Influência de eventos de El Niño Oscilação Sul e a produtividade do eucalipto no Brasil

Abstract

As variações nos padrões climáticos globais são principalmente determinadas por alterações na circulação de grande escala. Os eventos conhecidos com El Niño e La Niña (ENOS) estão relacionados as anomalias na temperatura da superfície do oceano Pacífico Equatorial e determinados pelo Índice de Oscilação Sul (IOS). Durante eventos ENOS o território Brasileiro sofre importante alteração no padrão climático, com destaque para a precipitação, com padrões mais bem definidos nas regiões Sul e Nordeste do país. Recentes estudos apontam que as mudanças climáticas se manifestam majoritariamente por alterações na frequência e intensidade dos evento ENOS, sendo este indicados como principal driving force. Assim estudos de possíveis alterações na produtividade de culturas devem focar na dinâmica atmosférica durante estes eventos. O objetivo deste estudo foi avaliar a influência dos fenômenos climáticos El Niño e La Niña na produtividade simulada pelo modelo Physiological Processes Predicting Growth (3-PG) e pelas Redes Neurais Artificiais (RNA) em Eucalyptus spp. Este trabalho foi desenvolvido nas principais áreas de plantio comerciais de eucalipto no Brasil, localizadas nos Estados da Bahia (BA), Minas Gerais (MG) e Rio Grande do Sul (RS). Trabalhou-se nos anos de ocorrência dos eventos El Niño e La Niña com intensidades fraca, moderada e forte da década de 1980 até 2015. Realizou-se a simulação das variáveis que expressam produtividade nos plantios em cada ano destes eventos climáticos, utilizando o modelo 3-PG e as RNA. Para o modelo 3-PG a calibração do modelo foi feita a partir de dados de inventários florestais. As idades de três, cinco e sete anos foram avaliadas ao longo do ciclo. As médias dos estados, regiões e idades foram comparadas estatisticamente pelo teste de Tukey (p ≤ 5%). As estimativas realizadas pelo modelo 3PG apresentaram bons resultados, sendo as regiões do estado de MG o que apresentou melhores estimativas (R 2 =0.85). O modelo foi capaz de detectar tendências atribuídas aos eventos climáticos do El Niño e La Niña, evidenciando maiores incrementos volumétricos naqueles que apresentaram maiores totais chuvas. Na região produtora do RS os anos de El Niño moderado e La Niña moderado favoreceram a produtividade do eucalipto nas três regiões e idades analisadas. Na região da BA os anos de La Niña fraco e de El Niño forte prejudicaram a produtividade do eucalipto em todas as regiõese idades estudas. Com uma produtividade média 37% menor. foram selecionadas as 12 melhores redes, as quais apresentaram maior r yŷ na validação. As RNAs foram obtidas com o algoritmo de treinamento Resilient Propagation (RPROP+), utilizando a função logística, tanto na camada oculta (8 neurônios) como na de entrada. Os melhores resultados da r yŷ e REQM (%) foram obtidos utilizando 90% dos dados para o treinamento nas redes RNA 60, RNA 68, RNA 24, RNA 19; 85% paras redes RNA 29, RNA 83, RNA 89; 80% para a rede RNA 69 e 70% pra RNA 70 e 54. A utilização de RNA possibilita a estimação do IMA6 de povoamentos de eucalipto através de variáveis climáticas com boa precisão, apesar da complexidade dos dados, incluindo muitas variáveis. Entre as variáveis explicativas que possuem maior importância para a estimação da produtividade do eucalipto ao final da rotação, destacam-se os veranicos e fenômenos El nino e La nina. Palavras-chave: ENOS; Mudanças climáticas; Modelagem ecofisiológica; Silvicultura.

Among the climatic forces that most influence large-scale circulation, in the Earth's atmosphere is El Niño and La Niña. The climatology of precipitation during ENOS events shows that Brazil is influenced by this phenomenon that determines the different climatic conditions, especially the volume of rain in the South and Northeast regions of the country, where this pattern is better defined. The objective of the study is to evaluate the influence of the climatic phenomena El Niño and La Niña on the productivity simulated by the Physiological Processes Predicting Growth (3-PG) model and by Artificial Neural Networks (RNA) in Eucalyptus spp. This work was carried out in the main commercial eucalyptus plantation areas in Brazil, located in the States of Bahia (BA), Minas Gerais (MG) and Rio Grande do Sul (RS). The years of occurrence of the events El Niño and La Niña were worked on with weak, moderate and strong intensities from the 1980s to 2015. A simulation of the variables that express planting productivity in each year of these climatic events was carried out, using the model 3-PG and RNA. For the 3-PG model, the calibration of the model was made from forest inventory data. The ages of three, five and seven years were assessed throughout the cycle. The averages of states, regions and ages were statistically compared using the Tukey test (p ≤ 5%). The estimates made by the 3PG model showed good results, with the regions of the state of MG having the best estimates (R2 = 0.85). The model was able to detect trends attributed to the climatic events of El Niño and La Niña, showing greater volumetric increases in those that presented greater total rainfall. In the RS producing region, the years of moderate El Niño and moderate La Niña favored eucalyptus productivity in the three regions and ages analyzed. In the BA region, the weak La Niña and strong El Niño years affected eucalyptus productivity in all regions and ages studied. With an average productivity 37% lower. the 12 best networks were selected, which presented the highest ryŷ in the validation. The ANNs were obtained with the training algorithm Resilient Propagation (RPROP +), using the logistic function, both in the hidden layer (8 neurons) and in the input layer. The best results of ryŷ and REQM (%) were obtained using 90% of the data for training in networks RNA 60, RNA 68, RNA 24, RNA 19; 85% for RNA 29, RNA 83, RNA 89 networks; 80% for the RNA 69 network and 70% for the RNA 70 and 54. The use of RNAmakes it possible to estimate the IMA6 of eucalyptus stands through climatic variables with good precision, despite the complexity of the data, including many variables. Among the explanatory variables that are most important for the estimation of eucalyptus productivity at the end of the rotation, the summer and El nino and La nina phenomena stand out. Keywords: ENSO, Climate changes; Ecophysiological modeling; Forestry.