Fechar
Metadados

@PhDThesis{Bertani:2018:SaFoEs,
               author = "Bertani, Gabriel",
                title = "Sazonalidade da fotoss{\'{\i}}ntese estimada a partir de dados 
                         de fluoresc{\^e}ncia de clorofila na Amaz{\^o}nia",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2018",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2018-04-20",
             keywords = "fluoresc{\^e}ncia de clorofila, sensoriamento remoto, 
                         fotoss{\'{\i}}ntese, gome-2, chlorophyll fluorescence, remote 
                         sensing, photosynthesis.",
             abstract = "A Amaz{\^o}nia {\'e} a maior floresta tropical do mundo, e 
                         desempenha um papel fundamental no ciclo global de carbono. Assim, 
                         a compreens{\~a}o da influ{\^e}ncia do clima sobre a atividade 
                         fotossint{\'e}tica nesta regi{\~a}o {\'e} de extrema 
                         import{\^a}ncia. O estabelecimento da rela{\c{c}}{\~a}o entre a 
                         atividade fotossint{\'e}tica e o clima tem sido controverso 
                         quando se baseia em {\'{\i}}ndices convencionais derivados de 
                         sensoriamento remoto, como o Enhanced Vegetation Index (EVI) e o 
                         Normalized Difference Vegetation Index (NDVI). Nesta pesquisa 
                         determinou-se a sazonalidade de uma s{\'e}rie temporal 
                         (2007-2015) de dados de fluoresc{\^e}ncia de clorofila (ChlF) - 
                         obtida do sensor Global Ozone Monitoring Experiment (GOME-2), 
                         atrav{\'e}s do algoritmo Breaks in Additive Season and Trend 
                         (BFAST) (VERBESSELT et al., 2010). A ChlF foi utilizada como um 
                         indicador da fotoss{\'{\i}}ntese, para avaliar a resposta 
                         sazonal da atividade fotossint{\'e}tica em rela{\c{c}}{\~a}o 
                         {\`a} radia{\c{c}}{\~a}o solar e {\`a} 
                         precipita{\c{c}}{\~a}o na Amaz{\^o}nia. Nesse sentido, um 
                         Modelo Linear de Regress{\~a}o M{\'u}ltipla (MLRM) foi elaborado 
                         para estabelecer as rela{\c{c}}{\~o}es entre a sazonalidade da 
                         fotoss{\'{\i}}ntese e as vari{\'a}veis clim{\'a}ticas de 
                         radia{\c{c}}{\~a}o incidente e precipita{\c{c}}{\~a}o. A 
                         modelagem da sazonalidade da fotoss{\'{\i}}ntese indicada pela 
                         ChlF utilizou como preditores a) dados de precipita{\c{c}}{\~a}o 
                         derivados de sensoriamento remoto, obtidos da Tropical Rainfall 
                         Measuring Mission (TRMM) (HUFFMAN et al., 2007), e b) dados de 
                         radia{\c{c}}{\~a}o de ondas curtas incidentes sobre a 
                         superf{\'{\i}}cie derivados de rean{\'a}lise, obtidos do Global 
                         Land Data Assimilation System (GLDAS) (RODELL et al., 2004). A 
                         sazonalidade da fotoss{\'{\i}}ntese {\'e} controlada pelas 
                         vari{\'a}veis clim{\'a}ticas na maior parte da Amaz{\^o}nia, 
                         especialmente pelo aumento da radia{\c{c}}{\~a}o (76% da 
                         {\'a}rea total) e da precipita{\c{c}}{\~a}o (23% da {\'a}rea 
                         total). O crescimento da fotoss{\'{\i}}ntese tende a ocorrer com 
                         pelo menos um m{\^e}s de atraso em rela{\c{c}}{\~a}o ao aumento 
                         da radia{\c{c}}{\~a}o incidente (61% da {\'a}rea total). 
                         Al{\'e}m disso, a sazonalidade da fotoss{\'{\i}}ntese atinge 
                         seu valor m{\'a}ximo predominantemente durante a 
                         esta{\c{c}}{\~a}o {\'u}mida (58% da {\'a}rea total). 
                         Identificou-se um limiar de \≈ 2000 mm por ano como um 
                         limite para a depend{\^e}ncia fenol{\'o}gica das plantas em 
                         rela{\c{c}}{\~a}o {\`a} precipita{\c{c}}{\~a}o. Os resultados 
                         obtidos por essa pesquisa revelam que as florestas da 
                         Amaz{\^o}nia cuja sazonalidade da fotoss{\'{\i}}ntese {\'e} 
                         controlada pelo aumento da precipita{\c{c}}{\~a}o podem ser mais 
                         amea{\c{c}}adas pelas mudan{\c{c}}as clim{\'a}ticas previstas 
                         ABSTRACT: Amazonia is the world largest tropical forest, playing a 
                         key role in the global carbon cycle. Thus, understanding climate 
                         controls of photosynthetic activity in this region is critical. 
                         The establishment of the relationship between photosynthetic 
                         activity and climate has been controversial when based on 
                         conventional remote sensing-derived indices, such as the Enhanced 
                         Vegetation Index (EVI) e o Normalized Difference Vegetation Index 
                         (NDVI). Here, the seasonality of a temporal series (2007-2015) of 
                         solar-induced chlorophyll fluorescence (ChlF) data from the Global 
                         Ozone Monitoring Experiment (GOME-2) sensor was obtained by using 
                         the Breaks in Additive Season and Trend (BFAST) algorithm 
                         (VERBESSELT et al., 2010). ChlF was used as a direct proxy for 
                         photosynthesis, to assess the seasonal response of photosynthetic 
                         activity to solar radiation and precipitation in Amazonia. The 
                         relationship between photosynthesis seasonality and incident 
                         radiation and precipitation was obtained by using a Multiple 
                         Linear Regression Model (MLRM). Photosynthesis was modelled by 
                         using as predictors: a) remote sensing based precipitation data, 
                         derived from the Tropical Rainfall Measuring Mission (TRMM) 
                         (HUFFMAN et al., 2007), and b) surface incident shortwave 
                         radiation reanalysis data, derived from the Global Land Data 
                         Assimilation System (GLDAS) (RODELL et al., 2004). Photosynthesis 
                         seasonality in Amazonia is predominately controlled by insolation 
                         increase (76% of the total area) and precipitation increase (13% 
                         of the total area). Photosynthesis tends to rise only after 
                         radiation increases in 61% of the forests. Furthermore, 
                         photosynthesis peaks in the wet season in about 58% of the Amazon 
                         forest. We found that a threshold of \≈ 2000 mm per year 
                         can be defined as a limit for precipitation phenological 
                         dependence. Amazonian forests that have the photosynthetic 
                         seasonality controlled by precipitation increases may be more 
                         threatened by the projected climatic changes.",
            committee = "Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de (presidente) and 
                         Anderson, Liana Oighenstein (orientadora) and Wagner, Fabien 
                         Hubert (orientador) and Silva, Edgard Alves Bontempo e and 
                         Breunig, Fabio Marcelo and Silva, Fabr{\'{\i}}cio Brito",
         englishtitle = "Photosynthesis seasonality estimated from chlorophyll fluorescence 
                         data for the Amazon forest",
             language = "pt",
                pages = "115",
                  ibi = "8JMKD3MGP3W34R/3QRRSDE",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3QRRSDE",
           targetfile = "publicacao.pdf",
        urlaccessdate = "28 nov. 2020"
}


Fechar