Influência topoedafoclimática na produção primária bruta no semiárido

Aldenice Correia Lacerda, Josiclêda Domiciano Galvíncio, Ygor Cristiano Brito Morais, Rejane Magalhães de Mendonça Pimentel, Magna Soelma Beserra de Moura

Resumo


 

O relevo influencia a precipitação, a produção de biomassa e a produção primária bruta (Gross Primary Production-GPP). Em ecossistemas secos qualquer variação GPP tem importância cientifica uma vez que são ecossistemas bastante vulneráveis devido a alta variabilidade espacial e temporal do clima. Além disso, avaliar a relação entre o relevo e GPP em ecossistemas secos se torna mais fácil por existir um período bem definido com zero de precipitação. O estudo objetivou avaliar a influência do relevo, da altitude, da precipitação e do solo na Gross Primary Production-GPP no Bioma Caatinga. Foram utilizados os produtos MOD17 (GPP), sensor MODIS do satélite Terra e dados de precipitação para os anos de 2015 e 2016, com a aplicação de estatísticas descritivas e multivariadas para identificar correlações e similaridades entre áreas e amostras. Ocorreu grande variação espacial e temporal da GPP em áreas de Caatinga, devido ao relevo, clima e solo. A quantificação da GPP nas áreas de maiores altitudes apresentou médias de 46,87 e 55,84 gC m-2 e menores valores de GPP, de 2,49 e 3,75 gC m-2, em 2015 e 2016, respectivamente. Nas áreas planas, as maiores médias foram 46,03 e 55,84 gC m-2 e as menores 3,75 e 2,49 gC m-², em 2015 e 2016, respectivamente. Ocorreu uma diferença de quase 40% para os menores valores de GPP, quando comparados aos relativos às áreas mais altas e mais baixas. Foi possível avaliar a influência do relevo na GPP devido existir um período seco bem definido e de precipitação zero. Os anos de maiores precipitação têm forte influência nos menores valores de GPP das áreas planas. Assim, no período chuvoso é mais difícil identificar a influência de outros fatores, que não sejam a precipitação, na GPP. Esses resultados são de grande importância para mitigar ou avaliar os efeitos das mudanças climáticas sobre os ecossistemas secos.

Palavras-Chave: relevo, sensoriamento remoto, produção primária bruta, sensor MODIS

Edapho-topo-climatic Influence on gross primary production in semi-arid

 A B S T R A C T

Relief influences formation, biomass production and gross primary production (Gross primary production-GPP). In dry ecosystems any GPP variation is of scientific importance since they are very vulnerable ecosystems due to the high spatial and temporal variability of the climate. In addition, assessing the relationship between relief and GPP in dry ecosystems makes it easier to have a well-defined period with zero special. The study aimed to evaluate the influence of relief, altitude, exclusion and soil in the Primary Gross Production-GPP in the Caatinga Biome. The products MOD17 (GPP), MODIS sensor from the Terra satellite and capacity data for the years 2015 and 2016 were used, with the application of descriptive and multivariate statistics to identify correlations and similarities between areas and accounts. There was a great spatial and temporal variation of the GPP in Caatinga areas, due to the relief, climate and soil. Quantification of GPP in areas of higher altitudes showed averages of 46.87 and 55.84 gC m-2 and lower values of GPP, of 2.49 and 3.75 gC m-2, in 2015 and 2016, respectively. In the flat areas, the highest averages were 46.03 and 55.84 gC m-2 and the lowest 3.75 and 2.49 gC m-2, in 2015 and 2016, respectively. There was a difference of almost 40% for the lowest values of the GPP, when compared to those related to the highest and lowest areas. It was possible to evaluate the influence of the relief on the GPP because there is a well-defined dry period with zero capacity. The years of greater capacity have a strong influence on the lower values of GPP in flat areas. Thus, in the rainy season, it is more difficult to identify the influence of factors other than exclusion on GPP. These results are of great importance to mitigate or assess the effects of climate change on dry ecosystems.

Keywords: relief, remote sensing, gross primary production, MODIS sensor


Palavras-chave


Relevo, GPP; MODIS

Texto completo:

PDF

Referências


Almeida-Scabbia, R. J. et al. 2011. Características físico-químicas do solo e distribuição de espécies arbóreas em um trecho de cuesta basáltica, Analândia, SP, Brasil. R. Bras. Bioci. 9, 322-331.

Ambrizzi. T., Araújo, M. 2014. Base científica das mudanças climáticas: v.1 - primeiro relatório de avaliação nacional, 356p.

Anjos, R. S. et al. Spacial Distribution Of Rain Types In Pernambuco With The Usage Of Remote Sensing. Journal of Hyperspectral Remote Sensing, [S.l.], 6, 154-163, june 2016. ISSN 2237-2202. Available at: . Date accessed: 13 feb. 2020. doi:https://doi.org/10.5935/2237-2202.20160016.

Brito Morais, Y. C. 2017. Análise do Sequestro de Carbono em Áreas de Caatinga do Semiárido Pernambucano. Revista Brasileira de Meteorologia 32, 585-599.

Cavalcante, Herika et al. 2018. Influence of the use and the land cover of the catchment in the water quality of the semiarid tropical reservoirs. Journal of Hyperspectral Remote Sensing, [S.l.], 7, 389-398, feb. ISSN 2237-2202. Available at: . Date accessed: 13 feb. 2020. doi:https://doi.org/10.29150/jhrs.v7.7.p389-398.

Chang, T. C.; Lim, S. Y. 2004. Geographical Imaginations of ‘New Asia‐Singapore’ Journal Geografiska Annaler: Series B, Human Geography 86B, 165-185.

Chen, X., Mo, X., Hu, S., Liu, S. 2017. Contributions of climate change and human activities to ET and GPP trends over North China Plain from 2000 to 2014. Journal of Geographical Sciences 27, .661-680.

Agência Pernambucana de Águas e Clima. Disponível em: http://www.apac.pe.gov.br. Acesso em: 12 de janeiro de 2018.

Conant, R.T., Paustian, K.; Elliott, E.T. 2002. Grassland management and conversion into grassland: effects on soil carbon. Ecological Applications 11, 343-355.

Costa, M., Lima, K., Lima, K., Andrade, M., Andrade, M., Gonçalves, W., & Gonçalves, W. (2015). Tendências observadas em extremos de precipitação sobre a região Semiárida do Nordeste do Brasil (Trends observed in precipitation extremes over the semiarid region of Notheast Brazil). Revista Brasileira de Geografia Física, 8(5), 1321-1334. doi:https://doi.org/10.26848/rbgf.v8.5.p1321-1334

Andrade, C., Montenegro, S., Lima, J., Montenegro, A., & Srinivasan, R. (2017). Análise de Sensibilidade de Parâmetros do Modelo SWAT em uma Sub-bacia da Região Nordeste, Brasil (Sensitivity analysis of SWAT model parameters applied in a sub-basin of Northeast Region, Brazil). Revista Brasileira de Geografia Física, 10(2), 441-453. doi:https://doi.org/10.5935/1984-2295.20170027

Costa, J., & Da Silva, D. (2017). Distribuição espaço-temporal do Índice de anomalia de chuva para o Estado do Ceará (Distribution space-temporal of rain anomaly index for the Ceará State). Revista Brasileira de Geografia Física, 10(4), 1002-1013. doi:https://doi.org/10.26848/rbgf.v10.4.p1002-1013

DuBois, S., Desai, A.R., Singh, A., Serbin, S.P., Goulden, M.L., Baldocchi, D.D., Ma, S., Oechel, W.C., Wharton, S., Kruger, E.L., Townsend, P.A. 2018. Using imaging spectroscopy to detect variation in terrestrial ecosystem productivity across a water‐stressed landscape. Ecological Applications, 28, 1313- 1324.

EMBRAPA. 1979. Serviço Nacional de Levantamento e Conservação de Solos (Rio de Janeiro, RJ). Súmula da 10. Reunião Técnica de Levantamento de Solos. Rio de Janeiro, 83p. (EMBRAPA-SNLCS. Micelânea, 1).

EMBRAPA. 2013. Empresa Brasileira de Pesquisa Agropecuária. Agência Embrapa de Informações Tecnológica Ageitec. Sistema Brasileiro de Classificação de Solos. 3ª edição revista e ampliada. Disponível em: https://www.embrapa.br/busca-de-solucoes-tecnologicas/-/produto-servico/1299/sistema-brasileiro-de-classificacao-de-solos---sibcs-3-edicao. Acesso em: 25 de janeiro de 2018.

EMBRAPA. 2008. Empresa Brasileira de Pesquisa Agropecuária. Agência Embrapa de Informações Tecnológica Ageitec. Disponível em: http://www.agencia.cnptia.embrapa.br/gestor/solos_tropicais/arvore/CONT000gn230xho02wx5ok0liq1mqxhk6vk7.html. Acesso em: 12 de janeiro de 2018.

Sousa, F. A. S. de et al. 2016. Estimativas dos Riscos de Chuvas Extremas nas Capitais do Nordeste do Brasil (Estimates of the Risks of Extreme Rainfall in Capitals of Northeast Brazil). Revista Brasileira de Geografia Física, [S.l.], 9, 430-439. ISSN 1984-2295. Disponível em: . Acesso em: 13 fev. 2020. doi:https://doi.org/10.26848/rbgf.v9.2.p430-439.

França, L. M. A., Oliveira, T. H., Pereira, J. A. S. Lins, T. M. P., Galvíncio, J. D. 2013. Spatial analysis of caatinga vegetation in the municipality of Ibimirim-PE Journal of Hyperspectral Remote Sensing 3, 59-70.

Francisco, P. R. M. et al. 2016. Análise e Mapeamento dos Índices de Umidade, Hídrico e Aridez Através do BHC para o Estado da Paraíba (Analysis and mapping of moisture indices, water and aridity through the BHC for the Paraíba state). Revista Brasileira de Geografia Física, [S.l.], 8, 1093-1108, jan. ISSN 1984-2295. Disponível em: . Acesso em: 13 fev. 2020. doi:https://doi.org/10.26848/rbgf.v8.4.p1093-1108.

Galvíncio, J.D., Pimentel, R.M.M. 2016. Monitoring canopy and air temperature of dominant vegetation in tropical semi-arid using bioclimatic model. Journal of Environmental Analysis and Progress, 1, 1-12.

Gao, T. et al. 2015. Spatial and temporal variation of biomass carbon stocks in Xilingol grassland. International Conference on Mechatronic Sciences. China.

Huang, J., Yu, H., Guan, X., Wang, G., Guo, R. 2016. Accelerated dryland expansion under climate change. Nature Climate Change, 6, 166-171.

IBGE - 2010. Cidades: Petrolina, Lagoa Grande, Santa Maira da Boa Vista. Disponível em. http://cidades.ibge.gov.br/xtras/perfil.php?codmun=260875. Acesso em: 23 de outubro de 2015.

IPCC - Intergovernmental Panel on Climate Change. 2007. Summary for Policy makers – Contribution of Work Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Disponível em: https://www.ipcc.ch/pdf/assessment-report/ar4/wg1/ar4-wg1-spm.pdf. Acesso em: 16 de novembro de 2016.

IPCC - 2013. Intergovernmental Panel on Climate Change. Câmbio Climático: Guidelines for national greenhouse gas inventories. IPCC, Switzerland, Disponível em: http://www.ipcc.ch/news_and_events/docs/ar5/ar5_wg1_headlines_es.pdf. Acesso em: 08 de novembro de 2015.

IPCC – 2017.International Panel on Climate Change AR6 Scoping Meeting Addis Ababa, Ethiopia, 1 – 5 May 2017 AR6-SCOP/Doc. 2 (24.IV.), p.8. Disponível em: https://www.ipcc.ch/apps/eventmanager/documents/46/220520170356-Doc.%202%20-20Chair%20Vision%20Paper%20.pdf. Acesso em: 25 de julho de 2017.

INSTITUTO NACIONAL DE METEOROLOGIA (INMET). Normais Climatológicas do Brasil, 1981- 2010, , Brasília. 2018.

Jesus, J. B.; Santana, I. D. M. 2017. Estimation Of Land Surface Temperature In Caatinga Area Using Landsat 8 Data. Journal of Hyperspectral Remote Sensing, [S.l.], 7, 150-157, nov. ISSN 2237-2202. Available at: . Date accessed: 13 feb. 2020. doi:https://doi.org/10.29150/jhrs.v7.3.p150-157.

Maier, E. L. et al. 2016. Precipitação na América do Sul: Médias Climáticas e Padrões da Variabilidade no Período entre 1979 e 2008. Revista Brasileira de Geografia Física, [S.l.], 9, 032-046, fev. ISSN 1984-2295. Disponível em: . Acesso em: 13 fev. 2020. doi:https://doi.org/10.26848/rbgf.v9.1.p032-046.

Malcon, J. R.; Pitelka, L. F. 2000. Ecosystems & Global Climate Change: A Review of Potential Impacts on U.S. Terrestrial Ecosystems and Biodiversity. Pew Center on Global Climate Change.

Minaya, V., Corzo, G., Kwast, J. van der, Galárraga, R., Mynett, A. 2015. Classification and Multivariate Analysis of Differences in Gross Primary Production at Different Elevations using Biome-BGC in the Páramos, Ecuadorian Andean Region. Revista de Matemática: Teoría Y Aplicaciones, 22, 369-394.

Morais, Y.C.B., Araújo, M.S.S., Moura, M.S.B., Galvíncio, J.D., Miranda, R.Q. 2017. Análise do Sequestro de Carbono em Áreas de Caatinga do Semiárido Pernambucano. Revista Brasileira de Meteorologia, 32, 585-599,

OOI, Mark K. J.. 2015. Seed bank dynamics and climate change in semi-arid ecosystems: a focus on physically dormant species. Revista Brasileira de Geografia Física, [S.l.], 8, 651-659. ISSN 1984-2295. Disponível em: . Acesso em: 13 fev. 2020. doi:https://doi.org/10.26848/rbgf.v8.0.p651-659.

Pereira, J. A. S.; França, L. M. A.; Galvíncio, J. D. 2012. Relationship between vegetation indices and altimetry in Triunfo-PE, Brazil. Journal of Hyperspectral Remote Sensing 3, 37-43.

Ruimy, R. et al. 1994. Phylogenetic analysis and assessment of the genera Vibrio, Photobacterium, Aeromonas, and Plesiomonas deduced from small-subunit rRNA sequences. Int J Syst Bacteriol., v.44, p.416-426,

Schirmbeck, L. W. 2017. Understanding TVDI as an index that expresses soil moisture. Journal of Hyperspectral Remote Sensing, [S.l.], 7, 82-90. ISSN 2237-2202. Available at: . Date accessed: 13 feb. 2020. doi:https://doi.org/10.29150/jhrs.v7.2.p82-90.

Silva, B.B., Galvíncio, J.D., Montenegro, S.M.G.L., Machado, C.C.C., Oliveira, L.M.M., Moura, M.S.B. de. 2013. Determinação por Sensoriamento Remoto da Produtividade Primária Bruta do Perímetro Irrigado São Gonçalo? PB. Revista Brasileira de Meteorologia, 28, 57-64.

Spielhagen, R. F. 2012. Hotspots in the Arctic: Natural archives as an early warning system for global warming. Geology, 40, 1055-10.

Souza, L. S. B. De; Moura, M. S. B. De; Sediyama, G. C.; Silva, T. G. F. Da. 2017.Carbon exchange in a Caatinga area during an unusually drought year. Agrometeoros, Passo Fundo, 25, 37-45.

Tait, L.W., Schiel, D.R. 2013. Impacts of Temperature on Primary Productivity and Respiration in Naturally Structured Macroalgal Assemblages. Plos One, 8, e74413.

Teixeira, A. H. C. 2010. Determining regional actual evapotranspiration of irrigated and natural vegetation in the São Francisco river basin (Brazil) using remote sensing and Penman-Monteith equation. Remote Sensing, 2, 1287–1319,

Teixeira, A. H. de C. 2010. Informações agrometeorológicas do Polo Petrolina, PE/Juazeiro, BA - 1963 a 2009. Petrolina: Embrapa Semiárido, 21 p. (Embrapa Semiárido. Documentos, 233).

Wang, J. et al. 2017. Decreasing net primary production due to drought and slight decreases in solar radiation in China from 2000 to 2012. J. Geophys. Res. Biogeosci., 122, 261-278.

Weg, M. J. van, Meir, P., Williams, M., Girardin, C., Malhi, Y., Silva-Espejo, J., Grace, J. 2014. Gross primary productivity of a high elevation tropical montane cloud forest Ecosystems, 17, 751-764.

Xie, X.; Li, A. Development of a topographic-corrected temperature and greenness model (TG) for improving GPP estimation over mountainous areas. Agricultural and Forest Meteorology 295 (2020) 108193. Doi: https://doi.org/10.1016/j.agrformet.2020.108193

Malhi et al. 2017. The variation of productivity and its allocation along a tropical elevation gradient: a whole carbon budget perspective. New Phytologist (2017) 214: 1019–1032. doi: 10.1111/nph.14189

Collalti, A. & Prentice, I.C. 2019. Is NPP proportional to GPP? Waring’s hypothesis 20 years on. Tree Physiology 39, 1473–1483 doi:10.1093/treephys/tpz034




DOI: https://doi.org/10.26848/rbgf.v13.6.p3119-3135

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License