XIV SIMPÓSIO DE RECURSOS HIDRÍCOS DO NORDESTE

APLICAÇÃO DOS MODELOS SWAP E ANIMO PARA SIMULAÇÃO DE

CENÁRIOS CLIMÁTICOS

Bruna Carls 1 ; Nayara Becker 2; Vander Kaufmann 3 & Adilson Pinheiro 4

RESUMO – A avaliação e a quantificação dos efeitos gerados pelas mudanças climáticas são
realizadas a partir de modelos que simulam projeções futuras para diferentes cenários. Este estudo
buscou comparar dois cenários de simulação para o transporte dos nutrientes nitrato e fosfato pela
água no solo, com pastagem de milho durante os anos de 2020 a 2060. O lisímetro utilizado como
base de dados está localizado na bacia do rio Concórdia, no estado de Santa Catarina. Para a simulação
foram utilizados os modelos SWAP e ANIMO. Os resultados mostraram que para os dois cenários a
principal mudança está nos eventos hidrológicos, enquanto as concentrações dos nutrientes não
apresentaram alterações.

ABSTRACT – The evaluation and quantification of the effects generated by the climate change are
made from models that simulate future projections for different scenarios. This study aimed to
compare two simulation scenarios for the transport of nitrate and phosphate nutrients by water in the
soil, with corn pasture during the years 2020 to 2060. The lysimeter used as a data base is located in
the Concordia river basin, in the state of Santa Catarina. The SWAP and ANIMO models were used
for the simulation. The results showed that for both scenarios the main change is in the hydrological
events, while the nutrient concentrations did not change.

Palavras-Chave – simulação de cenários, modelagem, cultivo.

1) Fundação Universidade Regional de Blumenau, bruna.carls@gmail.com

2) Fundação Universidade Regional de Blumenau, nayarab@gmail.com
3) Fundação Universidade Regional de Blumenau, ambitec.amb@gmail.com
4) Fundação Universidade Regional de Blumenau, pinheiro@furb.br
XIV Simpósio de Recursos Hídricos do Nordeste 1
INTRODUÇÃO

O aumento da temperatura global tem elevado as taxas de evapotranspiração acarretando em

mudanças nas precipitações mundiais (PAPARRIZOS; MARIS; MATZARAKIS, 2016; URRUTIA;
VUILLE, 2009), gerando impactos significativos nos processos hidrológicos e a frequência de
ocorrências de eventos hidrológicos. O que comprova as mudanças climáticas atuais é que a
temperatura média da superfície global cresceu 0,85°C entre 1880 e 2012 (IPCC, 2013), e essas
mudanças irão afetar a produção agrícola (LOBELL; GOURDJI, 2012).
Para estudar e quantificar os efeitos dessas mudanças são utilizadas ferramentas de modelagem,
que simulam projeções futuras (CHALLINOR et al., 2009; WHITE et al., 2011). Os modelos
descrevem fenômenos que governam o movimento da água no solo e o transporte de elementos
físicos, químicos ou biológicos.
Pesquisas que contemplam os fluxos de nutrientes através do solo podem exigir a utilização
conjunta de dois ou mais modelos (KAUFMANN; PINHEIRO; CASTRO, 2014). Os modelos
contemplados nessa pesquisa são o SWAP (Soil Water Air Plant) (VAN DAM et al., 1997) que simula
processos hidrológicos e distribuição de temperatura através do solo e, o ANIMO (Agricultural
Nitrogen Model) (GROENENDIJK; KROES, 1999) para simulação dos ciclos de nutrientes e suas
interações com os processos da água no solo. Os dados representados para a simulação são de um
lisímetro com plantio de milho e práticas comuns de manejo. A simulação considera ainda a análise
de dois cenários, assim obtendo uma melhor associação com mudanças e impactos futuros.
Dessa forma, o objetivo deste trabalho é comparar dois cenários de simulação para o transporte
dos nutrientes nitrato e fosfato pela água no solo, com pastagem de milho durante os anos de 2020 a
2060.

MATERIAIS E MÉTODOS

Cenários

A análise de cenário consiste em uma técnica importante e valiosa na investigação de incertezas

complexas, associadas a mudanças futuras e seus impactos (WALZ et al., 2014). Representational
Concentration Pathways (RCP) são a geração mais recente de cenários que fomentam insumos para
os modelos climáticos (GOURAULT et al., 2018). Os quatro cenários de referência (RCP 2.6, 4.5,
6.0 e 8.5) apresentam futuras forças radiativas, ou seja, a mudança no equilíbrio entre entrada e saída
XIV Simpósio de Recursos Hídricos do Nordeste 2
de radiação para a atmosfera ocasionada por modificações nos constituintes atmosféricos, dentre eles
o dióxido de carbono (IPCC, 2013; MOSS et al., 2010).
O cenário RCP 2.6 representa um cenário de mitigação (otimista), enquanto o RCP 8.5 possui
as máximas emissões (pessimista). Os cenários RCP 4.5 e 6.0 são cenários intermediários aos
anteriores, sendo o RCP 4.5 mais otimista, em relação ao 6.0 (MOSS et al., 2010). No presente
trabalho, a simulação foi feita utilizando os cenários RCP 4.5 e 8.5.

Lisímetro

Os lisímetros são ferramentas para estudos hidrológicos e configuram uma amostra

representativa de uma área maior, sendo equipados para realizar a medição de diversos parâmetros,
como a precipitação, o escoamento superficial, a drenagem e a umidade do solo, com boa precisão.
Posteriormente esses valores são extrapolados para a área maior (HAGENAU; MEISSNER; BORG,
2015; LOOS; GAYLER; PRIESACK, 2007).
O lisímetro utilizado nesta pesquisa foi instalado na bacia do rio Concórdia, no estado de Santa
Catarina, em um ponto com latitude 27°11'17.0” S e longitude 49°29'40.1” W. Sua instalação ocorreu
em novembro de 2007 em uma área que apresenta plantio de milho cultivado sob práticas comuns de
manejo agrícola (KAUFMANN; PINHEIRO; CASTRO, 2014).

Modelo SWAP

O modelo SWAP tem como base a equação de Richards (Equação 1), sendo a expressão
matemática obtida pela combinação da equação de Darcy e da continuidade (VAN DAM, 2000), o
que garante equilíbrio e continuidade da massa nos meios heterogêneos. Assim, são integrados fluxos
de água e calor, transporte de soluto, detalhes do crescimento de culturas em diferentes perfis de solo,
vários níveis de drenagem regional e gestão de águas superficiais (KROES et al., 2008;
KAUFMANN; PINHEIRO; CASTRO, 2014).
∂h
∂𝜃𝜃 ∂�𝐾𝐾 (ℎ)� +1��
∂z
= − 𝑆𝑆(ℎ) (1)
∂𝑡𝑡 ∂z

Onde, h é o potencial hídrico do solo (cm); K ( h ) é a condutividade hidráulica (cm d−1 ); θ é o

conteúdo volumétrico de água (m3 m−3 ); T é o tempo (d); z é a coordenada vertical (cm) e S( h ) é a
taxa de extração da água pelas raízes (m3 m −3 d−1 ).

XIV Simpósio de Recursos Hídricos do Nordeste 3

 O SWAP simula o balanço hídrico em uma coluna vertical de solo cultivado armazenando um
volume de água em um determinado instante de tempo (PINHEIRO; GRACIANO; KAUFMANN,
2012). Para isso os dados de entrada contemplam características do solo, dados meteorológicos,
fluxos laterais, condição de contorno e informações da cultura (KAUFMANN; PINHEIRO;
CASTRO, 2014).

Modelo ANIMO

O modelo ANIMO é um modelo determinístico unidimensional que calcula ciclos de carbono,

nitrogênio e fósforo em solos e, as emissões de nitrogênio e fósforo para águas subterrâneas e
superficiais a nível de campo (KROES; ROELSMA, 1998; GROENENDIJK; KROES, 1999;
VINTEN, 1999; RIJTEMA GROENENDIJK; KROES, 1999). As principais partes do ANIMO são:
(1) ciclo de carbono orgânico; (2) ciclo de nitrogênio; (3) ciclo de fósforo; (4) processos de transporte
(WOLF; BROEKE; RÖTTER, 2005).
A simulação do transporte de substâncias químicas através do perfil do solo é feita com o
ANIMO pela estrutura multicamadas do modelo hidrológico (RENAUD; ROELSMA;
GRONENDIJK, 2005; WOLF; BROEKE; RÖTTER, 2005). A base do animo está em equações de
conservação e transporte de massa, o que permite o cálculo simultâneo de concentrações em
diferentes camadas do solo durante o curso dos processos de transporte e transformação
(KAUFMANN; PINHEIRO; CASTRO, 2014).

Calibrações SWAP e ANIMO

Os modelos, SWAP e ANIMO, foram calibrados com os dados de concentrações de nitrato e

fosfato no escoamento superficial e na drenagem lisimétrica. A calibração foi realizada entre os anos
de 2008 a 2012, com verificação de 2012 a 2015. O coeficiente Nash – Sutcliffe para o período de
calibração foi de no escoamento superficial foi de 0,56 e para a drenagem 0,80. A verificação na
drenagem também atingiu um coeficiente de 0,80 (KAUFMANN; PINHEIRO; CASTRO, 2014).

Manejo

A ocorrência da aplicação do fertilizante para a cultura de milho do lisímetro foi considerada

no período de descanso, para desta forma melhorar o estado nutricional do solo, com profundidade
XIV Simpósio de Recursos Hídricos do Nordeste 4
de 0 a 5 cm (KAUFMANN; PINHEIRO; CASTRO, 2014). O manejo entre os anos de 2009 e 2011
foi feita de acordo com Kaufmann, Pinheiro e Castro (2014), sendo que a partir de 2012 foram
replicados conforme a Tabela 1, entretanto a aplicação de calcário foi considerada somente a cada
dez anos.
Tabela 1 – Manejo agrícola.
Profundidade da Nitrato Amônia Fosfato Matéria orgânica
Data Manejo
aplicação (cm) (kg NO3 ha-1) (kg NH4 ha-1) (kg P2 O5 ha-1) (kg ha-1)
19/01 Salitre 40g 0 400 112 0 0
05/04 Calcário 5 0 0 28 0
20/04 Colheita de milho 5 1000 11 0 1000
14/09 Esterco de porco 5 213 9 0 87
08/11 Esterco de porco 5 178 8 0 73
18/11 Plantio de milho 5 100 16 19 0
Fonte: Autores (2018).

RESULTADOS E DISCUSSÕES

As precipitações dos cenários 4.5 e 8.5 para o período de 2020 a 2060 apresentaram chuvas
com médias anuais semelhantes na maioria dos anos simulados, sendo que as maiores diferenças são
notadas nos anos de 2021, 2032 e 2034. No ano de 2034, foi registrada a maior diferença entre os
cenários, com um total anual de 715,3mm, enquanto a menor diferença foi no ano de 2059, com uma
diferença total anual de 2,3mm. Entre os cenários simulados o 4.5 apresentou um desvio padrão de
273,5mm para a precipitação anual, contra 299,2mm do cenário 8.5, assim o cenário com menores
desvios em relação à média anual é o 4.5 (Figura 1a).
Assim como na precipitação, as médias anuais de evapotranspiração para os cenários 4.5 e 8.5
foram próximas. A evapotranspiração média anual foi de 907,2mm no cenário 4.5 e 877,5mm no 8.5.
Para o cenário 4.5 os totais máximo e mínimo registrados foram 1072,8mm e 682,3mm
respectivamente e para o 8.5 foram 1033,6mm e 627,3mm. O Cenário 8.5 apresenta o maior desvio
padrão de 83,5mm considerando as médias anuais, enquanto para o 4.5 o desvio padrão é 80,7mm.
Comparando os anos e os cenários, em 2050 ocorre a maior diferença na evapotranspiração com
315,8mm e em 2057 a menor com 7,2mm (Figura 1b).
A semelhança nos resultados de precipitação e evapotranspiração é reforçada quando se avalia
a diferença percentual entre os dois cenários. A precipitação obteve uma diferença média total inferior
a 1% entre os cenários 4.5 e 8.5. Enquanto a evapotranspiração foi de 3,4% maior no cenário 4.5.

XIV Simpósio de Recursos Hídricos do Nordeste 5

 Diversos fatores podem influenciar na evapotranspiração como, por exemplo, a radiação,
umidade do ar, velocidade do vento etc. (COLLISCHONN; TUCCI, 2014). Entretanto observa-se
semelhança entre os gráficos de precipitação e evapotranspiração dos dois cenários, porém não há
coincidência com os picos máximos e mínimos (Figura 1).
O que se percebe é que no cenário 4.5 os picos não respondem a um padrão, as vezes ocorrem
no mesmo ano e outras vezes com um ano de diferença para mais ou menos. Enquanto no cenário 8.5
é possível perceber que aproximadamente a cada cinco anos há picos na precipitação, iniciando em
2023, sendo os picos mais acentuados a cada 10 anos, e na evapotranspiração os picos ocorrem em
geral um ano depois, portanto em um ano mais chuvoso não implica em uma maior evapotranspiração.
Isso acontece pois em anos mais chuvosos a umidade relativa do ar é mais elevada, consequentemente
a umidade do ar e pressão de vapor também, assim a evapotranspiração será menor pois a quantidade
de vapor no ar já está próxima da saturação. (COLLISCHONN; TUCCI, 2014).

2500
a)
Precipitação (mm)

2000

1500

1000

500
2020 2025 2030 2035 2040 2045 2050 2055 2060
1500
Evapotranspiração (mm)

b)

1000

500
2020 2025 2030 2035 2040 2045 2050 2055 2060
Tempo (anos)

Figura 1 - Valores anuais para os cenários 4.5 e 8.5: a) precipitação; b) evapotranspiração.

Fonte: Autores (2018).

Com o modelo ANIMO foram simuladas as concentrações de nitrato no escoamento superficial

e no fluxo de drenagem do lisímetro e de fosfato no soluto. As concentrações desses nutrientes foram
determinadas a partir de amostras de escoamento superficial e drenagem coletadas após os eventos

XIV Simpósio de Recursos Hídricos do Nordeste 6

de precipitação. No caso do nitrato para os dois cenários os resultados foram muito parecidos, no
escoamento superficial a concentração total média anual foi de 64,2kg.m-³ no 4.5 e 63,8kg.m-³ no 8.5
e na drenagem do lisímetro a concentração total média anual foi de 38,8kg.m-³ no 4.5 e 38,7kg.m-³ no
8.5 (Figuras 2b e 2c). Enquanto a concentração de fosfato no soluto obteve o mesmo valor de média
anual para os cenários 4.5 e 8.5, de 0,01 mg.m-² (Figura 2d).
Ambos os nutrientes apresentam concentrações semelhantes nos cenários 4.5 e 8.5. Os picos
máximos na concentração de nitrato no escoamento superficial coincidem em sua maioria com os
picos mínimos de precipitação, o que indica uma maior concentração do nutriente na superfície do
solo, pois os volumes de precipitação foram menores, diminuindo a drenagem do nitrato. O
nitrogênio, na forma de nitrato, apresenta uma predisposição para lixiviar verticalmente no solo
(DUPAS et al., 2017; MOLENAT et al., 2008), desta forma quanto menor o volume de precipitação
maior será a concentração de nitrato na superfície do solo. Assim, com os eventos de precipitação é
possível relacionar a presença do nitrato na drenagem do lisímetro, que apresentou normalmente seus
maiores picos logo após os maiores eventos de precipitação.
No ano de 2051 se observa uma elevação da concentração de nitrato na drenagem lisimétrica
com o cenário 4.5, quando comparados com o 8.5. Esta elevação é decorrente da quantidade de
precipitação estimada para o mesmo período, que promove a lixiviação do nutriente no solo,
implicando no aumento da concentração do nutriente na drenagem do lisímetro.
A concentração de fosfato no solo sofre um declínio no período de 2020 e 2060, com picos bem
menos evidentes que o nitrato. Os valores iniciais mais elevados são decorrentes do manejo realizado
no ano de 2011, no qual foram feitas duas aplicações com esterco de porco (KAUFMANN;
PINHEIRO; CASTRO, 2014). A partir de 2027 observa-se que os picos máximos na concentração
de fosfato no solo ocorrem juntamente com os picos máximos de precipitação. O fósforo tem uma
maior afinidade de adsorção no solo que o nitrato, assim sua propensão de lixiviar é menor (DUPAS
et al., 2017), portanto um maior volume de precipitação implicará em uma maior concentração de
fosfato no solo.
A diferença percentual média geral da concentração, entre os dois cenários, para o nitrato foi
inferior a 1%, no escoamento superficial e na drenagem lisimétrica. Enquanto o fosfato no solo foi
2,7% superior para o cenário 4.5. A semelhança das concentrações de ambos os nutrientes nos
cenários avaliados pode estar relacionada com o manejo considerado, sendo o mesmo para os cenários
4.5 e 8.5 (Tabela 1) no período de 2012 a 2060. Desta forma, o manejo do solo pode ter mascarado o
efeito da precipitação sobre as concentrações de nitrato e fósforo, sobrepondo-se aos efeitos
climáticos.
XIV Simpósio de Recursos Hídricos do Nordeste 7
 2500
a)
2000
Precipitação (mm)

1500

1000

500
2020 2025 2030 2035 2040 2045 2050 2055 2060
200
b)
Nitrato no escoamento
superficial (kg.m-³)

150

100

50

0
2020 2025 2030 2035 2040 2045 2050 2055 2060
200
c)
Nitrato na drenagem do

150
lisímetro (kg.m-³)

100

50

0
2020 2025 2030 2035 2040 2045 2050 2055 2060

0,10
d)
Fosfato no soluto
(mg.m-²)

0,05

0,00
2020 2025 2030 2035 2040 2045 2050 2055 2060
Tempo (anos)
Figura 2 - Valores anuais para os cenários 4.5 e 8.5: a) precipitação; b) concentração de nitrato no escoamento
superficial; c) concentração de nitrato na drenagem do lisímetro; d) média anual da concentração do fosfato no soluto.
Fonte: Autores (2018).

CONCLUSÕES

A simulação nos dois cenários, no período de 2020 a 2060, apresentou pouca diferença em
relação as concentrações de nitrato no escoamento superficial e drenagem, e de fosfato no solo, ou

XIV Simpósio de Recursos Hídricos do Nordeste 8

seja, mesmo no cenário pessimista as concentrações dos nutrientes serão semelhantes as
concentrações do otimista, como visto, essas diferenças não ultrapassam 3% na média geral. As
maiores variações para os cenários são observadas nos dados hidrológicos (precipitação e
evapotranspiração), entretanto não irão influenciar significativamente nas variações de concentração
dos nutrientes avaliados. Essas considerações indicam que a maior influência sobre os nutrientes está
no manejo do solo, que se sobrepõe a interferência da precipitação.

REFERÊNCIAS

CHALLINOR, A. et al. (2009). “Ensemble yield simulations: crop and climate uncertainties,
sensitivity to temperature and genotypic adaptation to climate change”. Climate Research 38, pp.
117-127.

COLLISCHONN, B.; TUCCI, C. (2014). “Relações regionais entre precipitação e

evapotranspiração mensais”. Revista Brasileira de Recursos Hídricos 19(3), pp. 205-214.

GOURAULT, M. et al. (2018). “Modeling reproductive traits of an invasive bivalve species under
contrasting climate scenarios from 1960 to 2100”. Journal of Sea Research. No prelo.

GROENENDIJK, P., KROES, J. G. (1999). Modelação da lixiviação de azoto e fósforo para as águas
subterrâneas e superficiais com ANIMO 3.5. Relatório 144. DLO-Winand Staring Centre,
Wageningen, Países Baixos.

HAGENAU, J.; MEISSNER, R.; BORG, H. (2015). “Effect of exposure on the water balance of two
identical lysimeters”. Journal of Hydrology 520, pp. 69-74.

IPCC. Climate change 2013: the physical science basis. (2013). Working Group I Contribution to the
fifth assessment report of the IPCC, Stockholm, 2013, 2216 p.

KAUFMANN, V.; PINHEIRO, A.; CASTRO, N. M. R. (2014). “Simulating transport of nitrogen

and phosphorus in a Cambisol after natural and simulated intense rainfall”. Journal of Contaminant
Hydrology 160, pp. 53-64.

KROES, J. G.; ROELSMA, J. (1998). Guia do Usuário para o Modelo de Lixiviação de Nutrientes
da Versão 3.5 ANIMO. Documento Técnico 46. DLO-Winand Staring Centre, Wageningen, Holanda.

KROES, J. G. et al. (2008). SWAP Version 3.2. Theory Description and User
Manual. Alterra, Wageningen, The Netherlands.

LOBELL, D. B.; GOURDJI, S. M. (2012). “The influence of climate change on global crop
productivity”. Plant Physiology 160(4), pp. 1686-1697.

LOOS, C. E.; GAYLER, S.; PRIESACK, E. (2007). “Assessment of water balance simulations for
large-scale weighing lysimeters”. Journal of Hydrology 335 (3-4), pp. 259-270.

XIV Simpósio de Recursos Hídricos do Nordeste 9

MOLENAT, J. et al. (2008). “Role of water table dynamics on stream nitrate export and
concentration in agricultural headwater catchment (France)”. Journal of Hydrology 348(3-4), pp.
363-378.
MOSS, R. H. et al. (2010). “The next generation of scenarios for climate change research and
assessment”. Nature 463(7282), pp. 747-756.

PAPARRIZOS, S.; MARIS, F.; MATZARAKIS, A. (2016). “Integrated analysis of present and
future responses of precipitation over selected Greek areas with different climate
conditions”. Atmospheric Research 169, pp. 199-208.

PINHEIRO, A.; GRACIANO, R. L. G.; KAUFMANN, V. (2012). “Simulating effects of climate

scenarios on hydrological processes in southern Brazil using a lysimeter”. International Journal of
Climatology 33(9), pp. 2206-2214.

RENAUD, L.V.; ROELSMA, J.; GROENENDIJK; P. (2005). “User’s Guide of the ANIMO 4.0
Nutrient Leaching Model”. Report 224. Alterra, Wageningen.

RIJTEMA, P.E.; GROENENDIJK, P.; KROES, J.G. (1999). Environmental impact of land use in
rural regions. The development, validation and application of model tools for management and policy
analysis. Series on Environmental Science and Management, vol. 1, Imperial College Press, Imperial
College, London, UK.

URRUTIA, R.; VUILLE, M. (2009). “Climate change projections for the tropical Andes using a
regional climate model: temperature and precipitation simulations for the end of the 21st
century”. Journal of Geophysical Research 114(2), pp. 1-15.

VAN DAM, J. C. Field-scale water flow and solute transport. (2000). Tese (Doutorado),
Wageningen Agricultural University, Países Baixos, 167 p.

VAN DAM, J. C. et al. (1997). Theory of SWAP Version 2.0 (Report 71). Department of Water
Resources, Wageningen Agricultural University, Países Baixos.

VINTEN, A. J. A. (1999). “Predicting nitrate leaching from drained arable soils derived from glacial
till”. Journal of Environment Quality 28(3), pp. 988-996.

WALZ, A. et al. (2014). “Experience from downscaling IPCC-SRES scenarios to specific national-
level focus scenarios for ecosystem service management”. Technological Forecasting and Social
Change 86, pp. 21-32, 2014.

WHITE, J. W. et al. (2011). “Methodologies for simulating impacts of climate change on crop
production”. Field Crops Research 124(3), pp. 357-368.

WOLF, J.; BROEKE, M. J. D. H.; RÖTTER, R. (2005). “Simulation of nitrogen leaching in sandy
soils in The Netherlands with the ANIMO model and the integrated modelling system
STONE”. Agriculture, Ecosystems & Environment 105(3), pp. 523-540.

XIV Simpósio de Recursos Hídricos do Nordeste 10