UNIVERSIDADE ESTADUAL PAULISTA “JÚLIO DE MESQUITA FILHO”
FACULDADE DE CIÊNCIAS AGRONÔMICAS
CAMPUS DE BOTUCATU
TRANSMISSIVIDADE ATMOSFÉRICA DA RADIAÇÃO SOLAR UV:
ANÁLISE CLIMÁTICA E MODELOS DE ESTIMATIVA
ÉRICO TADAO TERAMOTO
Tese apresentada à Faculdade de Ciências Agronômicas da UNESP – Campus de Botucatu, para a obtenção do título de Doutor em Agronomia (Energia na Agricultura).
BOTUCATU-SP
Outubro – 2013
UNIVERSIDADE ESTADUAL PAULISTA “JÚLIO DE MESQUITA FILHO”
FACULDADE DE CIÊNCIAS AGRONÔMICAS
CAMPUS DE BOTUCATU
TRANSMISSIVIDADE ATMOSFÉRICA DA RADIAÇÃO SOLAR UV:
ANÁLISE CLIMÁTICA E MODELOS DE ESTIMATIVA
ÉRICO TADAO TERAMOTO
Orientador: Prof. Dr. João Francisco Escobedo
Tese apresentada à Faculdade de Ciências Agronômicas da Unesp – Campus de Botucatu, para a obtenção do título de Doutor em Agronomia (Energia na Agricultura).
BOTUCATU-SP
Outubro – 2013
v
7
Dedico este projeto ao meu pai Elisio Tadashi Teramoto e
minha mãe Tacaco Inagawa Teramoto, pois sem o apoio e dedicação que
deram a mim eu não teria atingido esta tão importante fase de minha vida.
vi
AGRADECIMENTOS
Primeiramente a Deus, pela presença e proteção constante em minha vida e pela graça
concedida para cumprir esta grande etapa.
À Faculdade de Ciências Agronômicas da Universidade Estadual “Júlio de Mesquita
Filho” (UNESP), pela oportunidade de realizar o curso de Doutorado.
Á Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, pela concessão da bolsa
de estudos.
Ao Prof. Dr. João Francisco Escobedo, por ter acreditado em meu potencial me aceitando
como “aprendiz” e pelo apoio fornecido em todos os momentos do curso.
Aos professores que comporam a banca examinadora, Dr. Alexandre Dal Pai, Dr. Dinival
Martins, Dr. Emerson Galvani e Dr. Nelson Veissid, pela avaliação e aprovação no Exame
de Defesa do Doutorado.
Aos professores das disciplinas cursadas do curso Energia na Agricultura da FCA/UNESP,
pelas informações transmitidas.
Ao grupo “Escobedo Ranger’s” (Eduardo Pingão, Enzo, Adilson, Ricardo, Thiago Pior,
Douglas, Fábio, Luiz Júnior, Ludmila, Cícero, Maurício, Thiago da Fatec e Lucas), sempre
no caminho do bem, pelo auxílio no desenvolvimento dos projetos e pelos momentos
alegres e histórias engraçadas compartilhados.
Aos amigos que fiz aqui em Botucatu: Satie, Dani Amapô, Beatriz, Pedrinho, Camile,
Humberto, Natália, Liliane, Leone, Bibin, Luciana, Maria Angélica, Matheus, Mariana,
Danielle, dentre tantos outros, pelo convívio e companherismo.
À Taiza, que esteve ao meu lado acompanhado de perto a minha trajetória ao longo dos
três anos de doutorado, na alegria e na tristeza.
Aos professores e técnicos do antigo Departamento de Recursos Naturais/Ciências
Ambientais Prof. Dr. Alcides, Prof. Dr. Isaac, Prof. Dr. Silvio, Maria, Beto e Cido, pelos
laços de amizade criados.
A todos, meus sinceros agradecimentos. Por tudo, meu muito obrigado.
vii
SUMÁRIO
1. INTRODUÇÃO ………………………..…………………………..…………… 1
2. REVISÃO DE LITERATURA …......................................................................... 4
2.1. Radiação solar UV ......................................................................................... 4
2.2. Métodos de medição da radiação UV ........................................................... 8
2.3. Fatores que determinam a variação temporal e espacial da radiação UV .... 10
2.4. Métodos de estimativa da radiação UV ......................................................... 13
2.4.1. Modelos de transmitância atmosférica .................................................. 13
2.4.2. Modelos estatísticos de estimativa ........................................................ 15
2.4.3. Estimativa com uso de técnicas de aprendizado de máquinas ............ 18
3. MATERIAL E MÉTODOS …………………………………………………… 22
3.1 Localização e Clima ...................................................................................... 22
3.2 Instrumentação e obtenção de dados ............................................................. 25
3.2.1. Radiações solar UV e global ................................................................. 25
3.2.2. Índices de transmissividade atmosférica KTUV e KT .............................. 26
3.2.3. Coluna total de ozônio estratosférico .................................................... 26
3.2.4. Profundidade óptica de aerossóis .......................................................... 27
3.2.5. Precipitação pluvial ............................................................................... 27
3.3. Metodologia .................................................................................................. 27
3.3.1. Análise da influência de nuvens, aerossóis e ozônio sobre o KTUV .... 27
3.3.2. Desenvolvimento dos modelos estatísticos .......................................... 29
3.3.3 Validação dos modelos desenvolvidos .................................................. 31
4. RESULTADOS E DISCUSSÃO ……………………………………………… 32
4.1 Evolução anual das médias mensais interanuais diárias de KTUV .................. 32
4.1.1. Influência das nuvens sobre o KTUV........................................................ 34
4.1.2. Influência dos aerossóis sobre o KTUV .................................................... 38
4.1.3. Influência do ozônio estratosférico sobre o KTUV................................... 47
4.2. Análise da variação interanual do KTUV ........................................................ 48
4.2.1. Período chuvoso ...................................................................................... 49
4.2.2. Período seco ............................................................................................ 51
4.3. Modelos estatísticos de estimativa ................................................................. 54
4.3.1. Modelo 1 ................................................................................................ 54
viii
4.3.2. Modelo 2 .......................................................................................... 55
4.3.3. Modelo 3 .......................................................................................... 60
4.3.4. Modelos 4........................................................................................... 65
4.3.5. Modelos 5........................................................................................... 68
4.4. Validação dos modelos estatísticos ..................................................... 70
5. CONCLUSÃO ....................................................................................................... 74
6. REVISÃO BIBLIOGRÁFICA ………………………………………………..... 76
ix
LISTA DE TABELAS
Tabela 1 – Tabela 1 – Médias sazonais diárias da fração UV/G em algumas
localidades do globo terrestre. ................................................................................... 5
Tabela 2 – Especificações técnicas de radiomêtros fabricados pela Eppley
Laboratory Inc. e pela Kipp e Zonen. ...................................................................... 9
Tabela 3 – Coeficiente de determinação R² da regressão entre os valores horários
de UV medidos e os estimados pelo modelo proposto por Assunção (2003) para
Botucatu, d de Wilmott, MBE, RMSE e número de dados utilizados (N), período
de 2000 a 2003. .................................................................................................. 14
Tabela 4 - Modelos estatísticos para estimativa da radiação UV horária a partir da
transmissividade atmosférica da radiação global encontrados na literatura e
respectivos RMSE, MBE e R². ................................................................................ 17
Tabela 5 – MBE e RMSE, expressos em %, dos modelos estátisticos utilizados
como referência e das RNAs desenvolvidos por Barbero et al. (2006) para as
cidades de Almeria e Gold e por Leal et al. (2011) para Pesqueira e Araripina.
..................................................................................................................................... 20
Tabela 6 – MBE, RMSE e d de Wilmott, expressos em %, para os diferentes
grupos de variáveis testados na SVM por Almeida (2013) para Botucatu, São
Paulo, Brasil. .............................................................................................................. 21
Tabela 7 – Coordenadas geográficas e percentual do território ocupado por
lavouras de cana-de-açúcar em cidades produtoras próximas à Botucatu
(disponível em: http://www.dsr.inpe.br/laf/canasat/tabelas.html).............................. 23
Tabela 8 – Valores diários do KT, AOD e TOC em dias com condição de céu claro
nos dias 14/07/2000 e 01/07/2002.............................................................................. 44
Tabela 9 – Valores diários do KT, AOD e TOC em dias com condição de céu claro
nos dias 18/09/2003 e 11/09/2006.............................................................................. 45
Tabela 10 – Coeficiente angular (b), coeficiente de determinação (R²), desvio
padrão (sd) e número de dados (n) da correlação entre os valores horários de KTUV
e de KT, base de dados total do período de 2000 a
2005...................................................................................................................... 54
Tabela 11 – C Coeficiente angular (b), coeficiente de determinação (R²), desvio
padrão (sd) e número de dados (n) da correlação entre KTUV e KT para cada estação
do ano......................................................................................................................... 56
x
Tabela 12 – Coeficientes a e b, coeficiente de determinação R², desvio padrão (sd)
e número de observações (N) para diferentes intervalos de ângulo de elevação solar
( ψ ). ............................................................................................................................
59
Tabela 13 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos para
estimativa da irradiação solar UV horária anual em Botucatu, São Paulo,
Brasil............................................................................................................................
63
Tabela 14 – Coeficiente angular (b), coeficiente de determinação (R²), desvio
padrão (sd) e número de dados (N) da correlação entre a irradiação solar UV
medida e o produto KTUVclaro..................................................................................... 64
Tabela 15 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos para
estimativa da UVclaro anual em função do SOC em Botucatu, São Paulo, Brasil....... 66
Tabela 16 – Coeficiente angular (b), coeficiente de determinação (R²), desvio
padrão (sd) e número de dados (N) da correlação entre a irradiação solar UV
medida e o produto KTUVclaro..................................................................................... 67
Tabela 17 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos para
estimativa da UVclaro anual em função do SOC em Botucatu, São Paulo, Brasil. ..... 69
Tabela 18 – Coeficiente ângular (b), coeficiente de determinação (R²), desvio
padrão (sd) e número de dados (N) da correlação entre a irradiação solar UV
medida e o produto KTUVclaro..................................................................................... 70
Tabela 19 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos neste
trabalho para estimativa da irradiação solar UV horária anual em Botucatu (M1,
M2, M3, M4 e M5)...................................................................................................... 71
xi
LISTA DE FIGURAS
Figura 1 – Radiômetros TUVR Eppley (a), CUV 5 Kipp e Zonen (b) e padrão linha
UVS (A-T e B-T) da Kipp e Zonen (c). ...................................................................... 9
Figura 2 – Áreas de cultivo de cana-de-açúcar colhidas com queima (azul) e sem
queima (verde) na região de Botucatu (raio de 100 km) no ano de 2006
(CANASAT, 2013) e localização das represas hidroelétricas de Barra Bonita e
Jurumirim...................................................................................................................... 25
Figura 3 – Evolução anual das médias mensais interanuais dos valores diários de
KTUV em Botucatu, período de 2000 a 2007................................................................. 32
Figura 4 – Evolução anual do >< dTUVK em condições de céu nebuloso,
parcialmente nebuloso com dominância para o difuso (PNDD), parcialmente
nebuloso com dominância para o claro (PNDC) e claro.............................................. 34
Figura 5 – Evolução diurna dos valores horários de KTUV (a) e KT (b) nos dias
11/01/2001 e 24/08/2005, ambos com condições de céu nebuloso............................. 36
Figura 6 – Frequência mensal diária das condições de céu (a) nebuloso, (b) PNDD,
(c) PNDC e (d) claro. ................................................................................................... 37
Figura 7 – >< TUVK em condições de céu claro e céu PNDC (a), >< FC (b),
>< CDD (c), >< AOD (d). ....................................................................................... 39
Figura 8 – Frequência de incêndios por unidades de grade (28km x 28km) entre os
meses de junho a novembro de 2002 detectados por meio do satélite NOAA. Fonte:
CPTEC (2010). ............................................................................................................. 42
Figura 9 - Evolução diurna dos valores horários de KTUV nos dias 14/07/2000 e
01/07/2002 .................................................................................................................... 44
Figura 10 – Evolução diurna dos valores horários de KTUV nos dias 18/09/2003 e
11/09/2006..................................................................................................................... 45
Figura 11 – Correlação linear entre o KTUV e a AOD em condições de céu claro nos
meses de junho (a) e setembro (b). ............................................................................... 46
Figura 12 – Médias mensais interanuais da KTUV em condições de céu claro (a) e da
coluna total de ozônio TOC (b). ................................................................................... 47
Figura 13 – dTUVK e f de céu nebuloso, PNDD, PNDC e claro e de dias com
ocorrência de chuva nos meses de janeiro a março dos anos de 2000 a 2007 .............
50
xii
Figura 14 – dTUVK e da AOD, f das condições de céu nebuloso, PNDD, PNDC e
claro e de FC nos meses de agosto a outubro dos anos de 2000 a 2007.....................
52
Figura 15 – Correlação linear entre os valores horários de KTUV e KT, dados do
período de 2000 a 2005................................................................................................. 54
Figura 16 – Correlação sazonal entre os valores horários de KTUV e de KT ................ 56
Figura 17 – Variação dos paramêtros a e b em função do ângulo de elevação solar
para Botucatu. .............................................................................................................. 60l
Figura 18 – Variação da irradição UV horária (MJ m-2 h-1) em função da massa
ótica relativa mr (adimensional) em condições de céu claro (pontos pretos) e de céu
com presença de nuvens (pontos cinzas) em Botucatu. ............................................... 61
Figura 19 – Correlação entre os valores horários de irradiação solar UV em
condições de céu claro e de massa óptica relativa do ar. ............................................. 62
Figura 20 - Correlação entre os valores horários de radiação UV medidos e os
estimados, dados do periodo de janeiro de 2006 a dezembro de 2007. ....................... 63
Figura 21 – Correlação entre irradiação solar UV horária medida e o produto
KTUVclaro, dados do período entre janeiro 2006 a dezembro de 2007. ....................... 64
Figura 22 – Correlação entre a irradiação solar UV horária e a SOC em condições
de céu claro, dados do período entre janeiro de 2006 a dezembro de 2007. ................ 66
Figura 23 - Correlação entre os valores horários anuais da irradiação solar UV em
condições de céu claro medidos e os estimados, periodo de janeiro de 2006 a
dezembro de 2007. ....................................................................................................... 67
Figura 24 – Correlação entre a irradiação solar UV medida e o produto KTUVclaro,
dados horários do período entre janeiro de 2000 a dezembro de 2005 onde KT <
0,65. ....................................................................................................................... 68
Figura 25 - Correlação entre os valores horários anuais da irradiação solar UV em
condições de céu claro medidos e os estimados, periodo de janeiro de 2006 a
dezembro de 2007. .......................................................................................................
69
Figura 26 - Correlação entre irradiação solar solar UV medida e o produto
KTUVclaro, dados horários do período entre janeiro de 2000 a dezembro de 2005
onde KT < 0,65. ............................................................................................................ 70
Figura 27 – Correlação entre a radiação UV medida e a estimada, dados horários do
período entre janeiro de 2006 a dezembro de 2007. .................................................... 72
xiii
LISTA DE ABREVIATURAS E SÍMBOLOS
δ Declinação solar (graus)
sω Ângulo horário solar diario para superfície horizontal (graus)
φ Latitude (graus)
rm Massa óptica relativa do ar (adimensional)
oE Fator de correção da excentricidade da órbita terrestre (U.A.)
ψ Ângulo de elevação solar (graus)
h0H Irradiação solar extraterrestre horária (MJ m-2 h-1)
d0H Irradiação solar extraterrestre diária (MJ m-2 dia-1)
h0UV Irradiação UV no topo da atmosfera horária (MJ m-2 h-1)
d0UV Irradiação UV no topo da atmosfera diária (MJ m-2 dia-1)
hUVH Irradiação solar UV em superfície horizontal horária (MJ m-2 h-1)
dUVH
Irradiação solar UV em superfície horizontal diária (MJ m-2 dia-1)
TK Índice de transmissividade atmosférica (adimensional)
hTK Índice de transmissividade atmosférica horária (adimensional)
KTUV Índice de transmissividade atmosférica da radiação solar UV (adimensional)
hTUVK Índice de transmissividade atmosférica da radiação solar UV horária
(adimensional)
dTUVK Média mensal diária do índice de transmissividade atmosférica da radiação
solar UV (adimensional)
>< dTUVK Média mensal interanual do índice de transmissividade atmosférica da
radiação solar UV (adimensional)
AOD Profundidade ótica de aerossóis (adimensional)
AOD Média mensal diaria da profundidade ótica de aerossóis (adimensional)
>< AOD Média mensal interanual da profundidade ótica de aerossóis (adimensional)
SOC Coluna total de ozônio estratosférico obliqua (DU)
TOC Coluna total de ozônio estratosférico (DU)
TOC Média mensal diária da coluna total de ozônio estratosférico (DU)
>< TOC Média mensal interanual da coluna total de ozônio estratosférico (DU)
xiv
CDD Comprimento máximo do periodo de dias sem chuva (dias)
>< CDD Média mensal interanual do comprimento máximo do periodo de dias sem
chuva (dias)
FC Frequência de dias com ocorrência de chuva (dias)
>< FC Média mensal interanual da frequência de dias com ocorrência de chuva
(dias)
ZCAS Zona de Convergência do Atlântico Sul
V Anomalia verdadeira do Sol (graus)
f Frequência mensal das condições de céu (%)
>< f Frequência mensal interanual das condições de céu (%)
1
TRANSMISSIVIDADE ATMOSFÉRICA DA RADIAÇÃO SOLAR UV:
ANÁLISE CLIMÁTICA E MODELOS DE ESTIMATIVA. Botucatu, 2013. 88 p.
Tese (Doutorado em Agronomia/Energia na Agricultura) – Faculdade de Ciências
Agronômicas, Universidade Estadual Paulista.
Autor: ÉRICO TADAO TERAMOTO
Orientador: JOÃO FRANCISCO ESCOBEDO
RESUMO
A radiação UV possui efeito nocivo sobre a biosfera e pode causar fotodegradação em
polímeros sintéticos e fibras naturais. Por isso, informações sobre a variação temporal e
geográfica da incidência da radiação solar UV é útil em estudos das áreas de engenharia,
ecologia e agronomia. Tais informações podem ser obtidas por meio de monitoramento ou
partir da estimativa utilizando outras variáveis meteorológicas. Botucatu/SP é uma das
poucas cidades no Brasil que monitoram a radiação solar UV e possui base de dados com
mais de 10 anos de medições. A cidade sofre influência da queima de cana-de-açúcar em
cidades vizinhas e dos incêndios em florestas ou pastagem em outros estados do Brasil, nos
meses de maio a novembro, que geram o aumento na concentração de aerossóis na
atmosfera. Dentre as componentes espectrais da radiação solar, a UV é uma das mais
atenuadas pelo efeito direto dos aerossóis. Os objetivos deste trabalho foram: analisar a
climatologia do KTUV em Botucatu/SP e desenvolver e propor modelos estatísticos para a
estimativa da radiação solar UV horária. O KTUV corresponde à razão entre a radiação solar
UV incidente na superfície terrestre e a radiação solar UV extraterrestre. Sua utilização
permite avaliar a variação na incidência da radiação solar UV sobre a superfície terrestre
apenas em função do clima, ou seja, eliminando a dependência astronômica e a geográfica.
Com base nos resultados verificou-se o KTUV em Botucatu é menor nos meses do verão
(dezembro a fevereiro), em função da maior nebulosidade, e maior em abril e agosto,
meses onde há a predominância de dias com condições de céu claro. O aumento da
nebulosidade com mudança da condição de céu claro para céu nebuloso pode gerar
reduções de até 64% na KTUV. Quando há a mudança da condição de céu claro para
parcialmente nebuloso com dominância para o difuso, a redução é menor e pode chegar a
33%. Durante os meses do período seco (abril a setembro), nos quais é alta a frequência da
condição de céu claro e baixa a de chuvas, o aumento da turbidez atmosférica gera
2
reduções de 20 a 32% no KTUV. As reduções do KTUV em condições de céu claro podem ser
maiores ou menores dependendo da frequência de queima de biomassa no Estado de São
Paulo e em outros estados do Brasil e da frequência das chuvas. A queima da cana-de-
açúcar altera pouco a profundidade óptica de aerossóis (AOD) em Botucatu, sendo ela
responsável pelo aumento da AOD principalmente nos meses de junho a agosto. Os
incêndios praticados em florestas ou pastagens em outros estados do Brasil geram aumento
na AOD em Botucatu durante os meses de agosto a novembro. Em relação à influência do
ozônio estratosférico, não é possível observar seu efeito sobre a variação temporal da KTUV.
Uma das justificativas para este resultado é que, após absorver toda a UV-C, ele é capaz de
atenuar apenas a UV-B, que representa menos de 20% da radiação solar UV incidente
sobre a superfície terrestre. Dos cinco modelos estatísticos desenvolvidos e validados,
apenas três apresentaram nível de imprecisão inferior ao do sensor utilizado na medição da
radiação solar UV (~5%). O pior desempenho observado foi o do modelo parametrizado
para diferente valores de ângulo de elevação solar, que apresentou MBE=-5,786% e d de
Wilmott de 0,971. O modelo desenvolvido com baseado no proposto por Foyo-Moreno et
al. (1999) foi o qual apresentou melhor desempenho, com MBE=0,829% e d de Wilmott de
0,991. Ele utiliza como variáveis de entrada o índice de transmissividade KT e a massa
óptica relativa do ar mr.
_____________________________________________________
Palavras chave: Transmissividade atmosférica. Índice de transmissividade atmosférica
KT.Ozônio estratosférico. Aerossóis. Queima de cana-de-açúcar.
3
ATMOSPHERIC TRANSMISSIVITY OF SOLAR UV RADIATION: CLIMATIC
ANALISYS AND ESTIMATION MODELS. Botucatu, 2013. 88 p. Tese (Doutorado em
Agronomia/Energia na Agricultura) – Faculdade de Ciências Agronômicas, Universidade
Estadual Paulista.
Author: ÉRICO TADAO TERAMOTO
Adviser: JOÃO FRANCISCO ESCOBEDO
SUMMARY
UV radiation has harmful effects on the biosphere and can cause photodegradation in
synthetic polymers and natural fibers. Therefore, informations on the temporal and
geographical variation of incidence of solar UV radiation are useful to studies in the fields
of engineering, ecology and agronomy. Such information can be obtained by
measurements or by estimating using other meteorological variables. Botucatu/SP is one of
the few cities in Brazil that monitor solar UV radiation and has a database with more than
10 years of measurements. The city is influenced by the sugarcane burning in neighboring
towns and fires in forests or grasslands in other states of Brazil, in the months from May to
November, which generate an increase in the concentration of aerosols in the atmosphere.
Among the spectral components of solar radiation, the UV is one of the most attenuated by
the direct effect of aerosols. The objectives of this study were to examine the climatology
of KTUV in Botucatu/SP and develop and propose statistical models to estimate hourly solar
UV radiation. The KTUV corresponds to the ratio of the UV solar radiation incident on the
earth's surface and the extraterrestrial solar UV radiation. Their use allows evaluating the
variation in solar UV radiation incidence on the earth's surface only due to the weather, ie,
eliminating the geographical and astronomical dependences. Based on the results, was
verified that the KTUV in Botucatu is lower in the summer months (December to February),
due to the increased cloudiness, and higher in April and August, months where there is a
predominance of days with clear sky conditions. Increasing in the cloudiness with
changing sky condition clear to cloudy can generate reductions up to 64% in the KTUV.
When there is a change in sky condition clear to partly cloudy dominance to diffuse, the
reduction is smaller and can reach 33%. During the months of the dry season (April to
September), when in high the frequency of the clear sky condition and low of the rainfall,
increased turbidity generates reductions up to 20-32% in the KTUV. The reductions in
4
KTUV in clear sky conditions may be higher or lower depending on the frequency of
biomass burning in the state of São Paulo and in other states of Brazil and of the frequency
of rainfall. The sugarcane burning somewhat alters the aerosol optical depth (AOD) in
Botucatu, it being responsible for the increased in the AOD primarily in the months from
June to August. Fires practiced in forests or pastures in other states of Brazil generate
increase in AOD in Botucatu during the months from August to November. Regarding the
influence of stratospheric ozone, it is not possible to observe its effect on the temporal
variation of the KTUV. One of the explanations for this result is that, after absorbing all the
UV-C, it is only able to attenuate the UV-B, which represents less than 20% of the solar
UV radiation incident on the earth's surface. Of the five statistical models developed and
validated, only three showed lower levels of inaccuracy of the sensor used in the
measurement of solar UV radiation (~5%). The worse performance model was the
parameterized for different values of solar elevation angle, which showed MBE = -5.786%
and d of Wilmott 0.971. The model developed based on the proposed by Foyo-Moreno et
al. (1999) was that showed the best performance with MBE = 0.829% and d of Wilmott of
0.991. It uses as input variables the rate of optical transmissivity KT and the relative air
mass mr.
_____________________
Keywords: Atmospherical transmissivity. Clearness Index KT. Stratospheric ozone.
Aerosols. Sugar cane burning.
5
1 INTRODUÇÃO
A radiação UV representa uma fração muito reduzida da radiação
solar que incide no topo da atmosfera, aproximadamente 5,7% (IQBAL, 1983). Após
atravessar a atmosfera sofrendo atenuação por absorção e espalhamento, a fração da
radiação solar correspondente ao espectro da UV é em média de 4% (ROOBA, 2003;
JACOVIDES et al., 2006; Bo et al., 2010; ESCOBEDO et al., 2012). Na atmosfera, os
principais responsáveis pela atenuação da radiação solar UV são o ar seco, as nuvens, os
aerossóis, o ar seco e o ozônio.
Embora o espectro UV corresponda a uma fração pequena dentro
da radiação solar incidente sobre a superfície terrestre, ela possui notoriedade em relação
às faixas espectrais visível e a infravermelho em função de seus efeitos nocivos sobre a
biosfera. Ela é capaz gerar danos tanto em organismos vivos em ecossistemas aquáticos
quanto terrestre e também à saúde humana. Em seres humanos, a exposição continua a
radiação solar UV pode gerar desde queimaduras na pele (eritema) até problemas mais
crônicos como câncer de pele e catarata (DIFFEY, 1991; BACHELOR e BOWDEN, 2004;
AGAR et al, 2004).
Desde a década de 90 do século passado houve uma grande
expansão em escala mundial no número de estações meteorológicas monitorando a
radiação solar UV. A expansão foi resultado da preocupação em relação ao possível
aumento nos níveis de incidência desta radiação sobre a superfície terrestre e os prejuízos
gerados aos seres humanos e demais organismos vivos. A suspeita do aumento ocorreu em
função da redução na concentração do ozônio estratosférico registrado desde 1970
(STOLARSKY et al., 1992; NEWCHURCH et al., 2003). Por outro lado, atualmente há
evidências de que a urbanização e o desenvolvimento indústrial têm gerado a redução na
incidência da radiação solar UV em algumas localidades sobre a superfície terrestre
6
(ROOBA, 2004). Neste caso, o aumento na concentração de aerossóis e de gases
absorventes da UV como o NO2, originados da queima de combustiveis fósseis e biomassa,
seriam os responsáveis pela atenuação da radiação solar UV.
O aumento na concentração de aerossóis na atmosfera pode exercer
influência sobre a radiação solar UV tanto de forma direta, por absorção e espalhamento,
quando indiretamente por meio de alteração da nebulosidade. Em relação à forma indireta,
grande parte dos aerossóis, originados na queima de biomassa ou combustíveis fósseis,
pode atuar como núcleo de condensação de nuvens (NCN). Aumentos na concentração de
aerossóis do tipo NCN na atmosfera podem alterar o tempo de vida das nuvens e algumas
de suas propriedades físicas (WIELICKI et al., 2005; KAUFMAN e KOREN, 2006). Em
relação à forma direta, aumentos na concentração de aerossóis na atmosfera pela queima de
biomassa podem gerar reduções de até 30% na incidência de radiação UV sobre a
superfície terrestre (REUDER e SCHWANDER, 1999; KALASHNIKOVA et al., 2007).
Diante de incertezas em relação à existência ou não de tendências,
tanto de aumento quanto de redução nos níveis de incidência da radiação solar UV sobre a
superfície terrestre, torna-se necessário o monitoramento e estudo dela por um período
continuo e prolongado. No Brasil, ainda são poucas as localidades que monitoram a
radiação solar UV. Além disto, dentre elas, pouquíssimas monitoram esta radiação há mais
de 10 anos. Quando não há o seu monitoramento e a disponibilidade de séries
climatológicas longas, que permitam uma análise de sua variação climática ou de
tendências, a alternativa é sua estimativa a partir de outras variáveis meteorológicas. No
caso, a estimativa pode ser feita por meio de modelos de transmitância atmosférica, de
modelos estatísticos ou por meio do uso de técnicas de aprendizado de máquinas. O
primeiro demanda conhecimento aprofundado a respeito da interação entre a radiação solar
e a atmosfera e envolve complexa rotina de cálculos, sendo por isso de difícil utilização. O
segundo é normalmente o mais utilizado, enquanto o terceiro tem recebido atenção nos
últimos anos sendo foco de estudos quanto à aplicabilidade e precisão quando comparado
ao segundo.
A estação de radiometria solar de Botucatu, instalado na Faculdade
de Ciências Agronômicas da UNESP (latitude 22,85ºS, longitude 48,43º W, altitude 742
m), está entre as poucas estações que monitoram a radiação solar UV no Brasil. Ela
monitora a radiação solar UV desde janeiro de 2000 e, portanto, possui uma série
climatológica com mais de 12 anos. Um detalhe importante desta estação é que ela está
7
localizada em uma região caracterizada pela presença de lavouras de cana-de-açúcar e de
usinas sucroalcooleiras. Por isso, sofre influência da queima de cana-de-açúcar durante o
período de colheita, que gera o aumento na concentração de aerossóis na atmosfera
regional e assim possuem potencial para alterar a transmissividade atmosférica da radiação
solar UV. A prática das queimadas segue tendência de redução no Estado de São Paulo
desde 2008 e deverá ser eliminada até 2017. Tal cenário gera incertezas quanto às
alterações nos níveis de incidência da radiação solar UV que ocorrerá até e após 2017 e
gera o interesse em estudos específicos.
Com base em dados de irradiação solar UV horária medidos em
Botucatu/SP/Brasil durante o período de janeiro de 2000 a dezembro de 2007, o presente
trabalho teve como principais objetivos:
� Realização de análise climática da transmissividade atmosférica
da radiação UV (KTUV) em Botucatu/SP/Brasil (estudo do efeito das nuvens, aerossóis e do
ozônio). O KTUV corresponde à razão entre a radiação solar UV incidente na superfície
terrestre e a radiação solar UV extraterrestre. Sua utilização permite avaliar a variação da
radiação solar UV incidente na superfície terrestre apenas em função da variação na
concentração de nuvens, aerossóis e ozônio na atmosfera, eliminando as dependências
astronômicas e a geográfica.
� Desenvolver, validar e propor modelo estatístico que relaciona
os índices KTUV e KT (índice de transmissividade atmosférica) para a estimativa da
irradiação solar UV horária em Botucatu/SP/Brasil.
� Ajustar e validar quatro modelos estatísticos baseados nos
disponíveis na literatura para a estimativa da irradiação solar UV horária em
Botucatu/SP/Brasil.
8
2 REVISÃO DE LITERATURA
2.1 Radiação solar UV
A radiação solar UV, definida como a fração do espectro
eletromagnético com comprimento de onda entre 0,1 a 0,4 µm, corresponde a
aproximadamente 5,7% da radiação incidente no topo da atmosfera e a 4 % da radiação
global (IQBAL, 1983; ELHADIDY et al., 1999; ROOBA, 2003; JACOVIDES et al., 2006;
ESCOBEDO et al., 2012). Para fins de estudos, é também dividida em três intervalos
relacionados aos seus efeitos biológicos: UV-C (100-290 nm), UV-B (290-315 nm) e UV-
A (315-400 nm). A maior parcela da radiação UV extraterrestre (UV0) corresponde a UV-
A (~68%), enquanto a UV-C representa 17% e a UV-B 15% (IQBAL, 1983).
Após atravessar a atmosfera, toda a UV-C e parte da UV-B são
atenuadas pela camada de ozônio. Assim, a radiação solar UV incidente sobre a superfície
terrestre é em média composta predominantemente por UV-A (~90%) em relação à UV-B
(~10%) (WENNY et al., 1998; OGUNJOBI e KIM, 2004). A fração UV dentro da radiação
global (UV/G), bem como a proporção entre UV-B e UV-A na UV global, podem variar
sazonal e espacialmente. Tais variações ocorrem principalmente sob influência de
diferentes padrões climáticos de nebulosidade e concentração de aerossóis na atmosfera,
que são os principais atenuadores dela na atmosfera. Locais de clima árido ou semi-árido,
com predominância de condições de céu claro e baixa turbidez atmosférica, tendem a
apresentar menores valores da fração UV/G quando comparados a outros de clima tropical
ou temperado. Também no caso das variações sazonais, normalmente são observados
menores valores da fração UV/G durante as estações secas quando comparado às chuvosas.
A diferença ocorre, pois as nuvens atenuam grande parcela da radiação infravermelho e da
9
visível que representam mais de 95% da radiação global (ESCOBEDO et al., 2012),
aumentando a razão UV/G.
Os valores de UV/G em condições de céu claro com elevada
turbidez atmosférica. Isto ocorre, pois a atenuação da radiação UV pelos aerossóis é maior
quando comparada à das demais componentes espectrais da radiação global. Como
exemplo, em Botucatu/SP/Brasil a UV/G durante a estação seca é aproximadamente 3,9%
enquanto em Ansai/China é de 3,2% (HU et al., 2010; ESCOBEDO et al., 2012). Durante a
estação seca, a concentração de aerossóis na atmosfera em Ansai é aproximadamente
62,5% maior em relação à Botucatu. Por outro lado, comparando a UV/G em Botucatu na
estação seca (inverno) com a nebulosa e chuvosa (verão), verifica-se que ela é
aproximadamente 10,3% menor. Na tabela 1 abaixo são apresentados os valores médios
sazonais diários da fração UV/G em algumas localidades no globo terrestre com
características climáticas diferentes.
Tabela 1 – Médias sazonais diárias da fração UV/G em algumas localidades do globo
terrestre.
Local Latitude (graus)
Longitude (graus)
Altitude (m)
UV/G (%)
Verão Outono Inverno Primavera Ansai5 36,85º N 9,32º E 1.189 4,07 3,43 3,20 2,76 Botucatu6 22,85º S 48,43º W 742 4,30 4,00 3,90 4,20 Cairo2 30,08º N 1,25º E 116 3,14 2,75 2,85 3,00 Cyprus4 35,25º N 3,67º E 165 3,17 3,27 3,12 3,20 Lasa5 29,67º N 1,33º E 3.668 4,57 4,07 4,07 4,47 Kuwait1 29,48º N 7,97º E 7 4,60 4,60 4,33 4,37 Sanya5 18,22º N 9,47º E 3 4,60 4,20 4,23 4,53 Shapotou5 37,45º N 4,95º E 357 3,97 3,33 3,00 3,70 Valência3 39,83º N 0,37º E 40 3,27 3,23 3,00 3,37
Fonte: 1Al-Aruri et al. (1988), 2Rooba (2003), 3Martinez-Lozano et al. (1999), 4Jacovides et al. (2006), 5Hu et al. (2010) e 6Escobedo et al. (2012).
Embora a UV represente uma pequena parcela da radiação global,
quando comparada a visível (~49%) e a infravermelho (~47%), ela possui notoriedade em
função dos seus efeitos nocivos em organismos vivos. Em seres humanos, a exposição à
radiação UV pode causar fotosensibilidade e queimaduras na pele (eritema), câncer de
pele, alteração do sistema imunológico e cataratas (DIFFEY, 1991; BACHELOR e
BOWDEN, 2004; AGAR et al, 2004). Em organismos áquaticos como plantas de águas
10
rasas, anfíbios, peixes e crustáceos, pode prejudicar o desenvolvimento ao causar danos à
células e tecidos (BLAUSTEIN et al., 1995; ROSEMA et al., 2002; PIENITZ e VICENT,
2000; CLAIR et al., 2001; HARRISON e SMITH, 2009; NAZARI et al., 2010). Nas
plantas terrestres, influência a produção e induz mudanças estruturais e fisiológicas; pode
causar redução da área foliar e redução na absorção de luz visível (TOSSERAMS e
ROZEMA, 1995; HAO et al. 2000; BOEGER e POULSON et al., 2006). Além dos efeitos
em organismos vivos, a radiação UV também causa fotodegradação de fibras naturais e de
polímeros sintéticos e tintas (ANDRADY et al., 1998). Assim, a vida útil de objetos
produzidos a partir destes materiais e instalados “outdoor” é influenciada pela incidência
da radiação solar UV.
Nas últimas décadas vários trabalhos têm discutido o possível
aumento na incidência de radiação solar UV sobre a superfície terrestre em função da
redução do ozônio estratosférico (STOLARSKY et al., 1992; MANDRONICH, 1992;
BARTLETT e WEBB, 2000; NEWCHURCH et al., 2003). Tal tendência de aumento seria
resultante da redução na atenuação da UV-B pela camada de ozônio. Reduções da ordem
de 1,6% na coluna total de ozônio atmosférico são capazes de gerar aumentos de até 2,3%
incidência de UV-B sobre a superfície terrestre (MENDEVA et al., 2005; SERRANO et
al., 2008; EL-NOUBY, 2011). Por outro lado, há trabalhos indicando que a urbanização e
o desenvolvimento industrial têm gerado a redução na incidência da radiação solar UV em
algumas localidades sobre a superfície terrestre (REUDER e. SCHWANDER, 1999;
ROOBA, 2004). Neste caso, o aumento na emissão de aerossóis, gerado pelo maior
consumo de combustíveis fósseis e de biocombustíveis, seria o responsável pela redução.
Como exemplo, Rooba (2004) verificou na cidade do Cairo redução de 22% na incidência
da radiação solar UV ao longo do periodo de 1969 a 1997, resultante do processo de
urbanização e industrialização da cidade. Ao comparar os níveis de incidência da radiação
solar UV em Cairo (cidade urbana e industrializada) com a de a Bahtim (cidade rural), o
mesmo autor encontrou uma diferença média de 17,8%. As duas cidades são
geograficamente próximas e apresentam climas similares.
Diante dos efeitos nocivos da radiação solar UV, tanto em
organismos vivos quanto em polímeros sintéticos e fibras naturais, e da incerteza sobre a
existência de tendências de variação, verifica-se o aumento no interesse pelo
monitoramento e estudo da radiação solar UV em diversas áreas de conhecimento. Em
geral, são encontrados na literatura estudos voltados à:
11
1) Análise da variação temporal em séries climatológicas ou
avaliação da existência ou não de tendências de aumento ou diminuição na incidência da
radiação solar UV (LEE e WEBB, 2000; TARASICK et al., 2003; FIOLETOV et al.,
2003; OGUNJOBI e KIM, 2004, CORDERO et al., 2005; ESCOBEDO et al., 2011;
ESCOBEDO et al., 2012);
2) Análise da influência na variação da nebulosidade e
concentração atmosférica de aerossóis e de ozônio sobre os níveis de incidência da
radiação solar UV (WENNY et al., 1998; REUDER e SCHWANDER, 1999;
DEGÜNTHER e MEERKÖTTER, 2000; JOSEFSSON e LANDELIUS, 2000;
KORONAKIS et al., 2002; FOYO-MORENO et al., 2003; ROOBA, 2003; MENDEVA et
al., 2005; HU et al., 2008; CHUBAROVA, 2009; PAULESCU et al., 2010; SANTOS et
al., 2010);
3) Desenvolvimento de modelos estatísticos ou paramétricos e
uso de técnicas de aprendizado de máquinas para estimativa da incidência da radiação solar
UV (FOYO-MORENO et al., 1999; CANÃDA et al., 2003; ASSUNÇÃO, 2003;
MURILLO et al., 2003; BARBERO et al., 2006; JACOVIDES et al., 2006; ESCOBEDO
et al., 2009; VILLÁN et al., 2010; LEAL et al., 2011; HUANG et al., 2011);
4) Influência da variação na incidência de radiação solar UV em
ecossistemas marinhos e terrestres (CUI et al., 2008; ZHANG et al., 2011).
É importante ressaltar que, embora exista o interesse no
monitoramento e estudos da radiação solar UV em diversas áreas de conhecimento, ainda é
pequeno o número de estações meteorológicas distribuídas ao longo do globo terrestre que
medem-na como rotina. A maioria das estações meteorológicas que fazem o
monitoramento da radiação solar UV estão localizadas na América do Norte e Europa. As
justificativas para a ausência do monitoramento em alguns casos é o custo de aquisição dos
sensores e a dificuldade de manutenção. Uma alternativa para a obtenção de dados de
radiação solar UV neste caso é a estimatitiva deles a partir de modelos de transmitância
atmosférica. Estes modelos exigem profundo conhecimento a respeito dos processos de
interação entre a radiação e os constituintes atmosféricos, que podem ser modelados
matematicamente. Por isso, é de difícil utilização por pessoas sem o domínio do
conhecimento específico. Outra alternativa para a obtenção de dados de radiação solar UV
é a estimativa a partir de outras variáveis meterológicas medidas como rotina nas estações
12
meterológicas. Neste caso, são utilizados modelos estatísticos desenvolvidos para locais de
clima semelhante ao do local em estudo.
Para a compreenção do processo de monitoramento da radiação
UV, no item 2.2 a seguir serão citados os principais métodos de medição da radiação solar
UV. No item 2.3 serão discutidos os fatores que determinam a variação temporal e espacial
da incidência de radiação solar UV sobre a superfície terrestre. Este item é importante para
o entendimento do processo de seleção de variáveis e desenvolvimento de modelos para
estimativa da radiação solar UV, que será discutido no ítem seguinte. Por último, no ítem
2.4 serão apresentados os métodos de estimativa da radiação UV incidente sobre a
superfície terrestre.
2.2 Métodos de medição da radiação solar UV
A medição da radiação solar UV na superfície terrestre pode ser
realizada por meio do uso de radiômetros ou por meio de espectroradiômetros. O segundo
permite medir tanto a distribuição espectral quanto a potência da irradiância UV em cada
faixa espectral. A escolha entre os dois depende da natureza do estudo. No caso da
necessidade de maior precisão e do conhecimento da variação em determinadas faixas do
espectro UV, é recomendada a utilização dos espectroradiômetros (DELUISI e HARRIS
1982; LESZCZYNSKI, 2002). São exemplos deste caso a detecção de tendências de
variação na incidência de radiação solar UV em função de mudanças sistemáticas na
concentração de O2, NO2 e aerossóis na atmosfera ou a avaliação de modelos de
transmitância atmosférica. Em geral, verifica-se que, dentre os dois sensores, os
radiômetros são os mais utilizados por possuirem menores custos de aquisição e de
manutenção (LESZCZYNSKI, 2002).
Em seu princípio de funcionamento, os radiômetros possuem um
filtro seletivo de cor negra, que bloqueia a visível e a infravermelho deixando apenas a UV
incidir sobre um segundo filtro correspondente a uma camada de fósforo fluorescente. O
segundo filtro transforma a UV absorvida em visível que é detectado por um fotodiodo e
registrada pelo sistema de aquisição de dados como um sinal elétrico.
Existem várias empresas que fabricam e comercializam
radiomêtros para medição da UV, com diferentes estruturas, caracteristicas dos
13
componentes e níveis de qualidade. A qualidade do radiômetro deve ser avaliada
basicamente em relação a sua resposta espectral e pela resposta direcional. A resposta
espectral deve ser uniforme, com variação próxima de zero. Em prática, não existem
sensores com variação igual a zero, nem que apresentem a medição exata dentro do
intervalo convencionado como sendo UV-A e UV-B, ou menos da UV global (290-400
nm). Quanto à resposta direcional, o sensor deve ter uma resposta de coseno ponderada.
Isto significa que o sensor que mede a irradiância num plano deve ponderar o fluxo
incidente pelo co-seno do ângulo entre a radiação incidente e a normal à superfície.
São exemplos de fabricantes de radiômetros para medição da
radiação solar UV a empresa americana Eppley Laboratory Inc. e a holandesa Kipp e
Zonen. A Eppley produz um único modelo de radiomêtro, o TUVR, que mede a UV
global. A Kipp e Zonen, atualmente, produz 5 tipos de sensores para medição da UV, dos
quais podemos citar: CUV 5 (medição da UV global), UVS-A-T (UV-A) e o UVS-B-T
(medição da UV-B). Abaixo, na figura 1 são ilustrados os respectivos radiômetros e na
tabela 2 são apresentadas suas especificações técnicas.
Figura 1 – (a) Radiômetros TUVR Eppley, (b) CUV 5 Kipp e Zonen e (c) padrão linha
UVS (A-T e B-T) da Kipp e Zonen.
Tabela 2 – Especificações técnicas de radiomêtros fabricados pela Eppley Laboratory Inc.
e pela Kipp e Zonen.
Sensor Resposta Espectral
(nm)
Alteração da resposta espectral pela temperatura
(%)
Linearidade (%)
Efeito Cosseno (%)
TUVR 295-385 ±0,3/ºC (-40 a 80ºC) ±2 ±3,5% (0 < Z < 70º) CUV 5 280-400 < 5 (-40 a 80ºC) < 5 < 5 (0 <Z < 80º)
UVS-A-T 315-400 < 5 (-40 a 50ºC) < 5 < 2,5 (0 <Z < 70º) UVS-B-T 280-315 < 5 (-40 a 50ºC) < 5 < 2,5 (0 <Z < 70º)
14
Um dos fatores que devem ser considerados em relação ao uso dos
radiômetros UV é a sua sensibilidade a alterações com o tempo, causado pela própria
radiação solar, que reduz a precisão do sensor. Este problema gera a necessidade de
calibração periódica dos sensores. A calibração, basicamente, pode ser feita de duas
maneiras diferentes: calibrações em laboratórios com o uso de lâmpadas (“indoor”),
maneira mais cara, ou ao ar livre utilizando outro radiômetro como referência (“outdoor” )
(LANTZ et al.,1999; JOKELA et al. 2000; SECKMEYER et al., 2010). Na opção da
realização de calibração “outdoor” , deve-se manter um segundo radiômetro como
referência, além do utilizado continuamente para a medição da radiação solar, de
preferência do mesmo tipo do outro. O radiômetro de referência para calibração deve ser
reservado e utilizado apenas durante o período de calibração, quando é instalado e têm seus
valores medidos comparados com os medidos pelo outro utilizado continuamente para a
obtenção do fator de calibração. Na calibração “indoor” , como fonte de radiação no
comprimento de onda UV, são utilizadas lâmpadas de filamento de tungstênio ou de
deutério.
Em relação ao funcionamento dos espectroradiomêtros, eles são
compostos por três elementos básicos: lentes de entrada, monocromador e detector. As
lentes são responsáveis por captar e conduzir a radiação até o monocromador, dispositivo
que dispersa e separa a radiação em direntes espectros. Após passar através do
monocromador, a radiação incide sobre o detector, dispositivo que converte a energia
radiante em sinal elétrico que é medido pelo sistema de aquisição de dados. Diferente do
caso dos radiômetros, a calibração dos espectroradiometros é feito apenas “indoor” . Os
espectroradiômetros com maior precisão, disponíveis no mercado, medem a UV em
intervalos de comprimento de onda entre 0,5 e 1,5 nm. Há também os chamados
espectroradiômetros de multi-canais, que medem a UV dividida em 2 a 8 bandas com
intervalos de comprimento de onda entre 2 a 20 nm.
2.3 Fatores que determinam a variação temporal e espacial da radiação UV
Antes de atravessar a atmosfera e incidir sobre a superfície
terrestre, a radiação solar UV extraterrestre (UV0) tem sua variação condicionada
principalmente por fatores astronômicos e geográfico (ROBINSON, 1966; IQBAL, 1983;
15
LIOU, 2002). Os principais fatores astronômicos são a distância Terra-Sol (R), a
declinação solar (δ) e o ângulo horário (sω ) e o fator geográfico é a latitude (ϕ). A
modelagem matemática desta variação é feita com relativa facilidade e precisão por meio
da geomêtria entre o Sol e a Terra.
A quantidade de UV0 que chega até o topo da atmosfera é
inversamente proporcional ao quadrado da distância Terra-Sol (ROBINSON, 1966;
IQBAL, 1983; LIOU, 2002). Além da distância Terra-Sol, em determinadas latitudes ela é
também afetada sazonalmente, devido à inclinação do eixo terrestre, e instantaneamente,
devido à variação do ângulo horário.
O fator declinação solar (δ), expresso em graus, corresponde ao
ângulo formado entre o plano da eclíptica (plano que contêm a revolução da Terra em
torno do Sol) e o plano equatorial. A existência e variação deste ângulo ocorre devido ao
eixo de rotação da Terra possuir uma inclinação de aproximadamente 23,45º em relação ao
plano da eclíptica. Por causa desta inclinação, o ângulo entre o alinhamento Terra-Sol e o
plano equatorial muda dinamicamente à medida que a Terra se desloca em sua órbita.
Dentre as várias equações diponíveis na literatura para o cálculo da δ, a equação proposta
por Cooper (1969) é uma das mais utilizada:
( )
+=δ365
284DJ360sen45,23 (1)
O ângulo horário ( sω ) é o responsável pela variação da UV0 ao
longo do fotoperiodo, onde os valores de UV0 tendem a aumentar a partir do instante do
nascêr-do-sol, atinge o máximo ao meio dia solar e decresce até atingir o mínimo no pôr-
do-sol. O ângulo horário pode ser calculado a partir da equação 2 (IQBAL, 1983):
[ ])(tg)(tgarccoss δφ−=ω (2)
Assim, para qualquer dia do ano, a energia total diária de radiação
UV em um dado ponto no topo da atmosfera (0UV ), dependerá da influência dos
parametrôs R, δ, sω e ϕ, podendo ser calculado por meio da equação 3 (IQBAL, 1983):
( )[ ])(tg180/)(sen)(sen78
UV ss0 ω−ωπδφπ
ε=
(3)
A variação temporal e espacial na transmissão da UV0 através da
atmosfera até a superfície terrestre é dependente da composição atmosférica e das
condições de nebulosidade. Determinados constituintes atmosféricos respondem pela
16
atenuação da radiação UV por meio dos processos fisicos espalhamento ou absorção. Os
principais atenuadores da radiação UV na atmosfera são o ar seco, o ozônio, as nuvens e os
aerossóis.
Em média 25% da radiação UV0 é atenuada pelo ar seco por meio
de espalhamento Rayleigh (SHERRY e JUSTUS, 1983; AL-RIAHI, 2001). Como a
concentração desses gases na atmosfera é mais ou menos constante, normalmente não é
considerado seu efeito em análises da variação temporal da transmissividade atmosférica
da radiação UV. Porém, como a concentração delas varia com a altitude, ela deve ser
considerada em análise da variação espacial.
A atenuação da UV pelo ozônio possui dependência forte do
comprimento de onda e ocorre com predominância na estratosfera. Só a UV-A não é
absorvida pelo ozônio estratosférico. Toda a UV-C e parte da UV-B são absorvidas pela
camada de ozônio no processo de criação/destruição do gás ozônio. Reduções da ordem de
1,6% na coluna total de ozônio atmosférico são capazes de gerar aumentos de até 2,3%
incidencia de UV-B sobre a superfície terrestre (MADRONICH et al., 1998; MENDEVA
et al., 2005; SERRANO et al., 2008; EL-NOUBY, 2010).
Os aerossóis podem atenuar a UV por absorção ou espalhamento
Mie e nuvens somente por espalhamento Mie (WALLACE e HOBBS, 1977). A
dependência do comprimento de onda no espalhamento Mie é baixa e, portanto, seu efeito
sobre a UV-A e sobre a UV-B são similares. Conforme visto anteriormente, a UV-A
representa 68% da energia da UV0. Assim, variações na transmissividade atmosférica da
UV são mais intensos em casos de alterações nas concentrações de nuvens e aerossóis se
comparado a de ozônio. E a atenuação da radiação UV pelos aerossóis é pequena quando
comparada à das nuvens, mostrando que a última é uma das principais moduladoras das
variações temporais da radiação UV incidente a superfície terrestre (DIAZ et al., 2001;
FOYO-MORENO et al., 2003).
Em geral, aumentos na nebulosidade de 3 a 8 octas podem gerar
reduções de até 48% na UV incidente sobre a superfície terrestre (FOYO-MORENO et al.,
1999; SANTOS et al., 2010). A atenuação da radiação UV pelas nuvens é desprezível para
condições de nebulosidade abaixo de 3 octas e ângulo de elevação abaixo de 30º (FOYO-
MORENO et al., 2003). E em condições de céu sem nuvens, aumentos na profundidade
óptica de aerossóis no visível de 0,2 para 0,6 geram reduções entre 20 a 30% na UV
incidente sobre a superfície terrestre (KALASHNIKOVA et al., 2006).
17
2.4 Métodos de estimativa da radiação UV
2.4.1 Modelos de transmitância atmosférica
Em relação aos modelos de transmitância atmosférica, dois tipos
podem ser utilizados na estimativa da radiação solar UV incidente sobre a superfície
terrestre: códigos computacionais sofisticados e rigorosos e parametrização simples da
transmitância (GUEIMARD, 1995 ).
São exemplos de modelos do primeiro tipo o LOWTRAN (do
inglês “Low Resolution Atmospheric Radiance and Transmittance Model”) e seu sucessor
MODTRAN (do inglês “Moderate Resolution Atmospheric Radiance Transmittance
Model”) e o UVGAME (Modelo atmosférico da UV global) (ANDERSON et al., 1993;
CORRÊA et al., 2003). Tais modelos exigem a entrada de dados que caracterizem de
maneira rigorosa o perfil vertical da atmosfera quanto à concentração e tipos dos gases
constuintes, aerossóis e nuvens, fator que pode dificultar sua utilização. Outro detalhe
negativo é o tempo consumido para a execução dos cálculos, considerado elevado. Por
isso, para muitas aplicações, são considerados ferramentas de difícil utilização.
Os modelos do segundo tipo são mais simples quando comparados
aos do primeiro. Possuem equações algébricas menos complexas e grande parte dos dados
de entrada exigidos por eles podem ser obtidos em estações meteorológicas convencionais.
Por isso, são considerados mais fáceis de serem utilizados. São exemplos de modelos do
segundo tipo o SPECTRAL (Modelo Espectral Solar Simples), o SUNSPEC e o SMARTS
(Modelo Simples da Transferência Radioativa Atmosférica do Brilho Solar) (BIRD e
RIORDAN, 1986; GUEYMARD, 1995 ). Todos estes modelos seguem como referência o
trabalho de Leckner (1978) onde são propostas funções para a determinação da atenução
da radiação solar pelo vapor de água, ar seco e ozônio.
Como referência da elevada precisão dos modelos de transmitância
atmosférica na estimativa da radiação solar UV, pode-se tomar como referência o trabalho
de Assunção (2003). O autor desenvolveu um modelo do tipo dois e ajustou os paramêtros
dele para a estimativa da radiação UV horária e diária em Botucatu, São Paulo, Brasil.
Dentre os vários trabalhos disponíveis na litetura que foram utilizados como base pelo
autor no desenvolvimento do modelo estão os do Iqbal (1983), Bird e Riordan (1986),
Gueymard (1995) e Molixeaux e Ineichen (1996). A tabela 3 abaixo, apresenta os valores
18
dos índices estatísticos R², d de Wilmott, MBE (Erro Absoluto Médio) e RMSE (Raiz
Quadrada do Erro Médio) utilizados na validação do modelo para estimativa dos valores
horários de radiação solar UV.
Tabela 3 – Coeficiente de determinação R² da regressão entre os valores horários de UV
medidos e os estimados pelo modelo proposto por Assunção (2003) para Botucatu, d de
Wilmott, MBE, RMSE e número de dados utilizados (N), periodo de 2000 a 2003.
Ano R² d
(adimensional) MBE (%)
RMSE (%)
N
2000 0,993 0,998 -0,22 5,95 4.296 2001 0,996 0,999 -0,22 4,99 3.247 2002 0,993 0,998 0,09 6,29 4.345 2003 0,996 0,999 0,26 4,90 2.558
Fonte: Assunção (2003).
O indicativo R², que pode variar de 0 a 1, é um indicativo do
quanto da variação dos valores estimados é explicada pela variação dos valores medidos.
Quanto mais próximo o valor de R2 estiver de 1, melhor é o desempenho na estimação do
modelo analisado. Assim como o R², o d também pode variar de 0 a 1 e indica quanto dos
valores estimados se ajustam com os valores medidos (WILLMOTT, 1981). O indicativo
MBE evidência o desvio dos valores estimados em relação à média, onde valores negativos
(positivos) indicam subestimativa (superestimativa) pelo modelo testado na estimação.
Quanto menor o valor absoluto de MBE, melhor é o desempenho do modelo testado
(STONE, 1993). O RMSE é a raiz quadrada do erro quadrático médio e informa sobre o
valor do erro produzido pelo modelo. Em geral, quanto menores os valores obtidos para
RMSE, melhor desempenho dos modelos. Conforme a Tabela 3, a regressão linear entre os
valores medidos e os estimados pelo modelo apresentaram R² de 0,99. O d de Wilmott de
0,99 e o MBE próximo de 0 evidênciam a elevada precisão do modelo.
2.4.2 Modelos estatísticos de estimativa
Em relação aos modelos estatísticos de estimativa da radiação UV,
são observados em literatura a utilização de dois tipos principais. O primeiro estima a UV
tendo como dados de entrada apenas a radiação solar global (CAÑADA et al., 2003;
19
ROOBA, 2004; OGUNJOBI e KIM, 2004; ESCOBEDO et al., 2009). Nele, a radiação UV
é expressa como bGaUV += , onde “a” e b são estimados a partir da correlação linear
entre dados medidos da radiação UV e da global.
Nos modelos do segundo tipo, a estimativa da UV é feita a partir do
índice de transmissividade atmosferica KTUV. O índice KTUV é estimado a partir da equação
oTUV UV/UVK = , onde UVo é a radiação solar ultravioleta extraterrestre. Ele expressa a
variação da UV apenas em função do clima, eliminando a dependência astronômica e
geográfica. Para este tipo de modelo, vários autores têm proposto diferentes variações que
correlacionam o KTUV com os principais parâmetros atmosféricos que o influênciam
(CAÑADA et al., 2003; ROOBA, 2004; OGUNJOBI e KIM, 2004; ESCOBEDO et al.,
2009; MARTINEZ-LOZANO et al., 1999; FOYO-MORENO et al., 1999; MURILLO et
al., 2003; CAÑADA et al., 2003; OGUNJOBI e KIM, 2004; VARO et al., 2005;
BARBERO et al., 2006; HUANG et al., 2010; HU et al., 2010). Dois dos parâmetros mais
utilizados é a massa ótica relativa do ar (mr) e o índice de transmissividade atmosférica KT.
A mr é definida como a razão entre o caminho ótico numa trajetória oblíqua e o caminho
ótico na direção vertical (azimutal). Ela representa o caminho ótico atmosférico percorrido
pela radiação solar, em uma determinada direção em relação ao zênite local, do topo da
atmosfera até a superfície terrestre (KASTEN e YOUNG, 1989). Já o índice de
transmissividade atmosférica KT, razão entre a radiação solar global e a extraterrestre, é
utilizado principalmente para avaliar as condições atmosféricas em relação a concentração
de nuvens (KUDISH e IANETZ, 1996; LI e LAM, 2001; ESCOBEDO et al., 2009;
OKOBUE et al., 2009). Assim, a maioria dos modelos do segundo tipo expressa a UV por
meio de sua transmissividade atmosférica por meio de duas equações principais:
TTUV bKK = (4)
dr
cTTUV mbKK =
(5)
onde “a”, “b”, “c” e d são constantes, KT é o Índice de transmissividade atmosférica,
adimensional, e “mr” é a massa ótica relativa do ar, adimensional.
Conforme visto no item 2.3 deste trabalho, as nuvens exercem
considerável influência sobre a transmissividade atmosférica da radiação solar UV. Por
isso, mudanças na cobertura do céu por nuvem podem alterar significantemente a
incidência da UV na superfície terrestre. Contudo, a transmissão da UV através de nuvens
é uma função complexa dependente do tipo de nuvem, de sua espessura, de sua altura e do
20
ângulo zenital, entre outros fatores. Além disto, sua natureza é muita aleatória, com rápida
variabilidade temporal e todos esses fatores juntos tornam difícil a modelagem de sua
inflência sobre a radiação UV (PALANCAR e TOSELLI, 2004). Muitos fatores exercem
influência sobre a KTUV em condições de céu sem nuvens, porém estes são mais fáceis de
serem determinados para a modelagem quando comparados aos efeitos das nuvens. Dentre
os fatores influêntes sobre a KTUV em condições de céu claro, as concentrações de ozônio,
ar seco e a de aerossóis na atmosfera são consideradas as principais.
Levando em consideração as observações feitas no parágrafo
anterior, Huang et al. (2011) propoz um novo modelo do segundo tipo, baseado no
proposto por Foyo-Moreno et al. (1999). No modelo é feita a separação do efeito das
nuvens em relação aos efeitos dos demais fatores de atenuação da radiaçao UV utilizando
duas variáveis: é utiliza a variável CUVclaro para expressar a atenuação da radiação UV em
condições de céu claro e o KT para o efeito de atenuação pelas nuvens. Assim, a
transmissividade atmosférica da radiação UV é estimada por meio da equação
cT
bclaroTUV KaCUVK = , sendo “a”, “b” e “c” constantes. Similar ao KTUV, o CUVclaro é a
razão entre a UV em condições de céu claro e a UVo, sendo calculado por meio da equação
6:
oclaro UV/UVCUV = (6)
A UVclaro pode ser estimada a partir de modelos de transmissão
radiotiva ou empiricamente. No caso, Huang et al. (2011) utilizou dados de UVclaro
estimados a partir de um modelo empírico que utiliza como variáveis de entradas a SOC
(Coluna de ozônio obliqua) e a mr (equação 7):
22rr
claro SOC
e
SOC
d
m
c
m
baUV +−++= (7)
onde “a”, “b”, “c”, d e “e” são constantes obtidas por meio de regressão estatística. O SOC
indica a coluna total de ozônio horária, sendo calculada a partir equação 8 (ANTÓN et al.,
2008):
)Zcos(
TOCSOC=
(8)
onde TOC é coluna total de ozônio (expresso em unidades de Dobson - DU) e Z é o ângulo
zenital (expresso em graus). A unidade de Dobson (DU) é definida como sendo a espessura
em 10-5 m de coluna de ozônio em condições normais de temperatura e pressão.
21
Na tabela 4 abaixo são apresentados alguns dos modelos do
segundo tipo divulgados na literatura, todos juntos dos índices estatísticos MBE e RMSE
obtidos na validação.
Tabela 4 - Modelos estatísticos para estimativa da radiação UV horária a partir da
transmissividade atmosférica da radiação global encontrados na literatura e respectivos
RMSE, MBE e R².
Cidade Modelo RMSE MBE
Almeria1 TTUV K08,109,2K += 2,30% 0,30%
Valência2 3T
2TTTUV K80,1K29,2K54,1K ++= 0,05 kJm-2 -
Valladolid3 193,0r
749,0TTUV mK685,0K −= 10,46% -0,86%
Beijing4 03,13T
2TT )Zcos(]K55K71K7495,0[UV +−+= 4,68 Wm-2 0,64 Wm-2
1 - Foyo-Moreno et al. (1999), 2 - Cañada et al. (2003), 3 – Villan et al. (2009), 4 - Hu et al.
(2010).
2.4.3 Estimativa com uso de técnicas de aprendizado de máquinas
Dentre as várias técnicas de aprendizado de máquinas (ML) a Rede
Neural Artificial (RNA) é uma das mais conhecidas e utilizadas. O nome Rede Neural
Artificial é uma referência ao cérebro humano, dada a capacidade das RNAs de analisar
variáveis fazendo associação de padrões para adquirir capacidade de previsão. Ou seja,
assim como o cérebro humano, são capazes de aprender por meio de exemplos.
Em geral, as RNAs são compostas por: camadas de neurônios, cada
qual responsável pela recepção dos dados, análise e aprendizado e saída dos dados
resposta; algoritmo de aprendizado, correspondente a um conjunto de regras definidas para
a solução de um problema de aprendizado; e função de ativação (HAYKIN, 1999).
Como exemplos de RNA, podem ser citados o Perceptron de
Múltiplas Camadas (MLP), Redes BAM (Memória Bi-direcional Associativa), Redes de
Contra-propagação e a Rede de Hopfield (BARRETO, 1999). Independente do tipo de
RNA, sua utilização segue os seguintes passos: coleta de dados para serem utilizados pela
rede; separação dos dados em conjunto de treinamento e conjunto de teste; escolha do
22
número de neurônios; determinação do tipo de algoritmo de treinamento e das funções de
ativação; treinamento e implementação. O treinamento é feito a partir dos dados das
variáveis que servirão de entrada utilizando um algoritmo de aprendizagem para ajuste dos
pesos sinápticos. Ao analisar estas variáveis, o algoritmo gera hipóteses buscando aquela
que apresente melhor capacidade de descrever o domínio.
Na literatura são encontrados vários trabalhos avaliando a
utilização de técnicas e aprendizado de máquinas (ML) na estimativa da radiação global
diária ou horária, sendo as RNAs as mais utilizadas. Em sua maioria, os trabalhos têm
apresentado resultados equivalentes aos de modelos estatísticos e, em alguns casos, até
superiores (MOHANDES et al., 1998; CHEN et al., 2011; WU e LIU, 2012). Tal condição
demonstra o potêncial de utilização das ML frente aos modelos empirícos estatísticos e tem
gerado o interesse na estimativa das componentes espectrais UV, visível e infravermelho e
das radiações difusa e direta (LÓPES et al., 2001; SOARES et al., 2004; BARBERO et al.,
2006; FEISTER et al., 2008; LEAL et al., 2011). Porém, em relação à utilização de ML na
estimativa da radiação solar UV, poucos estudos são encontrados na literatura.
Barbero et al. (2006) avaliou a utilização do método Bayesiano
aplicado as RNAs conhecido como ARD (Determinação de Relevância Automática) na
estimativa da radiação solar UV diária para Almeria (latitude 36,85º N; longitude 23,38 W;
altitude 15 m) na Espanha e Golden (39,57º N; 105,07 W; 1.829 m) nos Estados Unidos.
Segundo o autor, o método ARD permite a RNA determinar a relativa importância das
várias variáveis entrada, removendo as que não explicam significativamente a variação da
de saída. As váriaveis de entrada utilizadas na RNA foram a massa ótica relativa (mr), a
radiação global diária (HUV) e o índice de transmissividade atmosférica KT . O desempenho
da RNA na estimativa da HUV a partir dessas variáveis foi comparado ao dos modelos
estatísticos dos tipos HUV = bHG e KTUV = bKT. Com base nos índices estatísticos MBE e
RMSE, os melhores resultados foram observados para a RNA (tabela 5).
Feister et al. (2008) utilizou o software NeuroShell 2 que
implementa técnicas de RNA, da empresa Ward Systems Group Inc., para estimar a
radiação solar UV-A, UV-B para as cidades de Potsdam (52,37º N; 13,08 W, 107 m) e
Lindenberg (52,20º N; 14,12º W, 127 m) na Alemanha. As variáveis de entrada utilizadas
foram o brilho solar (n), radiação global (HG) e coluna total de ozônio (TOC). O objetivo
principal deste trabalho foi estimar a radiação UV-A e UV-B ao longo do período de 100
anos, processo chamado pelos autores como “reconstrução de base de dados”, para análise
23
de tendências. Porém, ressalta-se que o autor não comparou os resultados gerados pela
RNA em relação aos modelos estatísticos ou paramétricos.
Leal et al. (2011) avaliou a utilização da RNA do tipo MLP
(Perceptron de Múltiplas Camadas) na estimava da radiação solar UV diária para duas
cidade do estado da Paraíba. O desempenho da MLP na estimativa foi comparada ao dos
modelos empíricos estátisticos do tipo GUV bHaH += e 3T3
2T2T1TUV KBKBKBaK +++=
. Com base nos índices estatísticos MBE e RMSE, a estimativa por meio da RNA
apresentou resultado inferior ao dos modelos estatísticos (tabela 5).
24
Tabela 5 – MBE e RMSE, expressos em %, dos modelos estátisticos utilizados como
referência e das RNAs desenvolvidos por Barbero et al. (2006) para as cidades de Almeria
e Gold e por Leal et al. (2011) para Pesqueira e Araripina.
Cidade Modelo MBE (%)
RMSE (%)
Alm
eria
Est
atis
tico
GUV 0,0450HH = 1,0 6,0
TTUV 0,74KK = 0,0 4,7
RN
A
)H,m,K(K GrTTUV 0,0 4,4
Ara
ripin
a
Est
atis
tico
GUV 0,0407H 0,1337 H += 0,3 4,4
K0,09850,1628K 0,1013K0707,0K 3T
2TTTUV −+−= -0,1 4,3
0,147r
0,842TTUV m0,733KK = -0,1 4,4
RN
A )K(K TUV 2,0 4,9
)m,K(K rTTUV 0,7 4,6
Gol
d
Est
atis
tico
GUV 0,0446HH = 1,0 6,4
TTUV 0,71KK = -0,1 4,6
RN
A
)H,m,K(K GrTTUV -2,0 5,1
Pes
quei
ra
Est
atis
tico
GUV 0,0429H0,2157H += -0,4 4,6 K0,09960,1591K0,1051K0806,0 K 3
T2TTTUV −+−= -0,5 4,6
0,374r
0,842TTUV m0,797KK = -0,5 4,5
RN
A )K(K TTUV -1,6 4,8
)m,K(K rTTUV -1,3 4,6
Paralela às RNAs, dentre as várias técnicas de ML, atualmente vem
ganhando destaque a chamada Máquina de Vetores de Suporte (SVM), em função de seu
bom desempenho em problemas de regressão. Isto ocorre em função de sua superioridade
em relação às tradiocinais RNAs em análises de séries temporais para previsão de valores
(HAYKIN, 1999; CHEN et al., 2011; WU e LIU, 2012). A SVM descende da teoria do
aprendizado estatístico apresentado no algoritmo "Generalized Portrait" de Vapnik, Lerner
e Chervonenkis (FERRÃO, 2007). Seu funcionamento se baseia em vetores de suporte, a
25
partir dos quais se cria um hiperplano como superfície de decisão com a máxima separação
entre exemplos de diferentes classes e alta capacidade de generalização (HAYKIN, 1999).
O aprendizado da máquina de vetores de suporte, como o das redes neurais artificiais, é
gerado a partir de variáveis que servirão de entrada para a técnica. Ao analisar estas
variáveis, o algoritmo gera hipóteses buscando aquela que apresente melhor capacidade de
descrever o domínio (SEMOLINI, 2002):
Embora a SVM apresente desempenho superior ao das redes
neurais, na literatura é encontrado apenas um único trabalho de estimativa da radiação
solar UV utilizando SVM, feito por Almeida (2013) para Botucatu, São Paulo, Brasil. O
autor avaliou o desempenho da SVM na estimativa da radiação solar UV diária utilizando
como dados de entrada variaveis meteorologicas medidas como rotina na maioria das
estações meteorologicas (Tabela 6). Foram testadas as combinações das seguintes
variáveis:
1) Grupo 1: brilho solar, umidade relativa do ar, precipitação
pluviométrica, fotoperiodo, radiação solar UV e radiação solar no topo da atmosfera;
2) Grupo 2: Radiações solares global e UV;
3) Grupo 3: Radiação solar no topo da atmosfera, radiação solar
ultravioleta no topo da atmosfera e radiação solar global;
4) Grupo 4: Radiação solar no topo da atmosfera, radiação solar
ultravioleta no topo da atmosfera, radiação solar global, Índice de transmissividade
atmosférica KT e a massa ótica relativa do ar;
5) Grupo 5: Brilho solar, umidade relativa do ar, temperatura do
ar, precipitação pluviométrica, fotoperíodo, radiação solar no topo da atmosfera, radiação
solar ultravioleta no topo da atmosfera, radiação solar global, Índice de transmissividade
atmosférica KT e massa ótica relativa do ar.
Tabela 6 – MBE, RMSE e d de Wilmott, expressos em %, para os diferentes grupos de
variáveis testados na SVM por Almeida (2013) para Botucatu, São Paulo, Brasil.
Grupo MBE (%)
RMSE (%)
d R²
1 -2,73 22,74 0,78 0,54 2 0,19 9,54 0,98 0.91 3 0,57 6,89 0,99 0,96 4 1,32 6,89 0,99 0.96 5 -0,99 6,58 0,99 0.96
26
1 MATERIAL E MÉTODOS
3.1 Localização e Clima
O município de Botucatu (22,85º S; 48,43º W; 742 m), considerada
uma cidade rural, possui área territorial de 1.482,87 km² e população de 127 mil
habitantes. Ela está distante 221 km do Oceano Atlântico e apresenta clima caracterizado
por inverno frio e seco (junho-agosto) e verão quente e úmido (dezembro-fevereiro).
Durante o inverno, a temperatura média do ar é de 17,6ºC e a umidade relativa do ar média
de 67,3 %, enquanto no verão são de 22,7ºC e 78,2 %, respectivamente. O ciclo anual das
chuvas é constituído de dois períodos bem distintos. Há um período chuvoso (outubro-
março), onde ocorre de 75 a 90% do total anual de precipitação acumulada, e um período
seco (abril-setembro), onde os valores mensais permanecem abaixo de 100 mm. No
primeiro, há elevada frequência da condição de céu nebuloso e a ocorrência de chuvas de
média a alta intensidade, resultantes da formação da Zona de Convergência do Atlântico
Sul (ZCAS) e dos sistemas frontais (CPTEC, 2010; REBOITA et al., 2010; TERAMOTO e
ESCOBEDO, 2012). No segundo, há predominância das condições de céu claro e
parcialmente nebuloso e baixa frequência de ocorrência de chuva, normalmente de baixa a
média intensidade e resultantes da passagem de frentes frias. A ZCAS é caracterizada
como uma faixa persistente de nebulosidade, que se estende desde o sul da Amazônia até o
Atlântico Sul-Central (CARVALHO et al., 2004; MENDONÇA e BONATTI, 2008). Sua
formação gera aumento da nebulosidade e a ocorrência de chuvas intensas e persistentes
durante o verão austral (CARVALHO et al., 2004). Os sistemas frontais são resultantes
principalmente da passagem de massas de ar frias polares e geram aumento da
nebulosidade e/ou ocorrência de chuvas de baixa à média intensidade durante todo o ano
(REBOITA et al., 2010; MORAIS et al., 2010).
27
Durante os meses de maio a novembro, é observado em Botucatu o
aumento na concentração de aerossóis na atmosfera, favorecido pela baixa frequência de
chuvas durante o período. O aumento é gerado principalmente pela queima de cana-de-
açúcar em várias cidades adjacentes a Botucatu durante o período de colheita e pela
movimentação de partículas do solo por máquinas agrícolas (CODATO et al., 2008). A
região centro-sul do estado de São Paulo, na qual está localizada Botucatu, é caracterizada
pela presença de lavouras de cana-de-açúcar e de usinas sucroalcooleiras. Na tabela 7
abaixo é citada parte das principais cidades produtoras de cana-de-açúcar próximas à
Botucatu (distantes até 100 km de Botucatu).
Tabela 7 – Coordenadas geográficas e percentual do território ocupado por lavouras de
cana-de-açúcar em cidades produtoras próximas à Botucatu (disponível em:
http://www.dsr.inpe.br/laf/canasat/tabelas.html).
Cidade Latitude (graus)
Longitude (graus)
Altitude (m)
Área (km²)
Área ocupada
por canaviais
(%)
Distância de
Botucatu (km)
Barra Bonita 22º29’ S 48º33’ W 457 150,18 67,78 45,7 Botucatu 22º51’ S 48º26’ W 742 1.482,87 9,91 – Bocaina 22º08’ S 48º31’ W 580 364,04 38,92 87,10
Dois Córregos 22º21’ S 48º22’ W 673 364,04 38,92 87,10 Jaú 22º17’ S 48º33’ W 541 688,67 67,84 66,8
Lençóis Paulista 22º35’ S 48º48’ W 550 803,86 54,09 48,2 Macatuba 22º30’ S 48º42’ W 515 226,70 74,32 58,60
Mineiros do Tietê 22º24’ S 48º’27’ S 669 212,42 61,41 72,80 Piracicaba 22º43’ S 47º38’ W 547 1.376,9 35,55 85,5
São Manuel 22º43’ S 48º34’ W 709 651,04 53,15 20,8
Assim, com o final do período chuvoso e inicio da colheita de
cana-de-açúcar em maio, há um aumento gradativo na concentração de aerossóis na
atmosfera em escala regional. Os maiores valores ocorrem nos meses de agosto e setembro
(CETESB, 2005; CODATO et al., 2008). Em setembro são observados aumentos de até
140% na concentração de material particulado PM10 em suspensão na atmosfera em
relação a maio. Com o inicio do período chuvoso em outubro, há uma redução nas
concentrações de aerossóis na atmosfera em relação a setembro. Ao final da colheita em
novembro, a concentração de aerossóis na atmosfera tende a permanecer mais ou menos
28
constante, sendo resultante basicamente das emissões feitas por indústrias e veículos
automotores.
É importante citar que desde 2008 os incêndios em canaviais
seguem tendência de redução no estado de São Paulo. O governo estadual e a UNICA
(União da Indústria de Cana-de-açúcar) assinaram um protocolo em 2007 com a intenção
de eliminar a prática da queima de cana-de-açúcar no estado. Os produtores e as
agroindústrias sucroalcooleiras que aderiram a este protocolo deverão eliminar
gradativamente esta prática agrícola até 2017. Até o ano de 2006, mais de 60% das áreas
cultivadas no estado de São Paulo ainda eram colhidas após a prática de queimadas
(AGUIAR et al., 2009). A figura 2 mostra as áreas de cultivo de cana-de-açúcar na região
de Botucatu colhidas após queimada (azul) e as áreas onde não houve a prática de
queimada (verde) no ano de 2006 (mapa divulgado pelo INPE no site
http://www.dsr.inpe.br/laf/canasat/colheita.html).
Além da presença da cadeia sucroalcooleira, outra característica
marcante em relação à região na qual está inserida Botucatu é a presença de duas represas
hidroelétricas, localizadas em um raio de 100 km (figura 2). São elas: Represa de Barra
Bonita (22,48º S; 48,57º W), com aproximadamente 310 km2 de área alagada, e a Represa
de Jurumirim (23,20º S; 49,22º W), com aproximadamente 449 km² de área alagada. A
primeira represa foi inaugurada em 1963 e a segunda em 1962. A construção delas
representou uma alteração da cobertura do solo modificando o balanço de energia e o fluxo
de valor de água para a atmosfera em escala micro e meso climática.
29
Figura 2 - Áreas de cultivo de cana-de-açúcar colhidas com queima (azul) e sem queima
(verde) na região de Botucatu (raio de 100 km) no ano de 2006 (CANASAT, 2013) e
localização das represas hidroelétricas de Barra Bonita e Jurumirim.
3.2 Instrumentação e obtenção de dados
3.2.1 Radiações solar UV e global
Na medição das irradiâncias solar UV (290-400 nm) e global (290-
2.800 nm) foram utilizados, respectivamente, um radiômetro CUV3 da Kipp e Zonen e um
piranômetro modelo PSP da Eppley. A imprecisão do CUV3 é de 5% e a do PSP é de 2,5%
(AMBROSETTI et al., 1984; HUANG et al., 2011). Na aquisição dos dados foi utilizando
um datalogger CR23X da Campbell operando na frequência de 1 Hz e o armazenamento
(média) ocorreu a cada 5 minutos. Os dados médios de 5 minutos passaram por um
Estado deSão Paulo
23
,52
22
3Latit
ud
e (º
S)
22
,5
48 47,548,549Longitude (º W)
Botucatu
Botucatu
49,5
Com queimaSem queima
Legenda:
Represa deBarra Bonita
Represa deJurumirim
Cidade
1 - Barra bonita2 - Bocaina3 - Dois Córregos4 - Jaú5 - Lençóis Paulista6 - Macatuba7 – Mineiros do Tietê8 - Piracicaba9 - São Manuel
Trópico de Capricórnio
Equador
Trópico de Capricórnio
Trópico de Capricórnio
20 km
1
4
2
5 89
376
30
controle de qualidade no qual os valores espúrios foram eliminados e em seguida foram
processados por programas desenvolvidos para o cálculo das irradiações horárias e diárias
(CHAVES e ESCOBEDO, 1999). A Estação de Radiometria Solar dispõe de radiômetros
solares adicionais, os quais são utilizados unicamente para aferição dos equipamentos de
rotina. As aferições são realizadas a cada 2 anos pelo método comparativo sugerido pela
OMM (FRÖHLICH e LONDON, 1986).
3.2.2 Índices de transmissividade atmosférica KTUV e KT
Os valores de KTUV e do índice de claridade KT foram calculados a
partir das equações 9 e 10 (IQBAL, 1983; OGUNJOBI e KIM, 2004; HUANG et al.,
2010):
0TUV H057,0/UVK = (9)
0T H/GK = (10)
onde H0 é a radiação solar extraterrestre diária ou horária, estimada seguindo metodologia
divulgada por Iqbal (1983).
3.2.2 Coluna total de ozônio estratosférico
Os dados diários utilizados de coluna total de ozônio (TOC) foram
os medidos pelo satélite Earth Probe nos anos de 2000 a 2004 e pelo satélite Aura nos anos
de 2005 a 2007, disponíveis em hppt://mirador.gsfc.nasa.gov/. O satélite Earth Probe mede
o TOC por meio do sensor TOMS (Total Ozone Mapping Spectrometer) e o satélite Aura
por meio do sensor OMI (Ozone Monitoring Instrument). A imprecisão dos dois sensores é
de aproximadamente 2% (MCPETERS et al., 2008). O satélite Earth Probe entrou em
funcionamento em julho de 1996 e possui órbita polar, a 750 km de altitude (MCPETERS
et al., 2008). O satélite Aura possui órbita polar, a 705 km de altitude, com faixa de
cobertura de 2600 km, e faz parte do projeto da NASA intitulado “Sistema de Observação
da Terra” (EOS) e está em orbita ao redor da Terra desde julho de 2004 (AHMAD et al.,
2003).
31
3.2.3 Profundidade óptica de aerossóis
Os dados diários de profundidade óptica de aerossóis (AOD)
utilizados foram os medidos pelo satélite TERRA por meio do sensor MODIS (Moderate
Resolution Imaging Spectroradiometer). Utilizou-se a AOD na faixa espectral do visível
(0,55 µm) correspondem ao produto nível 3. A imprecisão dos dados de AOD fornecidos
pelo MODIS é ±0,05 ± 0,15AOD, influenciada principalmente pela presença de nuvens
durante o período de passagem do satélite pelo zênite local e pelo albedo da superfície
terrestre (REMER et al., 2008). Para assegurar a qualidade dos resultados, foram
selecionados apenas os dados de AOD medidos em dias com condições de céu claro.
Destes dias, foram utilizados no cálculo das médias mensais apenas os que apresentaram
condições de céu claro (ESCOBEDO et al., 2009) no intervalo horário entre as 10 e 11
horas. Tal intervalo horário corresponde ao período do dia no qual o satélite Terra faz a
medição da AOD sobre Botucatu.
3.2.2 Precipitação pluvial
Os dados utilizados de precipitação pluvial diária foram medidos
por meio de um pluviógrafo da marca Ota Keiki Seisakusho. O sensor está instalado na
Estação Climatológica da Faculdade de Ciências Agronômicas da UNESP em Botucatu,
São Paulo, Brasil.
3.3 Metodologia
3.3.1 Análise da influência de nuvens, aerossóis e ozônio sobre o KTUV
As condições de cobertura do céu por nuvens foram classificadas
em quatro tipos, em função do índice de transmissividade atmosférica KT (Escobedo et al.,
2009):
1) KT ≤ 0,35: céu nebuloso;
32
2) 0,35< KT≤ 0,55: Céu parcialmente nebuloso com dominância
para o difuso (PNDD);
3) 0,55 < KT≤ 0,65: Céu parcialmente nebuloso com dominância
para o claro (PNDC);
4) KT > 0,65: Céu claro.
Após a classificação das condições de cobertura do céu por nuvens,
foi realizada a distribuição de frequência relativa mensal para cada uma das quatro
condições de céu por meio do software Origin 6.0® da Microcal Softwares. O mesmo
software foi utilizado em todos os cálculos estatísticos e na elaboração dos gráficos
apresentados neste trabalho.
A caracterização da precipitação foi realizada utilizando dois
índices calculados a partir dos dados diários de precipitação. Um deles, o índice CDD
(comprimento máximo do período de dias sem chuva), é recomendado pela Organização
Meteorológica Mundial (OMM) para análise de mudanças climáticas e foi divulgado no
site http://cccma.seos.uvic.ca/ETCCDMI/list_27_índices.shtml. Calcularam-se os
seguintes índices:
- Frequência mensal de dias com ocorrência de chuvas (FC): indica
o número de dias do mês onde a precipitação pluviométrica acumulada é superior a 1 mm;
- Comprimento máximo do período de dias sem chuva (CDD):
indica o número máximo de dias consecutivos com precipitação acumulada diária (RRij)
inferior a 1 mm.
A análise da influência dos aerossóis e do ozônio estratosféricos
sobre o KTUV foi realizada a partir dos valores médios mensais diários e das médias
interanuais das variáveis meteorológicas profundidade ótica de aerossóis (AOD) e coluna
total de ozônio (TOC). As médias mensais diárias foram calculadas a partir dos dados
diários utilizando a equação 11. As médias mensais interanuais foram calculadas utilizando
as médias mensais diárias por meio da equação 12:
∑ == N
1i i N/YxxY
(11)
M/xYxYM
1k k∑ =>=<
(12)
onde “x” é o mês, “i” é o dia, “N” é o número de dias do mês, “k” é o ano e “M” o número
de anos.
33
3.3.2 Desenvolvimento e ajuste dos modelos estatísticos
Um modelo estatístico foi desenvolvido e quatro foram ajustados e
todos validados para estimativa da irradiação solar UV horária em Botucatu, baseados nos
disponíveis na literatura. Em todos eles, a estimativa é feita a partir da relação entre a
transmissividade atmosferica da radiação UV (KTUV) e o índice de transmissividade
atmosférica KT. São eles:
1) M1: Modelo linear do tipo TTUV bKK = , onde o parâmetro b é
calculado a partir da correlação linear entre os dados horários de KTUV e os de KT;
2) M2: Modelo exponencial de crescimento do tipo
)Kln(baTUV
TeK += , onde os coeficientes a e b são parametrizados para 14 intervalos de
ângulo de elevação solar, conforme Foyo-moreno et al. (1999). Os intervalos são: 10-15º;
15-20º, 20-25º; 25-30º; 30-35º; 35-40º; 40-45º; 45-50º; 50-55º; 55-60º, 60-65º, 65-70º, 70-
75º e 75-80º. Os valores dos dois coeficientes foram estimados por meio de regressão
exponencial utilizando os dados horários de KTUV e os de KT agrupados em cada um dos 14
grupos;
3) M3: Modelo exponencial de decaimento de segunda ordem
proposto por Foyo-Moreno et al. (1999), o qual considera o efeito do ar seco sobre a UV
em condições de céu claro:
0
claroTTUV UV
UVbKK =
(13)
onde UVclaro é a irradiação solar UV horária em condições de céu claro, expresso em MJ
m-2, estimado a partir da equação:
−
−
++= 2
r
1
r
T
m
2T
m
1oclaro eAeAyUV (14)
Os coeficientes yo, A1, A2 ,T1 e T2 da equação 17 foram estimados
por meio da correlação exponencial de decaimento de segunda ordem entre os dados de
irradiação solar UV horária em condições de céu claro e a massa ótica relativa do ar mr. O
critério utilizado para classificação da condição de céu como claro foi o KT> 0,65,
conforme proposto por Escobedo et al. (2009) para Botucatu. A massa ótica relativa do ar
(mr) foi calculada por meio da equação 15 (KASTEN e YOUNG, 1989):
])0795,96(050572,0)[cos(
1m
6364,1zz
r −θ−+θ=
(15)
34
onde θz é o ângulo zenital (ângulo complementar da elevação solar), expresso em graus.
4) M4: Modelo exponencial de decaimento de segunda ordem
proposto por Huang et al. (2011), o qual considera o efeito do ozônio sobre a UV em
condições de céu claro:
Similar ao modelo 3 que utiliza a equação 14, porém utilizando a
equação 16 para estimativa da UV em condições de céu claro em função do SOC:
−
−
++= 21 T
SOC
2T
SOC
1oclaro eAeAyUV (16)
onde UVclaro é a irradiação solar UV em condições de céu claro, expresso em MJ m-2,
função obtida por meio da regressão exponencial de decaimento de segunda ordem entre
dados de irradiação solar UV horária em condições de céu claro e o parâmetro coluna total
de ozônio obliqua SOC, calculada segundo Antón et al. (2008). 5) M5: Modelo exponencial de decaimento de segunda ordem
proposto por Huang et al. (2011), o qual considera o efeito do ar seco e do ozônio sobre a
UV em condições de céu claro:
Similar aos modelos 3 e 4, que utilizam a equação 14, porém
utilizando a equação 17 para estimativa da irradiação solar UV em condições de céu claro
em função do mr e do SOC:
−
−
−
−
++++= 432
r
1
r
T
SOC
4T
SOC
3T
m
2T
m
1oclaro eAeAeAeAyUV (17)
3.3.3 Validação dos modelos desenvolvidos
Para a avaliação dos modelos estatísticos de estimativa da
irradiação solar UV horária foram utilizados os indicativos estatísticos R2 (coeficiente de
determinação), MBE (do inglês “Mean Bias Error”), RMSE (do inglês “Root Mean
Square Error”), e d de Willmott (WILMOTT, 1981; IQBAL, 1983):
∑∑
−−
=2
m
2
c2
)YY(
)YY(R (18)
N
)YY(MBE mc∑ −
= (19)
35
N
)YY(RMSE
2
mc∑ −= (20)
( )
( )∑
∑
=
=
+
−−= N
1i
2
mc
N
1i
2mc
i'Yi'Y
YY1d (21)
onde N é o número de observações realizadas, Yc são os valores de irradiação horária
calculados, Ym os medidos e Y a média dos valores medidos no intervalo horário
considerado. No caso do índice d, i'Yc é o valor absoluto da diferença Yc– mY e i'Ym é o
valor absoluto da diferença Ym– mY .
36
4. RESULTADOS E DISCUSSÃO
4.1 Médias mensais interanuais dos valores diários de KTUV
A figura 3 apresenta a evolução anual das médias mensais
interanuais de KTUV ( >< dTUVK ). As barras verticais com cor preta nos gráficos indicam o
desvio padrão da média, os quais permitem verificar quais meses apresentam maior e
menor amplitude de variação interanual.
J F M A M J J A S O N D0,32
0,34
0,36
0,38
0,40
0,42
0,44
0,46
KT
UV (
adim
ensi
onal
)
Tempo (mês)
Figura 3 - Evolução anual dos valores de >< dTUVK , período de 2000 a 2007.
Conforme figura 3, os valores de >< dTUVK apresentaram tendência
de aumento a partir de janeiro, mês com menor valor )028,0355,0K( dTUV ±>< , até atingir
o valor máximo em abril ( >< dTUVK = 0,422 ± 0,024). A partir de abril, os valores
37
seguiram tendência de decréscimo até dezembro 0,015)0,374K( dTUV ±>=< , com um
segundo pico em agosto )027,0396,0K( dTUV ±>=< e acentuada redução em setembro e
outubro )032,0378,0K( dTUV ±>=< . Em geral, os menores valores de >< d
TUVK ocorreram
tanto em meses do período chuvoso (janeiro, fevereiro, outubro, novembro e dezembro)
quanto do período seco (junho, julho e setembro). Nos meses do período chuvoso, a menor
transmissividade atmosférica da radiação solar UV ocorre principalmente sob influência
das nuvens, enquanto nos do período seco é sob influência dos aerossóis. Conforme
discutido anteriormente, as nuvens e os aerossóis são dois dos principais atenuadores da
radiação solar UV na atmosfera. Em relação aos maiores valores de >< dTUVK , eles
ocorreram em abril e agosto, que são os meses do período seco com maior frequência da
condição de céu claro (TERAMOTO e ESCOBEDO, 2012). Porém, ressalta-se que embora
abril apresente uma menor frequência da condição de céu claro em relação a agosto, ele
apresentou um valor de >< dTUVK 6,67% maior. No caso, a menor >< d
TUVK em agosto
pode estar relacionada à maior concentração de aerossóis na atmosfera, pois agosto é um
dos meses que compõe o período de colheita da cana-de-açúcar no estado de São Paulo.
Diferente de agosto, abril é o mês de transição entre o periodo chuvoso e o seco e antecede
o inicio da safra de cana-de-açúcar no estado de São Paulo. A influência das nuvens e a dos
aerossóis sobre a variação temporal da KTUV serão discutidas nos subitens 4.1.1 e 4.1.2,
respectivamente.
Outro detalhe importante que deve ser observado na figura 3 é a
amplitude de variação interanual, indicada pelos valores de desvio padrão da média.
Valores altos (baixos) de desvio padrão da média indicam maior (menor) amplitude de
variação interanual. As maiores amplitudes de variação interanual da KTUV ocorreram nos
meses de janeiro, fevereiro, agosto e outubro. Ao contrário, as menores amplitudes de
variação interanual ocorreram nos meses de julho, novembro e dezembro. A variação
interanual da KTUV será discutida no subitem 4.2.
38
4.1.1 Influência das nuvens sobre a KTUV
A análise da influência das nuvens sobre a variação da KTUV será
feita com base nos valores médios mensais interanuais ( >< dTUVK ), calculados para as
condições de céu: nebuloso, parcialmente nebuloso com dominância para o difuso
(PNDD), parcialmente nebuloso com dominância para o claro (PNDC) e claro. A Figura 4
abaixo apresenta as curvas dos valores de >< dTUVK em cada uma das quatro condições de
céu.
Figura 4 – Evolução anual do >< dTUVK em condições de céu nebuloso, parcialmente
nebuloso com dominância para o difuso (PNDD), parcialmente nebuloso com dominância
para o claro (PNDC) e claro.
Os valores de >< dTUVK foram menores na condição de céu
nebuloso, seguiram tendência de aumento ao longo das duas condições de céu
intermediárias, e foram maiores na condição de céu claro (Figura 4). Na condição de céu
nebuloso os valores de >< dTUVK variaram de 0,225 ± 0,046 em março a 0,161 ± 0,056 em
J F M A M J J A S O N D0,0
0,1
0,2
0,3
0,4
0,5
0,6
Legenda: Nebuloso PNDD PNDC Claro
KT
UV (
adim
ensi
onal
)
Tempo (mês)
39
agosto, e na claro de 0,495 ± 0,020 em janeiro a 0,451 ± 0,028 em agosto. A partir dos
valores de >< dTUVK , verifica-se que a redução da KTUV em função da mudança da
condição de céu claro para nebuloso pode variar de 54% em março a 64% em agosto. E a
redução da KTUV quando há a alteração da condição de céu claro para PNDD pode variar
de 24% em abril a 33% em agosto.
Nas quatro condições de céu, os valores de >< dTUVK foram
maiores nos meses do período chuvoso (outubro a março) e menores nos do período seco
(abril a setembro). A diferença entre os valores de >< dTUVK nos meses do período
chuvoso em relação aos do seco está relacionada a vários fatores, dentre eles:
concentração, características e tempo de vida das nuvens e concentração de aerossóis e de
gases absorvedores de UV na atmosfera (SEINFELD e PANDIS, 1998; BRASSEUR et al.,
1999; CALBÓ et al., 2005). Durante o período seco, quando há a passagem das frentes
frias, é comum o aumento da nebulosidade sem a ocorrência de chuva ou com chuvas de
baixa intensidade. Neste caso, as nuvens permanecem sobre o céu por mais tempo e a
deposição úmida dos aerossóis é fraca ou ausente, condições que aumentam a atenuação da
radiação solar UV. As nuvens que se formam são espessas e de baixa ou média altitude,
consideradas opacas à radiação UV (JOSEFSSON e LANDELIUS, 2000). Ao contrário, no
período chuvoso, o aumento da nebulosidade é normalmente acompanhado pela ocorrência
de chuvas, condição que mantém baixas as concentrações de aerossóis e de gases
absorvedores da UV na atmosfera. Além disto, durante o período chuvoso, a nebulosidade
tende a ser maior nos horários do inicio e final do fotoperiodo e menor nos horários
próximos ao médio dia solar, quando evaporam em função da maior incidência de radiação
solar ou precipitam. Isto pode ser observado na figura 5 abaixo, por meio das evoluções
diurnas dos valores horários de KTUV e de KT nos dias 11/01/2001 e 24/08/2005, ambos
com condição de céu nebuloso (valor diário de KT = 0,30). Neste caso, o aumento da
nebulosidade é identificado por meio da diminuição nos valores horários de KT.
40
8 10 12 14 16 180,0
0,1
0,2
0,3
0,4
0,5
0,6
8 10 12 14 16 180,00,10,20,30,40,50,60,70,8
Legenda: 11/01/2001 24/08/2005
KTUV
a
KT
UV
(ad
imen
sion
al)
Tempo (hora)
KT b
KT
(ad
imen
sion
al)
Tempo (hora)
Figura 5 – Evolução diurna dos valores horários de KTUV (a) e KT (b) nos dias 11/01/2001
e 24/08/2005, ambos com condições de céu nebuloso.
No dia 11/01/2001, a KTUV foi maior nos horários próximos ao
meio dia (figura 5a), em função da menor nebulosidade (figura 5b), e menor nos horários
próximos ao inicio e final do fotoperiodo, quando há a formação das nuvens por processos
convectivos. No dia 24/08/2005, a KTUV diminuiu gradativamente com o aumento da
nebulosidade que ocorreu a partir do inicio do fotoperiodo em função da entrada de uma
frente fria.
Para analisar a contribuição de cada uma das quatro condições de
céu na composição dos valores de >< dTUVK , na figura 6 são apresentadas as médias
mensais interanuais da frequência das condições de céu ( >< f ): nebuloso, PNDD, PNDC
e claro. As barras verticais com cor preta nos gráficos indicam o desvio padrão da média,
os quais permitem verificar quais meses apresentam maior e menor amplitude de variação
interanual.
41
0
20
40
60
80
100
Nebuloso a
Fre
quên
cia
(%)
PNDD b
J F M A M J J A S O N D0
20
40
60
80
100
PNDC c
J F M A M J J A S O N D
Claro d
Tempo (mês)
Figura 6 – Frequência mensal diária das condições de céu (a) nebuloso, (b) PNDD, (c)
PNDC e (d) claro.
Observa-se que a curva de >< dTUVK (figura 3) acompanha de
forma inversa o comportamento da curva de >< f das condições de céu nebuloso (figura
6a) e PNDD (6b), comprovando a forte influência das nuvens sobre a variação do KTUV.
A condição de céu nebuloso, na qual o KTUV pode variar de 0,225 a
0,161, apresentou maior >< f durante o verão (janeiro a março) e menor durante o
inverno (julho a setembro) (Figura 6a). Em geral, ao longo do ano, a >< f seguiu
tendência de decréscimo a partir de janeiro até atingir o menor valor em agosto (8,24 ±
6,75%). A partir de agosto, seguiu tendência de aumento até dezembro, mês no qual a
>< f foi 18,50 ± 8,96%. Porém, contrariando esse padrão, em maio houve um pequeno
aumento na >< f da condição de céu nebuloso em relação a abril e junho. A >< f em
maio foi 15,00 ± 5,21%, ou seja, ~53% maior que em abril e em junho, onde as médias
foram, respectivamente, 9,64 ± 5,80% e 9,65 ± 9,46%. Em relação à variabilidade
interanual, os maiores valores de desvio padrão foram observados em janeiro, fevereiro,
junho e outubro. Nos meses de janeiro e fevereiro, a variabilidade interanual da frequência
da condição de céu nebuloso está relacionada principalmente a variações na frequência de
ocorrência e na intensidade do ZCAS (CPTEC, 2010). E nos meses de junho e outubro
42
estão relacionadas principalmente a variações na frequência de ocorrência e na intensidade
dos sistemas frontais (CPTEC, 2010).
A condição de céu PNDD, na qual o KTUV pode variar de 0,362 a
0,303, apresentou curva dos valores de >< f com tendência de variação similar ao da
condição de céu nebuloso. A maior >< f foi registrada em dezembro (41,44 ± 7,75%) e a
menor em agosto (14,47 ± 7,45%). Os meses com maior variação interanual da >< f da
condição de céu PNDD foram março, abril e outubro, influenciadas principalmente por
variações na frequência de ocorrência e na intensidade dos sistemas frontais (CPTEC,
2010).
A soma das >< f das condições de céu nebuloso e PNDD nos
meses de dezembro a fevereiro é superior a 52%, condição que justifica os baixos valores
de >< dTUVK . Porém, embora os meses de julho a agosto apresentem os menores valores de
>< f da condição de céu nebuloso e PNDD e as maiores de céu claro (figura 6d), neles
não ocorrem os maiores valores de >< dTUVK . Estes são os meses de maior frequência de
queima de cana-de-açúcar na região de Botucatu e, portanto, a baixa KTUV pode estar
relacionada principalmente ao aumento na concentração de aerossóis na atmosfera.
4.1.2 Influência dos aerossóis sobre a KTUV
A figura 7 apresenta os valores médios mensais interanuais de
KTUV em condições de céu PNDC e claro )K( TUV >< , da frequência de dias com chuva
)FC( >< , periodo máximo de dias secos ( >< CDD ) e pronfundidade óptica de aerossóis
)AOD( >< . As barras verticais com cor preta nos gráficos indicam o desvio padrão da
média. Além da condição de céu claro, foi considerada também a PNDC em função da
metodologia adotado para a classicação das condições de céu, pois ela utiliza o índice de
transmissividade atmosférica KT. Dependendo das condições de turbidez atmosférica, os
aerossóis são capazes de reduzir o KT para níveis entre 0,65 e 0,55 por absorção ou
espalhamento, gerando assim a redução da condição de céu claro para PNDC.
43
J F M A M J J A S O N D0
5
10
15
20
25
30
J F M A M J J A S O N D05
101520253035
Tempo (mês)
FC c
Fre
quên
cia
(dia
)
Tempo (mês)
Per
iodo
(di
a) CDD d
0,00
0,05
0,10
0,15
0,20
0,25AOD b
AO
D (
adim
enci
onal
)
0,36
0,40
0,44
0,48
0,52
0,56
0,60 Claro PNDC
KTUV
a
KT
UV (
adim
ensi
onal
)
Figura 7 – >< TUVK em condições de céu claro e céu PNDC (a), >< FC (b), >< CDD
(c), >< AOD (d).
Conforme figura 7a, os valores de >< TUVK em condições de céu
claro e PNDC foram maiores nos meses do período chuvoso (outubro a março) e menores
no do período seco (abril a setembro). Na condição de céu claro, a diferença entre o maior
valor observado de >< TUVK (em janeiro) e o menor (em junho) foi 11,26%, enquanto
para a condição de céu PNDC foi 10,52%. Comparando a curva da >< FC (figura 7c) com
a da >< TUVK (figura 7a), é verificada a existência de similaridade no comportamento das
duas curvas. O aumento (diminuição) na frequência das chuvas foi acompanhado de
aumento (diminuição) da KTUV, alterações que estão relacionadas ao processo de deposição
úmida dos aerossóis.
No período chuvoso, as condições de céu claro e PNDC são
observadas normalmente após longos períodos de dias com ocorrência de chuvas, as quais
removem grande parte dos aerossóis da atmosfera. Ao contrário, no período seco, a menor
frequência das chuvas e o maior intervalo de dias entre um evento e outro delas favorecem
o acumulo dos aerossóis na atmosfera. A tendência de aumento da turbidez atmosférica no
44
período de abril a setembro justificaria os valores menores de >< TUVK observados.
Porém, comparando a curva dos valores de >< AOD com a dos valores de >< TUVK não
é evidente a relação inversa no comportamento delas. Dentre as explicações para este
resultado estão o tipo dos aerossóis reconhecido pelo sensor MODIS e o uso da AOD na
região do visível. O sensor MODIS reconhece apenas os aerossóis capazes de gerar a
difusão da radiação solar. Porém, próximo a superfície terrestre, além dos aerossóis
difusores de radiação solar existem também os aerossóis absorvedores que agem sobre a
radiação UV e que são eliminados da atmosfera pelas chuvas (JACOBSON, 2002). São
exemplos destes aerossóis o SO2 e o NO2, que são gerados pela queima de biomassa ou de
combustíveis fósseis em indústrias e veículos automotores (SEINFELD e PANDIS, 1998;
BRASSEUR et al., 1999).
Em relação à curva dos valores de AOD apresentada na figura 7b,
nela os valores de >< AOD permaneceram aproximadamente constantes de janeiro até
maio, sendo inferiores a 0,08. A AOD média inferior a 0,08 indica que Botucatu apresenta
durante os meses de janeiro a maio baixos níveis de poluição atmosférica, gerados
basicamente pelos veículos automotores em circulação na cidade e similar à de outras
cidades rurais (HOLBEN et al., 2001; SHAHGEDANOVA e LAMAKIN, 2005;
WUTTKE et al., 2012). Os valores de >< AOD estão próximos aos observados em
cidades rurais nos Estados Unidos como Sevilleta (latitude 37,35ºN, longitude 106,88ºW,
altitude 1.447 m), com AOD média anual de 0,07, e Andrews (latitude 44,23ºN, longitude
122,22ºW, altitude 830 m), com média anual de 0,08 (HOLBEN et al., 2001). A partir de
junho, a >< AOD seguiu tendência de aumento até atingir o valor máximo em setembro
(0,160 ± 0,044). Com o inicio do período chuvoso em outubro, a >< AOD seguiu
tendência de redução até atingir em dezembro o valor de 0,082 ± 0,014.
Outra análise importante que deve ser feita com base na figura 7b é
a da influência da queima de cana-de-açúcar sobre a variação da AOD em Botucatu. Junho,
julho e agosto são os meses mais secos na região de Botucatu e, por isto, são também os
meses onde são registradas as maiores frequências de incêndio em lavouras de cana-de-
açúcar no estado de São Paulo (CPTEC, 2010; CANASAT, 2010). Nos três meses citados,
os valores de >< AOD em Botucatu foram inferiores a 0,10 e estiveram próximos aos
registrados nos meses do período chuvoso (~0,08), porém com maior amplitude de
variação interanual. A queima de cana-de-açúcar diminui a partir de setembro e cessa em
45
novembro em função do aumento na frequência das chuvas, condições que não justificam a
ocorrência dos maiores valores de >< AOD em setembro e outubro. Tal resultado indica
que outros fatores além dos incêndios em lavouras de cana-de-açúcar contribuem no
aumento da AOD em Botucatu de setembro a novembro. É provável que os aerossóis
presentes na atmosfera sobre Botucatu durante os três meses tenham origem em outros
estados do Brasil.
Nos meses de agosto a outubro é elevada a frequência de incêndios
nos estados de Mato Grosso (MT), Tocantins (TO), Mato Grosso do Sul (MS) e Bahia
(BA), que ocorrem em áreas de vegetação nativa (cerrado ou floresta amazônica) ou em
áreas de pastagem. E em anos onde há o enfraquecimento do período chuvoso na região
Norte do Brasil, a prática dos incêndios se intensifica no mês de outubro e pode se estender
até novembro (HOLBEN et al., 2001). A queima de biomassa gera aerossóis do tipo fino
(diâmetro < 2,5 µm), que por meio de correntes convectivas são capazes de percorrer
distancias superiores a 1000 km e permanecer em suspensão na atmosfera durante vários
dias (JACOBSON, 2002). Na figura 8 é apresentada a frequência de incêndios por
unidades de grade (28km x 28km) em algumas regiões do Brasil entre os meses de junho a
novembro do ano de 2002 (CPTEC, 2010). O ano de 2002 foi escolhido por ter sido um
ano chuvoso na região de Botucatu nos meses de agosto a outubro, porém seco na região
norte.
46
Figura 8 – Frequência de incêndios por unidades de grade (28km x 28km) entre os meses de junho a novembro de 2002 detectados por meio do satélite NOAA. Fonte: CPTEC (2010).
47
A figura 8 mostra que em setembro a frequência de incêndios é alta
nos estados do Mato Grosso, Tocantins, Goiás, Mato Grosso do Sul e Bahia e, como
consequência, a AOD também é alta (HOLBEN et al., 2001; GENEROSO et al., 2003).
Tomando como referência a cidade de Cuiabá/MT (15,55º S; 56,07º W; 235 m), nela a
AOD na faixa do visível (550 nm) em setembro é ~1,17, valor 431,82% maior que em
julho, 44,44% maior que em agosto e 160% maior que em outubro (HOLBEN et al., 2001).
Em outubro, a frequência de incêndios foi maior nos estados de Mato Grosso, Mato Grosso
do Sul e Bahia. Em Botucatu, setembro e outubro são os meses que apresentaram as
maiores variações interanuais da >< AOD e também da KTUV nas condições de céu claro e
PNDC. Este resultado indica que a variação interanual da KTUV nos dois meses sofre
influência da variação interanual na frequência de incêndios nas regiões norte e centro-
oeste do Brasil.
Portanto, a análise da influência dos aerossóis sobre a KTUV em
Botucatu pode ser realizada também sob dois aspectos:
1) Em relação ao aumento na concentração de aerossóis na
atmosfera causado com predomiância pela queima de cana-de-açúcar durante o periodo de
colheita;
2) Em relação ao aumento na concentração de aerossóis na
atmosfera causado com predomiância pelos incêndios em outros estados.
A análise da influência da queima de cana-de-açúcar sobre a KTUV,
por meio do aumento na concentração de aerossóis difusores de radiaçãosolar, deve ser
feita utilizando dados dos meses de junho e julho. No caso, ela deve ser realizada por meio
da comparação da KTUV registrada em um dia com alta AOD em relação a outro com AOD
próxima a 0,08. Na figura 9 é apresentada a evolução diurna dos valores horários de KTUV
registrados nos dias 14/07/2000 e 01/02/2002. Nela é possivel observar o contraste entre os
valores de KTUV em um dia de junho onde houve a queima de cana-de-açúcar nas cidades
adjacentes à Botucatu em relação a um dia com baixa poluição atmosférica. Na tabela 8
são apresentados os valores diários de KT, AOD e TOC dos dois dias analisados.
48
7 8 9 10 11 12 13 14 15 16 170,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,55
0,60
Legenda: 14/07/2000 01/07/2002
KT
UV (
adim
ens
iona
l)
Tempo (mês)
Figura 9 – Evolução diurna dos valores horários de KTUV nos dias 14/07/2000 e
01/07/2002.
Tabela 8 – Valores diários do KT, AOD e TOC em dias com condição de céu claro nos dias
14/07/2000 e 01/07/2002.
Conforme tabela 8, a AOD registrada no dia 14/07/2000 foi
85,29% menor em relação ao do dia 01/07/2002. A maior concentração de aerossóis no dia
01/07/2002 (figura 9 e tabela 8) gerou baixos valores de KTUV quando comparado ao dia
14/07/2000. A diferença entre os valores de KTUV do dia 01/07/2002 em relação ao do
14/04/2000 variou de -22,21% (final do fotoperíodo) a -31,12% (no inicio do fotoperiodo)
e ao meio dia local foi de -23,61%. Porém, deve-se ressaltar que a concentração de ozônio
estratosférico no dia 14/07/2000 foi ~3,85% maior em relação ao registrado no dia
01/07/2002.
A influência dos incêndios realizados em outros estados sobre a
KTUV em Botucatu pode ser analisada a partir de dados registrados em dias de setembro
com diferentes niveis de AOD. Na figura 10 abaixo são apresentadas as evoluções diurnas
Dia KT
(adimensional) AOD
(adimensional) TOC (DU)
14/07/2000 0,721 0,068 260 01/07/2002 0,668 0,126 250
49
da KTUV horária registrados nos dias 18/09/2003 e 11/09/2006. Os valores diários de KT, de
AOD e de TOC registrados nos dois dias analisados serão apresentados a seguir na tabela
9.
7 8 9 10 11 12 13 14 15 16 17 180,20
0,25
0,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
Legenda: 18/09/2003 11/09/2004
KT
UV (
adim
ensi
ona
l)
Tempo (mês)
Figura 10 – Evolução diurna dos valores horários de KTUV nos dias 18/09/2003 e
11/09/2006.
Tabela 9 – Valores diários do KT, AOD e TOC em dias com condição de céu claro nos dias
18/09/2003 e 11/09/2006.
Neste caso, a amplitude de variação da concentração de aerossóis é
superior ao do caso analisado anteriormente, sendo a AOD registrada no dia 18/09/2003
209,38% menor em relação ao do dia 11/09/2004. A diferença entre os valores de KTUV do
dia 11/09/2004 em relação ao do 11/09/2004 variou de -14,70% (intervalo horário entre as
10 e as 11 horas local) a -22,89% (no final do fotoperiodo) e ao meio dia local foi de -
15,90%. A concentração de ozônio estratosférico no dia 18/09/2003 foi ~10,65% maior em
relação ao registrado no dia 01/07/2002.
Dia KT
(adimensional) AOD
(adimensional) TOC (DU)
18/09/2003 0,721 0,064 291 11/09/2004 0,665 0,198 260
50
Um detalhe importante que deve ser considerado em relação aos
dois casos analisados é a diferença nos niveis de redução da KTUV com o aumento da AOD.
No segundo caso, os niveis de redução da KTUV foram menores, mesmo sendo a amplitude
de variação da AOD maior quando comparado ao primeiro caso. A explicação para a
diferença nos niveis de redução da KTUV, além da maior amplitude de variação da TOC
observada no segundo caso é a diferença nos tipos de aerossóis em suspensão na
atmosfera. O menor periodo de dias seguidos sem ocorrência de chuva em setembro,
quando comparado a junho, reduz o acumulo na atmosfera dos aerossóis e gases
absorvedores de UV gerados na região de Botucatu. Além disto, em setembro a quantidade
de aerossois do tipo grosseiro (2,5 < diâmetro < 10 µm) na atmosfera é menor quando
comparado à junho, quando são gerados pela queima de biomassa e pela suspensão de
particulas de solo por máquinas agrícolas (ALLEN et al., 2004; LARA et al., 2005). Isto
ocorre, pois os aerossóis do tipo grosseiro possuem tempo de vida na atmosfera de horas a
dias e capacidade, por meio de correntes convectivas, de percorrer distancias inferiores a
10 km (JACOBSON, 2002).
A fim de verificar a relação entre a variação do KTUV em função da
variação da AOD em junho e em setembro, na figura 11 são apresentados os gráficos com
a correlação entre as duas variáveis meteorológicas. Como o satélite Terra faz a medição
da AOD sobre Botucatu durante o período matutino local entre as 10 e às 11 horas, foram
utilizados dados horários de KTUV registrados no mesmo intervalo horário.
0,0 0,2 0,4 0,6 0,80,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,0 0,2 0,4 0,6 0,8
Legenda: Valores medidos Equação ajustada
KTUV
= 0,503 - 0,347AODR² = 0,497
Junho a
KTU
V (
adim
ensi
onal
)
AOD (adimensional)
KTUV
= 0,526 - 0,130AODR² = 0,643
Setembro b
Figura 11 – Correlação linear entre o KTUV e a AOD em condições de céu claro nos meses
de junho (a) e setembro (b).
51
Conforme a figura 11 é verificada a existência de tendência linear
de redução da KTUV com o aumento da AOD nos dois meses analisados. Tanto no mês de
junho quanto em setembro, a maioria dos pontos está concentrada nos intervalos de AOD
inferiores a 0,2, com elevada dispersão. A elevada dispersão indica que a variação na KTUV
é influenciada por outros fatores além da variação na concentração de aerossóis do tipo
difusor que são reconhecidos pelo sensor MODIS. Por meio do coeficiente de
determinação R², verifica-se que em junho ~50% das variações no KTUV estão relacionadas
às variações na AOD e o restante por outros fatores como a variação na TOC (figura 11a).
No mês de setembro esse percentual é maior, ~64% (figura 11b).
4.1.3 influência do ozônio estratosférico sobre a KTUV
Na figura 12 é apresentada a evolução anual das médias mensais
interanuais do KTUV ( >< TUVK ) em condições de céu claro e da coluna total de ozônio
)TOC( >< em Botucatu. As barras verticais com cor preta nos gráficos indicam o desvio
padrão da média.
Figura 12 – Médias mensais interanuais da KTUV em condições de céu claro (a) e da coluna
total de ozônio TOC (b).
Embora o ozônio seja considerado um importante atenuador da
radiação solar UV na atmosfera, não foi possível observar a relação inversa entre as
variações da >< TUVK e da >< TOC . A explicação para o resultado observado é a baixa
J F M A M J J A S O N D240
250
260
270
280
290
300
J F M A M J J A S O N D0,40
0,44
0,48
0,52
0,56
0,60
TOC b
TO
C (
DU
)
Tempo (mês)
KTUV
a
KT
UV
(ad
imen
sion
al)
Tempo (mês)
52
contribuição do ozônio estratosférico na variação temporal do KTUV quando comparado aos
aerossóis. O ozônio atenua toda a UV-C e parte da UV-B. Reduções da ordem de 1,6% na
coluna total de ozônio atmosférico são capazes de gerar aumentos de até 2,3% incidencia
de UV-B sobre a superfície terrestre (MADRONICH et al., 1998; MENDEVA et al., 2005;
SERRANO et al., 2008; EL-NOUBY, 2010). Porém, a UV-B corresponde a 15% da UV
extraterrestre e em média 10% da radiação solar UV global (IQBAL, 1983; OGUNJOBI e
KIM, 2004).
Em relação à variação na concentração de ozônio na estratosfera,
ao longo do ano os valores de >< TOC apresentaram comportamento oscilatório (figura
12), onde os maiores valores foram registrados durante a primavera e os menores durante o
outono. O maior valor de >< TOC foi registrado em setembro ( 10,89 ±283,11 DU) e o
menor em maio ( 51,723,252 ± DU). Os valores máximo e mínimo de TOC foram
próximos dos observados por outros autores em diferentes localidades do globo terrestre.
Em Qena no Egito (26,20ºN, 32,75ºE, 96 m), o valor máximo ocorre em maio ( 14294±
DU) e mínimo em dezembro ( 12252± DU), respectivamente, meses da primavera e do
inverno (EL-NOUBY, 2010). Em Kishinev na Moldova (47,00ºN, 28,82ºE, 205 m), o valor
máximo ocorre em março ( 41375± DU) e o mínimo em novembro ( 18296± DU),
respectivamente, meses do inverno e do outono (ACULININ, 2006).
4. 2 Análise da variação interanual do KTUV
Os valores elevados de desvio padrão das médias interanuais das
variáveis meteorológicas analisadas anteriormente indicam a ocorrência de elevada
amplitude de variação interanual. Ou seja, dentre os valores que compuseram a média
existem valores máximo e mínimo onde a diferença entre eles é alta. Assim, na análise da
variação interanual da KTUV, nos meses com os maiores valores de desvio padrão da
>< TUVK foram identificados os anos onde ocorreram o maior e o menor valor de TUVK e
os fatores que os geraram.
Os fatores que geram a maior amplitude de variação interanual da
KTUV nos meses do período chuvoso são diferentes dos que geram no período seco e, por
isso, cada um dos dois períodos serão analisados separados. Ressalta-se que serão
53
discutidos apenas os meses de maior amplitude de variação interanual do KTUV. No período
chuvoso janeiro, fevereiro e março apresentaram as maiores amplitudes de variação
interanual da KTUV, relacionadas às variações anormais da nebulosidade (aumento e
redução). Nos três meses citados, os principais fatores responsáveis pela variação na
nebulosidade são a variação na frequência de formação e na intensidade da Zona de
Convergência do Atlântico Sul (ZCAS) e dos sistemas frontais.
No período seco agosto e setembro apresentaram as maiores
amplitudes de variação interanual da KTUV, relacionadas às variações anormais na
nebulosidade e na concentração de aerossóis na atmosfera. Nos dois meses, o principal
fator responsável pela variação na nebulosidade é a variação na frequência de formação
dos sistemas frontais. E os fatores responsáveis pela variação na concentração de aerossóis
são a variação na frequência de chuva, da queima de cana-de-açúcar e dos incêndios nas
regiões norte e centro-oeste do Brasil. Outubro será incorporado à discussão junto de
agosto e setembro, pois sofre influência dos mesmos fatores.
4.2.1 Período chuvoso
Na figura 13 são apresentadas as médias mensais diárias de KTUV
)K( TUV , as frequências mensais das condições (f ) de céu I, II, III e IV e de dias com
ocorrência de chuva (FC) nos meses de janeiro, fevereiro, março, novembro e dezembro.
54
0,10,20,30,40,50,60,7
a
DezembroNovembroMarçoFevereiroJaneiroK
TU
V
(adi
men
cio
nal)
KTUV
b
c
d
e
048
12162024 f
Fre
q. -
Per
. (d
ia)
FC CDD
h g
i
j
0102030405060 k
Fre
quên
cia
(%)
Legenda: I II III IV
l
m
o n
200
0
200
2
200
4
200
6225240255270285300315 p
TO
C (
DU
)
200
0
200
2
200
4
200
6
TOC
q
200
0
200
2
200
4
200
6 r
Tempo (ano)
200
0
200
2
200
4
200
6
s
200
0
200
2
200
4
200
6
t
Figura 13 – dTUVK e f de céu nebuloso, PNDD, PNDC e claro e de dias com ocorrência de
chuva nos meses de janeiro a março dos anos de 2000 a 2007.
Em janeiro (figura 13a), o maior valor de dTUVK ocorreu em 2001
0,072)0,407K( dTUV ±= e o menor em 2003 0,119)0,321K( d
TUV ±= . Ao longo dos 8 anos
analisados, 2003 foi o ano que apresentou maior concentração de nuvens na atmosfera e
maior frequência de ocorrência de chuvas. A soma da frequência das condições de céu I e
da II foi equivalente a 90,32% dos dias do mês (~28 dias) e o número de dias onde houve a
ocorrência de chuva foi 22. Ao contrário de 2003, em 2001 a concentração de nuvens na
atmosfera foi baixa, a menor da série climatológica de 8 anos. A soma das frequências das
condições de céu I e II foi de 51,61% (~16 dias) e o número de dias onde houve a
ocorrência de chuva foi 11. Em janeiro de 2001 não foi registrada a ocorrência do ZCAS
55
com influência sobre a região de Botucatu, condição que tornou o período seco e com
baixa nebulosidade, diferente de 2003 quando foram registrados 3 eventos (CPTEC, 2010).
A concentração de ozônio na estratosfera nos dois anos manteve-se dentro da média.
Em fevereiro (figura 13b), o menor valor de dTUVK ocorreu em
2002 )13,031,0K( dTUV ±= e o maior em 2004 )08,042,0K( TUV ±= . Dos 8 anos
analisados, 2002 foi o ano que apresentou maior concentração de nuvens na atmosfera e
maior frequência de chuva ao longo do mês. As condições de céu I e II ocorreram em 68%
dos dias do mês (~19 dias) e houve a ocorrência de chuvas em 57,14% dos dias do mês (16
dias). O oposto em relação à nebulosidade foi observado em 2005, quando foi observada a
menor concentração de nuvens na atmosfera ao longo do mês, embora a frequência de
ocorrência de chuva não tenha sido a menor da série climatológica. Em fevereiro de 2002
foi registrada a ocorrência de um evento de ZCAS com influência sobre o Estado de São
Paulo e de dois eventos de sistemas frontais (CPTEC, 2010). Em fevereiro de 2005 não foi
registrada a formação de ZCAS com influência sobre o Estado de São Paulo e o número de
eventos de sistemas frontais registrado foram cinco (CPTEC, 2010).
Em março (figura 13c), o maior valor de dTUVK ocorreu em 2002 e
o menor em 2000. O aumento anormal da KTUV em março de 2002 ocorreu influenciada
pela redução da nebulosidade, verificada por meio da alta frequência da condição de céu
claro (44,83% do mês ou ~14 dias) e baixa de céu nebuloso (6,90% do mês ou ~2 dias). Ao
contrário, em 2000 houve aumento anormal da nebulosidade, verificada por meio da
elevada frequência da condição de céu PNDD (54,84% do mês ou 17 dias). Em março de
2002 foram registrados dois eventos de sistemas frontais com influência sobre o Estado de
São Paulo e em março de 2000 foram cinco (CPTEC, 2010).
4.2.2 Período seco
Na figura 14 são apresentas as médias mensais diárias de KTUV
dTUVK e de AOD )AOD( e as frequências mensais das condições de céu (f) nebuloso,
PNDD, PNDC e claro e de dias com ocorrência de chuva (FC) nos meses de agosto a
outubro dos anos de 2000 a 2007. As barras verticais com cor preta nos gráficos indicam o
desvio padrão da média.
56
Figura 14 – dTUVK e da AOD, f de céu nebuloso, PNDD, PNDC e claro e de FC nos meses
de agosto a outubro dos anos de 2000 a 2007.
Em agosto, o maior e o menor valor de dTUVK foram registrados em
2004 e em 2000, respectivamente (figura 14a). O alto valor de dTUVK registrado em 2004
ocorreu em condições de baixa concentração de nuvens (figura 12h) na atmosfera e
normais de frequência de chuva e de AOD (figura 14g). A frequência de dias com
0,10,20,30,40,50,60,7
KTUV
a
KT
UV
(adi
men
cion
al)
b
c
d
e
0
20
40
60
80
OutubroSetembroAgostoJulhoJunho
f
Fre
quên
cia
(%)
Legenda: I II III IV
g
h
i
j
0,00,10,20,30,40,5
AOD
k
AO
D
(adi
men
cion
al)
l
n
t
m o
2000
2002
2004
2006
220240260280300320
TOC
p
TO
C (
DU
)
2000
2002
2004
2006
q
2000
2002
2004
2006
r
Tempo (ano)
2000
2002
2004
2006
s
2000
2002
2004
2006
57
condição de céu IV em agosto de 2004 foi 74,19% (23 dias), a FC 15 dias e a AOD 0,088
± 0,052. Ao contrário, em agosto de 2000 o baixo valor de dTUVK registrado ocorreu em
condições de maior nebulosidade (figura 14d) e concentração normal de aerossóis na
atmosfera (Figuras 22g e 12r). O número de sistemas frontais que atuaram sobre o Estado
de São Paulo no mês de agosto em 2000 foi igual ao de agosto de 2004 (5 eventos)
(CPTEC, 2010). Porém, em agosto de 2000 os sistemas frontais apresentaram maior
intensidade e por isso geraram alta frequência de dias com condições de céu I e II.
Em setembro, o maior valor de dTUVK foi registrado em 2006 e o
menor em 2007 (figura 14b). O valor de dTUVK em setembro de 2006 foi 9,89% maior em
relação ao de setembro de 2007. A diferença observada entre os dois valores foi gerada
principalmente pela alteração na concentração de aerossóis na atmosfera (figura 14g). O
forte aumento na concentração de aerossóis na atmosfera em setembro de 2007 gerou
redução na frequência da condição de céu IV e aumento anormal da III. A frequência das
condições de céu I e II em setembro de 2006 foi maior em relação ao de setembro de 2007
em função da maior frequência de formação dos sistemas frontais (respectivamente, quatro
e dois eventos) (CPTEC, 2010).
Em outubro (Figura 14c) os valores de KTUV oscilaram muito de
um ano a outro. O maior valor de dTUVK foi observado em outubro de 2006 e ocorreu em
condições de baixa concentração de aerossóis na atmosfera e de condições normais de
nebulosidade. O menor valor de dTUVK foi registrado em 2005 e aconteceu em condições
de alta nebulosidade e baixa concentração de aerossóis na atmosfera. A frequência da
condição de céu II foi a maior da série climatológica em outubro (61,29%), a de céu I a
segunda maior (22,58%) e o valor de AOD o terceiro menor (0,094 ± 0,048). Em outubro
de 2005 foram registrados oito eventos de sistemas frontais com influência sobre o Estado
de São Paulo, enquanto em outubro de 2006 foram registrados 3 eventos (CPTEC, 2010).
Analisando ainda os valores de dTUVK no mês de outubro, em 2002
é possível observar a redução na transmissividade atmosférica da radiação solar UV gerada
pelo aumento na concentração de aerossóis na atmosfera. O forte aumento da AOD em
outubro de 2002 (figura 14g) gerou redução na frequência da condição de céu IV e
aumento anormal na frequência da condição de céu III, alteração similar à observada em
58
setembro de 2007. Quando comparado ao mês de outubro de 2006, o valor de dTUVK
registrado em outubro de 2002 foi 12,22% menor e ocorreu associado à menor frequência
das condições de céu I e II.
4.3 Modelos estatísticos de estimativa
4.3.1 Modelo 1
Na tabela 11 e figura 15 é apresentada a equação linear para
estimativa dos valores anuais horários de KTUV em função de KT.
0,0 0,2 0,4 0,6 0,8 1,00,0
0,2
0,4
0,6
0,8
1,0
KTUV
= 0,698KT
R² = 0,964
KT
UV (
adim
ensi
onal
)
KT (adimensional)
Figura 15 – Correlação linear entre os valores horários de KTUV e KT, dados do período de
2000 a 2005.
Tabela 10 – Coeficiente angular (b), coeficiente de determinação (R²), desvio padrão (sd) e
número de dados (n) da correlação entre os valores horários de KTUV e de KT, base de
dados total do período de 2000 a 2005.
b R² Sd N 0,698 0,964 0,036 25.650
59
Conforme tabela 10, em Botucatu o valor do coeficiente angular b
para a correlação da base total é de 0,70, com coeficiente de determinação R² = 0,96 e
desvio padrão sd = 0,04. Estes valores estão próximos aos encontrados por Foyo-Moreno
et al. (1998) em Granada na Espanha: b = 0,68, R² = 0,92 e sd = 0,05. Em Ansai na China,
Hu et al. (2010) encontrou b = 0,64, R² = 0,93 e sd = 0,05. A diferença entre os valores de
b calculados para Botucatu e os calculados para as duas outras cidades ocorre em função
da diferença de clima entre as três cidades, em relação a nebulosidade, umidade do ar e
concentração de aerossóis na atmosfera. Locais onde ao longo do ano há a predominância
de condições atmosféricas de baixa umidade do ar e baixa nebulosidade tendem a
apresentar valores menores de b em relação à locais de clima úmido e nebuloso. Quando há
a predominância de condições atmosféricas de baixa nebulosidade e umidade do ar, locais
com elevada concentração de aerossóis tendem a apresentar b menores do que em locais
com atmosfera menos poluída.
Botucatu apresenta clima mais úmido e nebuloso quando
comparado à Granada e Ansai e, por isso, apresentou o maior valor de b dentre as três
cidades. Granada (37,18º N; 3,58º W; 660 m) é uma ilha caracterizada por apresentar uma
atmosfera poluída, com umidade relativa média anual de 61%. Ansai (36,85º N; 109,32º
W, 1.189 m) apresenta atmosfera poluída e clima seco com baixa nebulosidade, onde a
média anual de profundidade ótica de aerossóis em 500 nm é igual a 0,38 e a de umidade
relativa do ar igual a 57% (HU et al., 2010).
O efeito das variações nas concentrações de nuvens, vapor de água
e aerossóis na atmosfera sobre a relação entre KTUV e de KT em Botucatu pode ser
visualizado por meio do ajuste das equações sazonais. Na tabela 11 e figura 16 é
apresentada a equação linear para estimativa dos valores sazonais horários, resultante da
correlação entre os dados de KTUV e de KT do período de 2000 a 2005. O objetivo principal
do ajuste das equações lineares sazonais é a análise da variação do coeficiente b em função
de diferentes condições climáticas.
60
Tabela 11 – Coeficiente angular (b), coeficiente de determinação (R²), desvio padrão (sd) e
número de dados (n) da correlação entre KTUV e KT para cada estação do ano.
Estação b R² sd N Verão 0,736 0,962 0,034 5.875
Outono 0,678 0,938 0,033 5.129
Inverno 0,658 0,942 0,032 4.984
Primavera 0,720 0,951 0,036 6.189
0,0
0,2
0,4
0,6
0,8
1,0
0,0 0,2 0,4 0,6 0,8 1,00,0
0,2
0,4
0,6
0,8
1,0
0,0 0,2 0,4 0,6 0,8 1,0
R² = 0,962N = 5.875
KTUV
=0,736KT
Verão a
R² = 0,962N = 5.129
KTUV
=0,678KT
Outono b
R² = 0,942N = 4.984
KTUV
=0,658KT
Inverno c
KT
UV (
adim
ensi
onal
)
KT (adimensional)
R² = 0,951N = 6.189
KTUV
=0,720KT
Primavera d
Figura 16 – Correlação sazonal entre os valores horários de KTUV e de KT.
Verifica-se por meio da figura 16 que o coeficiente b é maior nas
estações mais úmidas e nebulosas (primavera e verão) e menores nas mais secas (outono e
inverno). Os valores de b variaram de 0,736 no verão a 0,658 no inverno.
As variações sazonais do coeficiente b são resultados da
combinação de diferentes condições de nebulosidade e concentração de aerossóis e vapor
de água na atmosfera. As nuvens, junto do vapor de água, são capazes de atenuar grande
parcela das componentes expectrais visível e IV. Em Botucatu, as duas componentes
expectrais juntas representam aproximadamente 96% da radiação global (ESCOBEDO et
61
al., 2009). Embora as nuvens também sejam capazes de atenuar a radiação solar UV, essa
faixa espectral constitui uma parcela muito pequena da radiação global (~4%). Por isso, em
meses nebulosos e úmidos, independente das condições de poluição atmosférica, a redução
nos valores de KT é maior que nos de KTUV gerando valores elevados de b. No caso das
estações com elevada concentração de aerossóis na atmosfera, porém secos e pouco
nebulosos, os valores de b serão relativamente baixos quando comparados aos do caso
anterior. Isto ocorrere, pois em tais condições a atenuação da visível e da IV são
relativamente baixas e é alta a da UV. Assim, a redução nos valores de KTUV é maior
quando comparada a do KT. E oscilações ao longo do mês nas concentrações de aerossóis
na atmosfera geram oscilações também nos valores KTUV sem que haja mudanças
significativas nos de KT.
O contraste entre aumento e diminuição nos valores de KTUV, para
valores iguais de KT, gera no cálculo de regressão a ocorrência de valores baixos de R².
Esse efeito pode ser observado por meio dos menores valores de R² observados nas
estações de inverno e primavera. Em Botucatu as duas estações são as que apresentam
aumentos nas concentração de aerossóis em condições de baixa nebulosidade. É importante
lembrar que o valor do R² serve como um indicativo do ajuste do modelo e, por isso, é
também considerado um parâmetro de referência da capacidade do modelo em prever
valores da variável dependente.
Verifica-se em todos os gráficos de correlação entre o KTUV e o KT
da figura 16 que há uma maior dispersão dos pontos no intervalo de KT entre 0,2 e 0,6,
correspondente as condições de céu intermediárias entre o nebuloso e o claro. Outro
detalhe observado é que a tendência de crescimento nos valores de KTUV com o aumento
nos do KT é maior no intervalo KT< 0,4 em relação ao restante. Esse resultado indica que a
variação de KTUV em função de KT não pode ser considerada linear para todo o intervalo de
KT. Essa consideração também foi feita por Foyo-Moreno et al. (1999), que sugeriu o
ajuste por meio de uma função exponencial.
O intervalo KT < 0,4 é próximo do utilizado para classificar as
condições de céu como sendo nebuloso (KT ≤ 0,35). Por isso, neste caso, a maior variação
do KTUV com o aumento nos do KT pode ser explicado por meio das caracteristicas da
radiação global em condições de céu nebuloso. Nas condições de céu nebuloso, a radiação
global é composta apenas por radiação difusa, sendo a última composta apenas pela
radiação UV e por uma pequena parcela da radiação PAR. Assim, as variações nos níveis
62
de incidência da radiação global estarão relacionadas principalmente a variações na da
radiação UV e da PAR.
4.3.2 Modelo 2
Conforme visto anteriormente, o caminho óptico atmosférico
percorrido pela radiação pode ser expresso por meio das variáveis meteorológicas ângulo
de elevação solar (ψ ) ou da massa ótica relativa do ar (mr). Junto do KT, que serve de
indicativo das condições de nebulosidade, ela pode ser considerada uma das principais
variáveis que devem ser utilizadas em modelos de estimativa da radiação UV em escala de
tempo horária (FOYO-MORENO et al., 1999; FOYO-MORENO et al., 2003; HUANG et
al., 2011).
Na tabela 12 abaixo são apresentados os parâmetros a e b da
equação )Kln(baTUV
TeK += , ajustados para Botucatu para diferentes intervalos de ângulo de
elevação solar (ψ ). O desenvolvimento deste modelo foi realizado com base no proposto
por Foyo-Moreno et al. (1999) para estimativa da radiação UV em Granada, na Espanha. O
ângulo de elevação ψ , expresso em graus, foi calculado a partir da equação Z90−=ψ ,
onde Z é o ângulo zenital em graus.
63
Tabela 12 – Coeficientes a e b, coeficiente de determinação R², desvio padrão (sd) e
número de observações (N) para diferentes intervalos de ângulo de elevação solar (ψ ).
Elevação Solar a b R² N
10º-15º -0,651 0,707 0,927 2.228
15º-20º -0,628 0,715 0,927 1.084
20º-25º -0,605 0,726 0,946 1.772
25º-30º -0,554 0,730 0,962 2.046
30º-35º -0,533 0,754 0,960 1.502
35º-40º -0,498 0,776 0,964 1.788
40º-45º -0,472 0,768 0,976 2.782
45º-50º -0,443 0,802 0,968 1.379
50º-55º -0,416 0,812 0,968 1.707
55º-60º -0,388 0,822 0,972 1.472
60º-65º -0,371 0,867 0,963 733
65º-70º -0,360 0,823 0,977 1.804
70º-75º -0,345 0,875 0,969 324
75º-80º -0,358 0,831 0,969 398
Para o modelo ajustado para Botucatu, assim como observado por
Foyo-Moreno et al. (1999) para Granada e Murillo et al. (2003) para Valência, ambos na
Espanha, os valores dos parâmetros a e b seguiram tendência de aumentando com o
aumento de ψ . Os valores de a variaram de -0,65 em 10º <ψ <15º até -0,36 em 75º<ψ
<80º enquanto os de b variaram de 0,71 a 0,83 (tabela 13 e Figura 17). A tendência de
aumento dos parâmetros a e b com o aumento de ψ e consequente redução da mr indicam
a tendência de aumento da transmissividade atmosférica UV com o decréscimo da massa
ótica (FOYO-MORENO et al., 1999).
64
15-20 25-30 35-40 45-50 55-60 65-70 75-80-0,70
-0,65
-0,60
-0,55
-0,50
-0,45
-0,40
-0,35
-0,30
Paramêtro "a"
Par
amêt
ro "
a"
Ângulo de elevação solar (grau)
0,68
0,72
0,76
0,80
0,84
0,88
0,92
Paramêtro "b"
Par
amêt
ro "
b"
Figura 17 – Variação dos paramêtros a e b em função do ângulo de elevação solar para
Botucatu.
Os valores de R² variaram de 0,93em 10º <ψ <15º a 0,98 em 65º<
ψ <70º, sendo em média superiores aos encontrados para os modelos do tipo TTUV aKK =
apresentados anteriormente, com R² variando de 0,92 a 0,96. Os menores valores de R²
(tabela 13) foram observados para os intervalos de ângulo de elevação baixos (< 25º) e
podem ser considerados resultados do efeito cosseno do sensor de medição da radiação UV
(CAÑADAS et al., 2003).
Para a estimativa da irradiação solar UV horária, a seguinte
equação é proposta:
)Kln(ba0
TeUVUV += (22)
onde a e b são parâmetros tabelados, UV0 é a radiação solar UV extraterrestre calculada, e
KT é o índice de transmissividade atmosférica horário calculado a partir da razão entre
dados medidos de radiação global e calculados da radiação solar extraterrestre.
4.3.3 Modelo 3
As nuvens são uma das principais atenuadoras da radiação solar
UV na atmosfera. Porém, conforme discutido anteriormente, a atenuação da radiação UV
pelas nuvens é uma função complexa e sua estimativa demanda um número muito grande
de informações a respeito das nuvens. Na ausência de nuvens, a atenuação da radiação UV
65
pela atmosfera irá depender principalmente da influência dos aerossóis, do ozônio e do ar
seco. E a atenuação por estes componentes atmosféricos irá variar em função da
concentração deles na atmosfera e do ângulo de elevação solar. O ângulo de elevação solar
define o caminho ótico percorrido pela radiação direta na atmosfera e determina o grau de
interação entre ela e as partículas de aerossóis e moléculas de ozônio e de ar seco. A
variável massa ótica relativa do ar (mr) expressa de maneira implícita a variação do ângulo
de elevação solar e é normalmente utilizadas em modelos estatísticos para estimativa da
irradiação solar UV horária. O índice KT expressa principalmente o efeito das nuvens sobre
a radiação solar UV.
Na figura 18 abaixo é apresenta a variação da irradiação solar UV
horária em função da massa ótica relativa do ar em Botucatu. Nela é feita a distinção por
meio de cores entre as condições de céu claro (pontos pretos) e céu com presença de
nuvens (pontos cinzas).
1 2 3 4 5 6 7
0,00
0,04
0,08
0,12
0,16
0,20
Céu ClaroCéu com nuvens
Irra
diaç
ão U
V (
MJ
m-2)
mr (adimensional)
Figura 18 – Variação da irradição UV horária (MJ m-2 h-1) em função da massa ótica
relativa mr (adimensional) em condições de céu claro (pontos pretos) e de céu com
presença de nuvens (pontos cinzas) em Botucatu.
Conforme figura 18, verifica-se que a dispersão dos pontos é menor
na condição de céu claro quando comparado ao de céu com nuvens. Verifica-se também
que os pontos apresentam tendência de redução em escala exponencial com o aumento da
mr, resultado que está de acordo com o observado em outros trabalhos na literatura
66
(FOYO-MORENO et al., 1999; HUANG et al.,2011; VILLÁN et al., 2010). Estes
resultados demonstram que é possivel o ajuste de uma função do tipo exponecial de
decaimento de segunda ordem para a condição de céu claro. Na figura 19 abaixo é
apresentada a curva ajustada por meio dos pontos plotados para a condição de céu claro,
correspondente a equação 26.
1 2 3 4 50,000,020,040,060,080,100,120,140,160,180,20
R2 = 0,959N = 4.826
UV
(M
J m
-2)
mr (adimensional)
Figura 19 – Correlação entre os valores horários de irradiação solar UV em condições de
céu claro e de massa óptica relativa do ar.
−
−
++= 5878,2
m
4008,0
m
claro
rr
e1055,0e0120,10050,0UV (23)
Na figura 20 abaixo é apresentada a correlação entre os valores
horários de radiação UV em condições de céu claro medidos e os estimados, período de
janeiro de 2006 a dezembro de 2007. Na tabela 13 são apresentados os índices estatísticos
R2, MBE, RMSE e d de Wilmott para validação do modelo de estimativa da radiação UV
horária anual.
67
0,00 0,04 0,08 0,12 0,16 0,200,00
0,04
0,08
0,12
0,16
0,20
R2 = 0,930N = 2.307
UV
est
ima
da (
MJ
m-2)
UV medida (MJ m-2)
Figura 20 - Correlação entre os valores horários de radiação UV medidos e os estimados,
dados do periodo de janeiro de 2006 a dezembro de 2007.
Tabela 13 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos para estimativa
da irradiação solar UV horária anual em Botucatu, São Paulo, Brasil.
R² MBE (%)
RMSE (%)
d (adimensional)
0,984 0,579 7,686 0,982
Com base nos índices estatísticos apresentandos na tabela 13,
verifica-se que o modelo apresentou pequena tendência de superestimar os valores de UV
em condições de céu claro (MBE = 0,579). O modelo desenvolvido para Botucatu
apresentou desempenho melhor em relação ao desenvolvido por Huang et al. (2011) para
duas localidades na China em relação aos índices R² e RMSE. Os R² observados por
Huang et al. (2011) foram inferiores a 0,96 e os RMSE superiores a 9%, porém os MBE
foram menores, sendo observada pequena tendência de substimação dos valores calculados
(MBE ~ -0,02%).
A partir da equação 25 para estimativa da radiação UV em
condições de céu claro e seguindo o modelo )UV/UVclaro(bKK 0TTUV = , a radiação
UV horária em qualquer condição de céu pode ser expressa por meio da equação 27:
]UVK[bUV claroT= (24)
68
onde b é o parâmetro obtido da regressão linear entre os dados medidos e o produto
KTUVclaro, dados do período entre janeiro de 2000 a dezembro de 2005 onde KT < 0,65,
apresentado na figura 21 e tabela 14.
Tabela 14 – Coeficiente angular (b), coeficiente de determinação (R²), desvio padrão (sd) e
número de dados (N) da correlação entre a irradiação solar UV medida e o produto
KTUVclaro.
b R² sd N 1,497 0,971 0,007 14.814
0,00 0,04 0,08 0,12 0,16 0,20
0,00
0,04
0,08
0,12
0,16
0,20
UV
med
ida
(MJ
m-2)
KTUV
claro (MJ m-2)
Figura 21 – Correlação entre irradiação solar UV horária medida e o produto KTUVclaro,
dados do período entre janeiro 2006 a dezembro de 2007.
A equação 27, para estimativa da irradiação UV horária anual é
resultante da substituição do coeficiente b na equação 25:
++=
−
−5878,2
m
4008,0
m
T
rr
e1055,0e0120,10050,0K4971,1UV (25)
69
4.5 Modelos 4
Informações a respeito das concentrações de ozônio e aerossóis na
atmosfera podem ser facilmente obtidas de bases de dados medidas por satélites e
disponibilizadas pela NASA. Assim, verifica-se a possibilidade do desenvolvimento de
modelos utilizando dados medidos por satélites. Porém, cabe ressaltar as principais
limitações em relação à utilização dos dados medidos pelos satélites, que são a precisão
dos dados e falha na medição, principalmente no caso dos dados de aerossóis. Por isso,
Huang et al. (2011) utilizou no desenvolvimento de seu modelo apenas dados de ozônio
medidos por satélite.
No desenvolvimento do modelo para céu claro, seguindo o modelo
proposto por Huang et al. (2011), a utilização de dados de aerossóis para o caso de
Botucatu possui importância em função da influência dos aerossóis em meses específicos
do ano. Porém, Botucatu não possui estações meteorológicas de superfície que monitoram
a concentração de aerossóis na atmosfera local pelo método gravimétrico ou mesmo
indireto utilizando o principio de atenuação da radiação solar em comprimentos de onda
específicos. Ela possui disponível apenas dados de AOD medidos por satélites da NASA
ao longo do período experimental (2000 a 2007), porém estes apresentam um percentual
baixo de dados passiveis de utilização e baixa precisão. Mesmo sendo justificada a
necessidade do uso de dados de aerossóis no desenvolvimento do modelo para Botucatu,
serão utilizados somente dados da concentração de ozônio medidos por satélites.
Na figura 22 abaixo é apresentada a correlação entre a radiação
solar UV em condições de céu claro e a variável SOC (declinação da coluna total de
ozônio), dados horários do período de janeiro de 2000 a dezembro de 2005 onde KT > 0,65.
70
200 400 600 800 1000 12000,00
0,04
0,08
0,12
0,16
0,20
0,24
R2 = 0,916N = 4.826
UV
(M
J m
-2)
SOC (DU)
Figura 22 – Correlação entre a irradiação solar UV horária e a SOC em condições de céu
claro, dados do período entre janeiro de 2006 a dezembro de 2007.
Verifica-se por meio da figura 23 que é possível o ajuste do modelo
para estimativa da radiação UV horária em condições de céu claro utilizando dados de
SOC, onde a linha continua representa a equação 26 ajustada:
−
−
++= 1681,498
SOC
0281,111
SOC
claro e1051,0e8744,001734,0UV (26)
Na figura 23 abaixo é apresentada a correlação entre os valores
horários de radiação UV em condições de céu claro medidos e os estimados, período de
janeiro de 2006 a dezembro de 2007. Na tabela 15 são apresentados os índices estatísticos
R2, MBE, RMSE e d de Wilmott para validação do modelo de estimativa da radiação
UVclaro horária anual em função do SOC.
Tabela 15 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos para estimativa
da UVclaro anual em função do SOC em Botucatu, São Paulo, Brasil.
R² MBE (%)
RMSE (%)
d (adimensional)
0,9046 2,0263 2,0263 0,9894
71
0,00 0,04 0,08 0,12 0,16 0,200,00
0,04
0,08
0,12
0,16
0,20
UV
est
imad
a (M
J m-2
)
UV medida (MJ m-2)
Figura 23 - Correlação entre os valores horários anuais da irradiação solar UV em
condições de céu claro medidos e os estimados, periodo de janeiro de 2006 a dezembro de
2007.
A partir da equação 26 para estimativa da irradiação solar UV
horária anual em condições de céu claro e seguindo o modelo ]UVK[bUV claroT= , a
irradiação solar UV horária anual em qualquer condição de céu em função do KT e do SOC
é expressa por meio da equação 27:
++=
−
−1681,498
SOC
0281,111
SOC
T e1051,0e8744,001734,0bKUV (27)
onde b é o coeficiente obtido da regressão linear entre os dados medidos e o produto
KTUVclaro (figura 24 e tabela 16), dados horários do período entre janeiro de 2000 a
dezembro de 2005 onde KT < 0,65.
Tabela 16 – Coeficiente angular (b), coeficiente de determinação (R²), desvio padrão (sd) e
número de dados (N) da correlação entre a irradiação solar UV medida e o produto
KTUVclaro.
b R² sd N 1,4904 0,9721 0,0061 13.768
72
0,00 0,04 0,08 0,12 0,16 0,200,00
0,04
0,08
0,12
0,16
0,20
UV
med
ida
(MJ
m-2)
KTUV
claro (MJ m-2)
Figura 24 – Correlação entre a irradiação solar UV medida e o produto KTUVclaro, dados
horários do período entre janeiro de 2000 a dezembro de 2005 onde KT < 0,65.
4.6 Modelo 5
Abaixo é apresentada a equação para estimativa da irradiação solar
UV horária em condições de céu claro considerando o efeito de atenuação do ar seco (por
meio do mr) e do ozônio (por meio do SOC), seguindo modelo proposto por Huang et al.
(2011):
−
−
−
−
++++= 872,394
SOC
174,78
SOC
975,0
m
236,0
m
claro e0187,0e407,0e239,0e000,2024,0UVrr
(28)
73
Figura 25 - Correlação entre os valores horários anuais da irradiação solar UV em
condições de céu claro medidos e os estimados, periodo de janeiro de 2006 a dezembro de
2007.
Tabela 17 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos para estimativa
da UVclaro anual em função do SOC em Botucatu, São Paulo, Brasil.
R² MBE (%)
RMSE (%)
d (adimensional)
0,9371 0,8734 7,3157 0,9835
A partir da equação 30 para estimativa da irradiação solar UV em
condições de céu claro e seguindo o modelo ]UVK[bUV claroT= , a irradiação solar UV
horária em qualquer condição de céu em função do KT, mr e do SOC é expressa por meio
da equação 29:
++++=
−
−
−
−872,394
SOC
174,78
SOC
975,0
m
236,0
m
T e0187,0e407,0e239,0e000,2024,0K492,1UVrr
(29)
O coeficiente b foi obtido da regressão linear entre os dados
medidos e o produto KTUVclaro, dados do período entre janeiro de 2000 a dezembro de
2005 onde KT < 0,65, apresentado na figura 26 e tabela 18.
0,00 0,04 0,08 0,12 0,16 0,200,00
0,04
0,08
0,12
0,16
0,20
UV
est
imad
a (M
J m-2
)
UV medida (MJ m-2)
74
Tabela 18 – Coeficiente ângular (b), coeficiente de determinação (R²), desvio padrão (sd) e
número de dados (N) da correlação entre a irradiação solar UV medida e o produto
KTUVclaro.
b R² Sd N 1,4915 0,9730 0,0060 13.768
0,00 0,02 0,04 0,06 0,08 0,10 0,120,00
0,04
0,08
0,12
0,16
0,20
UV
(M
J m
-2)
KTUV
claro (MJ m-2)
Figura 26 – Correlação entre irradiação solar solar UV medida e o produto KTUVclaro,
dados horários do período entre janeiro de 2000 a dezembro de 2005 onde KT < 0,65.
4.7 Validação dos modelos estatísticos
Neste trabalho foram desenvolvidos os seguintes modelos
estatísticos para estimativa da radiação solar UV horária:
1) Modelo 1 (M1):
T0KUV698,0UV = (30)
2) Modelo 2 (M2): )Kln(ba
0TeUVUV += (31)
75
3) Modelo 3 (M3):
++=
−
−5878,2
m
4008,0
m
T
rr
e1055,0e0120,10050,0K4971,1UV (32)
4) Modelo 4 (M4):
++=
−
−1681,498
SOC
0281,111
SOC
T e1051,0e8744,001734,0K4904,1UV
(33)
5) Modelo 5 (M5):
++++=
−
−
−
−872,394
SOC
174,78
SOC
975,0
m
236,0
m
T e0187,0e407,0e239,0e000,2024,0K492,1UVrr
(34)
Na tabela 19 abaixo são apresentados os índices estatísticos R²,
MBE, RMSE e d de Wilmott dos cinco modelos desenvolvidos para Botucatu. Junto
também está a validação do modelo desenvolvido por Escobedo et al.(2011) para
estimativa da radiação UV horária em Botucatu a partir da radiação global. Na figura 27
são apresentados gráficos da correlação entre os dados horários de UV medidos e os
estimados dos cinco modelos desenvolvidos neste trabalho e do modelo desenvolvido por
Escobedo et al. (2011).
Tabela 19 – R², MBE, RMSE e d de Wilmott dos modelos desenvolvidos neste trabalho
para estimativa da irradiação solar UV horária anual em Botucatu (M1, M2, M3, M4 e
M5).
Modelo R² MBE (%)
RMSE (%)
d (%)
M1 0,984 -5,943 12,875 0,988
M2 0,945 -5,786 18,342 0,971
M3 0,973 0,829 12,231 0,991
M4 0,968 3,043 13,672 0,988
M5 0,971 0,921 12,245 0,990
76
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,200,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,200,00 0,05 0,10 0,15 0,20
Escobedo et al. (2011) a
M1 b
M2 c
M3 d
UV
est
imad
a (M
J m-2
)
M5 f
UV medida (MJ m-2)
M4 e
Figura 27 – Correlação entre a radiação UV medida e a estimada, dados horários do
período entre janeiro de 2006 a dezembro de 2007.
Em relação aos cinco modelos, apenas os modelos M3, M4 e M5
apresentaram níveis de imprecisão inferiores ao do sensor utilizado na medição da
irradiância UV (~5%) (Huang et al., 2011). E dentre eles, o modelo com melhor
desempenho estatístico foi o equivalente ao M3, que apresentou o maior valor de d de
Wilmott (d = 0,991) e tendência de superestimar em 0,829% os valores estimados (MBE =
0,829). Esse resultado não está de acordo com o divulgado por Huang et al. (2011), que
desenvolveu e propôs modelos equivalentes ao M5 para dois lagos no médio e baixo Rio
Yangtze, onde tais modelos foram considerados os de melhor desempenho quando
comparados aos equivalentes ao M3. Porém, deve-se ressaltar que os valores dos índices
estatísticos encontrados aqui para o M3 estão muito próximos dos encontrados para o M5.
Outra observação feita é que os valores observados dos índices estatísticos MBE e RMSE
para o modelo M3 estão próximos aos encontrados por Foyo-Moreno et al. (1999) para o
modelo equivalente desevolvido para Granada na Espanha. Tais autores observaram R² =
0,98, MBE = 0,3% e RMSE = 2,3%.
O pior desempenho observado foi o do modelo M2. Ele apresentou
o menor valor do índice d de Wilmott (d = 0,971) e tendência de subestimar os valores
calculados em -5,86%. Os valores dos índices estatísticos R², MBE e RMSE para o modelo
M2 indicaram pior desempenho também em relação ao modelo equivalente desenvolvido
77
por Foyo-Moreno et al. (1999) em Granada na Espanha. Os autores observaram R²= 0,97,
MBE = 0,829% e RMSE = 12,23%.
78
5. CONCLUSÃO
A transmissividade atmosférica da radiação solar UV (KTUV) em
Botucatu é menor nos meses do verão (dezembro a fevereiro), em função da maior
nebulosidade, e maior em abril e agosto, meses onde há a predominância de dias com
condições de céu claro. O aumento da nebulosidade com mudança da condição de céu
claro para céu nebuloso pode gerar reduções de até 64% na KTUV. Quando há a mudança da
condição de céu claro para parcialmente nebuloso com dominância para o difuso, a
redução é menor e pode chegar a 33%.
Durante os meses do período seco (abril a setembro), nos quais é
alta a frequência da condição de céu claro e baixa a de chuvas, o aumento da turbidez
atmosférica gera reduções de 20 a 32% no KTUV. As reduções do KTUV em condições de
céu claro podem ser maiores ou menores dependendo da frequência de queima de
biomassa no Estado de São Paulo e em outros estados do Brasil e da frequência das
chuvas. A queima da cana-de-açúcar altera pouco a profundidade óptica de aerossóis
(AOD) em Botucatu, sendo ela responsável pelo aumento da AOD principalmente nos
meses de junho a agosto. Os incêndios praticados em florestas ou pastagens em outros
estados do Brasil geram aumento na AOD em Botucatu durante os meses de agosto a
novembro.
Em relação à influência do ozônio estratosférico, não é possível
observar seu efeito sobre a variação temporal da KTUV. Uma das justificativas para este
resultado é que, após absorver toda a UV-C, ele é capaz de atenuar apenas a UV-B, que
representa menos de 20% da radiação solar UV incidente sobre a superfície terrestre.
Ao longo do ano, os meses com maior variação interanual do KTUV
são janeiro e fevereiro, influenciados pela variação interanual na frequência de ocorrência
e na intensidade da ZCAS, e setembro e outubro, influenciados pela variação interanual na
frequência das chuvas locais e dos incêndios nas regiões norte e centro-oeste do Brasil.
79
Dos cinco modelos estatísticos desenvolvidos e validados, apenas
os modelos M3, M4 e M4 apresentaram nível de imprecisão abaixo da dos sensores de
medição da UV (~5%). O pior desempenho observado foi o do modelo M2, que apresentou
MBE=-5,786% e d de Wilmott de 0,971. O modelo M3, desenvolvido com baseado no
proposto por Foyo-Moreno et al. (1999) foi o qual apresentou melhor desempenho, com
MBE=0,829% e d de Wilmott de 0,991. Ele utiliza como variáveis de entrada o índice de
transmissividade KT e a massa óptica relativa do ar mr. O modelo desenvolvido com base
no proposto por Huang et al. (2011), que utiliza como variáveis de entrada o KT, o mr e o
SOC (coluna total de ozônio obliqua) apresentou desempenho próximo ao desenvolvido
com base no proposto por Foyo-Moreno et al. (1999).
80
6. REVISÃO BIBLIOGRÁFICA
ACULININ, A. A. Total column ozone and solar UV-B erythemal irradiance over Kishinev, Moldova. Global NEST Journal, v. 8, n. 3, p 204-209, 2006.
AGAR, N. S. et al. The basal layer in human squamous tumors harbours more UVA than UVB finger-print mutations: A role for UVA in human skin carcinogenesis. Proceedings of the National Academy of Sciences, v. 101, p. 4954-4959, 2004.
AGUIAR, D. A. et al. Imagens de sensoriamento remoto no monitoramento da colheita da cana-de-açúcar. Engenharia Agrícola, Jaboticabal, v. 29, n. 3, p. 440-451, 2009.
AHMAD, S. P. et al. Atmospheric products from the Ozone Monitoring Instrument (OMI), Proc. of Spie, San Diego, p. 5151-5166, 2003.
AL-ARURI S. D. et al. An assessment of global UV solar radiation in the range (0.290–0.385 lm) in Kuwait. Solar Energy, v, 41, p. 159-62, 1988.
AL-RIAHI, M.; AL-JUMAILY, K. J.; ALI, K. Integrally and spectrally direct normal incidence radiation measurements and their bearing on atmospheric transmission on Baghdad. Energy Conservation and Management, v. 42, p. 985-993, 2001.
ALLEN, A. G.; CARDOSO, A. A.; ROCHA, G. O. Influence of sugar cane burning on aerosol soluble ion composition in southeastern Brazil. Atmospheric Environment, v. 38, p. 5025-5038, 2004.
ALMEIDA, T. N. S. Estimativa da radiação solar ultravioleta em Botucatu/SP/Brasil utilizando técnicas de aprendizado de máquina. 2013. 57 f. Dissertação (Mestrado em Agronomia – Energia na Agricultura), Faculdade de Ciências Agronômicas, Universidade Estadual Paulista, Botucatu, 2013.
AMBROSETTI, P. et al. Results of an outdoor and indoor pyranometer comparison. Davos: International Energy Agency Solar Heating and Cooling Program Rep., 1984. 211 f.
ANDERSON, G. P. et al. MODTRAN2: Suitability for remote sensig. Propagation and Remote sensing II. Proc. of SPIE, Orlando, v. 1968, p. 514-25, 1993.
ANDRADY, A. L. et al. Effects of increased solar ultraviolet radiation on materials. Journal of Photochemistry and Photobiology B: Biology, v. 46, p. 96-103, 1998.
81
ANTÓN, M. et al. A multiple regression analysis between UV radiation measurements at Badajoz and ozone, reflectivity and aerosols estimated by TOMS. Physica Scripta, v. 118, p. 21-23, 2008.
ASSUNÇÃO, H. F. Modelo paramétrico para estimativa da radiação solar ultravioleta . 2003, 147 f. Tese (Doutorado Energia na Agricultura) - Faculdade de Ciências Agrárias da Universidade Estadual “Júlio de Mesquita Filho”, Botucatu, 2003.
BACHELOR, M. A.; BOWDEN, G. T. UVA mediated activation of signalling pathways involved in skin tumour promotion and progression. Seminars in Cancer Biology, v. 14, p. 131–138, 2004.
BARBERO, F. J.; LÓPEZ, G.; BATLLES, F. J. Determination of daily solar ultraviolet radiation using statistical models and artificial neural networks. Ann. Geophys., v. 24, p. 2105–2114, 2006.
BARRETO, J. M. Inteligência artificial no limiar do século XXI , 2ª edição. Florianópolis: Duplic Edições, 1999, 86 f.
BARTLETT, L. M.; WEBB, A. R. Changes in ultraviolet radiation in the 1990s: Spectral measurements from Reading, England. Journal of Geophysical Research, v. 105, n. 4, 2000.
BIRD, R. E.; RIORDAN, C. Simple solar spectral model for direct and diffuse irradiance on horizontal and tilted planes at the Earth’s surface for cloudless atmospheres. Journal Climate Applied Meteorology, v. 25, p. 87-97, 1986.
BLAUSTEIN, A. R. et al. Ambient Ultraviolet Radiation Causes Mortality in Salamander Eggs. Ecological Applications, v. 5, n. 3, p. 740-743, 1995.
BOEGER, M. R. T.; POULSON, M. Efeitos da radiação ultravioleta-B sobre a morfologia foliar de Arabidopsisthaliana (L.) Heynh (Brassicaceae). Acta Botânica Brasileira, v. 20, n. 2, p. 329-338, 2006.
BRASSEUR, G. P.; ORLANDO, J. J.; TYNDALL, G.S. Atmospheric Chemistry and Global Change. Oxford University Press: New York, 1999.
HU, B.; WANG, Y.; LIU, G. Properties of ultraviolet radiation and the relationship between ultraviolet radiation and aerosol optical depth in China. Atmospheric Research, v. 98, p. 297-308, 2010.
CALBÓ, J.; PAGÉS, D.; GÓNZALEZ, A. Empirical studies of cloud effects on UV radiation: a review. Reviews of Geophysics, v. 43, p. 1-28, 2005.
CANASAT. Mapa da colheita de cana-de-açúcar no Estado de São Paulo. Disponivel em: < http://www.dsr.inpe.br/laf/canasat/cultivo.html>. Acesso em: 05 jun. 2013.
CAÑADA, J.; PEDROS, G.; BOSCA, J. V. Relationships between UV (0.290-.385 µm) and broad band solarradiation hourly values in Valencia and Córdoba, Spain. Energy, v. 28, p. 199-217, 2003.
82
CARVALHO, L. M. V.; JONES, C.; LIEBMANN, B. The South Atlantic Convergence Zone: Intensity, Form, Persistence, and Relationships with Intraseasonal to Interannual Activity and Extreme Rainfall. Journal of Climate, v. 17, p. 88-108, 2004.
CETESB. Avaliação da qualidade do ar no município de Jaú - Jardim Pedro Ometto – SP. São Paulo: CETESB, 2005. 137 p.
CHEN, J. L. et al. Estimation of monthly solar radiation from measured temperatures using support vector machines – a case study. Renewable Energy, v. 36, p. 413-420, 2011.
CHAVES, M. A.;ESCOBEDO, J. F. Solar radiation data base management software. Revista Brasileira de Meteorologia, v. 14, n. 2, p. 91-98, 1999.
CHU, D. A. et al. Validation of MODIS aerosol optical depth retrieval over land. Geophysical Research Letter, v. 29, n. 12, 2002.
CHUBAROVA, N. Y. Seasonal distribution of aerosol properties over Europe and their impact on UV irradiance. Atmospheric Measurement Techniques, v. 2, p. 593-608, 2009.
CLAIR, T. A. et al. Will reduced summer UV-B levels affect zooplankton populations of temperate humic and clearwater lakes? Hydrobiologia, v.462, p. 75-89, 2001.
CODATO, G. et al. Global and diffuse solar irradiances in urban and rural areas in Southeast Brazil. Theory and Appl. Climat., v. 93, p. 57-73, 2008.
COOPER, P. I. The absorption of solar radiation in solar stills. Solar Energy, v. 12, n. 3, p. 333-346, 1969.
CORDERO, R. R. et al. Climatology of surface ultraviolet-radiation in Valparaiso, Chile. Energy Conversion and Management, v. 46, p. 2907–2918, 2005.
CORRÊA M. P.; DUBUISSON, P.; PLANA-FATTORI, A. An overview of the ultraviolet index and skin cancer cases in Brazil. Photochemistry and Photobiology, v. 78, p. 49-54, 2003.
CPTEC. Climanálise - Boletim de monitoramento e análise climática. Disponível em: <http://climanalise.cptec.inpe.br/~rclimanl/boletim/>. Acesso em 24 Jan. 2010.
CUI, X. et al. Diurnal and seasonal variations of UV radiation on the northern edge of the Qinghai-Tibetan Plateau. Agricultural and forest Meteorology, v. 148, p. 144- 151, 2008.
DEGÜNTHER, M.; MEERKÖTTER, R. Effect of remote clouds on surface UV irradiance. Ann. Geophysicae, v. 18, p. 679-686, 2000.
DELUISI, J. J., HARRIS, J. M. A determination of the absolute radiant energy of a Robertson–Berger Meter Sunburn Unit. Atmospheric Environment, v. 17, p. 751-758, 1983.
83
DIAZ, J .P. et al. Radiative properties of aerosols in Saharan dust outbreaks using ground-based and satellite data: applications to radiative forcing. Journal of Geophysical Research, v. 106, n. 16, p. 403-416, 2001.
DIFFE, Y. M. B. L. Solar ultraviolet radiation effects on biological system. Physc. Med. Bio., v. 36, p. 299-329, 1991.
ELHADIDY, M. A.; ABDEL-NABI, D. Y.; KRUSS P. D. Ultraviolet solar radiation at Dhahram, Saudi Arabia. Solar Energy, v. 44, p. 315-319, 1990.
EL-NOUBY, M. A. Effect of The Atmosphere on UVB Radiation Reaching the Earth’s Surface: Dependence on Solar Zenith Angle. Atmospheric and Oceanic Science Letters, v. 4, n. 3, p. 139-145, 2011.
EPPLEY LABORATORY. Total ultraviolet radiometer . Disponível em: <http://www.eppleylab.com/>. Acesso em: 02 jan. 2012.
ESCOBEDO, J. F. et al. Modeling hourly and daily fractions of UV, PAR and NIR to global solar radiation under various sky conditions at Botucatu, Brazil. Applied Energy, v. 86, p. 299-309, 2009.
ESCOBEDO, J. F. et al. Ratios of UV, PAR and NIR components to global solar radiation measured at Botucatu site in Brazil. Renewable Energy, v. 36, p. 169-178, 2011.
ESCOBEDO, J. F. et al. Irradiações UV, PAR e IV médias mensais em Botucatu/SP/Brasil. Avances en Energías Renovables y Medio Ambiente, v. 16, p. 85-92, 2012.
FEISTER, U.; JUNK, J.; WOLDT, M. Long-term solar UV radiation reconstructed by Artificial Neural Networks (ANN). Atmospheric Chemistry and Physics Discussions, v. 8, p. 453-488, 2008.
FERRÃO, M. F. et al. SVM: Uma nova ferramenta quimiométrica para regressão multivariada. Comparação de modelos de regressão LS-SVM e PLS na quantificação de adulterantes em leite em pó empregando NIR. Rev. Quim. Nova, v. 30, n. 4, p. 852-859, 2007.
FIOLETOV, V. E. et al. Estimating UV Index Climatology over Canada. Journal of Applied Meteorology, v. 42, p. 417-433, 2003.
FOYO-MORENO, I.; VIDA, J.; ALADOS-ARBOLEDAS, L. A simple all weather model to estimate ultraviolet solar radiation (290-385 nm). Journal of Applied Meteorology, Lawrence, v. 38, p. 1021-1026, 1999.
FOYO-MORENO, I. et al. The influence of cloudiness on UV global irradiance (295–385 nm). Agricultural and Forest Meteorology, v. 120, p. 101-111, 2003.
FRÖHLICH, C.; LONDON, J. Revised instruction manual on radiation instruments and measurements. Geneva: World Meteorological Organization, 1986. 140 f.
84
GUEYMARD C. SMART2: a simple model of the atmospheric radioactive transfer of sunshine: algorithms and performance assessment. Florida Solar Energy Center, FSEC-PF, p. 270-295, 1995.
HAO, X. et al. Effects of pre-exposure to ultraviolet-B radiation on responses of tomato to ozone in ambient and elevated carbon dioxide. Environmental Pollution , n. 110, p. 217-224, 2000.
HAYKIN, S. Neural Networks - A Compreensive Foundation. New Jersey: Prentice-Hall, 1999, 99 f.
HARRISON, J. W.; SMITH, R. E. H. Effects of ultraviolet radiation on the productivity and composition of freshwater phytoplankton communities. Photochemical Photobiology Science, v. 8, p. 1218-1232, 2009.
HOLBEN, B. N. et al. An emerging ground-based aerosol climatology: Aerosol optical depth from AERONET. Journal of Geophysical Research, v. 106, n. 11, p. 12.067–12.097, 2001.
HUANG, M. et al. Ultraviolet Radiation over Two Lakes in the Middle and Lower Reaches of the Yangtze River, China: An Innovative Model for UV Estimation. Terr. Atmos. Ocean. Sci., v. 22, n. 5, p. 491-506, 2011.
IQBAL, M. An introduction to solar radiation . London: Academic Press, 1983. 390 f.
JACOBSON, M. Z. Analysis of aerosol interactions with numerical techniques for solving coagulation, nucleation, condensation, dissolution and reversible chemistry among multiple size distributions. Journal of Geophysical Research, v. 107, n. D19, p. 1-23, 2002.
JACOVIDES, C. P. et al. Solar global UV (280–380 nm) radiation and its relationship with solar global radiation measured on the island of Cyprus. Energy, v. 31, p. 2728–2738, 2006.
JOKELA, K. et al. Intercomparison of lamp and detector-based UV-irradiance scales for solar UV radiometry. Journal of Geophysical Research, v. 105, n. 4, p. 4821-4827, 2000.
JOSEFSSON, W.; LANDELIUS, T. Effect of clouds on UV irradiance: As estimated from cloud amount, cloud type, precipitation, global radiation and sunshine duration. Journal of Geophysical Research, v. 105, n. 4, p. 4927-4935, 2000.
KALASHNIKOVA, O. V. et al. Application of satellite and ground-based data to investigate the UV radiative effects of Australian aerosols. Remote Sensing of Environment, v. 107, p. 65-80, 2007.
KAUFMAN, Y. J., KOREN, I. Smoke and pollution aerosol effect on cloud cover. Science, v. 313, p. 655-658, 2006.
KASTEN F.; YOUNG A. T. Revised optical air mass tables and approximation formula. Applied Optics, v. 28, n. 22, p. 4735-4738, 1989.
85
KIPP e ZONEN. Solar instruments. Disponivel em: <http://www.kippzonen.com/>. Acesso em: 02 jan. 2012.
KORONAKISA, P. S. et al. Interrelations of UV-global/global/diffuse solar irradiance components and UV-global attenuation on air pollution episode days in Athens, Greece. Atmospheric Environment, v. 36, p. 3173-3181, 2002.
KUDISH, A. I.; IANETZ, A. Analysis of daily clearness index, global and beam radiation for Beer Sheva, Israel: Partition according to day type and statistical analysis. Energy Conversion and Management, v. 37, p. 405-416, 1996.
LANTZ, K. et al. Methodology for deriving clear-sky erythemal calibration factors for UV broadband radiometers of the U.S. central UV calibration facility. Journal of Atmospheric and oceanic Technology, v. 16, p. 1736-1752, 1999.
LARA, L. L. et al. Properties of aerosols from sugar-cane burning emissions in Southeastern Brazil. Atmospheric Environment, v. 39, p. 4627–4637, 2005.
LEAL, S. S.; TÍBA C.; PIACENTINI, R. Daily UV radiation modeling with the usage of statistical correlations and artificial neural networks. Renewable Energy, v. 36, p. 3337-3344, 2011.
LECKNER, B. The spectral distribution of solar radiation at the Earth’s surface – Elements of a model. Solar Energy, v. 20, p. 143-150, 1978.
LEE, M. B.; WEBB, A. R. Changes in ultraviolet radiation in the 1990s: spectral measurements from Reading, England. Journal of Geophysical Research, v. 105, n. 4, p. 4889-4893, 2000.
LESZCZYNSKY, K. Advances in traceability of solar ultraviolet radiation measurements. 2002. 84 f. Dissertação (Mestrado em Física – Radiação e Segurança Nuclear), Faculdade de Ciências, Universidade de Helsinki, Helsinki, 2002.
LI, D. H. W; LAM, J. C. An analysis of climatic parameters and sky condition classification. Building and Environment, v. 36, p. 435-450, 2000.
LIOU, K. N. An introduction to atmospheric radiation. Londres: Academic Press., 2002, 583 f.
LÓPEZ, G. et al. Estimation of hourly global photosynthetically active radiation using artificial neural network models. Agricultural and Forest Meteorology, v. 107, p. 279-291, 2001.
MADRONICH, S. et al. Changes in biologically active ultraviolet radiation reaching the Earth’s surface. Journal of Photochemistry and Photobiology Biology, v. 46, p. 5‐19, 1998.
MARIUS PAULESCU, M. et al. UV solar irradiance from broadband radiation and other meteorological data. Atmospheric Research, v. 96, p. 141-148, 2010.
86
MARTINEZ-LOZANO, J. A.; TENA, F.; UTRILLAS, M. P. Ratio of UV to global broad band irradiation in Valencia, Spain. International Journal of Climatology , v. 19, p. 903-911, 1999.
MCPETERS, R. et al. VEEFKIND, J. P.; BHARTIA, P. K.; LEVELT, P. F. Validation of the Aura ozone monitoring instrument total column ozone product. Journal of Geophysical Research, v. 113, p. 1-9, 2008.
MENDEVA, B. D.; GOGOSHEVA, T. N.; PETKOV, B. H. KRASTEV, D. G.The total ozone and UV solar radiation over Stara Zagora, Bulgaria. Advances in Space Research, v. 35, p. 1366-1368, 2005.
MENDONÇA, R. W. B.; BONATTI, J. P. Estudo da energética modal para episódios de ZCAS. Parte I: Análise Observacional. Revista Brasileira de Meteorologia, v. 23, n. 4, 360-380, 2008.
MOHANDES, M.; REHMAN, S.; HALAWANI, T. O. Estimation of global solar radiation using artificial neural networks. Renewable Energy, v. 14, p. 170-184, 1998.
MOLINEAUX, B.; INEICHEN, P. On the broadband transmittance of direct irradiance in a cloudless sky and its application to the parameterization of atmospheric turbidity. Solar Energy, v. 56, n. 6, p. 553-563, 1996.
MORAIS, M. A.; CASTRO, W. A. C.; TUNDISI, J. G. Climatologia de frentes frias sobre a Região Metropolitana de São Paulo (RMSP), e sua influência na limnologia dos reservatórios de abastecimento de água. Revista Brasileira de Meteorologia, v. 25, n. 2, p. 205-217, 2010.
MURILLO, W.; CAÑADA, J.; PEDRÓS, G. Correlation between global ultraviolet (290-385 nm) and global irradiation in Valencia and Cordoba (Spain). Renewable Energy, v. 28, p. 409-418, 2003.
NAZARI, E. M. et al. Effects of environmental and artificial UV-B radiation on freshwater prawn Macrobrachium olfersi embryos. Aquat. Toxicol., v. 98, p. 25-33, 2010.
NEWCHURCH, M. J. et al. Evidence for slowdown in stratospheric ozone loss: First stage of ozone recovery. Journal of Geophysical Research Atmospheres, v. 108, n. 4507, p. 1-13, 2003.
OGUNJOBI K. O.; KIM Y. J. Ultraviolet (0.280-0.400 µm) and broadband solar hourly radiation at Kwangju, South Korea: analysis of their correlation with aerosol optical depth and clearness index. Atmospheric Research, v. 71, p. 193-214, 2004.
OKOGBUE, E. C.; ADEDOKUN, J. A.; HOLMGREN, B. Hourly and daily clearness index and diffuse fraction at a tropical station, Ile-Ife, Nigéria. International Journal of Climatology, v. 29, p. 1035-1047, 2009.
PALANCAR, G.; TOSELLI, M. Effects of meteorogy and troposphericaerosols on UV-B radiation: a 4–year study. Atmospheric Environment, v. 38, p. 2749-2757, 2004.
87
PIENITZ, R.; VINCENT, W. F. Effect of climate change relative to ozone depletion on UV exposure in subarctic lakes. Nature, v. 404, p. 484-487, 2000.
REBOITA, M. S.; GAN, M. A.; ROCHA, R. P.; AMBRIZZI, T. Regimes de precipitação na América do Sul: Uma revisão bibliográfica. Revista Brasileira de Meteorologia, v. 25, p. 185-204, 2010.
REMER, L. A. et al. Global aerosol climatology from the MODIS satellite sensors. Journal of Geophysical Research, v. 113, p. 1-18, 2008.
REUDER, J.; SCHWANDER, H. Aerosol effects on UV radiation in non-urban regions, J. Geophysical Research, v. 104, p. 4065–4067, 1999.
ROBINSON, N. Solar radiation. New York, Elsevier, 1966. 347 f.
ROOBA, S. M. A study of ultraviolet solar radiation at Cairo urban area, Egypt. Solar Energy, v. 77, p. 251-259, 2004.
ROZEMA, J. et al. The role of UV-B radiation in aquatic and terrestrial ecosystems – an experimental and functional analysis of the evolution of UV-absorbing compounds. J. Photochem. Photobiol., v. 66, p. 2-12, 2002.
SANTOS, J. B.; VILLAN, D. M.; CASTRILLO, A. M. Analysis and cloudiness influence on UV total irradiation. International Journal Climatology , v. 31, p. 451–460, 2011.
SECKMEYER, G. et al. Instruments to measure solar ultraviolet radiation- Part 4: Array spectroradiometers. Partenkirchen: WMO, n. 191, p. 1-39, 2010.
SEINFELD, J. H.; PANDIS, S. N. Atmospheric Chemistry and Physics: from air pollution to climate change. John Wiley e Sons: New York, 1998.
SEMOLINI, R. Support vector machines, inferência transdutiva e o problema de classificação. 2002. 128 f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) Universidade Estadual de Campinas. 2002.
SERRANO, A.; ANTON, M.; CANCILLO, M. L.; GARCIA, J. A. Proposal of a new erythemal UV radiation amplification factor. Atmospheric Chemistry and Physics Discussion, v. 8, p. 1089‐1111, 2008.
SHAHGEDANOVA, M.; LAMAKIN, M. Trends in aerosol optical depth in the Russian artic and their link with synoptic climatology. Science of the Total Environment, v. 341, p. 133-148, 2005.
SHERRY, J. E.; JUSTUS, C. T. A simple hourly clear-sky solar radiation model based on meteorological parameters. Solar Energy, v. 30, n. 5, p. 425-431, 1983.
SOARES, J. et al. Modeling hourly diffuse solar radiation in the city of São Paulo using neural network technique. Applied Energy, v. 79, n. 2, p. 201-214, 2004.
STOLARSKI, R. R. et al. Measured trends in stratospheric ozone. Science, v. 256, p. 342-349, 1992.
88
STONE, R. J. Improved statistical procedure for the evaluation of solar radiation estimation models. Solar energy, v. 51, p. 289-291, 1993.
TARASICK, D. W. et al. Climatology and trends of surface UV radiation: Survey. Atmosphere-Ocean, v. 41, n. 2, p. 121-138, 2003.
TERAMOTO, E. T.; ESCOBEDO, J. F. Análise da frequência anual das condições de céu em Botucatu, São Paulo. Revista BrasileiraEngenharia Agrícola Ambiental. v. 16, n. 9, p. 985-992, 2012.
TOSSERAMS, M.; ROZEMA, J. Effects of ultraviolet-B radiation (UV-B) on growth and physiology of the dune grassland species Calamagrostisepigeios. Environmental Pollution, v. 89, n. 2, p. 209-214, 1995.
VILLÁN, M. D.; CASTRILLO, A. M.; SANTOS, J. B. Empirical models of UV total radiation and cloud effect study. International Journal of Climatolology , v. 30, p. 1407-1415, 2010.
VARO, M.; PEDRΌS, G.; MARTÍNEZ-JIMENEZ, P. Modelling of broad band ultraviolet clearness index distributions for Cordoba, Spain. Agriultural Forest Meteorology , v. 135, p. 346-351, 2005.
WALLACE, J. M.; HOBBS, P. V. Atmospheric Science. London: Academic Press, 1977, 480 f.
WENNY, J. S. et al. A study of regional aerosol radioactive properties and effects on ultraviolet-B radiation. Journal of Geophysical Research, v. 103, n. 14, p. 17083-17097, 1998.
WIELICKI, B. A. et al. Changes in Earth’s Albedo Measured by Satellite. Science, v. 308, n. 5723, p. 825, 2005.
WILLMOTT, C. J. On the validation of models. Physical Geography, v. 2, p. 184-194, 1981.
WU, W.; LIU, H. B. Assessment of monthly solar radiation estimates using support vector machines and air temperatures. International Journal of Climatology , v. 32, p. 274-285, 2012.
WUTTKE, S.; KREUTER, A.; BLUMTHALER, M. Aerosol climatology in a Alpine valley. Journal of Geophysical Research, v. 117, p. 1-12, 2012.
ZHANG, Y. et al. Spectral attenuation of ultraviolet and visible radiation in lakes in the Yunnan Plateau, and the middle and lower reaches of the Yangtze River, China. Photochemical Photobiology Sciences, v. 10, p. 469-482, 2011.