A evaporação é influenciada por múltiplos fatores meteorológicos, hidrológicos e de superficie, sendo frequentemente um dos componentes mais incertos no balanço hídrico. Considere uma bacia hidrográfica semiárida com reservatórios superficiais de pequeno e médio porte, vegetação sazonal e forte variabilidade interanual de precipitação. Observa-se que, ao longo de uma década, a precipitação média anual diminuiu cerca de 15 %, enquanto a radiação líquida e a temperatura média aumentaram em 8 % e 1,4{ }^{\circ} \mathrm{C}, respectivamente. Paralelamente, o espelho d’água dos reservatórios variou significativamente devido à expansão de usos consuntivos e ao assoreamento. Com base nesse contexto, discuta criticamente:
Quais incertezas podem surgir ao aplicar modelos físico-matemáticos como PenmanMonteith ou Priestley-Taylor num cenário de aumento da aridez e redução da disponibilidade de água.

Passo 1

O enunciado pede uma discussão crítica sobre as incertezas ao aplicar modelos físico-matemáticos de evapotranspiração/evaporação (especificamente Penman–Monteith e Priestley–Taylor) num contexto de aumento da aridez e redução da disponibilidade de água. Informações fornecidas (vou listá‑las exatamente como no enunciado):
  • Bacia semiárida, reservatórios superficiais de pequeno e médio porte, vegetação sazonal, forte variabilidade interanual da precipitação.
  • Precipitação média anual diminuiu cerca de 15\%.
  • Radiação líquida aumentou 8\%.
  • Temperatura média aumentou 1,4^\circ\mathrm{C}.
  • Espelho d’água dos reservatórios variou significativamente por expansão de usos consuntivos e assoreamento.
  • Objetivo: discutir criticamente que tipos de incertezas surgem ao aplicar Penman–Monteith ou Priestley–Taylor nesse cenário (sem pedir dados adicionais).

Passo 2

Rápida aula sobre os dois modelos (fórmulas e o que cada termo significa) — para entender de onde vêm as incertezas.
Penman–Monteith (forma clássica de FAO/ASCE) em versão para fluxo evaporativo E (ou evapotranspiração de referência ET_0) pode ser escrita como:
E = \frac{\Delta (R_n - G) + \rho_a c_p \dfrac{(e_s - e_a)}{r_a}}{\lambda\bigl(\Delta + \gamma (1 + r_s/r_a)\bigr)}
onde:
  • E é a taxa de evapotranspiração (por ex. \mathrm{mm\,d^{-1}} ou \mathrm{W\,m^{-2}} convertida por \lambda);
  • \Delta é a inclinação da curva de pressão de vapor saturado em função da temperatura ( \mathrm{kPa\,^\circ C^{-1}});
  • R_n é a radiação líquida na superfície ( \mathrm{W\,m^{-2}});
  • G é o fluxo de calor no solo ( \mathrm{W\,m^{-2}});
  • \rho_a é a densidade do ar ( \mathrm{kg\,m^{-3}});
  • c_p é o calor específico do ar a pressão constante ( \mathrm{J\,kg^{-1}\,^\circ C^{-1}});
  • e_s - e_a é o déficit de pressão de vapor (saturado menos real), relacionado à umidade do ar (VPD);
  • r_a é a resistência aerodinâmica entre a superfície e a referência meteorológica (função do vento e rugosidade);
  • r_s é a resistência de superfície (canópica ou de folhas + solo) — controla o quanto a vegetação limita a troca;
  • \gamma é a constante psicrométrica ( \mathrm{kPa\,^\circ C^{-1}});
  • \lambda é o calor latente de vaporização ( \mathrm{J\,kg^{-1}}).
Explicação intuitiva: Penman–Monteith combina um termo radiativo (primeiro termo no numerador) e um termo aerodinâmico (segundo termo), ajustados por resistências que representam o acoplamento entre a superfície e a atmosfera.
Priestley–Taylor (forma simplificada para superfície bem molhada) é:
E_{PT} = \alpha\,\frac{\Delta}{\Delta + \gamma}\,(R_n - G)
onde:
  • \alpha é um coeficiente empírico (clássico \alpha \approx 1{,}26 para superfícies extensas e bem molhadas);
  • os demais termos como antes.
Explicação intuitiva: Priestley–Taylor assume que a troca aerodinâmica é pouco limitante (superfície “acoplada” à atmosfera) e que a disponibilidade de água não limita a evaporação — por isso depende quase só da energia disponível R_n-G, multiplicada por \alpha.

Passo 3

Principais suposições que geram vulnerabilidade a incertezas:
  • Penman–Monteith supõe que r_s e r_a são conhecidas ou estimáveis. r_s depende fortemente de estresse hídrico, fenologia e manejo, e costuma ser o termo mais incerto em ambientes secos. r_a depende do vento e rugosidade, que mudam com mudança de uso do solo e variação do espelho d’água.
  • Priestley–Taylor assume superfície bem molhada e acoplamento radiativo (aerodinâmica não limitante) e usa \alpha fixo. Em condições de seca ou vegetação sazonal, essa suposição falha: \alpha deixa de ser constante e diminui com estresse hídrico.
  • Ambos pressupõem que as variáveis meteorológicas ( R_n, temperatura T, umidade e_a, vento u ) são representativas espacialmente e corretamente medidas.

Passo 4

Como as mudanças reportadas no enunciado amplificam incertezas — visão física e matemática:
  1. Efeito do aumento de temperatura sobre saturação e VPD:
  • A pressão de vapor de saturação e_s(T) cresce rapidamente com T (lei de Clausius–Clapeyron); regra prática perto das condições da superfície: aumento de \approx 7\% por \mathrm{K}.
  • Para \Delta T = 1{,}4^\circ\mathrm{C}, uma estimativa rápida dá aumento aproximado de \approx 1{,}4 \times 7\% \approx 9{,}8\% em e_s.
  • Se a umidade absoluta do ar não acompanhar esse aumento, o déficit e_s-e_a (VPD) aumenta, elevando o termo aerodinâmico do Penman–Monteith e a inclinação \Delta no numerador; porém, se a disponibilidade de água limita transpiração, r_s sobe e pode anular esse efeito. Ou seja: a resposta de E ao aumento de T depende fortemente de como r_s (estimado) muda — grande fonte de incerteza.
  1. Aumento de R_n em 8\%:
  • Aumenta diretamente o termo energético R_n-G, elevando E em ambas as fórmulas. Mas a tradução desse aumento em evaporação real depende de disponibilidade de água e de \alpha (no PT) ou r_s (no PM). Se a bacia estiver mais seca, a energia extra aquece mais o ar/superfície em vez de produzir vapor, reduzindo a eficiência de conversão em evaporação — outra incerteza.
  1. Redução de precipitação em 15\% e variação do espelho d’água:
  • Menos água → solo e plantas ficam mais estressados, r_s aumenta (maior resistência), diminuindo transpiração. Para Priestley–Taylor, isso quebra a hipótese de “superfície bem molhada” e faz \alpha cair abaixo de 1{,}26. Como \alpha costuma ser tratado como constante se não houver correção, aplica‑se viés sistêmico.
  • Variação do espelho d’água altera a fração de área ocupada por água aberta versus vegetação/solo: open water tem dinâmica de troca diferente (sem resistência estomática, mas com forte dependência de advecção, armazenamento térmico e fetch). Usar o mesmo modelo PT/PM sem separar superfícies gera erro por mistura de processos.

Passo 5

Incertezas específicas relacionadas às parametrizações (o “calcanhar de Aquiles” na prática)
  • Estimativa de r_s (resistência de superfície / resistência de canópia):
    • Depende de condutância estomática, que varia com solo úmido, VPD, radiação, temperatura, salinidade e fenologia. Modelos empíricos (por exemplo tipo Jarvis) têm parâmetros que mudam por espécie e condições, e calibrá‑los em períodos úmidos tende a falhar em seca.
    • Em vegetação sazonal, a transição entre épocas (folhas ausentes/presentes) requer mudança abrupta de r_s; capturar isso sem observações frequentes gera grande incerteza.
  • Valor de \alpha no Priestley–Taylor:
    • \alpha é empírico e responde à desacoplagem atmosfera–superfície: em seca \alpha pode cair para \ll 1{,}26. Usar \alpha fixo introduz viés positivo (superestimação da evaporação) quando há estresse hídrico.
  • r_a (resistência aerodinâmica) e rugosidade:
    • Mudanças no uso do solo e no tamanho/forma dos reservatórios alteram a rugosidade efetiva e a navegação do vento. Se o modelo assume uma rugosidade constante, r_a será estimado errado.
    • Em reservatórios pequenos/medios, fetch limitado e efeitos de contorno tornam a relação padrão vento → transporte de vapor inadequada.

Passo 6

Incertezas decorrentes de dados meteorológicos e seu erro de representatividade
  • Medições de R_n: erros de radiómetros, mudança de albedo por assoreamento/vegetação e cobertura de poeira/areia. Um erro de 10\% em R_n se traduz diretamente num erro grande em E especialmente no PT.
  • Medições de umidade relativa e e_a: sensores de umidade são ruidosos em climas secos; pequeno erro em e_a causa grande erro em e_s - e_a quando e_a é baixo.
  • Vento: má representação espacial (estações nas margens, relevo) e temporal (rajadas) influencia r_a.
  • Escala espaço-temporal: estações pontuais podem não representar a heterogeneidade da bacia; em semiáridos as variabilidades espaciais são grandes — causa erro ao aplicar modelos ponto a ponto e agregar.

Passo 7

Processos de reservatórios e água aberta que os modelos simples não capturam bem
  • Evaporação de água aberta depende de:
    • Temperatura da superfície da água (afeta e_s local).
    • Armazenamento térmico (calor armazenado durante o dia liberado à noite).
    • Advecção de ar mais quente/seco sobre o lago e efeitos locais (brisas de lago).
    • Fetch (distância sobre a água para o desenvolvimento da camada limite); lagos pequenos são fetch‑limited.
  • Penman–Monteith pode ser adaptado, mas requer especificidade nos parâmetros r_a para água e representação da temperatura da superfície da água; Priestley–Taylor com \alpha padrão tende a superestimar ou subestimar se não ajustado.

Passo 8

Não‑estacionaridade e transferência de parâmetros (problema prático)
  • Parâmetros calibrados em décadas passadas (quando clima e cobertura eram diferentes) podem não ser válidos sob novo regime (menos chuva, mais temperatura, área de reservatório reduzida).
  • Fenologia e uso da terra mudam com o tempo (cultivos, retirada de água, assoreamento) — parâmetros empíricos envelhecem.
  • Logo: incerteza de projeção é grande se não houver re‑calibração contínua.

Passo 9

Feedbacks e não‑linearidades que aumentam incertezas
  • A relação entre disponibilidade de energia e evaporação não é linear quando a água é limitante. Pequenas reduções na precipitação podem levar a um aumento grande em r_s e uma queda pronunciada na transpiração — efeito de limiar.
  • Variações interanuais fortes (como dito no enunciado) exigem modelos capazes de reproduzir respostas não-lineares a extremos, caso contrário os erros em médias decadenciais serão altos.

Passo 10

Como quantificar/mitigar essas incertezas na prática (dicas operacionais e estratégias)
  • Separar superfícies: modelar evaporação de água aberta (reservatórios) com modelos específicos (por ex. modelos lago/lagoon que consideram calor armazenado e camada limite sobre a água) e tratar transpiração da paisagem com Penman–Monteith adaptado.
  • Tornar \alpha dinâmico no PT: ajustar \alpha como função do conteúdo de água do solo ou de um índice de desacoplamento (ex.: calcular \alpha a partir de observações ou usar versões modificadas do PT que reduzem \alpha sob estresse hídrico).
  • Para PM, usar modelos de condutância estomática com dependência explícita de umidade do solo e VPD (modelos Jarvis, Ball–Berry simplificados) em vez de assumir r_s fixo.
  • Uso de sensoriamento remoto para mapear fração de cobertura de água, albedo, temperatura de superfície e umidade do solo — reduz erro de escalamento espacial.
  • Calibração e atualização periódica de parâmetros, preferencialmente com enfoques estatísticos que quantifiquem incerteza (GLUE, MCMC/Bayesian, Monte Carlo).
  • Fazer análise de sensibilidade (identificar quais entradas/parametros dominam a incerteza) e priorizar medições desses campos (por ex. investir em boa medição de umidade/ventos ou monitoramento das áreas de reservatório).

Passo 11

Recomendações práticas sobre quando usar cada modelo neste contexto
  • Usar Priestley–Taylor com cuidado: aceitável como estimativa rápida onde a superfície é extensa, homogênea e bem molhada (ex.: grandes lagos sem estresse). Em bacias semiáridas com crescente aridez, usar PT somente se:
    • \alpha for ajustado empiricamente para condições locais; ou
    • houver evidência observacional de que a superfície está energeticamente limitada e não hídrica.
  • Preferir Penman–Monteith quando se dispuser de:
    • séries meteorológicas confiáveis (vento, umidade, R_n);
    • boa parametrização/medição de r_s (ou modelo de condutância que incorpore estresse hídrico);
    • capacidade de separar componentes (transpiração vs evaporação de solo vs água aberta).
  • Em ambos os casos, apresentar incerteza (intervalos, ensembles), não apenas uma única estimativa pontual.

Passo 12

Síntese final dos tipos de incerteza (resumo para a prova/uso prático)
  • Fornecimento de parâmetros fisiológicos e sua dependência de estresse hídrico ( r_s, condutância estomática).
  • Violação de hipóteses do modelo (PT: superfície bem molhada; PM: parametrizações de r_s e r_a constantes).
  • Erros e representatividade das variáveis meteorológicas ( R_n, T, e_a, vento).
  • Escala espacial e heterogeneidade da bacia (mistura água aberta / solo / vegetação).
  • Processos específicos de reservatórios (fetch, armazenamento térmico, assoreamento) não capturados por versões simples.
  • Não‑estacionaridade de parâmetros devido a mudanças climáticas e uso da terra.
  • Não‑linearidade e limiares na resposta da vegetação ao estresse hídrico.

Resposta

Principais incertezas ao aplicar Penman–Monteith ou Priestley–Taylor no cenário descrito:
  1. Incapacidade de representar corretamente a resistência de superfície r_s (condutância estomática) sob estresse hídrico, gerando grande incerteza na transpiração (Penman–Monteith).
  2. Violação da hipótese de superfície “bem molhada” do Priestley–Taylor (valor fixo de \alpha), levando a superestimações sistemáticas da evaporação quando há falta de água.
  3. Erros e falta de representatividade nas entradas meteorológicas ( R_n, T, e_a, vento), que são críticos especialmente em clima seco onde pequenas variações em umidade produzem grande variação em VPD.
  4. Mistura de superfícies (água aberta vs solo/vegetação) e mudanças na área do espelho d’água por usos/assoreamento, que alteram rugosidade, fetch, armazenamento térmico e invalidam parametrizações homogêneas.
  5. Não‑estacionaridade e transferência inadequada de parâmetros calibrados no passado (fenologia, manejo e clima mudaram), causando viés em projeções futuras.
  6. Processos não lineares e limiares (pequena redução de chuva → grande aumento de r_s) que modelos simples não capturam sem ajustes.
  7. Medidas de mitigação: separar modelos para água aberta e vegetação, tornar \alpha e r_s dependentes de umidade/phenologia, usar sensoriamento remoto, ensembles/quantificação da incerteza e re‑calibração periódica.

Exercícios relacionados