como o desflorestamento pode afetar o clima na amazônia e ... · como o desflorestamento pode...

III Seminário de Avaliação e Planejamento de III Seminário de Avaliação e Planejamento de Rede GEOMARede GEOMA

Ilha Bela Ilha Bela –– SPSP0505--08 de Maio 200408 de Maio 2004

Como o desflorestamento pode afetar o clima na Como o desflorestamento pode afetar o clima na Amazônia e outras regiões do país?Amazônia e outras regiões do país?

Carlos Nobre, Carlos Nobre, CPTEC/CPTEC/INPEINPE

EscalasEscalas EspaciaisEspaciais de de ImpactosImpactos dos dos DesmatamentosDesmatamentos

• Efeito remotos planetários: propagação de ondas atmosféricas

• Efeitos locais: mudanças nos balanços de energia à superfície

• Efeitos regionais: mudanças nos transportes de umidademovimentos verticais de compensaçãomudanças nas circulações regionais

Nuvens Tropicais e o Clima

FluxosFluxos de de SuperfícieSuperfície

IntensificaIntensificadosdos

EfeitoEfeito EstufaEstufadas das NuvensNuvens

InterceptaçãoInterceptaçãodede RadiçãoSolar

CalorCalorLatenteLatenteLiberadoLiberado

Cortesia: A Costa, UECE, Fortaleza, CE

M.Longo

Ventos (850 hPa) e ROLE para os Verões de 1980 to 1999

Carvalho et al , 2002

Anomalias de Vento e ROLE Verões de 1980 a 1999


Anomalias de Oeste na Amazônia Anomalias de Leste(ZCAS)

(Não ZCAS)

Anomalia da função de corrente para forçamento idealizado de convergênciasobre o Atlântico Tropical produzida por modelo barotrópico

Figure 7. Barotropic modelstreamfunction anomaly (colouredin m 2 s -1 ) for idealisedconvergence forcing over thetropical Atlantic (bold contours, interval 10 -6 s - 1 ), using the300hPa Autumn climatologicalflow as background state and a linearised form of the vorticity forcing (-fD). The anomaly is for day 15, approximating the steady-state solution. It is dominated by a Rossby wavetrain propagatingnortheast over the Atlantic andEurope, similar to the observed2000 anomaly (Fig. 2) and theregression with wet UK Autumns(Fig. 3). Blackburn and Hoskins, 2001.

Regressão da altura geopotencial média em 300 hPa em SON versusPrecipitação em SON na Inglaterra-País de Gales para 1958-1999

Figure 3. Regression of Autumn mean geopotential height at 300hPa against Autumnprecipitation in England-Wales for 1958-1999. The bold contour denotes areas significantat the 99% confidence level. The regressed height field (in metres) corresponds to onestandard deviation of precipitation (72mm). Blackburn and Hoskins, 2001

Figure 6. Correlations betweenSouth American precipitation andthe Scandinavia index for boreal Autumn (SON), 1960-1990. Although 5% of points are expectedto exceed a correlation of ±0.37, corresponding to the 95% confidence level, by chance, a coherent pattern of negativecorrelations occurs north of 10°S, coincident with the upper tropospheric convergence anomalies observed during Autumn 2000, depicted in Fig. 5. Blackburn and Hoskins, 2001.

Correlação entre a Precipitação na América do Sul e o Índice da Escandinavia

SON, 1960-1990

Impactos Climáticos dos DesmatamentosImpactos Climáticos dos Desmatamentos

• Cenários de desmatamentos em toda Amazônia

• Cenários realísticos de desmatamentos

• Necessidade de melhoria da representação de parâmetrosem modelos hidrológicos e meteorológicos

Cortesia: A. Nobre

AMAZONIAN WATER BALANCEAMAZONIAN WATER BALANCE

78 DEC FEB APR JUN AUG OCT79 JAN MAR MAY JUL SEP NOV

P, E

, -.Q

0

100

200

300

400

mm/month

Annual TotalP: 2152.6 mmE: 1139.1 mm

PRECIPITATION

EVAPOTRANSPIRATION

WATER VAPOR FLUXCONVERGENCE

FGGE DATADEC 1978 - NOV 1979

FGGE DATADEC 1978 - NOV 1979

(Matsuiama, J Jmet. Soc, 1991)

Conceptual models of regional deforestation in Amazonia

0,6

0,7

0,8

0,9

1

1,1

1,2

0 20 40 60 80 100Desflorestamento (%)

Prec

ipit

ação

Rel

ativ

a

. Avissar et al 2002

From forest to pasture...From forest to pasture...

Simulating the impacts of deforestation

Global Atmospheric Model:Computational code (hundred thousand code lines) that represents numerical approximations of mathematicaldifferential equations. These equations represent the Laws of Physics that govern the motions in the atmosphereand its interactioons with the surface. The calculations are carried out to simulate periods ranging from months to yeasrs.

Number of Discrete Elements:200 x 100 x 28= 0,56 millionE-W N-S Vertical

Calculations peroformed on eachdiscrete element for:Temperature, humidity, wind speed anddirection, geopotential height.

Number of Discrete Elements:200 x 100 x 28= 0,56 millionE-W N-S Vertical

Calculations peroformed on eachdiscrete element for:Temperature, humidity, wind speed anddirection, geopotential height.

200 km

28 verticallayers

1,8lat 1,8

long

200 km

Atmosphre

Specified SSTEl Niño

EFFECTS OF LARGE SCALE DEFORESTTIONEFFECTS OF LARGE SCALE DEFORESTTION

Forest → Pasture

Caatinga

Cerrado

CerradoAtlânticOcean

PacíficOcean

P pasture - P forest ( annual, in mm)

Rocha, 2001.

Numerical Simulations of deforestation

• 1 to 2.5 C surface temperature increase• 15% to 30% evapotranspiration decrease• 5% to 20% rainfall decrease

Mapa de usos da terra para Amazônia(Estado atual em 2003 e Projeções para 2033)

Não Floresta

Floresta

Desmatamento

Não Floresta

Floresta

Desmatamento

Fonte: IPAM e WHRC, 2003

VEGETATION MAPControl 2033 All Savanna

Resolution: ~ 2ºx2º

Changes in temperature (C )-1 0 +1 +2 +3

SUD90 NEP99

NSS91

HS93

DK92

Scatter Plot of changes in temperature and

Amazon basin (from modeling experiments: Marengo and Nobre 2001, D’Almeida 2002)

Cha

nges

i n p

rec i

pita

ti 0 - 0. 5 -1 WARMER/DRIERLR93

LR97COS20

DHS88

LE96

SUD96

PL94bMAN96

HAH97HD95

on (m

m/d

ay) +1 + 0.5

PL94aprecipitation due to deforestation in the

-1. 5

LW89SHU96

DeforestationDeforestation+2C02

Ventos em 850 HPa para DJF

Transporte de umidade da Amazônia para o Brasil Central: q x Uq = umidade atmosférica; U = vento

VEGETATION MAP (RADAM 1:5000000) + DEFORESTATION (PRODES, 1997)

Courtesy: R. Alvalá, E. Kalil, INPE

Current patterns of deforestation in white color

Rondonia, SW Amazonia

Clouds indicate the importanceof the river breeze circulationsin the LBA-Ecology area (Fitzjarrald, 2000).

Effect of deforestation on shallow cumulus in the dry season:Effect of deforestation on shallow cumulus in the dry season:preferred growth over deforested areaspreferred growth over deforested areas

Road from Vilhena to Porto Velho in Rondônia

Cutrim et al, 1995

Y (15 km)

Y (30 km)

Y (30 km)

Y (30 km) Y (30 km)

X (130 km)

X (30 km)X (30 km)

DryWet

Y (30 km)

Y (30 km)

Y (15 km)

Y (30 km)

Y (30 km)

Y (30 km) Y (30 km)

X (30 km) X (30 km)

X (130 km)

Y (30 km)

Y (30 km)

Figure 3. Schematic representation of the simulated domains. Green and yellow areas represent dense, unstressed forest and dry pasture, respectively. The resolution of the numerical grid used to represent these domains was 250 m by 250 m (adapted from Avissarand Liu, 1996).

Figure 4. Accumulated precipitation (mm), at 6 p.m., in the five simulated domains illustrated in Figure 3 (adapted from Avissar and Liu, 1996).

RONDÔNIA

SPOL

Profiler

TOGAFOREST

NONNON--FORESTFOREST

Carey et al 2001

Rondonia topography

“Elevated”>= 223 m

“Non-Elevated”< 223 m

Carey et al 2001

210.7Forest Elevated183.7For NonElev193.6NFor Elev176.2NFor NElev198.5Forest183.1Non-Forest206.4Elevated181.0Non-Elevated194.0All

Precipitation Feb 1999 (mm)

Category

Effect of deforestation on RainfallLBA Campaign (WET-AMC), Rondônia, SW Amazonia

~20%

Carey et al 2001

Necessidade de melhoria da representaçãode parâmetros em modelos hidrológicos e meteorológicos

Ilustração: o impacto de diferentes valores da condutividadehidráulica no cálculo do balanço de energia e água à superfíciepara pastagens na Amazônia

5,80C24,61C25,80C2

0,42θs0,41θs0,42θs

0,1318θr0,057θr0,1318θr

1,73C11,73C11,73C1

5,00E-06Ks1,56E-04Ks1,00E-05Ks

7,12B4,38B7,12B

-0,086Ψs-0,0178Ψs-0,086Ψs

Experimento 3Valores sugeridos,

com mudança apenas do Ks

Experimento 2Considerando textura do solo em Ji-Paraná

(arenoso siltoso)

Experimento 1Valores sugeridos

1,76β0,89β0,84β

B

s

rsr

−= )(θθψψ Ψs - potencial de água no solo a saturação

B – expoente de curva de retenção (B-factor)Ks – condutividade hidráulica do solo a saturaçãoC1 – parâmetro de inclinação da curva de sensibilidade da vegetaçãoC2 – potencial de água no solo quando os estômatos iniciam o fechamentoΘr – conteúdo de água no solo nas condições de ponto de murchaΘs – porosidade do soloβ – razão de Bowen

BB

r

ssKK /)32()( +=

ψψ

)ln(2 rC ψ−=

20h 23h 02h 05h 08h 11h 14h 17h 20h 23h

W/m

²

Modelagem de Biomas no CPTECModelagem de Biomas no CPTEC--INPEINPE

• Modelo de biomas do CPTEC

• Melhorias do modelo de biomas

• Existência de equilibros múltiplos bioma-clima

Modelando Desmatamento e Biogeografia na AmazôniaModelando Desmatamento e Biogeografia na AmazôniaBiomas Naturais Atuais Biomas Pós-desmatamento

“1” Floresta Tropical“6” Savana

Nobre et al. 1991, J. Climate

Modelo Potencial de Vegetação alimentado por Modelo Potencial de Vegetação alimentado por cinco parâmetros climáticoscinco parâmetros climáticos

Valores mensais de precipitação e temperatura

Oyama and Nobre, 2002

growing degree-days on 0oC base

growing degree-days on 5oC base

Figure 6. Environmental variables used in CPTEC PVM: growing degree-days on 0oC base (a), growing degree-days on 5oC base (b), mean temperature of the coldest month (c), wetness index (d), seasonality index (e). Growing degree-days in oC day month-1, and temperature in oC.

Oyama and Nobre

mean temperature of the coldest month

Wetness index

Oyama and Nobre

seasonality index

Oyama and Nobre

The potentialvegetation modelalgorithm

Tropical Forest


Comparação Visual do CPTECComparação Visual do CPTEC--PVM PVM versus um Mapa Natural de Vegetação versus um Mapa Natural de Vegetação

CPTEC-PBM

SiB BiomeClassification


Comparação Visual do CPTECComparação Visual do CPTEC--PVM PVM versus um Mapa Natural de Vegetação versus um Mapa Natural de Vegetação

VEGETAÇAO NATURAL VEGETAÇÃO POTENTIAL



StatisticStatistic κ κ ((MonserudMonserud e e LeemansLeemans 1992)1992)

agrement

good agreement

poor agreement

perfect

excel.

v. good

good

regular

poor

v.poor

none


Verificação Objetiva do CPTECVerificação Objetiva do CPTEC--PVMPVM

bioma nome p0 (%) κ concordância

1 floresta tropical 71 0,73 muito boa

2 floresta temperada 52 0,49 regula

3 floresta mista 26 0,26 pouca

4 floresta de coníferas 55 0,56 boa

5 lariços 70 0,65 boa

6 savana 56 0,60 boa

7 campos extratropicais 76 0,50 regular

8 caatinga 50 0,40 regular

9 semi-deserto 57 0,55 boa

10 tundra 62 0,67 boa

11 deserto 70 0,74 muito boa

média global 62 0,58 boa

literatura ~ 40 0,40 - 0,50 regular


Global MeanGoodVery Good

Good

Good

Good

Good

Good

Very Good

RegularPoor

Regular

Regular

agreement

Correção de Erros do CPTECCorreção de Erros do CPTEC--PVMPVM

CPTEC-PBM


Florestas Secas,não Savanas!


Como corrigir o principal erro sistemático do modelo de biomas?

Erro: Atribuição de bioma de savana às florestas secas

da Índia e Sudeste Asiático

Papel das descargas elétricas e fogo na evolução dos biomas

África Sul América

Ásia

Anomalias de Vento e ROLE Verões de 1980 a 1999


(ZCAS)

Anomalias de oeste dos ventosna Amazônia: poucas descargaselétricas

(Não ZCAS)

Anomalias de leste dos ventosna Amazônia: muitas descargaselétricas

JJA

Ventos de oeste na Índia e Sudeste Asiático: poucas descargas elétricas

Em busca de Equilíbrios Múltiplos Bioma-Clima

Estados de Equilíbrios ClimáticosEstados de Equilíbrios Climáticos

Vegetation = f (climate)

Climate = f (vegetation)

Oyama, 2002

Metodologia para encontrar estados Metodologia para encontrar estados múltiplos de equilíbrio biomamúltiplos de equilíbrio bioma--climaclima

Oyama, 2002

Resultados do CPTECResultados do CPTEC--DBM para duas diferentes DBM para duas diferentes Condições Iniciais: todas as superfície vegetada coberta por Condições Iniciais: todas as superfície vegetada coberta por

deserto (a) e por floresta (b)deserto (a) e por floresta (b)a

b

c

Initial Conditions

Biome-climate equilibrium solution with IC as forest (a) is similar to currentnatural vegetation (c); when the IC is desert (b), the final equilibrium solution is different for Tropical South America


Dois estados de equilíbrio biomaDois estados de equilíbrio bioma--clima estáveis para a América do Sul!clima estáveis para a América do Sul!

Soil Moisture

Rainfallanomalies

-- current state (a)-- second state (b)


Possible stability landscape for Tropical South America. Valleys (X1, X2 and Y) and hills correspond to stable and unstable equilibrium states, respectively. Arrows represent climate state (depicted as a black circle) perturbations. State X1 refers to present-day stable equilibrium. For small (large) excursions from X1, state X2 (Y) can be found. It is suggested that the new alternative stable equilibrium state found in this work corresponds to X2. Notice that it is necessary to reach X2 before reaching state Y.

Aplicações para Paleoclimas e Climas do Futuro

Aplicações do CPTECAplicações do CPTEC--PVM para PVM para PaleoclimasPaleoclimas

a c

b d

(a) PBM results with uniform cooling of 6 C and drying of 3 mm/day to emulate climateconditions of the LGM (21 ka BP); (b) vegetation reconstruction for LGM; (c) PBM results with a uniformcooling of 4 C and rainfall patters with less seasonality over Northeast Brazil; (d) suggestion of pathways for connection of Amazon and Atlantic tropical forests 12-9 ka BP.

Oyama, 2002

Aplicação do Aplicação do PotentialPotential VegetationVegetation ModelModel (CPTEC(CPTEC--PVM) PVM) para Cenários de Futuras Mudanças Climáticas para dois para Cenários de Futuras Mudanças Climáticas para dois

Modelos Climático (GCM)Modelos Climático (GCM)

CPTEC-PBMGCM scenariosfor 2100

Current PotentialVegetation

Oyama, 2002

Efeitos sinergísticos de mudanças climáticas regionais ( induzidas por mudanças na vegetação) e globais (induzidas por aquecimento global) na

Amazônia

Cenário 1

Mudança Climática Global + quente+ seco+ seco

Mudança Climática Regional + quente + seco+ seco

Cenário 2

Mudança Climática Global + quente+ úmido+ úmido

Mudança Climática Regional + quente + seco+ seco

Alta sensibilidade associada ao clima (fogo, biodiversidade, etc)

Moderada sensibilidade associada ao clima

ConclusõesO futuro da distribuição de biomas no Brasil em face das mudanças dos usos da terra e do clima

• Ecossistemas naturais do Brasil estão sob crescente pressão (e.g.: desmatamentos da Amazônia e ‘desertificação’ no Nordeste do Brasil).

• Estas reduções poderiam causar reduções nas chuvas regionalmente tanto na Amazônia como no Nordeste.

• A combinação sinergística de mudanças do clima regional causadas por decorrência do aquecimento global e por mudanças dos usos da terra poderia, no curso das próximas décadas, levar o estado bioma-clima a um novo equilíbrio estável, resultando em “savanização” de partes da Amazônia e “desertificação” no Nordeste do Brasil.

• Os possíveis impactos dos desmatamento da Amazônia em outras áreas do país ainda são pouco conhecidos e dependentes do modelo numérico utilizado. Porém, há um esforço concentrado de vários grupos de pesquisa de elucidar esta questão, inclusive sobre os aspectos dos impactos climáticos de padrões realísticos de desmatamentos.

Burning Episode TrjectoryCalculation

Freitas Longo, Silva Dias, Artaxo; 1996

Modelos conceituais do impacto de desmatamento regional

0,6

0,7

0,8

0,9

1

1,1

1,2

0 20 40 60 80 100Desflorestamento (%)

Prec

ipit

ação

Rel

ativ

a

. Avissar et al 2002

O desmatamento...

O fogo...

1 9 7 3C

ourte

sy: I

NPE

/OB

T

1 9 9 1C

ourte

sy: I

NPE

/OB

T

1 9 9 9C

ourte

sy: I

NPE

/OB

T

Corrente de Jato em 500 hPa para o Atlântico NorteClimatologia para SON em cores; contornos mostram o jato para SON de 2000 (m/s)

Figure 1. The Atlantic jetstream, depicted by the speed of the mean500hPa wind, for the Autumn climatology (coloured) and for Autumn 2000(contours) in ms -1 , showing the displaced Atlantic jetstream in 2000. Thedata are taken from global analyses at the European Centre for Medium-Range Weather Forecasts (ECMWF). Blackburn and Hoskins, 2001

Anomalia de altura geopotencial (escala de cores em m) em 300 hPa em SON de 2000

Figure 2. Autumn 2000 geopotential height anomaly relative to climatology at 300hPa, fromECMWF analyses (colour scale in metres). The pattern is dominated by a train of anomaliesextending from mid-Atlantic over Eurasia. Blackburn and Hoskins, 2001

0

1

2

3

4

5

6

7

Freq

üênc

ia a

bsol

uta

10:18 -11:21

11:22 -12:25

12:26 -13:30

13:31 -14:35

14:36 -15:39

15:40 -16:44

16:45 -17:486:20 7:20 8:20 9:20 10:20 11:20 12:20

Local Time

ventos de oeste

Horário dos primeiros ecos

S-Pol Jan/Fev 1999

ventos de leste

0 ,0

2 0 ,0

4 0 ,0

6 0 ,0

8 0 ,0

1 0 0 ,0

Fore st Fore stInt e rfac e

P a st ureInt e rfac e

P ast ure

Vegetation at Location of Convection InitiationWet Season - All Cases

TOGASPOL

0,0

20,0

40,0

60,0

80,0

100,0

< 95 1 00 - 295 300 - 495 500 - 695 > 700

A l t i t u d e ( m )

Altitude at Location of Convection Initiation

Wet Season - All Cases

TOGA

S P OL

0,020,040,060,080,0

Fre

qu

en

cy

(%)

Fore st -Be low

Ave ra ge

Fore st -Above

Ave ra ge

P a st ure -Be low

Ave ra ge

P a st ure -Above

Ave ra ge

Vegetation Altitude at Location of Convection Initiation

Wet Season - All Cases

TOGA

SPOL

Pereira et al 2000

Amaz

onSc

enar

ios

Proj

ect,

LBA

Source: IPAM e WHRC, 2003

Convergência do Fluxo de Umidade Integrado na Vertical

Amazon River Discharge ( mAmazon River Discharge ( m33/s)/s)station: station: ÓbidosÓbidos (01 S, 55 W)(01 S, 55 W)

mon

th

Year

Large interannual variability in the hydrological cycle

Efeitos do perfil de aquecimento convectivo

DeMaria (1985)

• aquecimento convectivo em baixos níveis – resposta local na redução da pressão em superfície

• aquecimento convectivo em altos níveis – resposta global - ondas de Rossby gravidade

teleconexões globais

Perfis de Aquecimento Convectivo

2033-controle savana-controle

Convergência de umidade atmosférica

SimpleSimple ClimateClimate -- BiomeBiome InteractionInteraction ModelModel

CLI

MA

TE S

TATE

TROPICAL FOREST COVER

CLIMATECLIMATE= f (FOREST= f (FORESTCOVER)COVER)

FOREST COVER = fFOREST COVER = f (CLIMATE)(CLIMATE)

“STABLE”“STABLE”

“UNSTABLE”“UNSTABLE”

• A Potential Biome Model that uses 5 climateparameters to represent the (SiB) biomeclassification was developed (CPTEC-PBM).

• CPTEC-PBM is able to represent quite well theworld’s biome distribution. A dynamicalvegetation model was constructed by couplingCPTEC-PBM to the CPTEC Atmospheric GCM (CPTEC-DBM).

como o desflorestamento pode afetar o clima na amazônia e ... · como o desflorestamento pode...

Documents