como o desflorestamento pode afetar o clima na amazônia e ... · como o desflorestamento pode...
TRANSCRIPT
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
Anomalias de Vento e ROLE Verões de 1980 a 1999
Carvalho et al , 2002
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
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
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
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
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).
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−=
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
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
Oyama and Nobre, 2002
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
SiB BiomeClassification
Oyama and Nobre, 2002
StatisticStatistic κ κ ((MonserudMonserud e e LeemansLeemans 1992)1992)
agrement
good agreement
poor agreement
perfect
excel.
v. good
good
regular
poor
v.poor
none
Oyama and Nobre, 2002
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
Oyama and Nobre, 2002
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
SiB BiomeClassification
Florestas Secas,não Savanas!
Oyama and Nobre, 2002
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
Carvalho et al , 2002
(ZCAS)
Anomalias de oeste dos ventosna Amazônia: poucas descargaselétricas
(Não ZCAS)
Anomalias de leste dos ventosna Amazônia: muitas descargaselétricas
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
Oyama and Nobre, 2003
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)
Oyama and Nobre, 2003
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 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.
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
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
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
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).