Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The net exchange of CO2 between the atmosphere and the ecosystem (NEE), represent the balance of the ecosystem respiration (Reco) and gross primary production (GPP), which are directly related to temperature and photosynthetic active radiation (PAR) respectively. Studies related to the exchange of CO2 between ecosystems and atmosphere has been conducted in different ecosystems, with the objective of finding the contribution of different ecosystems to the atmospheric CO2. For this it is important to have a continuous data series. However, these series may fail causing gaps in time series data. Here, were studied gapfilling techniques( multiple linear regression , nonlinear regressions , Look-up Tables, Mean diurnal variation and Neural networks) and the technique of non-linear regressions excel the other, it is indicated to fill the gaps when available variables weather temperature and radiation, not available when these forcings , advise the use of Mean Diurnal variation . Three years of CO2 fluxes over irrigated rice were used to compare the techniques: two years at the Cachoeira do Sul site and one year at Paraiso do Sul site, both located at Rio Grande do Sul. As a result of gapfilling by nonlinear regression, NEE was estimated to be -92 ± 80gC / m² (2010/2011) and 429 ± 188gC / m² (2011/2012), for Cachoeira do Sul and -43 ± 72gC / m² (2003/2004), for Paraíso do Sul. / As trocas líquidas de CO2 entre a atmosfera e o ecossistema (NEE) representam o balanço entre a respiração do ecossistema (Reco) e a produção primaria bruta (GPP), que estão diretamente relacionados à temperatura e a radiação fotossinteticamente ativa (PAR), respectivamente. Estudos relacionados às trocas de CO2 entre ecossistemas e a atmosfera têm sido realizados em diferentes sítios experimentais com o objetivo de conhecer quanto cada ecossistema contribui para o CO2 atmosférico. Para tanto, é importante ter uma série de dados contínuos. Conquanto, estas séries podem apresentar falhas, gerando lacunas nas séries temporais dos dados, que devem ser preenchidas. Neste trabalho, foram estudas técnicas de preenchimento de dados (Regressões lineares múltiplas, Regressões não lineares, Look-up Tables, Mean diurnal variation), Redes neurais para estimativa do NEE anual sobre culturas de arroz irrigado no estado do Rio Grande do Sul. Foram utilizados três anos de dados de NEE coletados em dois anos para o sítio de Cachoeira do Sul e um ano para Paraíso do Sul. As diferentes técnicas foram avaliadas através da incerteza e do calculo do erro na estimativa do NEE para lacunas artificiais de cada técnica. A técnica de regressões não lineares mostrou-se mais adequada, sendo indicada para o preenchimento das falhas quando disponíveis as variáveis meteorológicas de temperatura e radiação. Quando não disponíveis, o uso da Mean diurnal variation é aconselhada. Como resultado do preenchimento de dados por meio da técnica de Regressão não linear, foram estimados os seguintes valores acumulados de carbono: -92 ± 80gC / m² (2010/2011) e 429 ± 188gC / m² (2011/2012), para Cachoeira do Sul e -43 ± 72gC / m² (2003/2004), para Paraíso do Sul.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/10276 |
| Date | 13 February 2014 |
| Creators | Diaz, Marcelo Bortoluzzi |
| Contributors | Roberti, Débora Regina, Zeri, Luis Marcelo de Mattos, Tatsch, Jônatan Dupont |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Meteorologia, UFSM, BR, Meteorologia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 100700300004, 400, 500, 300, 300, 500, 11763c92-2ca9-4d8f-acea-5a15459427f8, 16234031-23b3-4208-b1d0-d127e71b1e0a, ccf12a33-9aed-4d13-a961-0fe0cb8e6797, 7ad50a33-41ac-4e96-8234-378a2fb685a0 |
Page generated in 0.0028 seconds