 0,05). A modelagem por Random Forest aumentou a precisão das regressões lineares simples em quase 20% (R2 = 0.52) com um erro de 0.55 ppm. Com relação ao ajuste do semivariograma, para todos os anos o Xco2 reg. foi ajustado a um modelado exponencialmente, já a SIF em 2015 e 2018 foi melhor ajustada pelo modelo esférico. De maneira geral, a variabilidade espacial da SIF tem um comportamento inverso ao Xco2, onde os maiores valores encontram-se na divisa com o Goiás, na porção norte de Minas Gerais e entre a divisa de São Paulo e Minas Gerais, já as menores taxas encontram-se mais ao sul de São Paulo, entretanto existem áreas de altas concentrações de Xco2 e de altas taxas de SIF. Pode-se concluir que a fotossíntese tem um papel importante na sazonalidade do Xco2 na região de estudo e que este processo é sensível a variações climáticas, desta forma a dinâmica do Xco2 é um fenômeno complexo onde uma abordagem multivariada pode modelar com uma precisão maior. Por fim, a variabilidade espacial da concentração atmosférica regional de CO2 também tem uma relação inversa com a fotossíntese (SIF), contudo existem regiões onde o Xco2 reg. pode estar mais relacionado a outros fatores do que a vegetação.
Resumo (inglês)
The increase in atmospheric CO2 concentration is one cause of climate change and this
has become a global concern. Due to the global need to understand the sources and sinks
of CO2 there is an opportunity for the development of missions to monitor this and other
greenhouse gases, such as the Orbiting Carbon Observatory -2 (OCO-2). Given this, using
orbital data from OCO-2, this study aimed to characterize the spatiotemporal variability
and the main controlling factors of the average column of atmospheric CO2 (Xco2) in
southeastern Brazil, that is composed by the states of São Paulo, Minas Gerais, Rio de
Janeiro and Espirito Santo, comprehending an area of 925 thousand km2
. The global trend
of increase of Xco2 was removed to study the regional variability of this variable (Xco2
reg.). The period analyzed was from January 2015 to December 2021, where the variables
analyzed were Xco2, Xco2 reg., and for understand the role of vegetation the variables
used was: Solar Induced chlorophyll Fluorescence (SIF), gross primary production
(GPP), Normalized Difference Vegetation Index (NDVI) and Leaf Area Index (LAI); to
access the climate influence the variables used was precipitation (Prec), global radiation
(Qg), Temperature (Temp), Land Surface Temperature (LST), Relative Humidity (RH).
To understand the temporal variability, descriptive statistics (mean, standard deviation,
etc.) were performed, as well as Pearson's linear correlation analysis, simple linear
regression, and finally, they were subjected to modeling by Random Forest. The
increasing trend of Xco2 in the region follows the global trend, with an increase of 2.4
ppm per year. The Xco2 reg. follows a seasonality of maximum averages during autumnwinter and minimum averages spring-summer, with the highest value observed in October
2021 (393.4 ± 1.26 ppm) and the lowest value observed in April 2015 (389.37 ± 1.7 ppm).
For the other variables, this seasonality is inverse, that is, they have inverse correlations
with Xco2 reg, ranging from -0.35 to -0.6, except for LST which the correlation was not
significant (p > 0.05). Random Forest modeling increased the accuracy of the simple
linear regressions by almost 20% (R2
= 0.52) with an error of 0.55 ppm. Regarding the
adjustment of the semivariogram, for all years the Xco2 reg. was fitted to an exponentially
modeled, while the SIF in 2015 and 2018 was best fitted by the spherical model. In
general, the spatial variability of SIF has an inverse behavior to Xco2 reg, where the
highest values are found on the border with Goiás, in the northern portion of Minas Gerais
and between the border of São Paulo and Minas Gerais, while the lowest rates are found
further south of São Paulo, however there are areas of high concentrations of Xco2 reg
and high rates of SIF. It can be concluded that photosynthesis plays an important role in
the seasonality of Xco2 reg in the study region and that this process is sensitive to climatic
variations, thus the dynamics of Xco2 is a complex phenomenon where a multivariate
approach can model with greater accuracy. Finally, the spatial variability of regional
atmospheric CO2 concentration also has an inverse relationship with photosynthesis
(SIF), however there are regions where Xco2 reg. may be more related to other factors
than vegetation.
Descrição
Palavras-chave
Idioma
Português