Rede de Baixo Custo e Colaborativa de Monitoramento da Qualidade do Ar de Florianópolis/SC

Abstract

O processo de interceptação altera a distribuição espacial e temporal da chuva em uma floresta e modifica a quantidade e qualidade da água que chega ao solo. Uma forma de se adquirir conhecimento sobre um processo é buscar representá-lo por meio de modelos. Muitos modelos foram desenvolvidos visando representar o processo de interceptação. Para testar hipóteses e fazer previsões sobre o processo de interceptação, deve-se calibrar os parâmetros dos modelos considerando as fontes de incertezas. Por razões como erro de medição, simplificação dos processos e amostragem de parâmetros, os modelos têm um erro associado, causando uma incerteza relativa nas simulações. O uso de um correto modelo dos resíduos entre as simulações e observações pode gerar uma maior confiabilidade e precisão. Este trabalho tem como objetivo analisar o desempenho dos modelos de sparse Rutter, Bouten e sparse Gash e suas incertezas na simulação do processo de interceptação em uma floresta com vegetação ombrófila densa. O modelo de sparse Rutter e Bouten são modelos dinâmicos que realizam um balanço hidráulico no tempo, sendo o modelo de sparse Rutter mais complexo por considerar um tanque de armazenamento do escoamento (com dois parâmetros do modelo associado ao escoamento pelo tronco), podendo comparar se a adição desse modelo mostra melhoras significativas. O modelo de sparse Gash é um modelo analítico que apresenta como resposta a simulação do evento. O trabalho foi realizado na lagoa do Peri, principal manancial de água doce da ilha de Santa Catarina, onde foram coletados dados de chuva externa e interna. Os eventos de precipitação foram separados considerando 12 horas sem chuva para o secamento da copa. A calibração dos modelos foi realizada utilizando-se o algoritmo Differential Evolution Adaptive Metropolis – DREAM. A função de verossimilhança utilizada considera a inflação da distribuição dos resíduos com zeros, assumindo resíduos não gaussianos, heteroscedásticos e independentes. Os modelos apresentaram bons resultados na série de calibração e validação (com um melhor desempenho na série de validação no modelo de sparse Rutter). Nem todos os parâmetros do modelo sparse Rutter e sparse Gash puderam ser identificados a partir da utilização de dados de chuva interna na calibração. Os modelos de sprase Rutter e Bouten representaram o processo de formas diferentes, sendo necessário o uso de dados observados de escoamento de tronco para investigar mais.