Professional Documents
Culture Documents
35-TDI
INPE
So Jos dos Campos
2013
PUBLICADO POR:
Instituto Nacional de Pesquisas Espaciais - INPE
Gabinete do Diretor (GB)
Servio de Informao e Documentao (SID)
Caixa Postal 515 - CEP 12.245-970
So Jos dos Campos - SP - Brasil
Tel.:(012) 3208-6923/6921
Fax: (012) 3208-6919
E-mail: pubtc@sid.inpe.br
CONSELHO DE EDITORAO E PRESERVAO DA PRODUO
INTELECTUAL DO INPE (RE/DIR-204):
Presidente:
Marciana Leite Ribeiro - Servio de Informao e Documentao (SID)
Membros:
Dr. Antonio Fernando Bertachini de Almeida Prado - Coordenao Engenharia e
Tecnologia Espacial (ETE)
Dra Inez Staciarini Batista - Coordenao Cincias Espaciais e Atmosfricas (CEA)
Dr. Gerald Jean Francis Banon - Coordenao Observao da Terra (OBT)
Dr. Germano de Souza Kienbaum - Centro de Tecnologias Especiais (CTE)
Dr. Manoel Alonso Gan - Centro de Previso de Tempo e Estudos Climticos
(CPT)
Dra Maria do Carmo de Andrade Nono - Conselho de Ps-Graduao
Dr. Plnio Carlos Alval - Centro de Cincia do Sistema Terrestre (CST)
BIBLIOTECA DIGITAL:
Dr. Gerald Jean Francis Banon - Coordenao de Observao da Terra (OBT)
REVISO E NORMALIZAO DOCUMENTRIA:
Marciana Leite Ribeiro - Servio de Informao e Documentao (SID)
Yolanda Ribeiro da Silva Souza - Servio de Informao e Documentao (SID)
EDITORAO ELETRNICA:
Maria Tereza Smith de Brito - Servio de Informao e Documentao (SID)
Luciana Manacero - Servio de Informao e Documentao (SID)
sid.inpe.br/mtc-m19/2013/06.20.13.35-TDI
INPE
So Jos dos Campos
2013
Modelagem da produtividade primria bruta na Amaznia / Fabrcio Brito Silva. So Jos dos Campos : INPE, 2013.
xx + 131 p. ; (sid.inpe.br/mtc-m19/2013/06.20.13.35-TDI)
Tese (Doutorado em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais, So Jos dos Campos, 2013.
Orientadores : Drs. Yosio Edemir Shimabukuro, e Luiz Eduardo Oliveira e Cruz de Arago.
1. sensoriamento remoto. 2. modelagem ambiental. 3. ciclo do
carbono. 4 produtividade primria florestal. 5 sequestro de carbono. I.Ttulo.
CDU 528.813(811)
Esta obra foi licenciada sob uma Licena Creative Commons Atribuio-NoComercial 3.0 No
Adaptada.
This work is licensed under a Creative Commons Attribution-NonCommercial 3.0 Unported License.
ii
Ora.
Dr.
_,~...,._-SI'
Orlentadot(a) 1/NPE I Slo Jos dos Campos SP
Dr.
Dr.
Dr.
Dr.
( ) maloda .tllmples
( ) unanimidade
iv
vi
AGRACIMENTOS
A Deus pela existncia, fora e providncias em meu caminho.
minha me e meu irmo pelo amor incondicional, fonte de fora e
determinao em minha vida.
Thalita e Isadora pelo sentido maior que deram minha vida.
Ao Dr. Yosio Shimabukuro pela confiana, oportunidade e orientao.
Ao Dr. Luiz Arago pela orientao, oportunidades e amadurecimento
profissional.
Aos amigos Gabriel Pereira e Franciele Cardozo pelas contribuies e
amizade.
Aos colegas que direta ou indiretamente contriburam ao longo do doutorado.
Ao CNPq pela bolsa de doutorado.
Ao Instituto Nacional de Pesquisas Espaciais pelas oportunidades concedidas.
vii
viii
RESUMO
A Produtividade Primria Bruta (PPB) considerada uma propriedade
fundamental dos ecossistemas florestais por sequestrar o carbono atmosfrico
e disponibilizar aos processos metablicos ecofisiolgicos. A Amaznia uma
regio estratgica no Planeta. Representa 14% da Produtividade Primria
Lquida (PPL) global e na ltima dcada foi responsvel por 66% da variao
da PPL global. As variveis ambientais que controlam a PPB esto distribudas
espacialmente na Amaznia ao longo de gradientes e entender como ocorre
essa integrao foi o objetivo do presente estudo. Nesse sentido, um Modelo
Agregado de Dossel (ACM) foi utilizado para estimar a PPB e dados de
sensoriamento remoto e de uma base global de dados climticos (GLDAS)
permitiram a espacializao da PPB na Amaznia. A PPB foi estudada ao
longo de uma srie histrica composta por oito anos de dados mensais. A PPB
foi avaliada em diferentes escalas espao-temporais, desde a PPB total anual e
mensal do bioma como um todo, at a PPB total mensal regionalizada por
padres espaciais fenolgicos mapeados no bioma. Considerando o bioma
como um todo, a PPB total anual variou entre 6,68 a 7,34 Pg C ano -1, com
mdia igual a 6,93 ( 0,18) Pg C ano-1, sendo fortemente correlacionada
radiao e precipitao. Nessa escala, a radiao solar apresentou correlao
positiva com a precipitao. Em escala temporal mensal, a PPB do bioma
como um todo apresentou a sazonalidade controlada pela radiao solar, com
picos de mximo valor no perodo seco. Em magnitude, a PPB apresentou
maiores valores nas regies noroeste, centro-norte, centro-sul e na costa do
Suriname. Os menores valores de PBB ocorreram nas regies sudoeste, no
macio das Guianas, na borda da regio norte e no extremo leste, assim como,
nas savanas da Venezuela, Roraima e Bolvia e na regio pr-andina.
Considerando os gradientes estruturais da vegetao, a PPB apresentou
menores valores em regies de alta biomassa, rea basal, taxa de crescimento
e ciclagem de nutrientes. Maiores valores de PPB ocorreram em regies de
maior produo de liteira, maior sazonalidade climtica e maior comprimento
do perodo seco, assim como, em regies onde predominam as leguminosas. A
PPB apresentou o pico de mximo valor variando espacialmente em um ciclo
anti-horrio. A amplitude de variao mensal da PPB ocorre em um gradiente
no sentido sudoeste-nordeste, onde a regio nordeste mais dinmica do que
a regio sudeste da Amaznia. A PPB mxima ocorre em agosto na parte
centro-norte, em outubro no extremo noroeste, em setembro na regio
nordeste e em janeiro no extremo noroeste. Os resultados obtidos neste
trabalho sugerem uma alta variabilidade espacial tanto no desenvolvimento
fenolgico quanto no sequestro de carbono atmosfrico. Essa variabilidade
seguiu gradientes de variveis ambientais no sentido de proporcionar a melhor
adaptao da vegetao florestal diversidade do ambiente, em escala de
bioma.
ix
xii
LISTA DE FIGURAS
Pg.
Figura 2.1 - Distribuio das torres de fluxo pertencentes ao programa FLUXNET
(2002). ................................................................................................... 6
Figura 3.1 - Formao da bacia Amaznica. ............................................................... 18
Fonte: Nogueira (2008) ............................................................................................... 18
Figura 3.2 - Distribuio dos tipos de solos na Amaznia de acordo com Quesada et
al. (2010), com a legenda de solos correspondente nomenclatura
utilizada pela FAO (Food and Agriculture Organization of the United
Nations). .............................................................................................. 20
Figura 3.3 - Gradientes de fertilidade dos solos de acordo com Quesada et al. (2010):
(a) Soma de bases (Sum of bases) e (b) Fsforo Total (Total P). ........ 20
Figura 3.4 - Distribuio espacial de uma srie climatolgica (30 anos) referente a
precipitao anual de acordo com Sombroek (2001). .......................... 22
Figura 3.5 - Distribuio espacial de uma srie climatolgica (30 anos) referente ao
comprimento do perodo seco, considerando a quantidade de meses
onde a precipitao foi menor que 100mm. ......................................... 22
Figura 3.6 - Distribuio geogrfica das caractersticas de rvores do ecossistema
amaznico e os valores em cada regio representados pelo tamanho
dos crculos abertos: a) comunidade ponderada pela massa de
sementes; b) comunidade ponderada pela densidade lenhosa; c)
abundncia de leguminosas (Fabaceae); e d) diversidade de rvores
(ndice Fisher). ............................................................................... 25
Figura 4.1 - Fluxograma metodolgico. ....................................................................... 27
Figura 4.2 - Fluxograma da anlise de sazonalidade da PPB. .................................... 28
Figura 4.3 - Mdia mensal do CO2 atmosfrico global para o ano de 2008. ................ 31
Figura 4.4 - Localizao das torres de fluxo na Amaznia .......................................... 32
Figura 4.5 - Localizao dos stios de coleta de dados fenolgicos. ........................... 33
Figura 4.5 - Localizao dos stios de coleta de dados de produtividade de madeira
(MALHI et al., 2004), biomassa acima do solo e rea basal (MALHI et
al., 2006) e produo de liteira reunidos por (CHAVE et al., 2009). ..... 34
Figura 5.1 Comparao entre a PPB estimada a partir da torre de fluxo da FLONA do
Tapajs km 67, a PPB modelada com parametrizao otimizada neste
trabalho e precipitao mensal............................................................. 48
xiii
xiv
xv
xvi
LISTA DE TABELAS
Pg.
Tabela 1. Coeficientes de determinao (R2) entre o fluxo de carbono medido em
torres de fluxo (Pg) e ndices MODIS, umidade volumtrica do solo
(cm3/cm3) e radiao solar na superfcie (W.m2) em trs stios de
observao e a combinao de todos os stios (HUETE, A.R. et al.,
2008).................................................................................................... 15
Tabela 4.1 Dados gerados pela base de dados climticos GLDAS, unidade e
resoluo temporal............................................................................... 29
Tabela 4.2 Referncia, localizao, ms e estao climtica (Perodo Seco PS e
Perodo Chuvoso PC) de ocorrncia do pico de produo de folhas
novas e liteira. ...................................................................................... 33
Tabela 4.3 Variveis necessrias para execuo do modelo ACM. ............................ 36
Tabela 5.1 Mdia e desvio padro da PPB (Mg C ha-1) estimada pela Torre km 67
(Torre) e modelada, utilizando dados climticos e ndice de rea foliar
da torre (Md_DadosTorre), dados MODIS parametrizados neste
trabalho (Md_MODIS_PF) e dados MODIS parametrizados de acordo
com Arago (2004) (Md_ MODIS_PA), em diferentes escalas temporais.
............................................................................................................. 46
Tabela 5.2. Erro mdio absoluto das estimativas de PPB (Mg C ha-1) a partir da
modelagem utilizando dados climticos e ndice de rea foliar da torre
(Md_DadosTorre), dados MODIS parametrizados neste trabalho
(Md_MODIS_PF) e dados MODIS parametrizados de acordo com
Arago (2004) (Md_ MODIS_PA), em diferentes escalas temporais. ... 47
Tabela 5.3 Erro quadrtico mdio (EQM) e erro quadrtico relativo (EQR) entre os
dados de PPB medidos pela Torre km 67 e modelados utilizando
dados climticos e ndice de rea foliar da torre (Md_DadosTorre),
dados MODIS parametrizados neste trabalho (Md_MODIS_PF) e dados
MODIS parametrizados de acordo com Arago (2004) (Md_
MODIS_PA), em escala temporal mensal (M), trimestral (T), semestral
(S) e anual (A)...................................................................................... 47
Tabela 5.4 Medidas de PPB (Mg C ha-1 ano-1) observadas em campo (PPB_Obs),
modeladas com parametrizao otimizada neste trabalho (PPB_MODIS)
e erros absoluto e relativo para as estimativas de PPB. ....................... 48
Tabela 5.5 Coeficiente de correlao de Pearson entre o ndice de rea foliar (LAI),
temperatura mxima (Temp_max), Radiao (Rad), carbono
atmosfrico (Ca), condutncia estomtica (Gs), erro absoluto (EA),
produtividade primria bruta modelada (PPB-mod) e observada (PPBobs). Nmero amostral (n = 49). .......................................................... 54
Tabela 5.6. Coeficientes de correlao de Pearson entre a condutncia estomtica
modelada, radiao, umidade especfica e dficit de presso de vapor
em oito stios de validao na Amaznia. ............................................ 58
xvii
Tabela 5.7 Mdias, Erro Quadrtico Mdio (EQM) e Relativo (EQMR) entre os dados
climticos provenientes da torre de fluxo da FLONA do Tapajs e
GLDAS................................................................................................. 59
Tabela 5.8 Mdias, Erro Quadrtico Mdio (EQM) e Relativo (EQMR) entre os dados
climticos provenientes da torre de fluxo da FLONA do Tapajs e
GLDAS, sendo estas as variveis geradas a partir dos dados GLDAS e
NDVI. ................................................................................................... 61
Tabela 5.9 Produtividade Primria Bruta (PPB), precipitao e radiao solar incidente
(R), considerando a rea total da Amaznia. ....................................... 63
Tabela 5.10 Coeficientes de correlao de Pearson para as correlaes entre
Produtividade Primria Bruta total anual (PPB), Precipitao total anual,
Radiao Solar Incidente total anual (R). Neste caso o nmero amostral
foi igual a oito (nmero de anos estudados). ........................................ 64
Tabela 5.11 Coeficientes de correlao de Pearson para as correlaes entre
Produtividade Primria Bruta total (PPB), Precipitao total e Radiao
Solar Incidente total (R) em escala temporal mensal. Neste caso o
nmero amostral foi 96 (meses estudados). ........................................ 66
Tabela 5.12 Coeficiente de correlao (r) entre a PPB e as variveis estruturais do
dossel florestal avaliadas nos trabalhos de Malhi et al. (2006) e Malhi et
al. (2004). ............................................................................................. 70
Tabela 5.13 Coeficientes de correlao de Pearson, valor-p e nmero amostral (n)
entre a PPB e as variveis relacionadas produo de liteira estudadas
por Chave et al. (2009). ....................................................................... 72
Tabela 5.14 Descrio dos tipos vegetacionais, perodo seco, pico mximo do NDVI e
variao percentual do NDVI para cada fenoregio. ............................ 81
xviii
SUMRIO
Pg.
1 INTRODUO......................................................................................................................................... 1
1.1 Hipteses ................................................................................................................................................ 2
1.2 Objetivo Geral ........................................................................................................................................ 2
1.3 Objetivos especficos .............................................................................................................................. 2
2 FUNDAMENTAO TERICA ............................................................................................................ 5
2.1 Produtividade Primria Bruta (PPB) em Ecossistemas Florestais .......................................................... 5
2.2 Modelagem da produtividade primria ................................................................................................... 8
2.3 Sensoriamento remoto no estudo da produtividade primria ............................................................... 10
2.3.1 Balano de radiao ........................................................................................................................... 11
2.3.2 Estrutura e fenologia de ecossistemas florestais ................................................................................ 12
3 REA ESTUDADA ................................................................................................................................ 17
3.1 Origens e influncias geotectnicas nos gradientes ambientais ............................................................ 17
3.2 Gradientes ambientais .......................................................................................................................... 19
3.2.1 Gradiente de fertilidade ..................................................................................................................... 19
3.2.2 Gradiente Climtico da Precipitao ................................................................................................. 21
3.2.3 Gradiente das variveis estruturais do dossel florestal ...................................................................... 23
3.2.4 Gradiente de distribuio de espcies vegetais .................................................................................. 24
4 MATERIAL E MTODOS ..................................................................................................................... 27
4.1 Fluxograma Metodolgico ................................................................................................................... 27
4.2 Aquisio dos dados ............................................................................................................................. 28
4.3 Dados climticos GLDAS .................................................................................................................... 29
4.4 Carbono atmosfrico AIRS .................................................................................................................. 30
4.5 ndice de Vegetao por Diferena Normalizada (NDVI) ................................................................... 31
4.6 Dados coletados em campo .................................................................................................................. 32
4.7 Modelagem da Produtividade Primria Bruta (PPB) ............................................................................ 35
4.8 O Modelo Agregado de Dossel (ACM) ................................................................................................ 36
4.9 Modelo de condutncia estomtica Penman-Monteith ...................................................................... 39
4.10 Mapeamento das fenoregies ............................................................................................................. 40
5 RESULTADOS E DISCUSSO............................................................................................................. 45
5.1 Validao da PPB para a Amaznia ..................................................................................................... 45
5.1.1 Validao da PPB modelada.............................................................................................................. 45
5.1.2 Comparao das PPB medida e modelada com as variveis de entrada do modelo .......................... 53
5.1.3 Validao do modelo de condutncia estomtica .............................................................................. 56
5.1.4 Exatido dos dados climticos ........................................................................................................... 59
5.1.5 Anlise de sensibilidade do modelo .................................................................................................. 62
5.2 PPB em escala espacial de bioma ......................................................................................................... 63
xix
xx
1 INTRODUO
A Produtividade Primria Bruta (PPB) a fotossntese em escala ecossistmica
e consiste na propriedade do dossel florestal responsvel pela captao do
carbono atmosfrico. Esse o maior fluxo global de carbono e influencia
diversas funes ecossistmicas, como a respirao e o crescimento vegetal
(BEER et al., 2010).
Devido importncia da PPB no balano global de carbono e da Amaznia
enquanto regio estratgica nesse processo, estudos tem sido realizados na
tentativa de compreender a dinmica espao-temporal da PPB na Amaznia
(BAKER et al., 2004; NEMANI et al., 2003).
Utilizando um modelo baseado em dados climticos e de sensoriamento
remoto, Nemani et al. (2003) mostraram que no perodo de 1982 a 1999,
apenas a Amaznia contabilizou 42% do aumento da PPL global, com uma
taxa de 1% de aumento por ano. A justificativa desse aumento poderia estar
relacionada ao aumento de CO2 atmosfrico (fertilizao de CO2) e da radiao
solar incidente em razo da diminuio da quantidade de nuvens.
Baker et al. (2004), utilizando dados provenientes de medidas em campo da
biomassa acima do solo, mostraram uma tendncia de aumento da biomassa
em uma taxa de 1,22 0,43 Mg ha-1ano-1.
As contradies de estimativas provenientes dos modelos de produtividade
primria esto relacionadas existncia de diferentes modelos conceituais que
consideram diferentes processos na interao biosfera-atmosfera no ciclo do
carbono. Mesmo sendo alta a magnitude das diferenas de estimativa da PPB
entre os modelos, no significa necessariamente que estejam conceitualmente
errados, mas que possuem diferentes abordagens (HOUGHTON, 2003).
Apesar de crescente os trabalhos que estimam a produtividade primria na
Amaznia, ainda permanecem perguntas em ampla escala:
1. Como a PPB se distribui espacialmente na Amaznia?
2. Qual a magnitude deste fluxo nas diferentes regies da Amaznia?
3. Como a sazonalidade da PPB varia espacialmente e temporalmente?
1
1.1 Hipteses
H1. A PPB responde distintamente s variveis ambientais e climticas nas
diferentes regies da Amaznia.
H2. A fenologia da floresta amaznica mais heterognea do que estudos
prvios tem mostrado e a PPB responde essa variabilidade seguindo
gradientes ambientais referentes ao clima, vegetao e solo.
2 FUNDAMENTAO TERICA
2.1 Produtividade Primria Bruta (PPB) em Ecossistemas Florestais
A Produtividade Primria Bruta pode ser considerada como a soma da
fotossntese realizada por todas as folhas em escala ecossistmica. Resulta da
integrao em escala temporal de dias ano, medida em unidades de massa
por rea por tempo (ex. gCm-2ano-1) (CHAPIN III et al., 2011). A PPB
representa a fixao bruta de carbono pelos ecossistemas terrestres,
constituindo o caminho inicial do ciclo biogeoqumico do carbono na biosfera
(YUAN et al., 2010). A PPB na escala de ecossistema, normalmente, no
medida diretamente e sim, estimada por modelos ou pela soma da troca lquida
do ecossistema e a respirao do ecossistema, ambas estimadas por torres de
fluxo (HUTYRA et al., 2007).
A PPB tambm pode ser estimada pela soma dos componentes da
produtividade primria lquida (PPL) e respirao autotrfica (RAutotrfica),
medidos em campo (Malhi et al., 2009).
A PPL composta pelas produtividades da liteira fina (PPLLF), galhos da copa
(PPLGC), caule (PPLC), razes finas (PPLRF), razes grossas (PPLRG) e
compostos orgnicos volteis (PPLCOV) (Equao 2.1):
PPL = PPLLF + PPLGC + PPLC + PPLRF + PPLRG + PPLCOV
(2.1)
(2.2)
(2.3)
em
escala
de
dossel
em
diferentes
condies
ambientais.
assimilao
do
carbono
atmosfrico
por
parte
dos
em
responder
alteraes
atmosfricas
aes
transporte
hdrico
pelo
sistema
solo-planta-atmosfera.
dessa
estrutura
ainda
permanecem
no
suficientemente
incertezas
nas
estimativas
de
biomassa
so
responsveis
por
do
ciclo
fenolgico
acumulando
biomassa
nos
diferentes
compartimentos.
A representao dos elementos estruturais do dossel pode ser realizada por
ndices biofsicos associados biomassa, rea basal, densidade de madeira,
altura do dossel e ndice de rea foliar. Alguns modelos consideram alm
desses ndices, a ciclagem de nutrientes (turnover) na dinmica de acmulo de
biomassa (WILLIAMS et al., 1997a).
Informaes provenientes de SR contribuem para uma melhor representao
dessa estrutura florestal medida que agrega a distribuio espacial e variao
temporal dos padres referentes aos ndices biofsicos.
Saatchi et al. (2007) elaboraram uma metodologia baseada na integrao de
dados de SR visando gerao de um mapa de biomassa para a regio
12
por
sensoriamento
remoto.
So
utilizados
modelos
de
MODIS EVI
MODIS Pg
MODIS fPAR
0,88
0,07
0,01
0,76
0,18
0,04
0,46
0,03
0,16
0,74
0,00
0,05
MODIS NDVI
Umidade do solo
0,53
0,83
0,17
0,32
0,00
0,19
0,01
0,08
Radiao solar
0,81
0,48
0,00
0,55
15
16
3 REA ESTUDADA
grande o volume de estudos ambientais na Amaznia e sistematizar os
dados produzidos ao longo da histria e a busca pela compreenso ecolgica
verticalizada dos ecossistemas no uma busca recente.
A Amaznia pode se encaixar nessa perspectiva observando o avano da sua
compreenso, inicialmente motivado pela explorao dos recursos naturais
(madeira e minrio) (SALATI e VOSE, 1984). Apenas nas ltimas trs dcadas
que observamos esforos multidisciplinares objetivando o estudo multi-escala
dos processos ecolgicos intra e inter ecossistmicos.
Reconhecer esse panorama histrico fundamental para entender que
qualquer esforo no sentido de modelar processos ambientais na Amaznia
limitado e condicionado pela ausncia de informaes bsicas e dados
primrios necessrios aos estudos de modelagem.
Partindo dessa premissa, o ideal que pesquisas abrangendo essa temtica
devem ser precedidas de um exerccio de estudo visando compreenso
holstica dos componentes ecolgicos que abrangem esse ecossistema, em
suas respectivas reas cientficas especficas. Em ltima anlise, compreender
a evoluo e interao dos processos de transferncia de massa, energia e
momento, ao longo do desenvolvimento da biodiversidade da fauna e flora
amaznica.
3.1 Origens e influncias geotectnicas nos gradientes ambientais
A origem do Crton Amaznico ocorreu nos ons Arqueano e Proteozico, a
cerca de aproximadamente 2 bilhes de anos (DALLAGNOL e ROSA-COSTA,
2008). De acordo com a sequncia cronolgica, eventos tectnicos
deformaram a superfcie terrestre e promoveram o afundamento da litosfera em
reas denominadas zonas de subsidncia. A superfcie da Terra foi ento
invadida pelo mar e a cerca de 500 milhes de anos, eventos como esse
deram origem a Amaznia.
A partir do incio do Palegeno (100 a 50 milhes de anos) o tectonismo sobre
a margem leste da bacia do Amazonas promoveu a abertura do Atlntico e a
17
(2)
Negro-Purus,
(3)
Manaus-Nhamund,
(4)
Tupinambarana, (5) Baixo Tapajs, (6) Comanda, (7) Gurup, (8) AraguariOiapoque, (9) Marajoara, (10) Bragantino, (11) Gurupi-Mearim, (12) Tiracambu,
(13) Estreito-Carolina e (14) Carajs (BATISTA et al., 1991; BEMERGUY et al.,
2002).
Partindo dessa configurao at a formao do gradiente de fertilidade, a bacia
amaznica pode ser dividida em trs grandes regies geolgicas: (a) bacia Prcambriana; (b) parte central; e (c) regio dos Andes. A bacia Pr-cambriana
composta das bacias da Guiana na poro norte e Brasiliana na poro sul. A
regio central, localizada entre essas duas regies, considerada como
depresso formada no Paleozico. Essas so as regies mais antigas da Bacia
Amaznica e tm em comum uma formao pedolgica datada em cerca de 20
milhes de anos, correspondendo ao final do perodo Cretceo. Portanto,
18
19
Figura 3.2 - Distribuio dos tipos de solos na Amaznia de acordo com Quesada et
al. (2010), com a legenda de solos correspondente nomenclatura
utilizada pela FAO (Food and Agriculture Organization of the United
Nations).
Figura 3.3 - Gradientes de fertilidade dos solos de acordo com Quesada et al. (2010):
(a) Soma de bases (Sum of bases) e (b) Fsforo Total (Total P).
20
circulao
atmosfrica
global,
entre
outros)
regional
21
Figura 3.4 - Distribuio espacial de uma srie climatolgica (30 anos) referente a
precipitao anual de acordo com Sombroek (2001).
Figura 3.5 - Distribuio espacial de uma srie climatolgica (30 anos) referente ao
comprimento do perodo seco, considerando a quantidade de meses
onde a precipitao foi menor que 100mm.
22
23
24
(a)
(b)
(c)
(d)
25
26
4 MATERIAL E MTODOS
A modelagem da Produtividade Primria Bruta (PPB) foi realizada seguindo um
fluxograma metodolgico (Figura 4.1) onde a anlise da PPB foi dividida em
trs partes: (1) anlise em escala de bioma, (2) anlise da distribuio espacial
e (3) avaliao da sazonalidade.
4.1 Fluxograma Metodolgico
27
28
climticas
proporcionar
estudos
relacionados
aos
ciclos
de
sensibilidade
ocorre
em
450hPa
(6,3km).
Os
dados
so
30
Figura 4.3 - Mdia mensal do CO2 atmosfrico global para o ano de 2008.
que
reduzem
variaes
decorrentes
da
calibrao
https://wist.echo.nasa.gov) e pr-
32
Pas
Ms
Pico de produo de folhas novas
Norconk e Brittain (2004)
Venezuela
Abr Jun
Estao
Peres (1994)
Mar - Mai
Final do PS
Final do PC
Brasil
Final do PS
Boubli (2005)
Brasil
Out
PS
Brasil
Jun
PS
Guiana
Abr
Final do PS
Final do PS
RAINFOR Tambopata-Peru
Peru
Ago - Out
Final do PS
Brasil
Abr Mai
Final do PC
Peru
Fev - Mar
Final do PS
Brasil
Jul Set
PS
Bolvia
Jul Set
PS
34
os
parmetros
do
modelo
ACM
utilizando
os
dados
de
36
(4.2)
onde, k constante de saturao (mol/mol) e o ponto de compensao.
Em escala diria, a difuso do CO2 atmosfrico (Ca) em direo ao stio de
carboxilao (PD) representada por uma funo de condutncia diria do
dossel (gc) e a diferena de concentrao de CO2 nesses dois locais. Portanto,
a taxa de difuso de CO2 no stio de fixao de carbono (PD) (Equao 4.3)
determinada por:
37
(4.3)
A frmula original da condutncia do dossel elaborada por Williams et al.
(1997) foi alterada por Fisher et al. (2006) (Equao 4.4) para adequar s
condies tropicais e ecossistemas de severo estresse hdrico:
(4.4)
onde d a diferena entre o potencial hdrico foliar e o potencial hdrico do
solo, R a resistncia hidrulica solo-planta, V o dficit de presso de vapor
e I a irradincia. b1, b2, b3 e b4 so parmetros que determinam pesos
relativos a R, V e I sobre a condutncia estomtica. Neste trabalho, o modelo
de condutncia foi substitudo pela inverso do modelo de Penman-Monteith
(ZHANG et al., 2010) descrito no tpico posterior (4.3.2). Essa deciso foi
baseada na impossibilidade de utilizao do modelo original devido ausncia
de dados espacializados para toda rea estudada.
A concentrao foliar de CO2 (Ci) (Equao 4.5) calculada assumindo que PC
= PD:
(4.5)
Onde, q = k (k: constante de saturao (mol/mol) e : ponto de
compensao) e p = PN/gc. Este valor Ci foi substitudo na Equao 4.3 para o
clculo da taxa de difuso de CO2 (PD).
A limitao da assimilao de carbono em funo da radiao (PI) (Equao
4.6) determinada por:
(4.6)
38
(4.7)
A equao final do clculo da Produtividade Primria Bruta (Equao 4.8)
calculada considerando uma correo relacionada ao comprimento do dia:
(4.8)
onde Dms o nmero de dias do solstcio de vero e p1 a razo entre a taxa
de fotossntese (PN) e a condutncia diria do dossel (gc).
4.9 Modelo de condutncia estomtica Penman-Monteith
Dentre os inmeros modelos de estimativa de evapotranspirao e,
consequentemente, condutncia estomtica, o modelo de Penman-Monteith
citado como o mais avanado e irrefutvel modelo, usado atualmente nos mais
variados estudos hidrolgicos e de interao biosfera-atmosfera (ZHANG et al.,
2010).
O modelo utilizado neste trabalho consiste em uma adaptao do modelo de
Penman-Monteith realizada por Zhang et al. (2010) para estimar a
evapotranspirao global utilizando dados climticos de bases globais e o
ndice de vegetao por diferena normalizada (NDVI) do sensor AVHRRNOAA.
O modelo de condutncia do dossel florestal (gc) calculado a partir da
constante psicomtrica (), fluxo de calor latente (LECanopy), densidade do ar
(), calor especfico do ar presso constante (CP), dficit de presso de vapor
(VPD), inclinao da curva referente presso de vapor do ar saturado (),
39
(4.9)
A energia disponvel para evapotranspirao (ACanopy) calculada pela
diferena entre a radiao solar lquida incidente (Rn) e o fluxo de calor no solo
(G). A Rn um dado proveniente da base GLDAS, enquanto que G foi
calculado (Equao 10) utilizando o mtodo proposto por Su et al. (2001):
(4.10)
Onde, fc corresponde frao da cobertura vegetal e c correspondem razo
entre o fluxo de calor no solo e a radiao lquida incidente para uma completa
cobertura pela vegetao e s para solo exposto. Su et al. (2001) padronizaram
c = 0,05 e s = 0,315, como constantes globais.
A frao da cobertura vegetal (fc) (Equao 11) foi estimada utilizando os
valores de ndice de vegetao por diferena normalizada (NDVI) real do pixel,
valor mximo (NDVImin) e mnimo (NDVImax):
(4.11)
A inverso do modelo de Penman-Monteith tem sido amplamente utilizado
integrado dados de sensoriamento remoto e bases climticas globais, para
estimar a evapotranspirao em escalas regional e global (YUAN et al., 2010;
ZHANG et al., 2010; MU et al., 2007).
4.10 Mapeamento das fenoregies
O conceito de fenoregies adotado neste trabalho se refere s regies do
dossel florestal, onde o ciclo fenolgico perceptvel ao imageamento por
satlite
(brotamento
de
folhas
novas,
desenvolvimento
vegetativo
erro
(rudo), identificao
automtica
de
membros
de referncia
executado
repetidamente
reprojetando
aleatoriamente
espao
de
eliminar
eventuais
valores
42
extremos
remanescente
do
43
44
5 RESULTADOS E DISCUSSO
Foram gerados oito anos de dados de Produtividade Primria Bruta (PPB)
espacializados para a Amaznia com uma resoluo de grade equivalente a 8
km. Neste captulo ser inicialmente apresentada a validao do modelo,
considerando dados produzidos por outros trabalhos, dados provenientes das
torres do LBA e dados de produo de liteira em comparao com os dados de
PPB. Em seguida, ser apresentada uma anlise da PPB total do bioma e sua
correlao com a precipitao e radiao solar incidente, enquanto principais
forantes climticas. A anlise da distribuio espacial da PPB apresentada
em seguida, considerando a srie temporal de 2003 a 2010. Posteriormente,
uma anlise sazonal da PPB apresentada, avaliando para tanto a forante
fenolgica atravs de fenoregies (regies onde o dossel possui o mesmo
padro de desenvolvimento vegetativo, brotamento de folhas novas e
senescncia). Nessa anlise foram produzidos os gradientes das fenofases
(incio, pico e trmino do perodo de crescimento vegetativo). Este captulo
finalizado com a anlise das forantes climticas (precipitao, radiao,
temperatura, dficit de presso de vapor) e evapotranspirao na PPB
seguindo o padro espacial das fenoregies.
5.1 Validao da PPB para a Amaznia
A etapa de validao consistiu em: 1) avaliar as diferenas entre os valores da
PPB medida e modelada, assim como comparar a PPB modelada com dados
fenolgicos de produo de folhas em liteira; 2) avaliar a PPB medida e
modelada como funo das variveis de entrada do modelo; 3) analisar a
sensibilidade do modelo em relao s variveis de entrada; e, 4) avaliar a
exatido das variveis de entrada do modelo.
5.1.1 Validao da PPB modelada
A PPB foi estimada utilizando dois conjuntos de parmetros, sendo o primeiro
baseado no trabalho feito por Arago (2004) e o segundo foi efetuando ajustes
realizados neste trabalho.
45
Inicialmente
foram
realizadas
estimativas
pontuais
para
ajustar
Mensal
Trimestral
Semestral
Anual
Torre
2,66 0,25
7,98 0,51
15,97 0,32
31,93 0,26
Md_DadosTorre
2,60 0,36
7,80 1,13
15,59 1,08
31,19 0,49
Md_MODIS_PF
2,72 0,62
8,15 1,53
16,30 2,37
32,61 1,20
Md_ MODIS_PA
2,48 0,76
7,44 1,78
14,89 1,64
29,78 2,78
46
Tabela 5.2. Erro mdio absoluto das estimativas de PPB (Mg C ha-1) a partir da
modelagem utilizando dados climticos e ndice de rea foliar da
torre (Md_DadosTorre), dados MODIS parametrizados neste
trabalho (Md_MODIS_PF) e dados MODIS parametrizados de
acordo com Arago (2004) (Md_ MODIS_PA), em diferentes
escalas temporais.
Fonte
Mensal
Trimestral
Semestral
Anual
Md_DadosTorre
-0,06
-0,19
-0,37
-0,74
Md_MODIS_PF
0,06
0,17
0,34
0,68
Md_ MODIS_PA
-0,18
-0,54
-1,08
-2,16
Hutyra et al.
(2007)
Malhi et al. (2009)
Fisher et al. (2007)
Stio
TP_km67
TP_km67
TP_km67
Manaus
Caxiuan
Caxiuan
Ano
2004
2005
2007
2007
2007
2003
PPB_Obs
31,97 ( 0,4)
32,17 ( 0,4)
29,30 ( 4,4)
29,90 ( 4,8)
34,40 ( 4,2)
31,20
PPB_MODIS
32,64
33,79
32,27
32,50
32,01
32,01
EA
-0,67
-1,62
-2,97
-2,60
2,39
-0,81
ER(%)
2,12
5,02
10,13
8,69
6,94
2,59
3,0
1200
2,0
800
1,0
400
0,0
Precipitao
Data
Torre
4,0
jan/03
mar/03
mai/03
jul/03
set/03
nov/03
jan/04
mar/04
mai/04
jul/04
set/04
nov/04
jan/05
mar/05
mai/05
jul/05
set/05
nov/05
PPB ( Mg C ha-1ms-1)
Md_MODIS_PF
Figura 5.1 Comparao entre a PPB estimada a partir da torre de fluxo da FLONA do
Tapajs km 67, a PPB modelada com parametrizao otimizada neste
trabalho e precipitao mensal.
48
49
10
Freqncia
Freqncia
8
6
4
2
0
(a)
12
10
8
6
4
2
0
(b)
Freqncia
15
10
5
0
Freqncia
(c)
(e)
10
12
10
8
6
4
2
0
5
0
(d)
15
Freqncia
Freqncia
15
10
5
0
(f)
50
4,00
3,00
2,00
set/05
nov/05
set/05
nov/05
jul/05
mai/05
mar/05
jan/05
nov/04
set/04
jul/04
mai/04
mar/04
jan/04
nov/03
set/03
jul/03
mai/03
0,00
mar/03
1,00
jan/03
5,00
Data
MD_DadosTorre
(a)
MD_MODIS-PF
1,0
0,0
(b)
Data
MD_DadosTorre
jul/05
mai/05
mar/05
jan/05
nov/04
set/04
jul/04
mai/04
mar/04
jan/04
nov/03
set/03
jul/03
mai/03
-2,0
mar/03
-1,0
jan/03
2,0
MD_MODIS-PF
Figura 5.3 - Comparao da PPB modelada a partir dos dados climticos e de ndice
de rea foliar da torre de fluxo e modelada a partir dos dados MODIS e
GLDAS (a), assim como dos respectivos erros absolutos (b).
Hutyra et al. (2007) constataram alta correlao entre a PPB estimada pela
torre de fluxo, produo de folhas novas e produo de liteira, o que motivou a
realizao da mesma comparao. Da mesma forma, o comportamento da
PPB foi significativamente correlacionado com a produo de folhas novas (r =
0,46, p<0,001) e folhas em liteira (r = 0,32, p<0,001) (Figura 5.4).
51
jul/04
jul/03
mai/04
0,0
mar/04
0,0
jan/04
0,2
nov/03
1,0
set/03
0,4
mai/03
2,0
mar/03
0,6
jan/03
3,0
nov/02
0,8
set/02
4,0
Data
Md_MODIS-PF
Folhas em liteira
Folhas novas
A mesma comparao foi realizada para mais trs stios. No stio de Caxiuan,
a
PPB
apresentou
pico
de
produo
com
uma
defasagem
de
nov/06
set/06
jul/06
mai/06
0,0
mar/06
0,0
jan/06
0,4
nov/05
1,0
set/05
0,8
jul/05
2,0
mai/05
1,2
mar/05
3,0
jan/05
1,6
nov/04
4,0
set/04
(Figura 5.5).
Data
Md_MODIS-PF
Folhas em Liteira
52
0,8
8
0,6
0,4
nov/03
out/03
set/03
ago/03
jul/03
jun/03
0,0
Folhas em Liteira
dez/06
out/06
ago/06
0,0
jun/06
0,0
abr/06
0,4
fev/06
1,0
dez/05
0,8
out/05
2,0
ago/05
1,2
jun/05
3,0
abr/05
1,6
fev/05
4,0
mai/03
abr/03
fev/03
jan/03
mar/03
Data
Md_MODIS-PF
(a)
dez/02
nov/02
out/02
0,2
1,0
set/02
12
Data
Md_MODIS-PF
(b)
Folhas em Liteira
Temp_max
Rad
Ca
Gs
PPB-mod PPB-obs
Temp_max
0,18
p = 0,33
Radiao
0,41
p < 0,05
0,46
p = 0,27
Ca
-0,21
p = 0,59
-0,16
p = 0,07
-0,32
p < 0,05
Gs
-0,11
p = 0,06
-0,53
p < 0,05
-0,62
0,15
p < 0,05 p = 0,14
PPB-mod
0,78
p < 0,05
0,34
p < 0,05
0,83
-0,26
-0,42
p < 0,05 p = 0,09 p < 0,05
PPB-obs
-0,66
p < 0,05
-0,02
p = 0,97
-0,08
-0,02
-0,13
p = 0,76 p = 0,78 p = 0,05
-0,39
p < 0,05
EA
0,87
p < 0,05
0,22
p = 0,28
0,64
-0,23
-0,24
p < 0,05 p = 0,14 p < 0,05
0,89
p < 0,05
-0,72
p < 0,05
A comparao grfica mostrou que o pico dos valores do erro absoluto ocorreu
no incio da estao seca, decaindo at meados do perodo chuvoso. A PPBmodelada, o LAI e a Radiao apresentaram o pico de maior valor no incio do
perodo seco, ao contrrio da condutncia estomtica. A PPB-observada, no
mostrou um comportamento sazonal definido, apresentando picos no perodo
seco e chuvoso (Figura 5.7). A PPB-modelada divergiu da PPB-observada,
sugerindo que a radiao solar incidente, ou disponibilidade de luz, atua como
forante primria na captao de carbono atmosfrico (PPB) (POULTER e
CRAMER, 2009). Porm, essa interpretao possvel apenas em condies
onde o solo possui a capacidade de armazenamento de gua que suporte os
processos hidrulicos no perodo seco (GRANT et al., 2009).
54
Figura 5.7 Comparao entre a PPB observada e modelada com o Erro Absoluto (a),
LAI (b), radiao (c) e condutncia estomtica (d).
55
80
y = -6.637ln(x) + 22.94
R = 0.44
40
Gs
Gs
30
20
40
20
10
0
0
0
10
DPV
15
20
25
10
DPV
15
y = -17.97ln(x) + 49.98
R = 0.72
50
Gs
45
30
10
15
20
30
10
0
0
40
20
y = 0.85x + 30.01
R = 0.21
15
25
DPV
10
DPV
15
20
25
50
60
y = -7.44ln(x) + 29.84
R = 0.19
50
y = -13.61ln(x) + 43.23
R = 0.82
40
Gs
40
Gs
60
60
Gs
y = -19.48ln(x) + 57.62
R = 0.61
60
30
30
20
20
10
10
0
0
10
DPV
15
20
25
10
15
20
DPV
56
25
30
y = -11.15ln(x) + 33.61
R = 0.51
y = -13.52ln(x) + 32.98
R = 0.22
40
30
Gs
Gs
50
70
60
50
40
30
20
10
0
20
10
0
10
15
20
DPV
25
30
35
DPV
10
15
57
Stio
Gs x Rad
Gs x Umid
Gs x DPV
-0.53
p < 0,05
0.55
p < 0,05
-0.76
p < 0,05
-0.32
p < 0,05
0.65
p < 0,05
-0.78
p < 0,05
0.36
p < 0,05
-0.48
p < 0,05
0.46
p < 0,05
-0.70
p < 0,05
0.70
p < 0,05
-0.74
p < 0,05
-0.35
0.53
-0.45
p < 0,05
p < 0,05
p < 0,05
-0.66
0.82
-0.85
p < 0,05
p < 0,05
p < 0,05
Sinop MT
(VOURLITIS et al., 2008)
-0.50
p < 0,05
0.60
p < 0,05
-0.63
p < 0,05
-0.58
p < 0,05
0.35
p < 0,05
-0.74
p < 0,05
50
50
40
40
30
30
50
jan/06
40
jul/05
20
30
Gs - Dados Torre
jan/05
10
jul/04
jan/04
(1.a)
10
jul/03
y = 0.82x + 0.12
R = 0.27
jan/03
10
Gs-Torre
20
jul/02
20
Gs-MODIS/GLDAS
jan/02
Gs (mm s-1)
Gs - MODIS/GLDAS
(2.a)
Data
Figura 5.9 - Comparao entre a condutncia estomtica estimada utilizando dados da
torre de fluxo da FLONA do Tapajs e a modelada utilizando dados
climticos da base global GLDAS.
58
EQM
EQMR (%)
Radiao
Calor Latente
Temperatura
Presso
Umidade
CO2 Atmosfrico
91.50
5.39
1.78
2.48
12.52
7.83
32.76
36.35
6.75
2.55
15.07
2.05
Mdias
Torre
GLDAS
279.26
14.82
26.40
97.52
83.10
382.65
192.77
10.07
27.84
100.01
77.33
374.99
59
225
300
CL (MJ)
400
16
20
14
16
12
12
10
8
jan/06
jul/05
jan/05
jul/04
Radiao-Torre
Data
8
4
jan/06
(2.b)
CL - Torre
jul/05
20
jan/05
18
jul/04
16
CL-Torre
jan/04
(1.b)
14
jul/03
12
CL-GLDAS
jan/03
10
jul/02
y = 0.35x + 4.87
R = 0.09
Data
32
Presso-GLDAS
101
97
98
98
98
jan/06
jan/06
97
96
jul/05
97
97
jan/05
100
y = 0.59x + 42.97
R = 0.56
98
jul/04
100
99
jul/02
100
Presso-Torre
100
jan/02
Presso (KPa)
100
jul/05
Data
102
100
jan/05
(2.c)
Temperatura - Torre
Temp.-Torre
jul/04
29
jan/04
28
jan/04
(1.c)
27
jul/03
26
Temp.-GLDAS
jul/03
25
20
jan/03
24
24
jan/03
y = 1.08x + 274.35
R = 0.48
28
jul/02
28
26
32
jan/02
30
24
Presso - GLDAS
jan/04
(2.a)
Radiao - Torre
Temperatura - GLDAS
450
CL (MJ)
CL - GLDAS
(1.a)
350
jul/03
250
Radiao-GLDAS
jan/03
150
jan/02
150
100
y = 0.38x + 84.70
R = 0.40
jul/02
175
200
jan/02
200
Temperatura (C)
Radiao - GLDAS
250
Presso - Torre
(1.d)
(2.d)
Data
Figura 5.10 - Comparao entre os dados climticos de torres de fluxo e das bases
60
120
100
100
80
80
100
jan/06
395
jul/05
390
UR-Torre
jul/04
385
UR-GLDAS
jan/04
380
jan/05
20
y = 0.65x + 123.87
R = 0.61
375
40
jul/03
372
60
jan/03
376
80
jul/02
380
368
Data
120
CO2 (ppm)
CO2 - AIRS
384
jan/06
(2.e)
UR - Torre
jul/05
100
jan/05
90
UR-Torre
jul/04
80
jul/02
(1.e)
70
UR-GLDAS
jan/02
60
jan/02
20
y = 2.29x - 112.75
R = 0.66
20
40
jan/04
40
60
jul/03
60
jan/03
UR (%)
UR - GLDAS
120
UR - Torre
(1.f)
(2.f)
Data
Figura 5.11 - (Continuao) Comparao entre os dados climticos de torres de fluxo e
61
80
60
40
20
0
(a)
Incremento no IAF
0,8
0,6
0,4
0,2
0,0
(b)
Incremento no IAF
Figura 5.12 - Incremento percentual (a) e real (b) da PPB em resposta variao do
ndice de rea Foliar.
62
30-35
25-30
20-25
(b)
15-20
10-15
15
(d)
35-40
30-35
25-30
2
20-25
450-500
400-450
350-400
300-350
0,5
15-20
1,0
10-15
1,5
2,0
(c)
30
10
2,5
0,0
45
5-10
45-50
40-45
35-40
30-35
Incremento da temperatura
250-300
(a)
25-30
0,070
20-25
0,074
0,078
200-250
0,082
Incremento da Gs (mm)
63
R (TJ)
20,00
20,01
20,85
19,96
20,78
21,58
21,93
21,22
20,79
0,60
PPB x R
0,97
p < 0,001
Precipitao x R
0,25
p = 0,54
6,00
Ano
Radiao
2010
14
PPB
2009
2010
2009
2008
2007
Precipitao
2006
2005
2004
6,00
PPB
19
Radiao (TJ)
20
6,40
2008
15
21
6,80
2007
6,40
22
2006
16
7,20
2005
6,80
23
2004
17
7,60
2003
7,20
18
Precipitao
(trilhes de m-3)
7,60
2003
mesmo comportamento.
18
Ano
Figura 5.14 - Dados anuais em escala de bioma referentes a relao entre PPB e (a)
precipitao e (b) radiao solar incidente.
64
0,80
50
PPB
40
0,60
30
0,40
20
0,20
10
0,00
(a)
Precipitao
jan/03
mai/03
set/03
jan/04
mai/04
set/04
jan/05
mai/05
set/05
jan/06
mai/06
set/06
jan/07
mai/07
set/07
jan/08
mai/08
set/08
jan/09
mai/09
set/09
jan/10
mai/10
set/10
Data
1,00
0,80
PPB
5000
4000
3000
0,40
2000
0,20
1000
0,00
jan/03
mai/03
set/03
jan/04
mai/04
set/04
jan/05
mai/05
set/05
jan/06
mai/06
set/06
jan/07
mai/07
set/07
jan/08
mai/08
set/08
jan/09
mai/09
set/09
jan/10
mai/10
set/10
0,60
(b)
1,00
Data
PPB x R
0,82
p < 0,001
66
Precipitao x R
-0,17
p = 0,095
(b)
Figura 5.17 - PPB mdia anual de 2003 a 2010 (a) e desvio padro da mdia (b).
67
68
Figura 5.19 - Fatores estruturais do dossel florestal da Amaznia: (a) rea Basal, (b)
Densidade de Madeira e (c) Biomassa Acima do Solo.
Figura 5.20 - Localizao dos stios de coleta de dados estruturais do dossel florestal
de biomassa acima do solo e rea basal (MALHI et al., 2006) (a) e
produtividade de madeira (MALHI et al., 2004) (b).
Referncia
Varivel
Elevao
rea Basal
Biomassa
Comprimento do Perodo Seco
valor-p
-0.41 p < 0,001
-0.18 p = 0,03
-0.10 p = 0,21
0.33 p < 0,001
-0.14
-0.45
-0.53
-0.48
-0,53
-0.49
0.13
p = 0,07
p < 0,001
p < 0,001
p < 0,001
p < 0,001
p < 0,001
p = 0,35
146
50
Figura 5.21 - Localizao dos stios de coleta de dados de liteira reunidos por Chave et
al. (2009).
71
73
74
(2006), Hedin et al. (2009), Chave et al. (2006), Phillips et al. (2004) e Malhi et
al. (2004).
Vitousek (1984) apresenta uma abordagem na qual sugere que a vegetao
investe preferencialmente ou em massa foliar ou nutrientes, sendo essa
relao mediada pelo Uso Eficiente dos Nutrientes (UEN). Em regies de
menor disponibilidade de nutriente no solo, o UEN maior, a produo de
massa foliar maior e a exportao desse nutriente via liteira menor. Ou
seja, considerando o sistema soloplanta, o UEN favorece a manuteno do
nutriente na parte planta por mais tempo.
Hedin et al. (2009) mostram que: (a) pelo gradiente de fertilidade do solo
(Figura 5.22a) a regio sudesteleste menos frtil; (b) quanto maior a
produo de liteira, menor a quantidade de N e P na liteira (Figura 5.22b); (c) o
fsforo foliar diminui em baixas latitude, tanto ao norte quanto ao sul (Figura
5.22c); e (d) a limitao de nutrientes maior em depsitos sedimentares e a
limitao de fsforo em regies de plat (mais antigas) (Figura 5.22d).
Figura 5.22 - Adaptao de Hedin et al. (2009) do gradiente de fertilidade dos solos da
Amaznia (I e II: solos infrteis e mais intemperizados; III: solos mais
frteis e menos intemperizados; IV: solos menos frteis formados por
depsitos sedimentares) (a), razo entre a massa seca e o nitrognio e
75
fsforo foliares em liteira (b), razo entre nitrognio e fsforo foliares (c)
e padres de perdas hidrolgicas de
Por isso, quanto maior a produo de liteira menor a exportao dos nutrientes,
predominantemente, em solos menos frteis.
Considerando a resposta da vegetao s variaes ambientais, no dossel
florestal da Amaznia, o nitrognio foliar decai com o aumento da precipitao
anual (NARDOTO et al., 2008). Essas regies seriam ento mais midas e
frteis, o que favoreceria a exportao de nitrognio sem o comprometimento
fisiolgico (VITOUSEK 1984). Nessas regies mais midas (noroeste da
Amaznia) a vegetao investe estrategicamente na alocao de carbono
(BERTILLER et al., 2006) o que favorece altas taxas de crescimento e ciclagem
de nutrientes, compensando assim, altas taxas de mortalidade (PHILLIPS et
al., 2004).
Estudos que abordam as relaes entre a produtividade primria e variveis
estruturais com a fertilidade do solo apontam na direo da correlao positiva
entre a fertilidade do solo, produo de liteira e a produtividade primria lquida
(ARAGO et al., 2009; MALHI et al., 2009; MERCADO et al., 2011; FYLLAS et
al., 2009; TER STEEG et al., 2006; CHAVE et al., 2006). Nesse sentido, o
presente estudo prope que essa correlao depende da escala espacial e da
regio em anlise.
Nesse caso, um aspecto de complementaridade entre a PPB, produo de
liteira, as relaes C:N, N:P e a dinmica climtica o carter adaptativo da
distribuio das espcies, principalmente leguminosas, de acordo com as
caractersticas do ambiente. Ter Steeg et al. (2006) mostram a dominncia das
leguminosas
na
parte
nordeste
centro-leste
da
Amaznia,
76
(a)
(b)
(c)
(d)
77
(e)
(f)
(g)
(h)
Figura 5.22 - Produtividade Primria Bruta anual correspondente srie histrica: (a)
2003, (b) 2004, (c) 2005, (d) 2006, (e) 2007, (f) 2008, (g) 2009 e (h)
2010.
79
pixel
por
pixel,
nesse
caso,
como
as
classes
foram
Tabela 5.14 Descrio dos tipos vegetacionais, perodo seco, pico mximo do NDVI e variao percentual do NDVI para cada
fenoregio.
Fenoregio Tipo Vegetacional
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
IBGE (2004)
IBGE (2004)
IBGE (2004)
IBGE (2004)
Gregoire et al. (1998)
Panagos et al. (2011)
Panagos et al. (2011)
Panagos et al. (2011)
IBGE (2004)
Panagoset al. (2011)
IBGE (2004)
IBGE (2004)
IBGE (2004)
IBGE (2004)
IBGE (2004)
Huber (2006)
IBGE (2004)
Panagos et al. (2011)
IBGE (2004)
Panagos et al. (2011)
Rangel et al. 2007
Perodo
Seco
out-mar
jun-set
ago-nov
jul-out
jan-mar
nov-abr
jul-set
mai-set
jun-out
jun-ago
mai-set
aug-out
aug-out
jun-ago
out-jan
aug-out
mai-set
dez-fev
jun-set
jun-set
jun-out
Pico mximo do
NDVI
ago
jul
ago
jul
set
set
set
ago
ago
jun
jul
ago
nov
jul
out
set
jul
dez
ago
ago
dez
Vriao (%)
(Max Min)
31.71
25.19
21.72
36.33
20.11
22.14
20.29
30.97
17.93
18.13
21.65
25.76
20.09
20.78
22.12
30.38
27.81
16.67
24.43
29.15
24.50
dez-mar
set
39.07
IBGE (2004)
aug-nov
jul
25.30
IBGE (2004)
jun-set
jun
23.56
dez-mar
out
16.52
jun-set
abr
22.46
Referncia
Savana de Roraima
Floresta densa com lianas em terras baixas
Floresta densa alluvial em terras baixas
Floresta densa em terras baixas
Floresta densa hmida em terras baixas
Savanna
Transio entre floresta densa e campos andinos
Floresta submontana pluvial
Floresta ombrfila densa
Floresta sempre-verde em terras altas
Floresta de bambus
Floresta densa em terras baixas com palmeiras
Campinarana
Floresta ombrfila aberta
Campinarana arbustiva com palmeiras
Floresta densa com dossel irregular
Floresta submontana com palmeiras e lianas
Floresta pluvial em terras altas
Floresta ombrfila densa com palmeiras e lianas
Floresta submontana seca
Floresta Xerfita
Floresta mista alta e aberta com clima de savana
tropical
Floresta ombrfila densa em terras baixas com
palmeiras e lianas
Transio entre floresta ombrfila densa, floresta
aberta e savana
Mosaico de floresta de terras baixas, pntanos e
savana
Savana alagvel
81
82
),
83
),
84
85
Ms
86
(a)
(b)
(c)
(d)
(e)
(f)
Ms
Figura 5.27 - Gradiente climtico de acordo com as fenoregies mapeadas. (a) incio
do perodo seco; (b) pico do perodo seco; (c) incio do perodo chuvoso;
(d) pico do perodo chuvoso; (e) pico da radiao solar incidente; e (f)
mnima radiao solar incidente.
87
(b)
Figura 5.28 - Mdia e coeficiente de variao da PPB mensal mdia para o perodo de
2003-2010 (n = 96).
88
89
(a)
(b)
90
Jan
Fev
Mar
Abr
Mai
Jun
91
Jul
Ag
o
Set
Out
Nov
Dez
92
Esse resultado mostra que na regio nordeste, mais fortemente no macio das
Guianas, a assimilao de carbono atmosfrico (PPB) aumenta com o aumento
do NDVI ou aumento da quantidade de folhas no dossel. Nessa regio, o
mximo desenvolvimento fenolgico (NDVI) coincidiu com a mxima PPB em
setembro, metade final do perodo seco (chuvas iniciam em dezembro). Sendo
assim, a PPB decai a partir de meados do perodo seco.
Na regio noroeste, o mximo desenvolvimento fenolgico (NDVI) ocorreu em
dezembro (meados do perodo chuvoso), enquanto que a mxima PPB ocorreu
em janeiro, metade final do perodo seco (chuvas iniciam em outubro). Na parte
sul da Amaznia, mais seca e maior comprimento do perodo seco, o mximo
desenvolvimento fenolgico (NDVI) ocorreu em junho enquanto que, a mxima
PPB ocorreu de agosto, metade final do perodo seco (chuvas iniciam em
outubro). Na regio sudoeste, o mximo desenvolvimento fenolgico (NDVI)
93
94
(a)
(b)
(c)
(d)
Figura 5.33 Correlao entre a PPB e (a) precipitao, (b) temperatura, (c) radiao
solar incidente e (d) dficit de presso de vapor.
ocorre
98
5 CONCLUSES
Este trabalho apresenta resultados que visam contribuir no entendimento da
distribuio espacial da Produtividade Primria Bruta (PPB) na Amaznia, com
relao a trs questes remanescentes dos estudos de modelagem da
Produtividade Primria em ecossistemas florestais:
1. Como a PPB se distribui espacialmente na Amaznia?
Espacialmente, a PPB maior nas regies noroeste, centro-norte, centro-sul
e na costa do Suriname. A PPB menor nas regies sudoeste, no macio
das Guianas, na borda da regio norte e no extremo leste. As savanas da
Venezuela, Roraima e Bolvia, assim como a vegetao pr-andina
apresentaram valores de PPB proeminente mente baixos em relao s
demais regies da bacia.
A PPB apresentou relaes diferentes com a precipitao e radiao solar,
de acordo com a escala temporal considerada. A PPB total anual da Bacia
Amaznica apresentou declnio nos ltimos trs anos, mostrando correlao
positiva com a precipitao e com a radiao solar incidente, sendo a
radiao a maior forante nesta escala espao-temporal. A PPB total mensal
apresentou correlao negativa com a precipitao e positiva com a
radiao solar incidente.
2. Como a sazonalidade da PPB varia espacialmente e temporalmente?
Partindo dos padres da fenologia florestal, a PPB mxima varia
sazonalmente apresentando um ciclo no sentido anti-horrio, na Bacia
Amaznica. A amplitude de variao mensal da PPB ocorre em um
gradiente no sentido sudoeste-nordeste, onde a regio nordeste mais
dinmica do que a regio sudeste da bacia. A PPB mnima mensal ocorre
em fevereiro, de forma homognea na maior parte da bacia. A PPB mxima
ocorre em agosto na parte centro-norte, em outubro no extremo noroeste,
em setembro na regio nordeste e em janeiro no extremo noroeste.
3. Qual a influncia das variveis estruturais da vegetao e climticas na
dinmica da PPB?
99
100
101
102
6 REFERNCIAS BIBLIOGRFICAS
ADAMS, B.; WHITE, A.; LENTON, T. M. An analysis of some diverse
approaches to modelling terrestrial net primary productivity. Ecological
Modelling, v. 177, n. 3-4, p. 353-391, doi:10.1016/j.ecolmodel.2004.03.014,
2004.
ANDERSON; L. O. Biome-Scale Forest Properties in Amazonia Based on Field
and Satellite Observations. Remote Sensing, v. 4, n. 12, p. 1245-1271,
doi:10.3390/rs4051245, 2012.
ARAGO, L. E. O. C. Modelagem dos padres temporal e espacial da
produtividade primria bruta na regio do Tapajs: uma anlise multi-escala.
2004. 283 p. (INPE-11423-TDI/951). Tese (Doutorado em Sensoriamento
Remoto) - Instituto Nacional de Pesquisas Espaciais, So Jos dos Campos,
2004. Disponvel em: <http://urlib.net/sid.inpe.br/jeferson/2004/07.14.13.33>.
Acesso em: 01 jul. 2013.
ARAGO, L. E. O. C. et al. Above- and below-ground net primary productivity
across ten Amazonian forests on contrasting soils. Biogeosciences, v. 6, n. 12,
p. 2759-2778, doi:10.5194/bg-6-2759-2009, 2009.
ARAGO, L. E. O. C. et al. Landscape pattern and spatial variability of leaf area
index in Eastern Amazonia. Forest Ecology and Management, v. 211, n. 3, p.
240-256, doi:10.1016/j.foreco.2005.02.062, 2005.
BAKER, T. R. et al. Increasing biomass in Amazonian forest plots. Philosophical
transactions of the Royal Society of London. Series B, Biological sciences, v.
359, n. 1443, p. 353-65, doi:10.1098/rstb.2003.1422, 2004.
BALDOCCHI, D. et al. FLUXNET: A New Tool to Study the Temporal and
Spatial Variability of EcosystemScale Carbon Dioxide, Water Vapor, and
Energy Flux Densities. Bulletin of the American Meteorological Society, v. 82, n.
11, p. 2415-2434, doi:10.1175/1520-0477(2001)082<2415:FANTTS>2.3.CO;2,
2001.
BARBOSA, R. I.; FEARNSIDE, P. M. Carbon nutrient flows in an Amazonian
forest: fine litter production and composition at Apia, Roraima, Brazil. Tropical
Ecology, v. 37, n. 1, p. 115-125, 1996.
BASSET, Y. et al. Short-term effects of canopy openness on insect herbivores
in a rain forest in Guyana. Journal of Applied Ecology, v. 38, n. 5, p. 1045-1058,
doi:10.1046/j.1365-2664.2001.00660.x, 2002.
BATISTA, J. et al. Neotectnica da regio amaznica: aspectos tectnicos ,
geomorfolgicos e deposicionais. Geonomos, v. 4, n. 2, p. 23-43, 1991.
BEER, C. et al. Terrestrial gross carbon dioxide uptake: global distribution and
covariation with climate. Science (New York, N.Y.), v. 329, n. 5993, p. 834-8,
doi:10.1126/science.1184984, 2010.
103
104
105
KOBAYASHI, H.; DYE, D. G. Atmospheric conditions for monitoring the longterm vegetation dynamics in the Amazon using normalized difference
vegetation index. Remote Sensing of Environment, v. 97, n. 4, p. 519-525,
doi:10.1016/j.rse.2005.06.007, 2005.
KRUSE, F. A. et al. The Spectral Image Processing System (SIPS) Interactive
Visualization and Analysis of Imaging Spectrometer Data. Remote Sens.
Environ., v. 44, p. 145-163, 1993.
LANDSBERG, J. J.; WARING, R. H. A generalised model of forest productivity
using simplified concepts of radiation-use efficiency, carbon balance and
partitioning. Forest Ecology and Management, v. 95, n. 3, p. 209-228,
doi:10.1016/S0378-1127(97)00026-1, 1997.
LEITH, H. Primary productivity in ecosystems: comparative analysis of global
patterns. In: DOBBEN, W. H. VAN; LOWE-MCCONNELL, R. H. (eds.). Patterns
of primary production in the biosphere. Dowden, Hutchingson and Ross, 1975.
p. 67-88.
LEWIS, S. L. et al. The 2010 Amazon drought. Science (New York, N.Y.), v.
331, n. 6017, p. 554, doi:10.1126/science.1200807, 2011.
LIN, B. et al. Assessment of global annual atmospheric energy balance from
satellite observations. Journal of Geophysical Research, v. 113, n. D16, p.
D16114, doi:10.1029/2008JD009869, 2008.
MALHI, Y. et al. The above-ground coarse wood productivity of 104 Neotropical
forest plots. Global Change Biology, v. 10, n. 5, p. 563-591, doi:10.1111/j.15298817.2003.00778.x, 2004.
MALHI, Y. et al. The regional variation of aboveground live biomass in oldgrowth Amazonian forests. Global Change Biology, v. 12, n. 7, p. 1107-1138,
doi:10.1111/j.1365-2486.2006.01120.x, 2006.
MALHI, Y. et al. Comprehensive assessment of carbon productivity, allocation
and storage in three Amazonian forests. Global Change Biology, v. 15, n. 5, p.
1255-1274, doi:10.1111/j.1365-2486.2008.01780.x, 2009.
MARENGO, A. M.; DRUYAN, L. M.; HASTENRATH, S. Observational and
modelling studies of amazonia interannual climate variability. Climatic Change,
v. 23, p. 267-286, 1993.
MARTINELLI, L. A. et al. The Use of Carbon and Nitrogen Stable Isotopes to
Track Effects of LandUse Changes in the Brazilian Amazon Region. Terrestrial
Ecology, v. 1, p. 301-318, doi:10.1016/S1936-7961(07)01019-6, 2007.
MELILLO, J. M. et al. Global climate change and terrestrial net primary
production. Nature, v. 363, n. 6426, p. 234-240, 1993.
109
110
114
115
Home
Search
Collections
Journals
About
Contact us
My IOPscience
This article has been downloaded from IOPscience. Please scroll down to see the full text article.
2013 Environ. Res. Lett. 8 024011
(http://iopscience.iop.org/1748-9326/8/2/024011)
View the table of contents for this issue, or go to the journal homepage for more
Download details:
IP Address: 150.163.24.123
The article was downloaded on 19/04/2013 at 16:19
IOP PUBLISHING
doi:10.1088/1748-9326/8/2/024011
National Institute for Space Research, Avenida dos Astronautas 1758, Sao Jose dos Campos-SP, Brazil
College of Life and Environmental Sciences, University of Exeter, Exeter EX4 4RJ, UK
Environmental Change Institute, University of Oxford, South Parks Road, Oxford, OX1 3QY, UK
1. Introduction
Content from this work may be used under the terms of
the Creative Commons Attribution 3.0 licence. Any further
distribution of this work must maintain attribution to the author(s) and the
title of the work, journal citation and DOI.
1748-9326/13/024011+12$33.00
F B Silva et al
F B Silva et al
Table 1. Vegetation description, dry season period (monthly precipitation < 100 mm), peak of maximum NDVI and proportional variation
of NDVI for all phenoregions.
Phenoregion
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Vegetation description
Reference
Dry season
Peak of
maximum NDVI
% NDVI variation
(maxmin)
Roraima savanna
Dense forest of low lands
with lianas
Alluvial dense evergreen
forest in low lands
Dense forest of low lands
Low land dense moist forest
Savanna
AndesAmazon transition
forest
Premontane pluvial forest
Closed evergreen forest
Evergreen forest in high
lands
Bamboo forest
Dense forest of low lands
with palms
Campinarana forest
Low lands evergreen open
forest
Campinarana forest with
palms and shrubs
High forest with regular
canopy
Submontane forest with
palms and lianas
Pluvial forest in high lands
Dense evergreen forest with
palms and lianas
Premontane dry forest
Xerophytic vegetation
Mixed high and open forest
with a tropical savanna
climate
Dense evergreen forest in
low lands with palms and
lianas
Forest transition between
dense, open forest and
savanna
Mosaic of evergreen
lowland forest, swamp
forest, and savanna
Flooded savanna
IBGE (2004)
IBGE (2004)
OctMar
JunSep
Aug
Jul
31.71
25.19
IBGE (2004)
AugNov
Aug
21.72
IBGE (2004)
Selvaradjou et al (2005)
Panagos et al (2011)
Panagos et al (2011)
JulOct
JanMar
NovApr
JulSep
Jul
Sep
Sep
Sep
36.33
20.11
22.14
20.29
Panagos et al (2011)
IBGE (2004)
Panagos et al (2011)
MaySep
JunOct
JunAgo
Aug
Aug
Jun
30.97
17.93
18.13
IBGE (2004)
IBGE (2004)
MaySep
AugOct
Jul
Aug
21.65
25.76
IBGE (2004)
IBGE (2004)
AugOct
JunAgo
Nov
Jul
20.09
20.78
IBGE (2004)
OctJan
Oct
22.12
Huber (2006)
AugOct
Sep
30.38
IBGE (2004)
MaySep
Jul
27.81
Panagos et al (2011)
IBGE (2004)
DecFeb
JunSep
Dec
Aug
16.67
24.43
Panagos et al (2011)
Rangel et al (1997)
Gond et al (2011)
JunSep
JunOct
DecMar
Aug
Dec
Sep
29.15
24.50
39.07
IBGE (2004)
AugNov
Jul
25.30
IBGE (2004)
JunSep
Jun
23.56
DecMar
Oct
16.52
Lopez and
Zambrana-Torrelio (2005)
JunSep
Apr
22.46
F B Silva et al
Figure 2. Comparison between phenoregions NDVI time-series (). Production peak of new leaves (shaded). Monthly coefficient of
variation of NDVI (vertical bars) and rainy season (dashed line). (a) Phenoregion 6 (Norconk and Conklin-Brittain 2004); (b) Phenoregion 9
(Peres 1994); (c) Phenoregion 16 (Bonal et al 2000); (d) Phenoregion 18 (Boubli 2005); (e) Phenoregion 24 (Pinto and Setz 2004);
(f) Phenoregion 25 (Basset et al 2001).
F B Silva et al
Figure 3. Comparison between phenoregions NDVI time-series (). Production peak of litterfall (shaded). Monthly coefficient of
variation of NDVI (vertical bars) and rainy season (dashed line). (a) Phenoregion 10 (Justiniano and Fredericksen 2000); (b) Phenoregion 11
(RAINFORTambopata Site); (c) Phenoregion 13 (Barbosa and Fearnside 1996); (d) Phenoregion 14 (Nebel et al 2001); (e) Phenoregion
17 (Selva et al 2007); (f) Phenoregion 26 (Brienen and Zuidema 2005).
F B Silva et al
Figure 4. (a) Peak of rainy season, (b) peak of dry season, (c) month of maximum radiation and (d) month of minimum radiation. The
arrows indicate the southeastnorthwest direction of the climatic gradient. The black color corresponds to unclassified areas in the
phenoregion map (see figure 1).
F B Silva et al
Figure 5. (a) Start of the growing season, (b) peak of the growing
season and (c) end of the growing season. The arrows indicate the
southeastnorthwest direction of the phenology gradient. The black
color corresponds to unclassified areas in the phenoregion map (see
figure 1).
F B Silva et al
Figure 6. The Pearson correlation coefficient between NDVI and precipitation (a) without lag, (b) with one month lag, (c) with two month
lag and (d) with three month lag. The black color corresponds to unclassified areas in the phenoregion map (see figure 1).
F B Silva et al
Figure 7. The Pearson correlation coefficient between NDVI and incoming radiation (a) without lag, (b) with one month lag, (c) with two
month lag and (d) with three month lag. The black color corresponds to unclassified areas in the phenoregion map (see figure 1).
4. Conclusions
This work provided a critical understanding of the phenological mosaics in Amazonia and how they respond to climatic
variability. The fundamental aspect of our methodology was
the implementation of a pixel by pixel pattern recognition
technique that could successfully identify the differences
in the natural cycles of forest phenology. Our phenoregion
map clearly distinguishes regions that were not detected in
previous studies. This is probably because spatially pixels
are spectrally similar but temporally they produce distinct
responses to biotic and abiotic factors.
Differently from previous studies, using MODIS data,
which generated contradictory results, creating an unresolvable debate (Saleska et al 2007, Asner and Alencar 2010,
Samanta et al 2012, Atkinson et al 2011), our results added
a new and independent perspective on the phenology of
Amazonian forests. The coherent phenological patterns found
9
F B Silva et al
Acknowledgments
We would like to thank the National Research Council of
Brazil (CNPq) for providing the PhD studentship to FBS
and the Special Visiting Researcher Fellowship through the
program Science Without Borders to LEOCA.
Author contributions
FBS, YES and LEOCA designed the experiment; FBS, GP,
FC and EA processed the data; FBS, YES, LEOCA and LOA
analyzed the results; FBS and LEOCA wrote the paper.
References
Anderson L O, Aragao L E O C, Shimabukuro Y E, Almeida S and
Huete A 2011 Fraction images for monitoring intra-annual
phenology of different vegetation physiognomies in Amazonia
Int. J. Remote Sens. 32 387408
Anderson L O, Malhi Y, Aragao L E O C, Ladle R, Arai E,
Barbier N and Phillips O 2010 Remote sensing detection of
droughts in Amazonian forest canopies New Phytol.
187 73350
Anhuf D and Winkler H 1999 Geographical and ecological settings
of the Surumoni-crane-project (Upper Orinoco, Estado
Amazonas, Venezuela) Anz. Abstr. 135 323
Aragao L E O C, Shimabukuro Y E, Espirito-Santo F D B and
Williams M 2005 Spatial validation of the collection 4 MODIS
LAI product in eastern Amazonia IEEE Trans. Geosci. Remote
Sens. 43 252634
Aragao L E O C et al 2009 Above- and below-ground net primary
productivity across ten Amazonian forests on contrasting soils
Biogeosciences 12 275978
10
F B Silva et al
Eva H D et al 2003 The land cover map for South America in the
year 2000 GLC2000 Database (Ispra: European Commission
Joint Research Centre)
Galvao L S, Santos J R, Roberts D A, Breunig F M, Toomey M and
Moura Y M 2011 On intra-annual EVI variability in the dry
season of tropical forest: a case study with MODIS and
hyperspectral data Remote Sens. Environ. 115 23509
Gond V et al 2011 Broad-scale spatial pattern of forest landscape
types in the Guiana Shield Int. J. Appl. Earth Obs. Geoinf.
13 35767
Gonsamo A, Chen J M, Price D T, Kurz W A and Wu C 2012 Land
surface phenology from optical satellite measurement and CO2
eddy covariance technique J. Geophys. Res. 117 G03032
Green A A, Berman M, Switzer P and Craig M D 1988
A transformation for ordering multispectral data in terms of
image quality with implications for noise removal IEEE Trans.
Geosci. Remote Sens. 26 6574
Huber O 2006 Herbaceous ecosystems on the Guayana Shield, a
regional overview J. Biogeogr. 33 46475
Huete A R, Didan K, Shimabukuro Y E, Ratana P, Saleska S R,
Hutyra L R, Yang W, Nemani R R and Myneni R 2006
Amazon rainforests green-up with sunlight in dry season
Geophys. Res. Lett. 33 L06405
IBGE (Instituto Brasileiro de Geografia e Estatstica) 2004 Mapa de
Biomas do Brasil e o Mapa de Vegetaca o do Brasil (Rio de
Janeiro: Instituto Brasileiro de Geografia e Estatstica)
(available from www.ibge.gov.br/home/presidencia/noticias/
21052004biomashtml.shtm)
Jonsson P and Eklundh L 2002 Seasonality extraction by function
fitting to time-series of satellite sensor data IEEE Trans.
Geosci. Remote Sens. 40 182432
Juarez R I N, Hodnett M G, Fu R, Goulden M L and
von Randow C 2007 Control of dry season evapotranspiration
over the Amazonian forest as inferred from observations at a
southern Amazon forest site J. Clim. 20 282739
Justiniano M J and Fredericksen T S 2000 Phenology of tree species
in bolivian dry forests Biotropica 32 27681
Kruse F A, Lefkoff A B, Boardman J B, Heidebrecht K B,
Shapiro A T, Barloon P J and Goetz A F H 1993 The spectral
image processing system (SIPS)interactive visualization and
analysis of imaging spectrometer data Remote Sens. Environ.
44 14563
Liebmann B and Marengo J A 2001 Interannual variability of the
rainy season and rainfall in the Brazilian Amazon basin
J. Clim. 14 430818
Lopez R P and Zambrana-Torrelio C 2005 Representation of
Andean dry ecoregions in the protected areas of Bolivia: the
situation in relationto the new phytogeographical findings
Biodivers. Conserv. 15 216375
Maignan F, Breon F-M, Bacour C, Demarty J and Poirson A 2008
Interannual vegetation phenology estimates from global
AVHRR measurements: comparison with in situ data and
applications Remote Sens. Environ. 112 496505
Malhado A C M, Costa M H, Lima F Z, Portilho K C and
Figueiredo D N 2009 Seasonal leaf dynamics in an Amazonian
tropical forest Forest Ecol. Manag. 258 11615
Marengo J A, Liebmann B, Kousky V E, Filizola N P and
Wainer I C 2001 Onset and end of the rainy season in the
Brazilian Amazon basin J. Clim. 14 83352
Moles A T and Westoby M 2000 Do small leaves expand faster than
large leaves, and do shorter expansion times reduce herbivore
damage? Oikos 90 51724
Myneni R B et al 2007 Large seasonal swings in leaf area of
Amazon rainforest Trans. R. Soc. 1498 183948
Nebel G, Dragsted J and Vega A S 2001 Litter fall, biomass and net
primary production in flood plain forests in the Peruvian
Amazon Forest Ecol. Manag. 150 93102
F B Silva et al
12
Home
Search
Collections
Journals
About
Contact us
My IOPscience
This article has been downloaded from IOPscience. Please scroll down to see the full text article.
2013 Environ. Res. Lett. 8 029502
(http://iopscience.iop.org/1748-9326/8/2/029502)
View the table of contents for this issue, or go to the journal homepage for more
Download details:
IP Address: 200.137.128.226
The article was downloaded on 21/08/2013 at 13:24
IOP PUBLISHING
doi:10.1088/1748-9326/8/2/029502
National Institute for Space Research, Avenida dos Astronautas 1758, Sao Jose dos Campos-SP, Brazil
College of Life and Environmental Sciences, University of Exeter, Exeter EX4 4RJ, UK
Environmental Change Institute, University of Oxford, South Parks Road, Oxford OX1 3QY, UK
Corrigendum
Figure 7. Pearson correlation coefficient between NDVI and incoming radiation (a) without lag, (b) with 1-month lag, (c) with 2-month lag
and (d) with 3-month lag. The black color corresponds to unclassified areas in the phenoregion map (see figure 1).