Introdução

O Saldo de Radiação ou Radiação Líquida é resultado do balanço de radiação de ondas curtas e longa. Ambas as duas estão … A Radiação Rlobal refletida depende dos parâmetros ópticos da vegetação. São determinadas a refletância e a transmitância para cada cumprimento de onda do espectro de luz solar. No SiB2, é separado em duas bandas fundamentais, a visível e infravermelho próximo.

Saídas do SiB2 para cada formulação de green

A saida do albedo, para ambas as rodadas do SiB2, mostradas na figura seguente, aparece uma defasagem temporal dos máximos de albedo observado e simulados. Note-se como na série observada (acima) o maior valor de albedo acontece nno começo da primavera, o mínimo no começo do outono. Já no modelo o mínimo acontece início do verão e o máximo no início do inverno. O que mostra a defasagem de uma estação do ano. A amplitude de variação é maior na observação que na representação do modelo, além da diferença aproximada de 0.01 entre as duas formulações para o green.

Procurando informação sobre esta diferença no Scopus (com a ideia de que a observação está errada), encontrou-se o artigo: Combining NLCD and MODIS to create a land cover-albedo database for the continental United States. Revista Remote Sensing of Environment (Dezembro, 2015).

Nele os autores combinam informação da National Land Cover Database (NLCD) e o produto do MCD43A3, Albedo 16-Day L3 Global 500m

O cerrado sensu-stricto é formado por matagal fechado com árvores altas, vegetação lenhosa densa, além de ervas Cabral et al, 2015. Na classificação pelo tipo de vegetação do SiB2 pode ser definido como Broadleaf-deciduous tree. Por tanto, é necessário obter referência do ciclo interanual do albedo para esse tipo de vegetação.

Na figura seguente, panel B mostra o ciclo interanual do albedo para vegetação Broadleaf-deciduous tree, para o hemisfério Norte, onde a primavera começa no día 80, verão no 173, outono 265 e inverno no 356. O máximo de albedo acontece no início do verão. Nos dois tipos de vegetação com ciclo interanual o máximo de albedo ocorre no período de maior presença de matéria viva.

Snow-free shortwave white sky albedo versus DOY for evergreen forest (A), deciduous forest (B), cropland (C), and grassland (D). Y-axis range is an expression of inter-annual variability (pooled across all pixels in all five tiles; see Fig. 1). The red dots are the upper and lower quartiles for that DOY; 50% of the albedo observations fall between the two red dots. The y-axis range is not constant across the four panels. DOY = 361 was moved to DOY = 359 for presentation purposes.

Definição dos parámetros

O modelo SiB2 determina a radiação de onda curta refletida a partir das propriedades ópticas da vegetação. Essas propriedades são a reflectância e transmitância, elas são diferentes para a máteria viva ou morta, assim como para os cumprimentos de onda na banda visível e infravermelho próximo. Como o solo pode estar exposto à radiação solar incidente então também possui ambas as propriedades definidas. A continuação mostra-se na tabela, os intervalos para cada parâmetro tomados do arquivo de configuração default do SiB2 entre todos os tipos de vegetação.

Sensibilidade

Para determinar a sensibilidade do modelo aos parâmetros, aqui e nas partes posteriores, pretende-se utilizar o Latin-Hypercube One-factor-At-a-Time van Griensven et al., (2006). O método está implementado no pacote hydroPSO (Zambrano-Bigiarini, M.; R. Rojas, 2013 ) do R, ao qual se fizeram várias modificações para utilização do SiB2 na quesito de comunicação entre funções.

Rosolem et al., 2013 defendem o termo de influência e não sensibilidade ao teste que implementaram no modelo SiB2, algo similar é feito através do LHOAT aqui. Isto é devido a que o LHOAT determina a influência que determinado parâmetro produz na saída avaliando contra dados observados. Por tanto, um parâmetro pode criar alta sensibilidade na saída do modelo mas não mudar os fluxos ou variável de interesse.

No presente documento se mostra o caso específico do albedo como variável observada e os parâmetros ópticos da vegetação e solo como entrada ao algoritmo de sensibilidade.

change.time.step <- 
  function(sim,
           obs, 
           step = "month",
           gof.FUN = "NSE",
           gof.Ini="2009-07-02",
           gof.Fin="2012-06-30", 
           gof.FUN.args = list()){
    # Carregando pacote 'openair'
    require(openair)
    require(plyr)
    require(dplyr)
    require(REddyProc) 
    require(magrittr)
    require(hydroGOF)
    
    date <- seq.POSIXt(from = as.POSIXct(gof.Ini,tz = "GMT",format= "%Y-%m-%d" ),
               to = as.POSIXct(gof.Fin,tz = "GMT",format= "%Y-%m-%d" ) + 3600*23,
               by = "hour")
    
    sim <- data.frame(date = date,albedo = sim)
    
    sim %<>% mutate(daytime = ifelse( fCalcPotRadiation( DoY.V.n = format(date,"%j") %>% as.numeric,
                                                       Hour.V.n = format(date,"%H") %>% as.numeric,
                                                       Lat_deg.n = -21.61,
                                                       Long_deg.n = -47.63,
                                                       TimeZone_h.n = -3,
                                                       useSolartime.b = TRUE) > 0 , 
                                    "day","night"))
    
    sim %<>% mutate(albedo = ifelse(daytime == "day",albedo,NA))
    sim %<>% mutate(daytime = NULL)
    
    obs <- data.frame(date=date, albedo = obs)
    obs %<>% mutate(daytime = ifelse( fCalcPotRadiation( DoY.V.n = format(date,"%j") %>% as.numeric,
                                                       Hour.V.n = format(date,"%H") %>% as.numeric,
                                                       Lat_deg.n = -21.61,
                                                       Long_deg.n = -47.63,
                                                       TimeZone_h.n = -3,
                                                       useSolartime.b = TRUE) > 0 , 
                                    "day","night"))
    obs %<>% mutate(albedo = ifelse(daytime == "day",albedo,NA))
    obs %<>% mutate(daytime = NULL)
    
    obs.mly <- timeAverage(obs, avg.time = step)
    sim.mly <- timeAverage(sim, avg.time = step)

    
    out <- do.call(what = gof.FUN,
                   args = list(sim = sim.mly$albedo, obs = obs.mly$albedo, na.rm = TRUE) ) 
    return(out)
  }

[1] -1.486931

Calibração

Com a informação anterior é possível reduzir quantidade de parâmetros na calibração do modelo. Sabemos que os parâmetros de maior influência são a refletância e transmitância da matéria viva no infravermelho próximo, seguidos pelas mesmas propriedades para banda visível.

MAS SÃO AS 04:35 DA MADRUGADA E TENHO QUE DORMIR!! REUNIÃO CEDO. FICO DEVENDO PARA DEPOIS A CALIBRAÇÃO!

Conclusões