Modelagem Ecológica em Ecossistemas Aquáticos, 2009 Fragoso JR Et

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 411

© 2009 Oficina de Textos

CAPA E PROJETO GRÁFICO Malu Vallim
DIAGRAMAÇÃO Casa Editorial Maluhy & Co.
PREPARAÇÃO DE FIGURAS Resolvo Ponto Com.
PREPARAÇÃO DE TEXTOS Gerson Silva
REVISÃO DE TEXTOS Rena Signer e Paula Marcele Sousa Martins

Dados Internacionais de Catalogação na Publicação (CIP)
(Câmara Brasileira do Livro, SP, Brasil)
Fragoso, Júnior, Carlos Ruberto
Modelagem ecológica em ecossistemas aquáticos /
Carlos Ruberto Fragoso Júnior, David da Motta Marques,
Tiago Finkler Ferreira. – São Paulo : Oficina de Textos, 2009.
Bibliografia
ISBN 978­85­86238­88­8
eISBN 978­85­7975­268­1
1. Ecossistemas 2. Gestão ambiental 3. Limnologia
4. Modelos ecológicos 5. Modelos matemáticos 6. Recursos hídricos 7. Recursos hídricos – Desenvolvimento
I. Marques, David de Motta. II. Ferreira, Tiago Finkler III. Título.

09­06549 CDD­551.48

Índices para catálogo sistemático:
1. Ecossistemas aquáticos : Modelagem ecológica : Limnologia
: Ciência da terra 551.48

Todos os direitos reservados à Oficina de Textos
R. Cubatão, 798
CEP 04013­003 São Paulo­SP ­ Brasil
tel. (11) 3085 7933
site: www.ofitexto.com.br e­mail: [email protected]
“A natureza deve ser considerada como um
todo, mas deve ser estudada em detalhe.”

Mário Bunge
AGRADECIMENTOS

Aqui seguem nossos agradecimentos a todos que colaboraram para que esta obra fosse realizada.
Gostaríamos  de  agradecer  o  apoio  do  Instituto  de  Pesquisas  Hidráulicas  (IPH)  para  a  publicação  deste
livro. Colaboradores importantes também merecem destaque, como o Prof. Carlos E. M. Tucci, Prof. Walter
Collischonn,  a  Engenheira  Regina  Camara  Lins  e  a  Bióloga  Maria  Betânia  Gonçalves  de  Souza,  que
contribuíram com sugestões e informações adicionais. Os autores também agradecem o apoio incondicional
de suas respectivas famílias que, sempre presentes, nos incentivaram e nos encorajaram a realizar mais um
desafio.
SUMÁRIO

Apresentação,

Prefácio,

Capítulo 1 — Introdução à gestão do ambiente,
1.1 Desenvolvimento sustentável
1.2 Água como recurso
1.3 Ecossistemas aquáticos
1.4 Gestão ambiental
1.5 Modelos e indicadores
1.6 Histórico de desenvolvimento de modelos
1.7 Os modelos ecológicos

Parte I FUNDAMENTOS DA MODELAGEM

Capítulo 2 — Modelagem matemática,
2.1 Por que modelos matemáticos?
2.2 Elementos da modelagem
2.3 Tipos de modelos
2.4 Etapas da modelagem
2.5 Modelos no gerenciamento hídrico e ambiental
2.6 Tendências da modelagem ecológica

Capítulo 3 — Equações diferenciais,
3.1 Identificação dos processos
3.2 Fundamentos de uma equação diferencial
3.3 Métodos numéricos
3.4 Consistência e convergência
3.5 Estabilidade e precisão
Parte II PROCESSOS AMBIENTAIS

Capítulo 4 — Processos hidrológicos,
4.1 Escoamento
4.2 Evaporação e Evapotranspiração
4.3 Infiltração
4.4 Interceptação

Capítulo 5 — Escoamentos,
5.1 Equações do escoamento
5.2 Simplificação das equações
Capítulo 6 — Transporte de massa,
6.1 Processos químicos de ciclagem de nutrientes
6.2 Escala espaço­temporal
6.3 Transporte de poluentes

Capítulo 7 — Ciclos químicos,
7.1 Carbono
7.2 Nitrogênio
7.3 Fósforo
7.4 Oxigênio dissolvido

Capítulo 8 — Processos abióticos,
8.1 Componentes orgânicos e inorgânicos na água
8.2 Componentes no sedimento
8.3 Ressuspensão e sedimentação
8.4 Mineralização e oxigênio utilizado
8.5 Nitrificação, desnitrificação e condições de oxigênio
8.6 Adsorção do fósforo
8.7 Imobilização do fósforo
8.8 Liberação de nutrientes (Difusão)
8.9 Reaeração
8.10 Temperatura na água

Capítulo 9 — Fitoplâncton,
9.1 Aspectos gerais para a modelagem
9.2 Produção
9.3 Respiração e excreção de nutrientes
9.4 Sedimentação, ressuspensão e mortalidade
9.5 Parâmetros

Capítulo 10 — Macrófitas aquáticas,
10.1 Produção
10.2 Respiração e excreção
10.3 Mortalidade
10.4 Consumo por aves

Capítulo 11 — Micro e macrofauna aquática,
11.1 Aspectos gerais para a modelagem
11.2 Zooplâncton e zoobentos
11.3 Peixes
Parte III MODELOS CONCEITUAIS

Capítulo 12 — Modelagem da bacia de drenagem,
12.1 Método racional
12.2 Método racional modificado
12.3 Método do SCS

Capítulo 13 — Modelos de rios,
13.1 Escoamentos em rios e canais
13.2 Regime permanente
13.3 Regime não permanente
Capítulo 14 — Modelos de lagos e estuários,
14.1 Equações governantes
14.2 Solução numérica
14.3 Condições iniciais e de contorno

Capítulo 15 — Modelos de reservatórios,
15.1 Aspectos gerais
15.2 Tipos de modelos
15.3 Modelo de balanço hídrico
15.4 Modelagem hidrodinâmica tridimensional

Capítulo 16 — Modelos de qualidade da água,
16.1 Modelos unidimensionais
16.2 Modelos bidimensionais
16.3 Modelos tridimensionais

Capítulo 17 — Modelos ecológicos simples,
17.1 Modelo fitoplâncton × zooplâncton
17.2 Modelo fitoplâncton × zooplâncton com heterogeneidade espacial
Parte IV TÓPICOS ESPECIAIS

Capítulo 18 — Estados alternativos,
18.1 Determinação dos estados de equilíbrio
18.2 Avaliação de estados alternativos: um exemplo ecológico

Capítulo 19 — Parametrização de modelos ecológicos,
19.1 A parametrização experimental para modelagem ecológica
19.2 A parametrização experimental para teste de hipóteses
19.3 Como o limnólogo pode atuar e contribuir para a modelagem ecológica?

Capítulo 20 — Estudo de casos,
20.1 Avaliação hidrodinâmica do Sistema Hidrológico do Taim
20.2 Simulações de fitoplâncton
20.3 Deriva de estados alternativos
20.4 Biomanipulação em lagos
20.5 Interações tróficas em cascata

Apêndice A – Nomenclatura,

Apêndice B – Funções de Hill e de Monod,

Apêndice C – Disponível em <www.ofitexto.com.br/modelagemecologica>

Referências Bibliográficas,
APRESENTAÇÃO

A  atual  fase  da  Limnologia  proporciona  um  conhecimento  científico  aprofundado  dos  ecossistemas
aquáticos continentais, seus mecanismos de funcionamento e suas interações. Ao longo dos últimos 100 anos,
houve  uma  evolução  contínua  desse  conhecimento,  com  particular  destaque,  nos  últimos  30  anos,  da
Limnologia Tropical (limnologia da região neotropical e da África).
Para que esse conjunto de informações seja utilizado de forma consistente e significativa, é necessário um
processo  de  modelagem  ecológica  e  matemática  que  possibilite  avançar  conceitos,  promover  cenários  e
desenvolver  alternativas  de  gerenciamento  integrado.  Modelagem  Ecológica  em  Ecossistemas
Aquáticos  preenche  perfeitamente  as  atuais  necessidades  científicas  e  tecnológicas  da  Limnologia  e  do
gerenciamento  de  recursos  hídricos.  A  obra  detalha,  em  seus  três  primeiros  capítulos,  os  fundamentos  de
gestão do ambiente, a modelagem matemática e equações diferenciais, e descreve, com detalhes, processos
hidrológicos, escoamento, ciclos biogeoquímicos, processos biológicos e o funcionamento da biota aquática.
Apresenta  nos  capítulos  posteriores  (Parte  II),  a  modelagem  conceitual  de  bacias  hidrográficas,  de  rios,  da
água e modelos ecológicos simples.
Um conjunto de estudos de caso e de parametrização é apresentado nos capítulos finais, que mostram as
aplicações. Atualmente, gerenciamento de recursos hídricos, como todo o gerenciamento ambiental, não pode
prescindir de modelos matemáticos e ecológicos, pois a integração de processos e a elaboração de cenários
são alternativas que dependem da quantificação e da parametrização experimental, que orientarão tomadores
de decisão e especialistas na escolha das melhores oportunidades de gerenciamento.
Portanto,  esta  obra  é  muito  oportuna  para  o  atual  estágio  de  desenvolvimento  do  gerenciamento  de
recursos hídricos no Brasil. Não há dúvida de que estimulará a aplicação a muitos ecossistemas aquáticos do
Brasil e da região neotropical; portanto, pode­se esperar um estímulo e a consolidação de dados existentes e
de estudos de caso em represas, lagos e rios. Os autores estão de parabéns pelo trabalho realizado, e a obra
reflete um esforço de trabalho executado pelos autores e sua equipe.
A obra, como enfatizado, será extremamente útil para graduandos e pós­graduandos de Biologia, Ecologia,
Engenharia Ambiental, consultores e tomadores de decisão que necessitam aprimorar seus conhecimentos e
aplicá­los na gestão de recursos hídricos.
Cumprimentos à Associação Brasileira de Recursos Hídricos (ABRH) pelo apoio à publicação e à Oficina
de Textos por mais esta excelente produção.

São Carlos (SP), 16 de junho de 2009.
Prof. Dr. José Galizia Tundisi
Instituto Internacional de Ecologia
Professor Titular Feevale
PREFÁCIO

A gestão compartilhada de recursos naturais fundamentada em conhecimento específico é a melhor forma
de promover a conservação desses recursos. Essa gestão deve ser vivenciada por todos os componentes de
uma  sociedade  moderna,  por  meio  de  ferramentas  computacionais  adequadas,  que  permitam  analisar  a
resposta de um determinado ecossistema aquático diante de diferentes entradas. Uma dessas ferramentas é a
modelagem matemática ecológica. Este livro apresenta uma abordagem geral sobre modelagem ecológica em
ecossistemas aquáticos, tais como rios, canais, lagos, estuários e reservatórios.
Um  modelo  é  a  representação  de  algum  objeto  ou  sistema  em  uma  linguagem  computacional  de  fácil
acesso e uso, com o objetivo de entendê­lo. Com esse propósito, apresentam­se textos elucidativos sobre a
representação  matemática  dos  processos  físicos,  químicos  e  biológicos  que  ocorrem  nesses  ambientes.  A
utilização de modelos simples ou complexos, que podem ser estabelecidos a partir dessas informações, serve
como  plataforma  cientifica  para  investigar,  testar  e  elucidar  conceitos  ecológicos.  Consequentemente,  essa
aproximação também possibilita a descoberta de novas propriedades emergentes em ecossistemas aquáticos.
O  estudo  e  o  entendimento  de  um  ecossistema  aquático  implica  o  uso  da  Hidrologia,  da  Ecologia  e  da
Hidrodinâmica  para  verificar  como  comunidades  se  relacionam  com  o  meio  físico,  com  a  água,  em  sua
quantidade e movimento, e como o ecossistema responde a agentes diretos e indiretos, naturais e antrópicos,
e está conectado a outros sistemas, considerando diferentes escalas.
A  integração  dessa  aproximação  somente  é  possível  por  meio  da  modelagem  ecológica,  a  qual  permite
verificar  interações,  conectividades,  dinâmica  do  sistema  e  prognósticos  de  estados.  Essa  capacidade  de
entender a dinâmica e prever os estados também é uma ferramenta na definição de políticas e na gestão dos
ecossistemas  similares.  A  conservação  e  o  uso  dos  recursos  podem,  dessa  forma,  coexistir  e  ser
parametrizados.
Modelagem  Ecológica  em  Ecossistemas  Aquáticos  encaminha  o  leitor,  passo  a  passo,  no  processo  da
modelagem ecológica em ecossistemas aquáticos, integrando Ecologia, Hidrologia e Hidrodinâmica. A obra
destina­se  primordialmente  a  alunos  de  graduação  e  pós­graduação  das  áreas  de  Engenharia  (civil,  hídrica,
ambiental), Biologia, Ecologia, Limnologia, usuários envolvidos em gestão, consultores e gestores.

Carlos Ruberto Fragoso Jr.
Tiago Finkler Ferreira
David da Motta Marques
INTRODUÇÃO À GESTÃO DO
AMBIENTE 1
1.1 DESENVOLVIMENTO SUSTENTÁVEL
De  acordo  com  a  Comissão  Mundial  sobre  Meio  Ambiente  e  Desenvolvimento,  criada  pelas  Nações
Unidas,  o  desenvolvimento  sustentável  é  aquele  capaz  de  suprir  as  necessidades  da  geração  atual,  sem
comprometer  a  capacidade  de  atender  às  necessidades  das  futuras  gerações.  Em  outras  palavras,  é  o
desenvolvimento que não esgota os recursos para o futuro nem compromete o desenvolvimento econômico e
a conservação ambiental.
No  entanto,  para  ser  alcançado,  o  desenvolvimento  sustentável  depende  muito  de  ações  sustentáveis
definidas a partir de um planejamento integrado e, principalmente, da consciência geral de que os recursos
naturais são finitos.
Nos  países  desenvolvidos  e  em  desenvolvimento,  o  crescimento  econômico  vem  causando  enormes
desequilíbrios. Por um lado, o progresso de uma nação depende do desenvolvimento crescente da agricultura
e  dos  bens  extrativos  –  denominados  primários  –,  bem  como  da  indústria,  onde  ocorre  a  transformação  de
bens  –  denominados  secundários  –  e  do  comércio.  Por  outro  lado,  a  degradação  ambiental  e  a  poluição
aparecem em decorrência desse desenvolvimento, o que leva ao esgotamento dos recursos naturais dos quais
a humanidade depende. Esse tipo de modelo tende a ser insustentável, uma vez que os recursos não atendem
mais às demandas impostas pelo desenvolvimento.
Dessa forma, o desenvolvimento sustentável sugere mecanismos de gestão que visem minimizar o uso e a
degradação dos recursos naturais, sem comprometer o desenvolvimento e a prosperidade da nação. Isso só é
possível quando abrimos mão de nossos arcabouços atuais de pensamento, que enfatizam a quantidade em
vez da qualidade.

1.2 ÁGUA COMO RECURSO
A água é o recurso natural mais precioso do planeta. Embora 70% da superfície do planeta seja coberta por
água,  apenas  3%  desse  volume  é  constituído  de  água  doce.  Dessa  parcela  de  água  doce,  67%  podem  ser
encontrados nas geleiras, 3% estão no solo e menos do que isso se encontra na atmosfera, restando 17% de
água  subterrânea  estocada  nos  aquíferos  do  subsolo  e  apenas  6%  são  águas  superficiais,  incluindo  rios,
córregos,  lagos,  poços  e  reservatórios  artificiais.  Uma  significativa  parcela  dessa  água  não  é  própria
para consumo, como resultado crescente da poluição. Em contrapartida, cada vez mais a demanda por água
potável cresce (e.g. com o aumento da população nas últimas duas décadas, o consumo per capita no Brasil
dobrou), e milhões de pessoas no mundo já não têm acesso a água de boa qualidade, resultando em diversos
problemas  relacionados  à  água  (escassez,  saúde  etc.).  A  escassez  de  água  não  é  somente  resultado  de  uma
carência  física  de  recursos  hídricos,  mas  um  fenômeno  que  se  agrava  por  causa  de  problemas  relativos  à
gestão desses recursos e ao governo.
Diante desse quadro, confirmam­se as projeções da ONU de que a água será a causa da maior crise deste
século.
Dessa  forma,  ressalta­se  a  necessidade  de  implementar  mecanismos  que  disciplinem  o  manejo  da  água
para  uma  gestão  inovadora  e  sustentável  dos  recursos  hídricos,  visando  à  conservação  da  biodiversidade
aquática e ao não comprometimento do desenvolvimento econômico e das gerações futuras.

1.3 ECOSSISTEMAS AQUÁTICOS
Ecossistemas  aquáticos  continentais  têm  uma  importância  histórica  confirmada  quantitativamente.  Sabe­
se,  por  exemplo,  que  aproximadamente  dois  terços  das  grandes  cidades  distribuídas  em  todo  o  mundo
(e.g. Xangai,  Londres  e  Nova  Iorque)  estão  localizadas  próximas,  ou  em  sua  vizinhança  imediata,  a  lagos
e  estuários  (Souza;  Kjerve,  1997).  Esses  sistemas  são  especialmente  encontrados  em  paisagens  planas  de
inundação e em áreas costeiras.
Ao mesmo tempo que a diversidade física e a produtividade biológica são características desses sistemas,
também é reconhecida sua fragilidade às agressões antrópicas (despejos de efluentes, captação de água para
abastecimento, irrigação, pesca, biomanipulação etc.) (Fragoso Jr.; Souza, 2003), as quais provocam fortes
alterações na fauna e flora aquáticas (fitoplâncton, zooplâncton, macrobentos, macrófitas aquáticas, peixes
etc.), e nos padrões de qualidade da água.
Existem  muitos  registros,  nos  últimos  200  anos,  de  ecossistemas  aquáticos  que  sofreram  contínuas
mudanças  em  sua  estrutura  trófica  (Wetzel,  1975).  A  maioria  desses  relatos  diz  respeito  ao  processo
de eutrofização causado  pela  adição  de matéria orgânica  e  carga  de  nutrientes  provenientes  de  fontes  de
poluição  pontuais  e  difusas  (Jeppesen  et  al.,  1998a,  1999,  2000a,  2000b,  2002;  Jeppesen;  Jensen;
Sondergaard, 2002; Jakobsen et al., 2003, 2004; Scheffer; De Redelijkheid; Noppert, 1992; Scheffer et al.,
1994a, 1994b; Van Den Berg et al., 1997; Moss, 1990; Moss et al., 1996; Perrow; Moss; Stansfield, 1994).
Esse processo, na maioria das vezes, resulta em um aumento da biomassa fitoplanctônica  seguido  por:  (a)
florações  de  cianobactérias  ou,  diatomáceas  ou  clorofíceas  (algas  verdes);  (b)  desaparecimento  da
vegetação  aquática  submersa;  (c)  predominância  de  peixes  planctívoros  e  piscívoros;  e  (d)  redução  da
transparência da água (Moss, 1998). Uma vez que o ecossistema aquático tenha passado para um estado de
águas  túrbidas,  para  retornar  ao  estado  inicial,  a  concentração  de  nutrientes  deve  ser  reduzida  a  um  nível
muito  abaixo  do  limiar  crítico  em  que  o  sistema  colapsou  (Van  Nes  et  al.,  2002a,  2003).  Portanto,  a
disponibilidade  de  nutrientes  determina  a  produtividade  potencial  dos  organismos  aquáticos  por  meio
de  interações  tróficas  em  cascata,  ou  seja,  alterações  na  base  da  cadeia  alimentar  geram  impactos
ascendentes (bottom­up effects) sobre níveis tróficos mais altos (Scheffer, 1998).
Assim  como  a  dinâmica  de  nutrientes,  outros  fatores  abióticos  também  têm  um  importante  papel  nas
interações tróficas em cascata. Em lagos temperados, por exemplo, com ciclo sazonal bem definido, fatores
como  luz  e  temperatura  governam  o  ciclo  reprodutivo  de  algumas  comunidades  aquáticas,  tais  como
fitoplâncton (Fragoso Jr., 2005), macrófitas aquáticas (Van Nes et al., 1999, 2002a, 2002b) e peixes (Werner
et al., 1983; Persson; Eklov, 1995). Em lagos subtropicais, com menores amplitudes climáticas, as interações
tróficas têm um comportamento particular e sua influência sobre a estrutura trófica ainda é pouco conhecida.
Portanto,  luz  e  temperatura  continuam  sendo  fatores  condicionantes  de  produção  primária  desses
ecossistemas  (Esteves,  1998).  Isso  sugere  que  mudanças  no  regime  climático  também  podem  afetar
diretamente a dinâmica da estrutura trófica em ecossistemas aquáticos.
Distúrbios no topo na cadeia alimentar, tais como biomanipulação, pesca e migração de peixes, também
são responsáveis por mudanças na estrutura trófica da cadeia alimentar aquática. A biomanipulação (técnica
muito utilizada para restauração de ecossistemas temperados), por exemplo, produz profundos impactos na
estrutura Trófica, pela redução de peixes planctívoros e/ou bentívoros, levando a um aumento da comunidade
zooplanctônica e à redução da ressuspensão de material de fundo e da população de fitoplâncton no sistema
(Carpenter;  Kitchell,  1993;  Hansson  et  al.,  1998;  Meijer  et  al.,  1994;  Shapiro;  Lamarra;  Lynch,  1975;
Shapiro;  Wright,  1984;  Van  Donk  et  al.,  1990).  A  pressão  da  pesca  predatória  sobre  uma  específica
comunidade de peixes pode levar à dominância de outras comunidades aquáticas, tais como zooplâncton e
fitoplâncton (Magnuson, 1991; Lévêque, 1995; Reid et al., 2000). Portanto, essas alterações sugerem efeitos
tróficos em cascata descendentes (top­down effects), atingindo comunidades aquáticas de níveis tróficos mais
baixos.
É essencial um esforço para otimizar as aptidões do meio ambiente (e.g. medidas de mitigação de impactos
e  a  exploração  humana)  por  meio  de  uma  gestão  ambiental  racional  (Coutinho,  1986).  Toda  interferência
externa, assim como o comportamento hidrodinâmico e ecológico devem ser cuidadosamente investigados,
no intuito de prevenir mudanças significativas da estrutura trófica e, principalmente, uma troca brusca de um
estado estável de equilíbrio dominado por vegetação aquática com alta biodiversidade e boa transparência da
água,  para  um  estado  de  águas  túrbidas  com  alta  densidade  de  fitoplâncton,  baixa  biodiversidade  e  vários
problemas de qualidade da água (Jeppesen, 1998; Moss, 1998; Scheffer, 1998).

1.4 GESTÃO AMBIENTAL
A  gestão  ambiental  é  uma  prática  muito  recente,  que  vem  ganhando  espaço  nas  instituições  públicas  e
privadas,  na  mobilização  das  organizações  para  a  promoção  de  um  meio  ambiente  ecologicamente
equilibrado.
Seu  objetivo  é  a  melhoria  constante  dos  produtos,  serviços  e  do  ambiente  de  trabalho,  em  toda
organização, levando­se em conta o fator ambiental.
Atualmente, ela começa a ser encarada como um assunto estratégico porque, além de estimular a qualidade
ambiental,  também  possibilita  a  redução  de  custos  diretos  (redução  de  desperdícios  com  água,  energia  e
matérias­primas) e indiretos (e.g. indenizações por danos ambientais).
Uma gestão ambiental requer a reformulação e evolução da política ambiental, dando ênfase ao:
• desenvolvimento sustentável como objetivo prioritário;
• reconhecimento  da  relevância  dos  fatores  (e  atores)  socioeconômicos  na  evolução  dos  problemas
ambientais;
• reconhecimento da complexidade e da incerteza associadas a muitos problemas ambientais – ciência pós­
normal; integração de diferentes tipos de conhecimento;
• envolvimento do público e das partes interessadas na formulação e implementação de políticas;
• reconhecimento  da  necessidade  de  adotar  abordagens  integradas,  contemplando  diferentes  instrumentos
para diferentes objetivos.
A prática corrente dessa política está condicionada à implementação de medidas e instrumentos que dão
suporte ao desenvolvimento de atividades antrópicas e avaliam seus impactos no meio ambiente (Fig. 1.1).
FIG. 1.1 Medidas e instrumentos em diferentes setores

Os princípios e objetivos dessa política são:
1. identificar e avaliar os problemas ambientais;
2. formular cenários de evolução;
3. definir prioridades e metas;
4. medidas e instrumentos de política;
5. implementação e controle.
Para  desenvolver  uma  gestão  mais  sustentável,  foram  criados  novos  conceitos  de  Avaliação  Ambiental
denominados Avaliação Ambiental Estratégica (AAE) e Avaliação Ambiental Integrada (AAI). A AAE é
um processo contínuo de avaliação da qualidade do meio ambiente e das eventuais consequências ambientais
do  desenvolvimento  de  uma  área,  região  ou  sistema.  Ela  define  os  procedimentos  que  devem  ser
incorporados a políticas públicas, planos e programas governamentais para assegurar a integração efetiva dos
aspectos  físicos,  bióticos,  econômicos,  sociais  e  políticos.  A  AAI  tem  como  objetivo  avaliar  a  situação
ambiental  de  uma  área,  região  ou  sistema,  considerando  as  atividades  antrópicas  implantadas,  seus  efeitos
cumulativos e sinérgicos sobre os recursos naturais e as populações humanas, e os usos atuais e potenciais
dos recursos hídricos nos horizontes atual e futuro de planejamento. A AAI leva em conta a necessidade de
compatibilizar  as  aptidões  do  meio  ambiente  com  a  conservação  da  biodiversidade  e  manutenção  das
espécies, a sociodiversidade e a tendência de desenvolvimento socioeconômico da região.
A  AAI  é  realizada  por  meio  de  um  Estudo  de  Impacto  Ambiental  (EIA),  preconizado  pela  Resolução
Conama  nº  001/1986,  um  instrumento  técnico­científico  de  caráter  multidisciplinar,  capaz  de  definir,
mensurar,  monitorar,  mitigar  e  corrigir  as  possíveis  causas  e  efeitos  de  determinada  atividade  sobre
determinado  ambiente.  Desse  estudo  resulta  um  documento  direcionado  ao  público  leigo,  denominado
Relatório de Impacto ao Meio Ambiente (RIMA).
O desenvolvimento desse estudo requer uma abordagem interdisciplinar e sistemática, visando à prevenção
ou eliminação de danos causados por uma determinada atividade no meio ambiente. No entanto, existe ainda
um falta de ferramentas integradoras apropriadas que avaliem e antecipem os impactos dessas atividades, o
que  leva  a  um  cenário  de  ineficiência  nesse  processo.  Novas  abordagens  integradas  são  fundamentais,  se
desejarmos caminhar rumo a um gerenciamento integrado dos recursos hídricos.

1.5 MODELOS E INDICADORES
A  vasta  gama  de  fatores  e  processos  físicos,  químicos  e  biológicos  dificulta  a  análise  quantitativa  em
ecossistemas  aquáticos.  Além  disso,  o  gerenciamento  desses  ecossistemas  aquáticos  é  um  campo  de
ação  multidisciplinar,  com  um  grande  número  de  alternativas  no  planejamento,  considerando  seus  usos,
disponibilidades  e  preservação  (Tucci,  1998).  Em  razão  dessa  diversidade  de  alternativas,  é  necessário
utilizar  metodologias  que  melhor  quantifiquem  os  processos,  auxiliando  nas  etapas  de  análise  e  tomada  de
decisão. Uma dessas metodologias é a modelagem matemática aplicada nesses ecossistemas.
A  aplicação  de  modelos  a  questões  científicas  é  quase  compulsória,  se  quisermos  entender  um  sistema
complexo como é o caso de um ecossistema aquático. Não é simples investigar todos os componentes e suas
interações no ecossistema sem o uso de modelos como ferramenta de síntese. As reações no sistema podem
não  ser  necessariamente  a  soma  de  todas  as  reações  individuais.  Isso  implica  que  propriedades  do
ecossistema  não  serão  reveladas  sem  o  uso  de  um  modelo  para  todo  sistema.  O  uso  da  modelagem  como
ferramenta  para  entender  propriedades  do  sistema  demonstra  vantagens  e  revela  lacunas  no  nosso
conhecimento.  Talvez  a  principal  contribuição  fornecida  por  um  modelo  seja  o  estabelecimento  de
prioridades  de  pesquisa,  as  quais  podem  revelar  propriedades  do  sistema  a  partir  de  hipóteses  científicas
geradas  pelo  próprio  modelo.  Assim,  os  modelos,  ao  simular  as  interações  no  ecossistema  aquático,  não
somente  geram  resultados  que  podem  ser  comparados  com  observações  in  situ  ou  experimentais,  como
também podem servir de plataforma de pensamento para importantes questões científicas.

1.6 HISTÓRICO DE DESENVOLVIMENTO DE MODELOS
A evolução da modelagem pode ser dividida em quatro grandes fases (Fig. 1.2), relacionadas ao interesse
social e à capacidade computacional da época. Os primeiros trabalhos de modelagem apareceram em meados
da  década  de  1920,  com  o  problema  de  alocação  do  lixo  urbano.  O  trabalho  precursor  foi  o  de  Streeter  e
Phelps  (1925),  no  rio  Ohio.  Este  e  subsequentes  trabalhos  focavam  a  avaliação  dos  níveis
de  oxigênio  dissolvido  em  rios  e  estuários.  Ainda  sem  computadores,  essas  aplicações  limitavam­se  a
soluções lineares, com geometria simples e considerando um estado permanente no tempo.
Na  década  de  1960,  os  computadores  apareciam  como  uma  ferramenta  amplamente  disponível,  o  que
levou a um maior avanço dos modelos e de seu potencial de aplicação. O oxigênio ainda era o foco, mas os
computadores permitiram aos analistas resolver problemas mais complicados, como complexas geometrias,
maior detalhamento das reações cinéticas e simulações não permanentes no tempo (simulações dinâmicas).
FIG. 1.2 Quatro períodos de desenvolvimento de modelos para limnologia
Fonte: adaptado de Chapra, 1997.

Em  1970,  outra  marcante  fase  ocorreu,  movida  pela  consciência  ambiental  da  época.  Os  problemas  de
oxigênio  dissolvido  e  de  fontes  pontuais  davam  espaço  para  o  problema  da  eutrofização  em  ecossistemas
aquáticos. Nessa época foram desenvolvidos os primeiros modelos que representariam a dinâmica da cadeia
alimentar  aquática,  tais  como  os  de  Chen  (1970),  Chen  e  Orlob  (1975)  e  Di  Toro,  Thomann  e  O’Connor
(1971).  Com  o  avanço  computacional,  poderiam  ser  empregadas  soluções  não  lineares,  retroativas,  em
sistemas com geometrias complicadas.
O  mais  recente  estágio  do  desenvolvimento  de  modelos  voltou­se  a  problemas  envolvendo  substâncias
tóxicas, patogênicos e metais pesados, que representam uma grande ameaça para a saúde humana e para os
ecossistemas  aquáticos.  Esse  problema  também  é  marcado  efetivamente  pelos  debates  políticos  gerados.
Entretanto, os problemas passados ainda perduram nos dias atuais, uma vez que o progresso computacional
propiciou soluções mais próximas da realidade.

1.7 OS MODELOS ECOLÓGICOS
Um modelo ecológico é aquele que considera em sua estrutura conceitual processos relacionados à biota
do ecossistema. Em ecossistemas aquáticos, um modelo ecológico tenta reproduzir os processos relativos à
cadeia alimentar aquática, para avaliar a dinâmica dos organismos e a sua influência nos aspectos físicos e
químicos  do  meio  ambiente.  Esses  modelos  podem  ser  considerados  como  ferramentas  de  planejamento
integradas usadas para identificar: (a) os estressores antrópicos em sistemas naturais, (b) os efeitos ecológicos
desses estressores e (c) os atributos biológicos relevantes ou indicadores dessas respostas ecológicas. Dessa
forma,  modelos  ecológicos  representam  uma  boa  alternativa  para  avaliações  integradas  de  ecossistemas
aquáticos, uma vez que eles possuem uma abordagem mais interdisciplinar e sistemática, e podem fornecer
uma aproximação mais fiel dos danos causados por uma determinada atividade no meio ambiente.
A  Fig.  1.3  mostra  um  esquema  simplificado  clássico  de  uma  teia  alimentar  aquática,  que  poderia  ser
representada  por  um  modelo  ecológico.  Como  os  componentes  abióticos  e  bióticos  no  meio  aquático
possuem diferentes processos de desenvolvimento, diferentes aproximações são atribuídas para a modelagem
de  cada  processo.  Esses  processos  podem  ser  aproximados  por  funções  empíricas  ou  determinísticas.  A
representação matemática de processos, tais como produção primária, secundária e outros ecofisiológicos, é
resultado  de  experimentos  em  campo  ou  em  laboratório  e  encontra­se  disponível  na  literatura.  Entretanto,
muitos desses processos retratam a realidade de ecossistemas temperados.
Poucos modelos conseguiam distinguir classes de grupos como fitoplâncton, macrófitas e peixes, e assim,
generalizavam  os  principais  processos  dos  grandes  grupos  como  uma  variável  de  estado  para  todos.
Atualmente,  existem  modelos  capazes  de  distinguir  classes  de  fitoplâncton  (cianobactérias,  clorofíceas,
diatomáceas  etc.),  macrófitas  (submersas,  emergentes  e  flutuantes)  e  peixes  (piscívoros,  onívoros  e
planctívoros), considerando seus estágios de vida (juvenil e adulta) (e.g. Janse, 2005; Fragoso Jr et al., 2007).
Para retratar o alto nível de diversidade funcional dos organismos aquáticos, os modelos ecológicos devem
incluir  os  principais  processos  de  cada  grupo,  na  forma  de  módulos  que  contêm  um  conjunto  de  equações
diferenciais, os quais retratam as funções ecológicas e os coeficientes metabólicos referentes aos processos
biológicos.  Esses  coeficientes  são  encontrados  in  situ  ou  experimentalmente,  tais  como  (a)  taxas
de  respiração,  produções  primária  e  secundária;  (b)  capacidade  limite  de  suporte  (carrying  capacity)  de
biomassa ou densidade de espécie por área ou volume da água; (c) assimilação de  nutrientes  (fósforo,  por
produtores primários); (d) competição por nutrientes disponíveis na massa da água; (e) absorção de radiação
fotossinteticamente  ativa  (PAR),  taxas  de  crescimento,  reprodução  e  mortalidade;  (f)  excreção,  perda  de
biomassa  e  decomposição.  Com  a  disponibilidade  computacional  atualmente  oferecida,  as  aproximações
tendem  a  incluir,  com  um  maior  nível  de  detalhamento,  todos  os  elementos  da  cadeia  aquática
(i.e. comunidades aquáticas, ciclo completo do fósforo, nitrogênio, sílica, carbono e suas interações entre os
organismos), e são essenciais para a avaliação de estoques, por exemplo, dos compartimentos do plâncton,
macrófitas aquáticas, peixes e bentos.
FIG. 1.3 Simplificação da cadeia alimentar aquática. A espessura das setas indica a força da interação
Fonte: adaptado de Carpenter e Kitchell, 1993.
Parte I
FUNDAMENTOS DA MODELAGEM
2 MODELAGEM MATEMÁTICA

2.1 POR QUE MODELOS MATEMÁTICOS?
A  vasta  gama  de  fatores  e  processos  físicos,  químicos  e  biológicos  dificulta  a  análise  quantitativa  de
ecossistemas  aquáticos.  Além  disso,  o  gerenciamento  desses  ecossistemas  aquáticos  é  um  campo  de  ação
multidisciplinar,  com  um  grande  número  de  alternativas  de  planejamento,  considerando  usos,
disponibilidades  e  preservação  (Tucci,  1998).  Em  razão  dessa  diversidade  de  alternativas,  utilizam­se
metodologias  que  melhor  quantifiquem  os  processos,  auxiliando  nas  etapas  de  análise  e  na  tomada  de
decisão, como a modelagem matemática aplicada a esses ecossistemas.
Um modelo é a representação de algum objeto ou sistema em uma linguagem de fácil acesso e uso, com o
objetivo  de  entendê­lo  e  buscar  suas  respostas  perante  diferentes  entradas.  Quanto  maior  o  número  de
interações envolvidas, mais complexos os sistemas e, consequentemente, mais desafiadores e necessários os
modelos.  Em  Limnologia,  o  modelo  é  uma  ferramenta  desenvolvida  para  auxiliar  o  entendimento
comportamental  de  um  determinado  ecossistema  aquático,  avaliando  os  efeitos  de  diferentes  ações
antrópicas, naturais, climáticas, bióticas e a interação entre essas forçantes.
Quanto  mais  complexos  os  sistemas,  mais  desafiadores  e  necessários  são  os  modelos.  Um  projeto  de
estrutura  de  um  edifício  ou  um  circuito  elétrico  são  exemplos  em  que  o  homem  dimensiona  o  seu  sistema
especificando  todos  os  condicionantes  sobre  os  quais  tem  total  controle,  diferentemente  de  ecossistemas
aquáticos,  nos  quais  o  comportamento  do  sistema  é  resultado  de  processos  naturais.  Nesse  caso,  o  homem
deve  adaptar­se  aos  seus  condicionantes,  para  entender  o  comportamento  do  ecossistema  e  utilizar  seus
recursos, protegendo suas diferentes características.
O modelo não pode ser tratado como um objetivo, mas como uma ferramenta para atingir um determinado
objetivo.  Ele  pode  ser  utilizado  para  fins  de  previsão,  entendimento  dos  processos,  preenchimento  das
variáveis de interesse em um período sem levantamentos e geração de hipóteses, as quais podem ser testadas
experimentalmente  ou  in  situ.  A  modelagem  deve  ser  utilizada  em  parceria  com  trabalhos  experimentais,
laboratoriais e de monitoramento; caso contrário, sua potencialidade de aplicação será comprometida.
Um modelo matemático pode ser utilizado para entender melhor o comportamento do sistema e antecipar
os eventos, quantificando os impactos de um determinado distúrbio no sistema antes mesmo que ele ocorra,
para  que  todas  as  medidas  preventivas  possam  ser  tomadas.  Dessa  forma,  mesmo  monitorando  todas  as
variáveis  de  interesse  de  um  sistema,  o  uso  de  modelos  pode  ser  imprescindível  se  os  objetivos  do  estudo
forem mais amplos. No entanto, nenhuma metodologia poderá aumentar as informações existentes nos dados,
mas  poderá  melhor  extrair  e  interpretar  as  informações  já  existentes.  Quanto  menores  as  informações
disponíveis, maiores serão as incertezas dos prognósticos resultantes dos modelos. Os dados permitem aferir
os modelos matemáticos e reduzir as incertezas desses modelos na estimativa das variáveis de interesse. Isso
significa que a modelagem e o monitoramento devem caminhar de mãos dadas rumo a um diagnóstico mais
preciso dos efeitos sobre um sistema de um determinado fenômeno.
As  metodologias  apresentadas  neste  livro  são  baseadas  na  representação  do  sistema  físico  por  meio  de
modelos  estabelecidos  por  funções  matemáticas,  empíricas  e  conceituais.  Parte  dos  ciclos  hidrológico,
hidrodinâmico,  químico  e  biológico  é  assim  modelada.  Com  a  utilização  de  um  modelo  para  análise  das
condições  específicas  de  um  projeto,  o  analista  fica  mais  próximo  da  realidade  física,  resultando  em  uma
solução mais econômica e segura. O julgamento do processo físico é indispensável ao analista em qualquer
fase da utilização do modelo, pois a análise das alternativas de uso e a conclusão dos resultados devem ser
elaboradas para que o modelo tenha real utilidade.

2.2 ELEMENTOS DA MODELAGEM
Uma  modelagem  matemática  consiste  basicamente  de  quatro  componentes,  visando  representar  um
determinado fenômeno de interesse: (a) funções governantes ou variáveis externas; (b) variável de estado;
(c)  equações  matemáticas;  e  (d)  parâmetros  (Fig.  2.1).  Esses  componentes  auxiliam  a  tradução,  em
linguagem matemática, de um determinado fenômeno encontrado na natureza. Neste capítulo, descrevemos
em detalhes cada componente da modelagem matemática e suas inter­relações.

FIG. 2.1 Elementos da modelagem e suas inter­relações para explicar um determinado fenômeno

2.2.1 FENÔMENO DE INTERESSE
Os  fenômenos  são  padrões  encontrados  na  natureza  que  podem  ser  observados  ou  constatados
(e.g. precipitação, escoamento de rios, eutrofização, alteração da estrutura trófica aquática promovida por um
distúrbio).  Tipicamente,  os  fenômenos  são  descritos  a  partir  de  suposições  preestabelecidas  quanto  à
homogeneidade,  uniformidade  e  universalidade  das  propriedades  de  seus  principais  componentes,  que
incluem  o  espaço  e  as  relações  espaciais,  o  tempo  e  o  modelo  matemático  que  descreve  o  fenômeno.
Entretanto,  para  modelar  os  fenômenos  com  o  nível  necessário  de  realismo,  essas  suposições  rígidas  são
simplificadas e aproximadas de forma que o sistema seja capaz de representar (Couclelis, 1997):
• o espaço como uma entidade não homogênea tanto nas suas propriedades quanto na sua estrutura;
• as vizinhanças como relações não estacionárias;
• as regras de transição como regras não universais;
• a variação do tempo como um processo regular ou irregular;
• o sistema como um ambiente aberto a influências externas.
Para  implementar  ecossistemas  espacialmente  dinâmicos  com  as  características  mencionadas
anteriormente,  alguns  princípios  básicos  relativos  aos  principais  elementos  desses  sistemas  devem  ser
considerados,  entre  os  quais  destacam­se:  (a)  a  questão  da  representação  do  espaço  e  do  tempo;  (b)  a
estrutura  do  próprio  modelo  a  ser  utilizado  para  a  representação  do  fenômeno  espacial;  e  (c)  a  abordagem
computacional  para  implementar  esses  princípios  de  forma  integrada  e  consistente.  Nas  próximas  seções,
discutiremos  os  elementos  da  modelagem  matemática  utilizados  para  a  representação  de  um  fenômeno  de
interesse.

2.2.2 FUNÇÕES GOVERNANTES OU VARIÁVEIS EXTERNAS
São funções ou variáveis da natureza que influenciam o estado do ecossistema aquático. Em um contexto
de gerenciamento, o problema pode ser formulado da seguinte maneira: se certos fenômenos são variáveis,
qual será a influência no estado do ecossistema? O modelo é usado para prever a mudança no ecossistema
quando  variáveis  externas  são  alteradas  no  tempo  e  no  espaço.  Entrada  de  carga  de  poluente,  pesca,
temperatura,  radiação  solar,  precipitação,  evaporação,  fluxos  da  água  de  entrada  e  saída  no  sistema,  por
exemplo, podem ser considerados variáveis externas ou funções governantes.

2.2.3 VARIÁVEL DE ESTADO
A variável de estado ou de interesse descreve, como o nome indica, o estado do ecossistema. A seleção
das variáveis de estado é crucial para a estrutura do modelo, mas na maior parte dos casos essa seleção é
trivial.  Pode­se,  por  exemplo,  optar  por  modelar  o  estado  de  eutrofização  no  lago,  onde  a  escolha  da
concentração  de  fitoplâncton  e  de  nutrientes  como  variáveis  de  estado  é  intuitiva.  As  variáveis  de  estado
estão  em  função  das  variáveis  externas  e  podem  ser  consideradas  como  a  saída  do  modelo  matemático.
Dependendo  do  propósito  de  emprego  do  modelo,  este  poderá  conter  mais  variáveis  de  estado  do  que
realmente precisa, uma vez que uma variável de estado pode explicar outras. Por exemplo, em modelos de
eutrofização, a concentração de fitoplâncton é diretamente controlada pela população de zooplâncton, a qual
também poderia ser uma variável de estado.

2.2.4 EQUAÇÕES MATEMÁTICAS
Os  processos  físicos,  químicos  e  biológicos  (e.g.  nitrificação,  produção  primária,  mortalidade)  são
representados no modelo por meio de equações matemáticas, que são as relações entre as variáveis externas e
as  variáveis  de  estado.  Um  mesmo  processo  pode  ser  encontrado  em  diferentes  ecossistemas  aquáticos,
sugerindo  que  a  mesma  equação  pode  ser  usada  em  diferentes  modelos.  As  relações  para  cada  processo
podem  ser  encontradas  na  literatura  ou  desenvolvidas  a  partir  de  trabalhos  de  campo  e  experimentais
(e.g. Jorgensen,  1986;  Scheffer,  1998;  Chapra,  1997).  Um  determinado  processo  pode  apresentar  inúmeras
equações  matemáticas,  cabendo  ao  modelador  decidir  qual  equação  melhor  representa  um  processo  com  o
menor número de simplificações.

2.2.5 PARÂMETROS
O  parâmetro  é  um  valor  que  caracteriza  um  determinado  processo  no  ecossistema.  Ele  pode  ser
considerado constante para todo um sistema em particular ou para uma parte do sistema, o que indica que um
parâmetro também pode ser variável no tempo e no espaço. Em modelos ecológicos, os parâmetros têm uma
definição científica, como, por exemplo, a taxa máxima de crescimento do fitoplâncton ou a taxa de consumo
do  fitoplâncton  pelo  zooplâncton.  A  complexidade  de  um  modelo  é  representada  pela  quantidade  de
parâmetros  empregados.  Os  modelos  simples  têm  uma  quantidade  menor  de  parâmetros,  enquanto  nos
modelos  complexos  o  número  de  parâmetros  é  grande.  Alguns  livros  apresentam  faixas  de  valores
conhecidos ou sugeridos para alguns parâmetros; contudo, a maioria dos parâmetros está sujeita a ajustes no
intuito de aproximar ao máximo a saída do modelo aos valores observados em campo.

2.3 TIPOS DE MODELOS
Um  ecossistema  aquático  pode  ser  classificado  segundo  vários  critérios.  Os  modelos  matemáticos  que
representam  os  sistemas  também  se  enquadram  nessas  mesmas  classificações,  que  dependem  das  variáveis
externas e de estado, das aproximações matemáticas utilizadas e do comportamento do ecossistema aquático.
Neste capítulo apresentam­se as mais comuns e importantes classificações de modelos matemáticos.

2.3.1 LINEAR E NÃO LINEAR
Quando  uma  equação  matemática,  representativa  de  um  processo,  contém  apenas  uma  variável  em  cada
termo,  e  cada  variável  aparece  elevada  à  potência  de  ordem  1  (um),  a  equação  é  denominada  linear;  caso
contrário,  ela  é  conhecida  como  não  linear.  A  condição  necessária  para  um  sistema  possuir  um
comportamento linear é quando for validado o princípio da superposição (Fig. 2.2), ou seja, duas diferentes
entradas produzem duas diferentes saídas no modelo. Se o princípio da superposição for válido, a soma das
duas entradas produz a soma das duas saídas (Cheng, 1959). Em um lago, por exemplo, se as reações de um
poluente são assumidas como de primeira ordem, então a linearidade do resultado do modelo permite que a
superposição seja aplicada.
FIG. 2.2 Princípio da superposição aplicada à linearidade de modelos

2.3.2 CONTÍNUO E DISCRETO
Quando as variáveis são funções contínuas no tempo, então o modelo é classificado como contínuo. Se as
mudanças nas variáveis ocorrem aleatória ou periodicamente em intervalos discretos, o modelo é chamado
discreto (Fig. 2.3). Em sistemas contínuos, mudanças ocorrem continuamente com o avanço do tempo; já em
sistemas  discretos,  mudanças  ocorrem  apenas  quando  os  eventos  discretos  ocorrem,  independentemente  da
passagem  do  tempo.  Exemplo  do  registro  de  uma  variável  contínua  no  tempo  é  o  uso  do  linígrafo  gráfico
para  registrar  níveis  da  água.  O  registro  discreto  dessa  mesma  variável  é  efetuado  por  réguas  linimétricas,
com o auxílio de um observador em determinadas horas do dia. Os ecossistemas aquáticos, em sua maioria,
são contínuos, mas são representados por modelos discretos.
FIG. 2.3 Diferenciação entre a resposta de modelos contínuos (linha contínua) e discretos (barras)

2.3.3 ESTÁTICO E DINÂMICO
Quando  o  sistema  é  estático  ou  tem  um  estado  estável  (permanente),  suas  entradas  e  saídas  não  variam
com  a  passagem  do  tempo.  Os  resultados  de  um  modelo  estático  são  obtidos  por  um  simples  modelo
matemático com poucas equações. Quando o sistema depende do tempo, ele é chamado de dinâmico ou não
permanente.  Assim,  a  saída  de  um  modelo  em  qualquer  tempo  depende  do  resultado  do  modelo  no  tempo
anterior e das entradas do modelo no tempo atual. Por exemplo, se as entradas e saídas de poluentes em um
ecossistema permanecessem constantes ao longo do tempo, resultando em um valor constante invariável de
concentração de poluente dentro do sistema, poderia ser utilizado um modelo do tipo estático. Caso contrário,
apenas um modelo dinâmico poderia explicar melhor o fenômeno.
2.3.4 CONCENTRADO E DISTRIBUÍDO
Um modelo é concentrado (lumped model)  quando  não  leva  em  conta  a heterogeneidade  espacial;  caso
contrário, é distribuído (distributed model). Em ecossistemas aquáticos que apresentam grandes dimensões, é
aconselhável  o  uso  de  um  modelo  distribuído,  em  razão  da  variabilidade  espacial  das  variáveis  físicas,
químicas  e  biológicas.  Entretanto,  para  ecossistemas  aquáticos  de  pequenas  dimensões,  bem  misturados,  o
uso de modelos concentrados pode  ser  uma  alternativa  viável  em  termos  computacionais,  de  análise  e  de
simplicidade (Fig. 2.4A).  Vale  lembrar  que  todo  modelo  distribuído  trabalha  localmente  como  um  modelo
concentrado, uma vez que o domínio de sistema é discretizado por um número finito de elementos, em cada
um dos quais as variáveis de estado são calculadas de forma homogênea (Fig. 2.4B, C e D). Quanto maior o
nível de discretização (número de elementos), melhor será a representação da heterogeneidade espacial das
variáveis de estado e, por outro lado, maiores serão os custos computacionais para a solução do problema.
Em  modelos  unidimensionais,  o  sistema  caracteriza­se  por  variações  em  uma  direção  das  variáveis  de
estado  (Fig.  2.4B).  Rios  são  os  sistemas  mais  comumentes  simulados  com  um  modelo  unidimensional  na
horizontal. Em ecossistemas profundos, termicamente estratificados, sem variação horizontal das variáveis de
estado,  geralmente  se  utiliza  uma  aproximação  unidimensional  na  vertical.  Quando  o  sistema  apresenta
grande  heterogeneidade  espacial  tanto  na  direção  vertical  como  na  direção  horizontal,  modelos  bi  ou
tridimensionais são mais apropriados (Fig. 2.4C, D).
FIG. 2.4 Representação espacial do domínio de um ecossistema aquático com o aumento da complexidade
morfológica

2.3.5 ESTOCÁSTICO E DETERMINÍSTICO
Quando  as  variáveis  de  estado  ou  suas  mudanças  são  bem  definidas,  as  relações  entre  as  funções
governantes  e  as  variáveis  de  estado  são  fixadas  e  as  saídas  são  únicas,  então  o  modelo  desse  sistema  é
chamado de determinístico. Porém, se alguma aleatoriedade ou probabilidade é associada com, no mínimo,
uma  das  variáveis  de  saída  do  modelo,  então  o  modelo  é  chamado  de  estocástico  (Fig.  2.5).  Os  modelos
determinísticos são construídos a partir de equações diferenciais, enquanto os modelos estocásticos incluem
características estatísticas. Dessa forma, quando, para uma mesma entrada o sistema produz sempre a mesma
saída, é chamado de determinístico; caso contrário, é chamado de estocástico.
FIG. 2.5 Esquema de um modelo estocástico, o qual, para duas idênticas entradas, pode gerar duas diferentes
saídas

Porém,  um  sistema  com  um  comportamento  aparentemente  aleatório  também  pode  ser  determinístico.
Quando  o  sistema  é  altamente  não  linear  e  dependente  de  suas  condições  iniciais,  sua  solução  pode
apresentar características de uma variável aleatória e passar pelos testes estatísticos e estocásticos.
Esse processo é denominado de caos determinístico.

2.3.6 CONCEITUAL E EMPÍRICO
Quando as funções utilizadas na elaboração de um modelo levam em consideração os processos físicos, o
modelo  é  denominado  conceitual.  Os  modelos  empíricos  ajustam  os  valores  calculados  aos  dados
observados por meio de funções que não têm nenhuma relação, nem compromisso, com os processos físicos
envolvidos. As diferenças entre esses modelos podem ser observadas na Fig. 2.6.

FIG. 2.6 Diferença entre modelos baseados em (A) sistemas conceituais e (B) em ajuste das variáveis
observadas (modelos empíricos)

2.4 ETAPAS DA MODELAGEM
Como  método  de  pesquisa,  a  modelagem  utilizada  para  construir  um  modelo  quantitativo  tem  uma
orientação  metodológica  a  ser  seguida.  Nesse  sentido,  foram  elaborados  diferentes  esquemas  visando
descrever  as  etapas  pertinentes  a  um  processo  de  modelagem  matemática.  Existem  inúmeros  métodos  com
diferente número de etapas; entretanto, o importante é que cada método contemple os objetivos específicos
do problema. Diferentes objetivos necessitam de diferentes escalas espaciais e temporais. Um esquema geral
é  composto  por  oito  etapas  (Fig.  2.7),  das  quais  algumas  são  bastante  genéricas  e  podem  ser  tratadas
particularmente por cada modelador. Outras, porém, são consideradas normativas (padrão) e merecem maior
detalhamento, descritas brevemente a seguir.

FIG. 2.7 Uma aproximação do procedimento de modelagem
Fonte: adaptado de Jorgensen, 1986.

2.4.1 DEFINIÇÃO DO PROBLEMA
Partindo de uma situação real, identifica­se o problema a ser estudado, ou seja, o fenômeno observado que
se deseja representar matematicamente. Em seguida, obtêm­se os elementos da modelagem necessários para
sua solução.
Vários  são  os  problemas  encontrados  em  Limnologia,  para  os  quais  um  modelo  matemático  poderia
contribuir,  de  alguma  forma,  no  entendimento  dos  processos,  na  previsão,  na  geração  de  hipóteses  ou,  até
mesmo, no comportamento das variáveis de interesse em períodos sem observação (Fig. 2.8).

FIG. 2.8 Problemas encontrados em Limnologia que podem ser avaliados com o uso de modelos matemáticos

2.4.2 SIMPLIFICAÇÃO E FORMULAÇÃO DE HIPÓTESES
Nesta  etapa,  os  elementos  da  modelagem  são  examinados  e  selecionados  para  que  preservem  as
características  do  problema,  ou  seja,  é  feita  uma  simplificação  da  realidade  e  definem­se  as  funções
governantes, os processos e as variáveis de estado representativas do fenômeno de interesse. Aqui, emprega­
se  o  princípio  da  parcimônia,  que  preconiza  a  representação  adequada  do  comportamento  de  um  processo
e/ou sistema por um modelo com o menor número possível de variáveis e/ou parâmetros. Por exemplo, em
estuários, onde a ação das marés governa a hidrodinâmica do sistema e, consequentemente, o transporte de
poluentes, o efeito do vento poderia ser desprezado ou simplificado. Em reservatórios, os processos verticais
são  mais  importantes  do  que  os  processos  horizontais.  Já  em  lagos  rasos,  onde  não  há  estratificação,  os
processos horizontais são mais importantes. Em resumo, é uma fase decisiva para a modelagem, na qual o
modelador conceberá o chamado modelo conceitual.
O modelo conceitual é um esquema simplificado, que utiliza blocos e setas, apresentando as variáveis de
estado  envolvidas,  os  processos  e  as  interações  entre  as  variáveis  de  interesse.  Por  exemplo,  para  explorar
algumas  propriedades  básicas  de  interações  entre  fitoplâncton  e  zooplâncton,  muitas  vezes  é  utilizado  um
modelo  simples,  como  o  modelo  presa­predador  de  Lotka­Volterra  (Scheffer,  1998),  adotado  aqui  para
elaborar  seu  esquema  conceitual.  Esse  modelo  considera  a  biomassa  de  fitoplâncton  e  zooplâncton  como
variáveis  de  interesse  (blocos),  e  os  processos  de  interações  entre  os  organismos  como  fluxos  (setas)  (Fig.
2.9).
Os  processos  ou  interações  entre  as  variáveis  de  interesse  são  matematicamente  representados  por
equações.  Cabe  ao  modelador  escolher  a  aproximação  que  será  adotada  em  cada  processo.  Por  exemplo,  a
produção  de  biomassa  do  fitoplâncton  é  um  processo  biológico  que  depende  de  vários  fatores,  tais  como
distribuição  da  luz  na  coluna  d’água,  temperatura  na  água  e  disponibilidade  de  nutrientes.  O  modelador
poderia  escolher  uma  equação  que  envolvesse  todos  esses  fatores,  combinações  desses  fatores  ou,
simplesmente, escolher uma taxa constante de produção diária que simplificaria todos os fatores governantes
da produção do fitoplâncton em um único coeficiente (Fig. 2.10). Quanto maior o número de parâmetros e de
variáveis externas envolvidas no cálculo de um processo, melhor é a aproximação com a realidade e maior é
a dificuldade de suas estimativas em campo ou experimentalmente. A representação de um processo por meio
de um valor constante pode ser uma simplificação grosseira da realidade, mas condensa todo o processo por
meio de um único parâmetro (taxa constante), o que facilita o entendimento e o controle desse processo.
FIG. 2.9 Esquema do modelo presa­predador de Lotka­Volterra, cuja variável de interesse é a biomassa algal
e zooplanctônica
FIG. 2.10 Possíveis representações matemáticas da produção de biomassa fitoplanctônica

A dúvida é saber qual a melhor alternativa. Existe um valor ótimo entre a aproximação com a realidade e a
complexidade  do  modelo  (número  de  parâmetros  envolvidos)  (Fig.  2.11).  Nessa  hora,  vale  o  emprego  do
princípio da parcimônia, que é a representação adequada do comportamento de um processo ou sistema por
um modelo com o menor número possível de parâmetros.
FIG. 2.11 Complexidade do modelo versus aproximação da solução (diferença entre a solução real e a
modelada). O encontro das duas curvas representa o ponto ótimo de número de parâmetros utilizados para
representar um determinado processo ou fenômeno

2.4.3 DEDUÇÃO DO MODELO MATEMÁTICO
Nesta  etapa,  substitui­se  a  linguagem  conceitual  em  que  se  encontra  o  problema  por  uma  linguagem
matemática  coerente,  ou  seja,  as  variáveis  de  estado  e  os  fluxos  são  escritos  em  termos  matemáticos.  Para
cada  variável  de  estado,  realiza­se  um  balanço  de  fluxo,  com  o  objetivo  de  representar  a  continuidade  em
um intervalo de tempo infinitesimal (dt) (Fig. 2.12).
FIG. 2.12 Representação dos fluxos de entrada e saída (processos) para uma determinada variável de estado
(A)

Dessa forma, a equação da continuidade para uma variável de estado, A, pode ser escrita como:

2.1

O diferencial de A em relação a t representa o balanço da variável de interesse em um certo intervalo de
tempo ou a variação interna de seu valor naquele intervalo. Por outro lado, o diferencial tem unidade de fluxo
e, dessa forma, o balanço de uma variável de interesse deve ser também em termos de fluxos. Por exemplo, o
modelo presa­predador poderia ser representado pelas seguintes equações diferenciais:
2.2

2.3

O  primeiro  termo  do  lado  direito  da  Eq.  2.2  representa  a  quantidade  de  biomassa  fixada  por  meio
da  fotossíntese  no  intervalo  de  tempo.  O  segundo  termo  descreve  as  perdas  de  biomassa  fitoplanctônica
(fluxo negativo) resultantes do consumo pelo zooplâncton. A população de zooplâncton converte o alimento
ingerido em crescimento com uma certa eficiência (ez) e sofre perdas devido à respiração e à mortalidade por
outros  organismos.  A  biomassa  de  fitoplâncton  (F)  e  zooplâncton  (Z)  são  as  variáveis  de  estado  ou  de
interesse desse modelo.
Vale ressaltar que é da responsabilidade do modelador decidir os fatores que serão incluídos em cada termo
para representar melhor um determinado processo. Por exemplo, a produção primária está associada a vários
fatores,  tais  como  temperatura,  luz,  nutrientes,  concentração  do  próprio  fitoplâncton,  entre  outros.  Nesse
modelo simplificado, admitiu­se que a produção primária só dependeria da concentração do fitoplâncton, e os
outros fatores seriam negligenciados. Essa falsa suposição pode não representar bem esse processo, mas, por
outro lado, fez­se uso de apenas um parâmetro (r) para minimizar a complexidade do modelo (princípio da
parcimônia). Na seção 17.2 há mais detalhes desse modelo.

2.4.4 RESOLUÇÃO DO PROBLEMA MATEMÁTICO
Nesta fase, com recursos matemáticos e computacionais, procura­se uma solução do problema matemático
formulado.  Os  métodos  matemáticos  para  solucionar  as  equações  diferenciais  podem  ser  analíticos  ou
numéricos. No Cap. 5, apresentam­se alguns desses métodos, com a finalidade de resolver um determinado
sistema de equações diferenciais, seja ele simples ou complexo.
Após a resolução das equações, o passo seguinte é a escolha de uma linguagem computacional apropriada
para implementar as equações diferenciais do modelo (Fig. 2.13). Diversos softwares disponíveis no mercado
tratam  desse  assunto,  tais  como  Excel,  Maple,  Matlab,  Fortran,  C++,  Delphi  e  Turbo  Pascal.  A  escolha
do  software  matemático  está  diretamente  relacionada  à  intimidade  do  modelador  com  o  programa,  como
também à complexidade do problema a ser resolvido. Alguns programas matemáticos levam vantagens em
relação a outros em termos de velocidade de processamento e disponibilidade de funções pré­embutidas neles
escritas.
FIG. 2.13 Programas matemáticos computacionais que processam as informações e geram os resultados

2.4.5 CALIBRAÇÃO E VALIDAÇÃO DO MODELO
Aqui, analisa­se a aceitação do modelo encontrado. Os parâmetros do modelo são ajustados de forma que a
saída do modelo se aproxime dos dados observados (Fig. 2.14). A calibração do modelo pode ser realizada
por  tentativa  e  erro  ou  pelo  uso  de  algoritmos  que  calibram  automaticamente  os  parâmetros,  utilizando
funções  objetivas  que  minimizam  a  diferença  entre  os  valores  calculados  e  observados.  Para  validar  o
modelo, testam­se os parâmetros calibrados em um outro período com dados observados. Caso o modelo seja
considerado não válido, ou seja, sua solução não foi próxima à realidade, deve­se retornar à formulação de
hipóteses, simplificações e reiniciar o processo.
FIG. 2.14 Processo de calibração e validação do modelo

A  eficiência  da  estimativa  dos  modelos  é  medida  por  meio  de  técnicas  estatísticas  que  avaliam
características particulares das séries calculadas. Exemplos dessas técnicas são apresentados na Tab. 2.1.  O
coeficiente  de  determinação  de  Nash­Sutcliffe  (R2)  prioriza  a  comparação  de  valores  com  a  média  dos
valores observados, o erro médio padrão (RMSE)  dá  um  maior  peso  aos  valores  de  maior  magnitude,  e  no
erro médio padrão invertido (RMSEI) prevalece o ajuste de valores de pequena ordem.

TAB. 2.1 Coeficientes utilizados para descrever a eficiência do ajuste dos modelos
Coeficientes Equação1
Coeficiente de determinação de
Nash­Sutcliffe (R2)

Erro médio padrão (RMSE)

Erro médio padrão invertido
(RMSEI)

1Y
Obs é o valor observado, YCal  é o valor calculado pelo
modelo, YObs é a média dos valores observados e N é o número
total de valores.

Essas técnicas de análise da eficiência do modelo podem revelar aspectos interessantes para a compreensão
das restrições, limitações e vantagens dos modelos.

2.4.6 APLICAÇÃO DO MODELO
Caso o modelo seja considerado válido, ele pode ser utilizado em aplicações com objetivos diversos, tais
como gerar hipóteses, compreender melhor o problema, explicar o fenômeno, analisar o comportamento das
variáveis de estado, fazer previsões e tomar decisões a partir dos resultados observados. Esta última é uma
das aplicações da modelagem que possibilita o manejo de situações associadas ao problema (i.e. cenários de
estudo).
Ao se considerar o modelo presa­predador proposto pelas Eqs. 2.2 e 2.3, os dois organismos interagem, um
servindo de fonte de alimento primário para o outro. Nessa aplicação, utilizou­se a modelagem matemática
com a finalidade de entender melhor os processos relacionados à competição entres os dois organismos. O
fitoplâncton funciona como presa e o zooplâncton como predador (Fig. 2.15). Com uma população inicial de
zooplâncton  (predador)  pequena,  a  produção  de  fitoplâncton  na  água  (presa)  começa  a  aumentar.  Em  um
certo  ponto,  a  população  de  presa  torna­se  tão  numerosa  que  a  população  de  predador  começa  a  crescer.
Eventualmente, o aumento de predadores causa o declínio da disponibilidade de fitoplâncton, levando a um
decaimento  da  população  de  zooplâncton  pela  falta  de  alimento.  O  processo  então  se  torna  sazonalmente
cíclico.
FIG. 2.15 Simulação dos processos presa versus predador na água e no sedimento, em um lago hipotético,
envolvendo zooplâncton e fitoplâncton

Vale  ressaltar  que  essas  etapas  não  representam  uma  prescrição  rigorosa,  mas  uma  sequência  de
procedimentos  norteadores  que  podem  proporcionar  maior  êxito  no  estudo  de  problemas  por  meio  da
modelagem matemática.

2.5 MODELOS NO GERENCIAMENTO HÍDRICO E AMBIENTAL
Os modelos utilizados no gerenciamento hídrico e ambiental geralmente descrevem o comportamento de
um sistema, ou seja, são utilizados para reproduzir um fenômeno de interesse sujeito a diferentes entradas.
No  entanto,  eles  também  podem  ser  utilizados  para  examinar  melhores  soluções  quando  o  interesse  é
otimizar aspectos econômicos, sociais ou ambientais (e.g. metas de qualidade da água, otimização de geração
de energia e custos).
A  aplicação  de  modelos  está  presente  em  diferentes  fases  do  gerenciamento  de  recursos  hídricos,
dependendo  dos  propósitos  do  estudo.  Como  exemplo,  um  esquema  geral  é  apresentado  na  Fig.  2.16,
mostrando as etapas de um projeto de recursos hídricos, assim como a aplicação de modelos em diferentes
etapas no projeto. Essas etapas não representam uma regra geral, mas um clássico exemplo de como, cada
vez mais, a modelagem matemática é uma prática corrente e indispensável em estudos de recursos hídricos.
Na sequência, cada etapa é descrita com mais detalhes:

FIG. 2.16 Modelos em projetos para gerenciamento dos recursos hídricos
1. Identificação  do  estado  atual  da  bacia:  avaliação  da  ocupação  urbana  atual,  estimativa  da  geração  de
esgoto doméstico e industrial, e de eventos chuvosos críticos.
2. Quantificação de volumes e cargas geradas pela bacia: levantamento das características físicas das bacias
(área, rede de drenagem, uso do solo, declividade média etc.), e de modelo chuva­vazão para quantificar
o  escoamento  sub  e  superficial  produzido  pelas  bacias,  e  de  modelos  de  qualidade  da  água  para  a
estimativa  do  aporte  de  nutrientes  gerado  para  o  ecossistema  aquático,  o  monitoramento  de  vazão  e  a
amostragem de indicadores de qualidade da água.
3. Estado atual do ecossistema aquático: utilização de modelagem ecológica para identificar e quantificar o
retrato  atual  do  ecossistema,  uso  de  monitoramento  de  níveis,  velocidade,  qualidade  da  água  e
comunidades aquáticas para a calibração do modelo.
4. Teste de alternativas: projeção dinâmica do crescimento populacional, uso do solo e cargas de nutrientes
(previsão de cenários futuros otimistas e pessimistas, isto é, com e sem tratamento de esgoto, implantação
de  medidas  mitigadoras)  para  utilização  conjunta  com  a  simulação  ecológica  de  várias  alternativas,
visando ao retorno para um estado de referência em uma projeção de futuro.
5. Seleção do cenário: determinação do cenário que promove menores impactos no ecossistema aquático e
que maximize os benefícios socioambientais e econômicos. Nessa etapa, critérios como custo do projeto,
benefícios  para  o  controle  de  cheias,  diluição  da  poluição,  redução  dos  custos  de  tratamento  de  água,
comportamento das comunidades aquáticas e utilidade da água mais limpa aumentada para a irrigação e a
indústria devem ser levados em consideração.
6. Aplicação,  monitoramento  e  manejo  na  bacia:  monitoramento  das  variáveis  ecológicas  no  ecossistema
aquático e nas bacias de contribuição durante a aplicação da alternativa escolhida, emprego de medidas
corretivas  na  bacia,  visando  reduzir  a  geração  de  cargas  pontuais  de  nutrientes,  bem  como  o  reflexo
dessas melhorias no ecossistema aquático.

2.6 TENDÊNCIAS DA MODELAGEM ECOLÓGICA
A  Limnologia  evoluiu,  de  uma  ciência  preponderamente  descritiva  e  qualitativa,  para  uma  área  de
conhecimento  cujos  métodos  quantitativos  são  explorados  por  meio  de  metodologias  matemáticas  e
estatísticas.
Apesar de a modelagem ecológica ter começado na década de 1920, o uso compreensivo de modelos no
gerenciamento de ecossistemas apenas começou na década de 1970, com a acessibilidade e disseminação dos
computadores.  Recentes  estimativas  indicam  que  mais  de  4.000  diferentes  modelos  ecológicos  foram
utilizados como ferramentas de pesquisa e gerenciamento ambiental. Aprendemos que o desenvolvimento de
modelos  requer  um  conhecimento  compreensivo  da  funcionalidade  do  ecossistema,  sendo  extremamente
importante  encontrar  um  equilíquio  entre  complexidade  e  foco  do  problema.  Apesar  da  larga  experiência
obtida  com  a  modelagem  ecológica,  ainda  há  muitos  problemas  no  desenvolvimento  de  modelos
matemáticos, entre os quais podemos citar:
A. frequentemente não se tem informação suficiente para desenvolver ou aplicar um modelo;
B. a  estimativa  dos  valores  dos  parâmetros  ainda  requer  muito  esforço  computacional,  de  campo  e
experimental;
C. nem  sempre  os  modelos  refletem  as  reais  propriedades  dos  ecossistemas,  em  particular  suas
adaptabilidades e habilidades de reconhecer uma mudança de estado do ecossistema quando submetido a
fortes  distúrbios  (e.g.  mudança  na  composição  de  espécies  pelo  aumento  de  carga  de  nutrientes  ou
biomanipulação).
A  complexidade  de  um  ecossistema  não  é  apenas  formada  por  um  grande  número  de  interações  entre
organismos  e  variáveis  químicas  e  físicas.  Ecossistemas  pertencem  a  uma  classe  de  sistemas  denominada
“sistemas adaptativos” (Brown, 1995). O número de feedbacks e processos é tão grande que torna possível
um  organismo,  ou  uma  população,  sobreviver  e  reproduzir  mesmo  sob  fortes  mudanças  das  condições
externas  ou  internas  (também  chamadas  de  condições  prevalecentes  do  ecossistema).  Um  dos  grandes
desafios  da  modelagem  ecológica  futura  é  o  desenvolvimento  de  modelos  adaptativos  a  mudanças  das
condições  prevalecentes,  chamados  modelos  conceituais  de  estrutura  dinâmica,  os  quais  possuem  uma
estrutura  adaptativa  a  essas  mudanças,  ou  seja,  os  parâmetros  estão  em  função  das  condições  externas  e
internas do ambiente (Jorgensen, 1999). Entretanto, uma precisa representação das condições do ecossistema
após  um  distúrbio  pode  não  ser  garantida,  a  menos  que  as  interações  tróficas  sejam  mais  bem  entendidas
durante tais mudanças. Deve­se realizar um esforço nesse sentido, também deverá ser realizado se quisermos
obter um prognóstico mais preciso dos modelos ecológicos.
EQUAÇÕES DIFERENCIAIS
3
3.1 IDENTIFICAÇÃO DOS PROCESSOS
As  equações  diferenciais  derivadas  na  formulação  de  modelos  são  simplificações  matemáticas  de
comportamentos  reais.  Elas  expressam  os  mais  importantes  processos,  com  a  finalidade  de  representar  um
determinado  fenômeno  (e.g.  comportamento  de  uma  determinada  comunidade  aquática,  a  variação  de  um
componente  químico  da  água,  um  escoamento  superficial).  Em  modelos  ecológicos,  geralmente  essas
equações  estão  em  função  do  espaço  e  do  tempo  (variáveis  independentes).  Existem  dois  métodos  para
resolver uma equação diferencial: analíticos e numéricos. Quando todas as equações em um modelo podem
ser resolvidas algebricamente, o modelo é classificado como analítico. Como os problemas ecológicos são,
com  frequência,  altamente  não  lineares,  uma  solução  analítica  nem  sempre  é  possível  (e.g.  equação
de Navier­Stokes),  tornando  esse  método  um  pouco  limitado  em  problemas  complexos.  Nesses  casos,  são
utilizados métodos numéricos,  que  dão  uma  aproximação  da  solução  verdadeira  (dependendo  de  critérios
de convergência, consistência e estabilidade).  Neste  capítulo  descrevemos,  de  forma  simplificada,  alguns
dos  métodos  analíticos  e  numéricos  mais  comuns,  visando  solucionar  algumas  equações  diferenciais  de
modelos ecológicos simples/complexos e as equações de escoamento.

3.2 FUNDAMENTOS DE UMA EQUAÇÃO DIFERENCIAL
As equações diferenciais podem ser classificadas como ordinárias ou parciais. Uma Equação Diferencial
Ordinária (EDO) caracteriza­se pela presença de uma única variável independente; caso contrário, ela  pode
ser  denominada  Equação  Diferencial  Parcial  (EDP),  que  possui  diversas  variáveis  independentes.
Apresentam­se a seguir as soluções de casos particulares de equações diferenciais de 1ª ordem e de sistemas
de  equações  diferenciais  amplamente  encontrados  em  problemas  ecológicos  simples,  que  descrevem  o
comportamento de uma variável de estado ou interações entre duas ou mais variáveis de interesse.

3.2.1 EQUAÇÕES DIFERENCIAIS DE 1ª ORDEM
Sob muitos aspectos, as mais simples equações diferenciais encontradas em problemas ecológicos são as
equações diferenciais ordinárias de 1a ordem, cuja forma é:

3.1

onde y é a variável dependente, x é a variável independente e a1, a0e h são funções contínuas de x, com a1 ≠
0. Dividindo todos os termos
EXEMPLO  3.1 Ache  a  solução  geral  de 

onde t é a variável independente e y é a variável dependente.
Nesse caso, p (t) = 2t e h (t) = t, a solução geral é:
  integrando 
 por partes, tem­se:
Solução geral:
 para y = y0 em t = t0.

por a1, podemos reescrever a Eq. 3.1 de forma simplificada:

3.2

onde p(x) = a0(x)/a1(x) e q(x) = h(x)/a1(x). A solução geral dessa equação em um intervalo contínuo I pode
ser obtida por:
3.3

onde  C  é  uma  constante  arbitrária.  O  conjunto  de  soluções  acima  faz  parte  da  solução  geral  da  equação
diferencial  de  1ª  ordem,  a  qual  depende  do  valor  da  constante  C.  Uma  solução  particular  pode  ser
determinada a partir de um ponto conhecido que pertence a essa solução. Dessa forma, o valor de C pode ser
determinado.
Na Fig. 3.1 traçamos algumas soluções particulares, considerando diferentes valores de C. Note que para
cada  valor  de  C  existe  uma  curva  correspondente  no  plano  xy.  Isso  significa  que,  dependendo  do  ponto
conhecido,  existirá  uma  única  solução  para  a  equação  diferencial.  Esse  comportamento  das  soluções
particulares é característico das equações diferenciais de 1ª ordem.
FIG. 3.1 Conjunto de soluções particulares do Exemplo 3.1

3.2.2 SISTEMA DE EQUAÇÕES DIFERENCIAIS DE 1ª ORDEM
Muitos  problemas  ecológicos  simples  destacam  as  interações  entre  duas  ou  mais  variáveis  de  estado,  as
quais  resultam  em  um  sistema  de  equações  diferenciais  de  1ª  ordem,  no  qual  cada  operador  aparece  com
ordem menor ou igual a 1. Esse sistema tem a seguinte forma:
3.4

onde a11, …, ann são constantes; x1, x2, …, xn são as variáveis dependentes e t é a variável independente. Em
forma matricial, a Eq. 3.4 pode ser escrita como:

3.5

onde A é a matriz de coeficientes e X é o vetor de incógnitas. Com a finalidade de solucionar o vetor X, são
propostas combinações lineares da forma:

X = eλt ꞏ T 3.6

onde T é um vetor constante e λ é um valor a determinar. Substituindo no sistema de equações diferenciais
apresentado na Eq. 3.5, tem­se:

λ ꞏ eλt ꞏ T = A ꞏ eλt ꞏ T, ou eλt (AT – AT) = 0 3.7

resultando em:

eλt (A − λI) T = 0 3.8

onde  I  é  a  matriz  identidade  composta  por  0  fora  da  diagonal  principal  e  por  1  na  diagonal  principal.
Como eλt é sempre diferente de zero, podemos reescrever a Eq. 3.8 na forma:

(A − λI) T = 0 3.9

A Eq. 3.9 é denominada a transformação linear do sistema de equações diferenciais, que fornece soluções
particulares  da  forma  eλtꞏT  ou  combinações  lineares  dessa  solução.  Em  linguagem  matemática,  λ  são
os  autovalores  e  T  são  os  autovetores  associados  a  A,  responsáveis  pela  transformação  de  X
′ = A ꞏ X em X = eλt ꞏ T
Se  os  elementos  da  matriz  A,  de  n  ×  n,  são  funções  contínuas  de  t  em  um  intervalo  qualquer,  então
existem n vetores linearmente independentes, x1, x2, …, xn, que satisfazem o sistema apresentado na Eq. 3.4,
e  qualquer  outra  solução  pode  ser  expressa  como  uma  combinação  linear  de  x1,  x2,  …,  xn.  Dessa  forma,
podemos escrever uma solução geral da forma:

X = C1X1 + C2X2 + …. + CnXn 3.10

onde cada elemento CiXi é uma solução particular do sistema de equações, e as soluções são da forma:

Xi = eλit ꞏ Ti 3.11
EXEMPLO 3.2 Ache a solução geral do sistema de equações diferenciais
Em  forma  matricial: 
onde 

Os autovalores podem então ser determinados utilizando­se a Eq. 3.9:
Os  autovetores  são: 

Resolvendo AT1 = λ1T1, tem­se:
Se  s1  =  1,  tem­se: 

Resolvendo AT2 = λ2T2, tem­se:
Se  r1=  1,  tem­se: 

Solução geral:
ou
Assim  como  no  caso  das  equações  diferenciais  de  1ª  ordem,  existe  uma  solução  particular  para  cada
combinação dos valores de C1 e C2 (Fig. 3.2). Os valores desses coeficientes são determinados por meio do
conhecimento de pontos que pertencem a uma determinada solução particular de x1 e x2.
FIG. 3.2 Conjunto de soluções particulares do Exemplo 3.2

Para o caso de os autovalores serem iguais, são propostas soluções da forma:

3.12

onde  k  =  0,  1,  …,  n  −  1  é  um  fator  de  multiplicidade  do  autovalor  λi.  Dessa  forma,  podemos  escrever  a
solução geral da seguinte forma:
X = C1 ꞏ eλ1t ꞏ T1 + C2t1 ꞏ eλit ꞏ T2 + …. + Cntn–1 ꞏ 3.13
eλnt ꞏ Tn

EXEMPLO 3.3 Ache a solução geral do sistema de equações diferenciais

  em  forma  matricial 


onde 

Os autovalores podem então ser determinados utilizando­se a Eq. 3.9:
Propomos as soluções particulares:

X1 = eλ1t ꞏ T1 e X2 = eλ2t ꞏ T2 + t ꞏ eλ2t ꞏ T3 = eλ2t (T2 + t ꞏ T3)

Resolvendo AT1 = λ1T1 ⇒ AT1 = 2T1, tem­se:
Se  s1  =  1,  tem­se: 
A  segunda  solução  pode  ser  obtida  substituindo 

2e2t (T2 + t ꞏ T3) + e2tT3 = Ae2t (T2 + t ꞏ T3).

Simplificando a equação por e2t, tem­se: (2T2 + T3) + 2tT3 = AT2 + tAT3.
Igualando  os  coeficientes,  resulta  em: 

Da equação (1) obtém­se:
Se 

 logo a solução geral do sistema é:
3.3 MÉTODOS NUMÉRICOS
Algumas equações diferenciais ou sistemas de equações diferenciais são tão complexos que não podem ser
resolvidos analiticamente. É possível, contudo, encontrar soluções aproximadas ao se desmembrar o domínio
no  tempo  e  no  espaço  em  intervalos  discretos,  em  um  número  finito  de  pontos,  com  a  finalidade  de
representar  um  determinado  fenômeno  da  melhor  forma  possível.  Os  principais  métodos  numéricos
encontrados  na  literatura  são:  o  Método  das  Diferenças  Finitas  (MDF)  e  o  Método  dos  Elementos
Finitos  (MEF).  Cada  um  desses  métodos  apresenta  variações  quanto  ao  seu  esquema  de  discretização.
Descrever em detalhes todas essas variações não é o propósito deste livro. Assim, será apresentado o Método
das Diferenças Finitas e algumas variações quanto à forma de aproximação das derivadas, uma vez que é o
método mais aplicado atualmente em modelos ecológicos, por questões de simplicidade em sua formulação.
A base do MDF é que funções de variáveis contínuas que descrevem um determinado comportamento são
substituídas por funções definidas em um número finito de pontos em uma grade dentro de um domínio de
interesse (Fig. 3.3).
Essa grade pode ser regular (Δxi = Δxi−1) ou irregular (Δxi ≠ Δxi−1) no espaço e/ou no tempo. Geralmente,
a  discretização  no  espaço  é  denotada  pelo  símbolo  i,  onde  xi   = 

 para i =  1,  2,  …, N.  Da  mesma  maneira,  a  discretização  no  tempo  é  definida  por  um  conjunto  de  pontos
denotados  pelo  símbolo  n,  onde  tn 
 para n = 1, 2, …, M. Esse conjunto de pontos define a grade computacional de interesse.
Por definição, a derivada de uma função contínua f(x, t) pode ser escrita como:
FIG. 3.3 Grade computacional de Diferenças Finitas

3.14

Em  diferenças  finitas,  uma  derivada  real  é  aproximada  numericamente  se  Δx  ou  Δt  for  suficientemente
pequeno para representar o valor real das derivadas (Fig. 3.4):
3.15

FIG. 3.4 Escolha do elemento diferencial para representar a derivada real da função f em um ponto t (reta
tangente)
O  fato  é  que  Δx  e  Δt  nunca  são  infinitesimalmente  pequenos  e,  por  isso,  existe  sempre  um  resíduo
resultante  dessa  aproximação,  associado  à  estabilidade  da solução  numérica.  Esse  erro  pode  ser  estimado
utilizando­se a série de Taylor:

3.16

Os esquemas numéricos são classificados quanto ao nível de discretização no espaço e/ou no tempo. No
espaço, existem três tipos de aproximações:
A. central, que utiliza informações das abscissas x + Δx e x − Δx, ou nos pontos x + Δx/2 e x − Δx/2, para o
cálculo da derivada em x;
B. progressiva, que utiliza informações das abscissas x + Δx e xpara o cálculo da derivada em x; e
C. regressiva, que utiliza informações nos pontos x e x − Δx para o cálculo da derivada em x.
Matematicamente, esses esquemas no espaço podem ser expressos por:

3.17

Entre os esquemas numéricos no espaço, o mais utilizado em aplicações é o esquema central,  pelo  fato


de, muitas vezes, melhor representar a derivada real. No tempo, os esquemas podem ser classificados como
explícitos,  implícitos  ou  semi­implícitos.  Os  esquemas  explícitos  usam  informações  do  tempo  n  para  a
derivada  do  espaço  e  estimam  a  solução  no  tempo n +  1.  Nos  esquemas  implícitos,  a  derivada  espacial  é
aproximada utilizando­se informações no tempo n + 1,  enquanto  os  esquemas  semi­implícitos  utilizam  um
ponderador temporal θ no tempo  n  e  no  tempo  n  +  1  para  o  cálculo  da  derivada  no  espaço.  Por  exemplo,
as Eqs. 3.17 foram discretizadas de forma explícita no tempo, porque todas as derivadas no espaço utilizaram
informações no tempo n. A forma implícita dessas derivadas seria:
3.18

Por fim, a forma semi­implícita das derivadas do espaço pode ser escrita como:

3.19

O  ponderador  temporal  θ  pode  assumir  valores  entre  0  e  1.  Observe  que,  para  θ  =  1,  o  esquema
numérico  fica  completamente  implícito,  enquanto  que,  para  θ  =  0,  o  esquema  fica  totalmente  explícito.
Aplicações comprovam que esse procedimento melhora a precisão e assegura a estabilidade da predição de
modelos (e.g. Wang et al., 1998).
Pelo seu grau de simplicidade (apenas uma incógnita por equação), os esquemas explícitos no tempo são
os mais utilizados. Já os esquemas implícitos e semi­implícitos necessitam do emprego de técnicas matriciais
para  a  solução  da  variável  de  interesse  (apresentam  mais  de  uma  incógnita  por  equação)  (ver  Press  et  al.,
1992 para a solução de sistema de equações).
Alguns esquemas numéricos são apresentados na sequência, os quais são simplesmente casos particulares
dos esquemas apresentados anteriormente.

Esquema de Lax
O esquema de diferenças finitas de Lax é baseado nas seguintes aproximações das derivadas.

3.20

3.21

O  esquema  de  Lax  utiliza  um  esquema  centrado  explícito  para  a  derivada  no  espaço  e  uma  ponderação
espacial nos elementos do tempo n para a derivada no tempo (Fig. 3.5).
O valor de α pode variar de 0 a 1. Para α =  1,  o  esquema  de  diferenças  no  tempo  dá  um  maior  peso  ao
termo fi,n, e para α = 0, o esquema dá um maior peso aos termos fi+1,n e fi−1,n.
FIG. 3.5 Elementos utilizados no esquema de Lax

EXEMPLO  3.4 Utilizando  diferentes  esquemas  numéricos,  ache  a  solução  numérica  para  a  equação
diferencial
 sendo Y uma função de x e t.

Solução:

1) Esquema central explícito para a derivada do espaço:
Nesse caso, haveria apenas uma incógnita no tempo n+1. Explicitando a incógnita, tem­se:
2) Esquema central implícito para a derivada do espaço:
Nesse  caso,  haveria  três  incógnitas  no  tempo  n  +  1  por  equação.  Organizando  a  equação  acima,
obtém­se:
3) Esquema central semi­implícito para a derivada do espaço:
Arrumando os termos da equação acima, tem­se:
Esquema de Leap­flog
O  esquema  de  diferenças  finitas  de  Leap­flog  utiliza  um  esquema  centrado  explícito  para  a  derivada  no
espaço e no tempo (Fig. 3.6).

3.22
3.23

FIG. 3.6 Elementos utilizados no esquema de Leap­flog

Esquema de Preissman
O esquema de diferenças finitas de Preissman utiliza um esquema centrado semi­implícito para a derivada
no espaço e um esquema centrado no tempo, utilizando elementos médios localizados entre os nós (Fig. 3.7).
3.24

3.25

onde 

 Para θ = 0, a derivada no espaço fica completamente explícita.
FIG. 3.7 Elementos do esquema de Preissman

3.4 CONSISTÊNCIA E CONVERGÊNCIA
A  simples  escolha  de  um  esquema  numérico  não  é  suficiente  para  obter  a  solução  correta;  é  necessário
conhecer algumas condições dos esquemas que permitem uma solução compatível para a equação diferencial.
A  solução  numérica  sempre  envolve  algum  erro  com  relação  a  sua  solução  analítica  verdadeira.  Para  que
esses  erros  sejam  minimizados,  é  necessário  verificar  a  consistência,  a  convergência,  a  estabilidade  e  a
precisão numérica do esquema utilizado, com relação à equação diferencial representada.
Os  erros  envolvidos  na  solução  numérica  são  de  truncamento  da  série,  o  de  arredondamento  e  o  de
discretização.  O  erro  de  truncamento  refere­se  ao  truncamento  da  expansão  da  série  de  Taylor  dos  termos
envolvidos.  O  erro  de  arredondamento  refere­se  ao  arredondamento  de  um  número  nas  suas  operações,
relacionado  à  característica  do  programa  computacional  matemático  utilizado  (e.g.  Fortran,  C++,  Matlab),
enquanto  o  erro  de  discretização  depende  de  como  o  esquema  numérico  discretiza  a  equação  diferencial.
Com  a  evolução  dos  programas  computacionais,  o  erro  de  arredondamento  é  praticamente  desprezível
quando as variáveis são declaradas em formato de dupla precisão (double precision).
Para um esquema numérico ser considerado consistente na solução de uma equação diferencial, a diferença
(w) entre a equação diferencial e a equação diferencial numérica tende para zero quando Δx → 0 e Δt → 0.
Um esquema numérico é convergente quando a(s) diferença(s) entre a solução obtida por meio do esquema
numérico e a solução verdadeira converge(m) para zero quando Δx → 0 e Δt → 0.
Conforme  a  solução  numérica  se  aproxima  da  solução  analítica,  o  sistema  é  convergente.  Por  sua  vez,
quando toda a equação numérica converge para a equação diferencial, o sistema é consistente.

3.5 ESTABILIDADE E PRECISÃO
Mesmo com critérios de consistência e convergência, os modelos matemáticos podem apresentar soluções
numéricas inaceitáveis, por não atender a critérios de estabilidade e precisão. Um modelo é chamado estável
quando os erros numéricos acumulados não são significativos a ponto de amplificar os valores da solução
numérica para o infinito. A estabilidade está relacionada aos erros de truncamento da série de Taylor, os quais
são  intrínsecos  ao  esquema  numérico  adotado.  A  condição  de  estabilidade  numérica  pode  ser  obtida  pelo
método de Von Neumann, desenvolvido para equações diferenciais lineares.
FIG. 3.8 Erros de amplitude e defasagem referentes à precisão numérica

A  precisão  numérica  está  relacionada  com  a  escolha  de  um  Δx  e  um  Δt  adequados,  de  forma  que  a
aproximação  numérica  possa  representar  razoavelmente  a  variabilidade  da  solução  verdadeira.  Os  erros
decorrentes da precisão são denominados erros de amplitude e defasagem (Fig. 3.8).
Parte II
PROCESSOS AMBIENTAIS
4 PROCESSOS HIDROLÓGICOS

Ecossistemas  aquáticos  e  terrestres  estão  conectados  pelo  movimento  da  água,  transportando  materiais
orgânicos  e  inorgânicos  através  de  bacias  de  drenagem  ou  hidrográficas.  Características  geológicas  da
paisagem governam as direções do movimento e, particularmente, o tempo de residência da água durante o
movimento na superfície e no subsolo da bacia. A duração do contato com o solo e a microbiota influencia o
conteúdo  de  sais  dissolvidos  e  de  compostos  orgânicos  presentes  na  água.  A  bacia  de  drenagem  regula  a
característica  de  lagos  e  rios  (Hynes,  1975;  Likens,  1984),  e  a  geomorfologia  determina  a  composição  do
solo, o declive e, em combinação com o clima, o tipo de vegetação. O tipo de vegetação e a composição do
solo  influenciam  não  apenas  a  quantidade  do  escoamento,  mas  a  composição  e  a  quantidade  de  matéria
orgânica que entra nos lagos e rios.
FIG. 4.1 Representação dos processos hidrológicos em uma bacia de drenagem
Fonte: adaptado de EPA, 1998.

Os  processos  hidrológicos  fazem  parte  do  ciclo  hidrológico,  considerado  um  intercâmbio  de  água  entre
grandes reservatórios, tais como oceanos, geleiras, rios, lagos, vapor d’água da atmosfera, águas subterrâneas
e  água  retida  nos  seres  vivos.  A  Fig.  4.1  mostra  um  resumo  dos  processos  hidrológicos  que  ocorrem  nas
bacias  de  drenagem.  Neste  capítulo  são  apresentados  os  mais  importantes  processos  hidrológicos  do  ciclo,
que determinam o equilíbrio entre entrada e saída da água em uma bacia hidrográfica.

4.1 ESCOAMENTO
Em bacias hidrográficas, o escoamento é definido como o movimento das águas na superfície do solo, na
interface  entre  a  superfície  e  o  interior  do  solo  e  no  lençol  subterrâneo.  Os  escoamentos  são  governados
fundamentalmente  pela  ação  da  gravidade  e  caracterizam­se  quantitativamente  por  variáveis  hidrológicas
como velocidade, vazão ou lâmina d’água equivalente. A estimativa do escoamento é feita por equações de
conservação  de  massa,  energia  e  quantidade  de  movimento.  Os  escoamentos  em  bacias  hidrográficas  são
divididos  em  três  categorias  (Fig.  4.2):  (a)  escoamento  superficial;  (b)  escoamento  subsuperficial;  e
(c) escoamento de base ou subterrâneo.

FIG. 4.2 Tipos de escoamento em bacias hidrográficas. Qs – escoamento superficial; Qss – escoamento
subsuperficial; Qb – escoamento de base
O escoamento superficial acontece na superfície do solo e é mais efetivo em calhas de rios. Ele é de grande
importância,  pois  define  importantes  elementos  hidrológicos,  tais  como  o  volume  escoado  e  a  vazão  de
enchente  (cheia  máxima).  O  primeiro  é  importante  na  determinação  do  armazenamento  superficial  e  o
segundo  é  utilizado  para  dimensionar  obras  de  drenagem.  O  escoamento  superficial  só  acontece  quando
existe uma combinação de fatores que influi sobre o fluxo da água em uma seção de um rio. São eles:
A. área e forma da bacia;
B. conformação topográfica da bacia (declividade, depressões acumuladoras e represamentos naturais);
C. condições de superfície do solo (cobertura vegetal, áreas impermeáveis etc.) e constituição geológica do
solo  (tipo  e  textura,  capacidade  de  infiltração,  porosidade,  condutividade  hidráulica  etc.,  natureza  e
disposição das camadas do solo);
D. obras  de  utilização  e  controle  da  água  a  montante  (irrigação,  drenagem  artificial,  canalização  e
retificação dos cursos de água).
Além  das  condições  fisiográficas,  condições  climáticas  podem  ou  não  ser  suficientes  para  o  escoamento
superficial. Isso significa que o escoamento superficial também pode ser produzido pelo excesso de chuva ou
pela chuva sobre um solo saturado (Fig. 4.3).  O  escoamento  superficial  ocorre,  na  maioria  dos  casos,  pelo
excesso  de  chuva  sobre  a  capacidade  de  infiltração  do  solo.  Quanto  maior  a  intensidade  da  chuva,  mais
rapidamente  a  capacidade  de  infiltração  do  solo  é  atingida,  provocando  um  excesso  de  precipitação
denominado Precipitação Efetiva (Pe). Em solos com maior capacidade de infiltração, o escoamento demora
mais a iniciar.
FIG. 4.3 Geração do escoamento superficial pelo excesso de chuva

O  escoamento  subsuperficial  é  definido  como  o  fluxo  de  água  que  escoa  em  subsuperfície  (embaixo  da
terra), proveniente de zonas de saturação temporárias, que circula nos estratos superiores a uma velocidade
superior à velocidade do escoamento de base. Ele é de grande importância para a manutenção da umidade na
zona de saturação (relacionada ao processo de evapotranspiração) e para o processo de percolação de água
para  o  lençol  (relacionado  à  recarga  do  lençol  subterrâneo).  Os  fatores  que  mais  influenciam  a  geração  do
escoamento subsuperficial são as características de infiltração do solo e o gradiente topográfico da região.
O escoamento de base ocorre abaixo da região subsuperficial e é de grande importância para a manutenção
do volume subterrâneo e a integração do aquífero com o rio. Essa integração define o tipo de escoamento no
rio em: (a) Efêmero; (b) Intermitente; e (c) Perene (Fig. 4.4).
FIG. 4.4 Tipos de rios: (a) Efêmero; (b) Intermitente; e (c) Perene

O  escoamento  é  efêmero  quando  o  nível  do  lençol  freático  sempre  fica  abaixo  da  calha  do  rio.  Esse
escoamento  só  acontece  após  a  precipitação,  com  contribuição  apenas  do  escoamento  superficial.  Rios  de
regiões  bastante  secas,  com  solo  sem  capacidade  de  armazenamento,  podem  ser  considerados  efêmeros
(e.g. solos rochosos, leitos impermeáveis etc.). O escoamento intermitente ocorre logo após as chuvas, porém
o nível do lençol freático pode variar (subindo ou descendo) e contribuir para o escoamento total na seção do
rio (e.g. os rios do Nordeste em geral). O escoamento é perene quando o nível do lençol freático fica sempre
acima do leito do rio, mesmo durante o período de estiagem. Grandes rios como Amazonas, Nilo, Danúbio,
Reno podem ser considerados perenes.
4.2 EVAPORAÇÃO E EVAPOTRANSPIRAÇÃO
Evaporação  é  o  processo  pelo  qual  as  moléculas  de  água  na  superfície  líquida  ou  na  umidade  do  solo
adquirem  energia  suficiente  (por  meio  da  radiação  solar  e  outros  fatores  climáticos)  e  passam  do  estado
líquido  para  o  estado  de  vapor.  Esse  processo  pode  ocorrer  de  forma  indireta  na  água  contida  no  solo
(chamada de evaporação real) ou de forma direta na água de rios, lagos, reservatórios e oceanos (evaporação
potencial). Os fatores que influenciam a evaporação são: (a) temperatura; (b) pressão atmosférica; (c) pressão
de vapor; (d) umidade relativa; (e) vento; (f) natureza da superfície; e (g) radiação solar.
A  estimativa  da  evaporação  é  fundamental  para  a  contabilidade  do balanço  hídrico  de  um  determinado
sistema. Essa estimativa pode ser realizada por medição direta de aparelhos (e.g. evaporímetros ou tanques),
computada por fórmulas empíricas ou baseada na física da atmosfera estabelecida, que permite uma melhor
aproximação das condições reais. A determinação da evaporação pelo Tanque Classe A ainda é o principal
método  usado  (Fig.  4.5).  Trata­se  de  tanques  que  expõem  à  atmosfera  uma  superfície  líquida  de  água,
permitindo a determinação direta da evaporação potencial, diariamente. Nesse caso, a evaporação potencial é
calculada pela seguinte expressão:
FIG. 4.5 Tanque Classe A utilizado para a estimativa da evaporação

Ep = E × Kt 4.1

onde Ep é a evaporação potencial; E é a evaporação do Tanque Classe A; e Kt é o coeficiente do tanque (para
a região Nordeste, Kt varia entre 0,6 e 1,0; no semiárido é comum adotar­se Kt = 0, 75).
Em  regiões  sem  equipamentos  de  medição  direta  da  evaporação,  uma  estimativa  empírica  pode  ser  uma
boa alternativa. Os métodos mais utilizados são: (a) método do balanço de energia; (b) método aerodinâmico;
e (c) método combinado ou de Penmam.
O método do balanço de energia utiliza a equação:
4.2

onde  Ep  é  a  evaporação  potencial  diária  (mm  dia−1);  Rl  =  (1  −  α)  R  é  a  radiação  solar  líquida  (W  m−2),
descontando o albedo (α); lv é o calor latente de vaporização (J kg−1) (lv da água = 2, 501ꞏ 106 − 2370×Tar);
ρw é a massa específica da água (kg m−3) (ρw = 977 kg m−3); e Tar é a temperatura do ar (°C).
No método aerodinâmico, a evaporação potencial (Ea), em mm/dia, é estimada pela expressão:

Ea = B ꞏ (es − ea) 4.3

onde es é a pressão de vapor saturado (Pa); ea é a pressão de vapor do ar (Pa); e B é um coeficiente, em geral
em função da velocidade do vento e do tipo de superfície. A pressão de vapor saturado pode ser escrita:

4.4

onde T é a temperatura do ar (°C). O coeficiente B pode ser obtido pela equação:

4.5

onde u é  a  velocidade  do  vento  (m/s)  na  altura  z2,  que  corresponde  à  altura  de  medição  da  velocidade  do
vento  (geralmente  é  adotada  como  2  m  acima  da  superfície);  e  z1  é  a  altura  da  rugosidade  da  superfície
natural (Tab. 4.1).
O método combinado ou método de Penmam calcula a evaporação considerando os efeitos da radiação e
do vento. Ele combina as equações do método do balanço de energia e do método aerodinâmico.

TAB. 4.1 Altura da rugosidade para diferentes condições de superfície
Tipo de Superfície Altura da Rugosidade z1 (cm)
Gelo, lama 0,001
Água 0,01 a 0,06
Grama (acima de 10 cm de 0,1 a 2,0
altura)
Grama (de 10 a 50 cm de altura) 2 a 5
Vegetação (de 1 a 2 m de altura) 20
Árvores (de 10 a 15 m de altura) 40 a 70
Fonte: Chow, Maidment e Mays, 1988.

Essa combinação resulta na seguinte expressão:

4.6

onde E é a evaporação potencial (mm dia−1); Er é a evaporação calculada pelo método do balanço de energia
(mm dia−1); Ea é a evaporação calculada pelo método aerodinâmico (mm dia−1); Δ é o gradiente da curva de
pressão de saturação de vapor (Pa/°C); e γ é uma constante psicrométrica (66,8 Pa/°C). O gradiente da curva
de pressão de saturação de vapor é uma função da temperatura do ar e da pressão de saturação de vapor:
4.7

A  evapotranspiração  é  o  processo  conjunto  da  evaporação  do  solo  mais  a  transpiração  das  plantas.  A
transpiração é a evaporação resultante da ação fisiológica dos vegetais, isto é, as plantas, por meio de suas
raízes, retiram do solo a água para suas atividades vitais, e parte dessa água é cedida à atmosfera sob a forma
de  vapor  (dependendo  do  meio  ambiente  e  dos  fatores  climáticos),  na  superfície  das  folhas.  Existem  dois
tipos de evapotranspiração: potencial e real. A evapotranspiração potencial é a perda de água por evaporação
e transpiração de uma superfície totalmente coberta por vegetação de porte baixo. A evapotranspiração real é
a  perda  de  água  por  evaporação  e  transpiração  em  condições  reais  de  atmosfera  e  umidade  do  solo.  A
evapotranspiração pode ser obtida por métodos diretos de medição ou por métodos empíricos.
O lisímetro é o método direto mais utilizado para medir a evapotranspiração. Ele consiste em um tanque
enterrado  no  solo  com  as  dimensões  mínimas  de  1,5  m  de  diâmetro  por  1,0  m  de  altura,  com  sua  borda
superior 5 cm acima da superfície do solo. O tanque deve estar cheio de solo do local, mantendo a mesma
ordem dos horizontes. No fundo do tanque, coloca­se uma camada de brita coberta com uma camada de areia
grossa,  com  a  finalidade  de  facilitar  a  drenagem  da  água  que  percolou  através  do  tanque.  Após  instalado,
planta­se grama no tanque e na sua área externa. Mede­se a EVT pelo balanço hídrico, isto é, P − Q − EVT =
ΔS.
O Tanque Classe A também poderia ser utilizado para estimar a evapotranspiração, corrigindo a estimativa
de evaporação com o coeficiente de cultura (Kc):

ETP = E × Kt × Kc 4.8

onde  os  valores  de  Kc  são  tabelados  para  diferentes  culturas  nos  seus  vários  estágios  de  desenvolvimento
(ver Tab. 4.2).

TAB. 4.2 Valores para o coeficiente de cultura para estimar a evapotranspiração pelo método do Tanque
Classe A
A evapotranspiração também pode ser estimada por alguns métodos empíricos, utilizando­se: (a) equações
com base na temperatura do ar (e.g. método de Thornthwaite e método de Blaney­Criddle); e (b) equações
com  base  na  evaporação  potencial  (e.g.  método  do  Balanço  de  Energia,  método  Aerodinâmico  e  método
Combinado).
O método de Thornthwaite foi desenvolvido com base em dados de evapotranspiração medidos e dados de
temperatura  média  mensal,  para  dias  com  12  horas  de  brilho  solar  e  mês  com  30  dias.  Nesse  método,  a
evapotranspiração é calculada pela seguinte expressão:

4.9
onde ETP é a evapotranspiração mensal (mm/mês);Fc é um fator de correção em função da latitude e do mês
do ano; I é o índice anual de calor, correspondente à soma de 12 índices mensais; e T é a temperatura média
mensal (°C). O índice anual de calor e o coeficiente a podem ser estimados da seguinte forma:

4.10

a = 67, 5 ꞏ 10−8 ꞏ I3 − 7, 71 ꞏ 10−6 ꞏ I2 + 0, 01791 4.11
ꞏ I + 0, 492
onde Ti é a temperatura média mensal do mês i (°C). Para corrigir os valores de evapotranspiração calculados
pelo método Thornthwaite (Eq. 4.9) para diferentes culturas, basta multiplicá­los pelo coeficiente de cultura
da Tab. 4.2.
O  método  de  Blaney­Criddle  foi  desenvolvido  originalmente  para  estimativas  de  uso  consuntivo  em
regiões semiáridas, e utiliza a equação:

ETP = 0, 457 ꞏ T + 8, 13 ꞏ p 4.12

onde ETP é a evapotranspiração mensal (mm/mês); T é a temperatura média anual (°C); e p é a porcentagem
de horas diurnas do mês sobre o total de horas diurnas do ano. A mesma correção para diferentes culturas
aplicada no método de Thornthwaite também pode ser aplicada para o método de Blaney­Criddle (Tab. 4.3).

TAB. 4.3 Valores para o fator de correção Fc do método de Thornthwaite
Fonte: Unesco, 1982.

Para  estimar  os  valores  da  evapotranspiração  potencial  por  meio  da  evaporação  potencial  (EP),  basta
multiplicar a EP pelo coeficiente de cultura Kc.

4.3 INFILTRAÇÃO
Infiltração é o processo hidrológico pelo qual a água penetra nas camadas superficiais do solo e se move
para baixo, em direção ao lençol d’água. A ocorrência de infiltração depende de vários fatores, a saber: (a)
água disponível para infiltrar; (b) constituição e declividade do solo; (c) cobertura vegetal; e (d) quantidades
de água e ar inicialmente presentes no interior do solo (teor de umidade). A infiltração no solo é computada
por  meio  de  duas  grandezas  principais:  a  capacidade  e  a  velocidade  de  infiltração.  A  capacidade  de
infiltração,  geralmente  expressa  em  mm/h,  é  a  medida  mais  utilizada.  Ela  pode  ser  definida  como  a  razão
máxima com que um solo, em uma dada condição, é capaz de absorver água e atenuar essa taxa de absorção
com o tempo. A velocidade de infiltração, por sua vez, é definida como a velocidade média com que a água
atravessa o solo, ou ainda, como a vazão dividida pela área da seção transversal do escoamento.
A velocidade de infiltração depende da permeabilidade e do gradiente horizontal hidráulico. Ela pode ser
estimada pela lei de Darcy, que descreve o escoamento da água para solos saturados:

4.13

onde  V  é  a  velocidade  de  infiltração;  K  é  a  condutividade  hidráulica  (pode  ser  medida  com
permeâmetros); h é a Carga Piezométrica ou Altura Piezométrica (altura da água de um aquífero confinado
medida num piezômetro).
A  capacidade  de  infiltração  é  medida  por  meio  de  métodos  de  determinação  em  campo.  O  principal
método de medida é o Infiltrômetro de Anel, que consiste em dois anéis concêntricos (o menor com 25 cm de
diâmetro e o maior com 50 cm de diâmetro, ambos com 30 cm de altura) fixados no solo com o auxílio de
uma  marreta.  Coloca­se  água  ao  mesmo  tempo  nos  dois  anéis  e  mede­se,  com  o  auxílio  de  uma  régua
graduada,  a  infiltração  vertical  no  cilindro  interno  para  vários  intervalos  de  tempo.  A  capacidade  de
infiltração instantânea é calculada por:
FIG. 4.6 Método dos anéis concêntricos para estimativa da capacidade de infiltração

4.14

onde It é a capacidade de infiltração instantânea (mm/h); Δh é a variação da lâmina d’água (mm); e Δt é  o
intervalo de tempo (h).

4.4 INTERCEPTAÇÃO
Interceptação  é  a  parte  da  precipitação  retida  acima  da  superfície  do  solo,  em  razão  da  presença  de
vegetação ou outra obstrução ao escoamento vertical. A interceptação é eventual, isto é, ela só ocorre quando
há  chuva  e  vegetação  para  interceptá­la.  O  volume  interceptado  retorna  para  a  atmosfera  por  evaporação,
após a ocorrência da chuva. A interceptação também influencia na vazão ao longo do ano. Ela pode retardar
e/ou atenuar o pico de cheias, assim como favorecer a infiltração da água no solo.
ESCOAMENTOS
5
A movimentação das águas em ecossistemas aquáticos continentais ocorre em resposta a diversas forças,
especialmente o vento, que transfere energia para a água. Os movimentos rítmicos gerados na superfície da
água  (oscilações)  resultam  na  dispersão  de  compostos  químicos  e  organismos  aquáticos  no  sistema.  As
correntes  levam,  predominantemente,  a  heterogeneidade  espacial  desses  compostos  e  das  comunidades
biológicas,  o  que  pode  afetar  também  a  rede  de  interações  tróficas  em  ecossistemas  aquáticos.  Portanto,  a
hidrodinâmica  é  a  responsável  pela  alta  mistura  horizontal  e  vertical  das  águas  em  lagos,  estuários  e
reservatórios.  Pelo  fato  de  a  hidrodinâmica  ser  determinante  para  explicar  padrões  de  funcionamento  do
sistema,  para  a  modelagem  biogeoquímica  de  muitos  ecossistemas  aquáticos  é  absolutamente  necessária  a
inclusão  de  processos  hidrodinâmicos  em  modelos  ecológicos  (Jorgensen,  1986).  Modelos  hidrodinâmicos
são baseados no princípio de conservação de massa e do momento, assim como modelos  biogeoquímicos,
porém  os  primeiros  combinam  processos  de  transferência  para  obter  o  balanço  de  massa  em  vez  de
outros processos químicos, físicos e biológicos (Scavia; Robertson, 1979).
O movimento das águas em lagos é bem entendido teoricamente; entretanto, a simulação desse movimento
em uma fina escala espacial e uma escala temporal estendida tem gerado dificuldades (Chapra, 1997). Para
aumentar  o  entendimento  sobre  o  controle  do  sistema,  assim  como  a  habilidade  de  simular  e  predizer  sua
dinâmica,  é  necessário  acoplar  a  dinâmica  dos  movimentos  da  água  com  os  modelos  ecológicos.
Adicionalmente, levantamentos de campo são necessários para prover dados aos modelos, com a finalidade
de calibrar os parâmetros hidrodinâmicos. Os dados devem ser coletados com uma resolução espacial fina e
de  acordo  com  a  sazonalidade.  Desse  modo,  as  características  salientes  de  ambos  os  modelos  (ecológico  e
hidrodinâmico) podem ser testadas.

5.1 EQUAÇÕES DO ESCOAMENTO
As  equações  de  Navier­Stokes  descrevem  o  escoamento  geral  de  fluidos.  Elas  permitem  determinar  os
campos de velocidade, densidade e pressão, sendo descritas da seguinte forma:
Eq. da continuidade:

5.1

Eq. da quantidade de movimento:

5.2

5.3
5.4

onde u(x, y, z, t), v(x, y, z, t) e w(x, y, z, t) são as componentes da velocidade na direção horizontal x,  y  e
vertical  z;  t  é  o  tempo;  p(x,  y,  z,  t)  é  a  pressão  medida  de  um  referencial  conhecido;  g  é  a  aceleração  da
gravidade;  ρw  é  a  densidade  da  água; 

 é o tensor de tensões.
As equações da continuidade e da quantidade de movimento podem ser obtidas a partir de um balanço de
massa e de força, respectivamente, sobre um elemento infinitesimal de água (Fig. 5.1).
A equação de continuidade expressa a conservação de massa de um volume de água. O primeiro termo é a
variação relativa da densidade do fluido seguindo o escoamento, e o segundo é a divergência do escoamento.
Segundo a equação de quantidade de movimento, três tipos de força atuam sobre o volume infinitesimal de
água:  (a)  forças  gravitacionais;  (b)  forças  perpendiculares  às  superfícies;  e  (c)  forças  tangentes  às
superfícies. Além da conhecida força peso que atua verticalmente (orientada para baixo) em todos os corpos,
a força de Coriolis é outra força que pertence ao grupo das forças gravitacionais. Ela é produto da rotação do
globo relativo a um sistema de referência em movimento (no caso da Terra, girando), sendo é essencial para o
entendimento  da  dinâmica  da  atmosfera  e  dos  oceanos,  mas  sem  um  papel  importante  em  ecossistemas
aquáticos continentais de pequenas dimensões.
FIG. 5.1 Balanço de força em um elemento infinitesimal de água com dimensão Δx, Δy e Δz

A força de pressão enquadra­se no grupo das forças perpendiculares que atuam sobre um volume de água.
Como a pressão é a mesma em faces opostas de um volume, apenas os gradientes de pressão são capazes de
produzir  a  aceleração  da  água.  Por  exemplo,  tendo  por  base  a  Fig.  5.1,  se  a  pressão  na  superfície
perpendicular ao eixo x, p(x), for maior do que a pressão na face oposta, p(x + Δx), a força resultante gerada
no volume ΔxΔyΔz resultante desse gradiente de pressão será Fx = ΔyΔz [p (x) − p (x + Δx)]. De acordo com
a  2ª  lei  de  Newton,  essa  força  produz  uma  aceleração,  ∂u/∂t  =  Fx/m,  no  sentido  positivo  do  eixo  x.
Substituindo Fx na expressão anterior e fazendo Δx→ 0, resulta em:

5.5

Observe que a aceleração aponta para um gradiente de pressão negativo (o sentido do escoamento é de um
ponto de maior pressão para um ponto de menor pressão).
O terceiro grupo de forças atua na direção tangente às superfícies de um volume de água. São as chamadas
forças de tensão. No nível molecular, as forças de tensão que atuam em um volume de água são produzidas
pela viscosidade do fluido (atrito interno das moléculas de água), que seria uma força intrínseca do fluido.
Por exemplo, a força de tensão entre dois volumes de água separados verticalmente pode ser expressa por:

5.6

onde μ é a viscosidade dinâmica da água. O índice x de τxz indica a direção da força  (eixo  x)  e  o  índice  z


indica a orientação da superfície onde a força atua (nesse caso, perpendicular ao eixo z).
Agentes  externos  também  podem  produzir  forças  de  tensão,  como,  por  exemplo,  a  tensão  de
cisalhamento causada pelo atrito do fundo e pelo vento.
Os  gradientes  de  densidade  podem  ampliar  ou  atenuar  a  intensidade  das forças de pressão  e  de  tensão.
Esses  gradientes  são  produzidos  pela  ação  do  fluxo  de  calor  ao  longo  da  coluna  d’água  e  por  diferenças
da salinidade da  água  e  da  pressão.  A  densidade  da  água  pode  ser  escrita  em  função  de  sua  temperatura,
pressão e salinidade, de acordo com a seguinte expressão:

5.7

onde:

ρ0 (T, S) = 0, 9998395 + 6,
7914 ꞏ 10−5T − 9,0894 ꞏ 10−6T2 + 1, 5.8
0171 ꞏ 10−7T3 − 1, 2846 ꞏ 10−9T4 + 1,
1592 ꞏ 10−11T5 − 5, 0125 ꞏ 10−14 ꞏ T6 + ρ1 (T, S)

ρ1 (T, S) = S ꞏ (8, 181 ꞏ 10−4 − 3, 85 ꞏ 10−6T + 4, 96 ꞏ 5.9
10−8T2)
onde  T  é  a  temperatura  da  água  (°C);  S  é  a  salinidade  da  água  ( ‰ );  p  é  a  pressão  (bar);  e  Km  é
a compressibilidade da água dada por:
5.10

O  efeito  combinado  de  todas  as  forças  sobre  um  volume  infinitesimal  de  água  resulta  na  equação  da
quantidade de movimento, apresentada anteriormente.
A  seguir,  apresentamos  casos  particulares  das  equações  de  Navier­Stokes,  os  quais  são  simplificações
desenvolvidas para determinados tipos de escoamentos.

5.2 SIMPLIFICAÇÃO DAS EQUAÇÕES
A equação de quantidade de movimento pode ser simplificada dependendo dos propósitos do estudo. Se
forem  desprezados  os  termos  de  derivada  no  tempo,  o  escoamento  é  chamado  de  permanente,  quando  não
existe gradiente de velocidade e de pressão ao longo do tempo. O escoamento permanente pode ser uniforme
ou não uniforme. O escoamento uniforme ocorre quando não existe variação de pressão e de velocidade no
espaço (desprezando os termos de gravidade, pressão e tensão); caso contrário, o escoamento é considerado
não uniforme.
Quando  os  termos  do  lado  esquerdo  da  equação  da  quantidade  de  movimento  (também  chamados  de
termos  de  inércia)  e  o  termo  de  pressão  são  desprezados,  o  modelo  é  chamado  de  modelo  de  onda
cinemática (regime permanente, sem efeito de jusante). Ao se adicionar o termo de pressão no modelo de
onda  cinemática,  o  modelo  é  conhecido  como  modelo  de  difusão,  que  também  não  representa  sistemas
em  regime  não  permanente,  mas  oferece  uma  boa  solução  para  os  sistemas  com  efeito  de  jusante  e  de
regime permanente. O modelo só é chamado de hidrodinâmico quando os termos de inércia são levados em
consideração no modelo de difusão (equação da quantidade de movimento completa).
Também é conveniente simplificar as equações de escoamento, de acordo com a direção de preferência do
escoamento. Por exemplo, usualmente, modelos de rios consideram os gradientes espaciais apenas em uma
direção, geralmente a longitudinal. Os modelos longitudinais também são aplicáveis  para  estudar  variações
do escoamento ao longo do eixo do reservatório, desprezando a estratificação vertical, que é marcante, por
exemplo,  em  reservatórios  com  grandes  profundidades.  Nesses  casos,  é  comum  o  uso  de  modelos
bidimensionais integrados lateralmente, uma vez que a maior parte dos reservatórios são bem encaixados no
eixo  longitudinal  do  rio,  apresentando  grande  profundidade  com  dimensões  verticais  e  longitudinais  bem
maiores do que as dimensões transversais. Entretanto, nem sempre essa aproximação é suficiente, sobretudo
nos  casos  com  uma  grande  variabilidade  das  velocidades  e  das  concentrações  no  sentido  transversal  do
reservatório, que sugerem a utilização de uma aproximação tridimensional.
TRANSPORTE DE MASSA
6
Para a modelagem de qualidade da água, é necessária a simulação limnológica dos processos: (a) químicos
de ciclagem de nutrientes; (b) biológicos e sua escala espaço­temporal; e (c) interações tróficas em cascata.
Atualmente, dá­se especial enfoque para aspectos espaço­temporais dos organismos, pois estes determinam a
dinâmica  das  interações  tróficas  entre  as  comunidades  aquáticas  (Janse,  2005).  Os  tipos  e  números  de
interações exercem efeitos diretos ou indiretos em cascata sobre a estrutura trófica do sistema (Jeppesen et
al., 1997; Moss, 1998; Scheffer, 1998). Em modelos complexos recentes, esses efeitos incluem processos de
retroalimentação  positiva  ou  negativa  dos  organismos  sobre  a  qualidade  da  água  (Van  Nes  et  al.,  2002a,
2003; Janse, 2005; Fragoso et al., 2007), os quais têm sido utilizados para a teoria de estados alternativos de
equilíbrio em lagos rasos (Cap. 18). Para o melhor entendimento da relação de todos esses processos e de sua
importância  para  a  dinâmica  da  qualidade  da  água,  apresentamos  a  seguir  uma  descrição  resumida  desses
temas.

6.1 PROCESSOS QUÍMICOS DE CICLAGEM DE NUTRIENTES
A  modelagem  da  ciclagem  de  nutrientes  compreende  o  ciclo  biogeoquímico  dos  principais  nutrientes
separadamente,  como  caixas  componentes  de  um  sistema  integrado.  Na  Fig.  6.1  apresentamos  uma
simplificação  dos  principais  processos  no  ciclo  do  N  na  água,  como  ilustração  da  sua  complexidade.  Os
principais  ciclos  que  podem  ser  modelados  são:  (a)  fósforo  total  e  sua  forma  reativa 
  (b)  nitrogênio  total  e  nas  formas  oxidada  (NO3),  reduzida  (NO2)  e  íon  de  amônio 
  e  (c)  sílica.  Outro  compartimento  essencial  ao  metabolismo  do  ecossistema  aquático  corresponde
ao  carbono  inorgânico  e  sua  configuração  molecular  determinada  pelo  pH,  como  bicarbonato 
  e  carbonato 
  ambos  utilizados  para  a  produção  primária  de  algas  e  macrófitas.  O  carbono  orgânico,  em  suas  formas
orgânicas, também é considerado um elemento fundamental no processo de mineralização  do  sistema.  Na
modelagem, o carbono é incluído na massa da água como detrital (particulado em suspensão) e recalcitrantes
(substâncias  húmicas  dissolvidas),  bem  como  a  porção  de  detritos  no  sedimento.  A  troca  de  matéria
inorgânica e detritos entre a água e o sedimento é simulada por meio da sedimentação e da ressuspensão.
Oxigênio  dissolvido  e  pH  também  devem  ser  modelados  dinamicamente,  dependendo  da  demanda
bioquímica  de  oxigênio  (DBO)  da  água  e  do  sedimento,  sólidos  dissolvidos,  da  reaeração  e  da  produção
primária  (Janse,  2005).  O  processo  de  liberação  de  fósforo  do  sedimento  também  deve  ser  modelado,
podendo  seguir  um  ciclo  sazonal,  conforme  a  temperatura,  o  pH  e  a  quantidade  de  detritos  no  sistema.  A
modelagem dos principais ciclos será descrita de forma mais detalhada na sequência.
FIG. 6.1 Dinâmica e transformação do nitrogênio em um ecossistema aquático Fonte: adaptado de EPA,
1998.

6.2 ESCALA ESPAÇO­TEMPORAL
A escala espaço­temporal das variáveis de interesse do sistema deve ser conhecida, para determinar a taxa
com a qual importantes processos fisiológicos e comportamentais ocorrem (McNaught, 1979). As taxas de
consumo  de  nutrientes  pelo  fitoplâncton  e  a  herbivoria  do  zooplâncton  são  exemplos  claros  dos  processos
dependentes  da  concentração  de  recursos  no  espaço  e  no  tempo.  Isso  se  deve,  basicamente  ao  fato  de  o
consumo desses vários substratos ser não linear no espaço e no tempo, independentemente se o substrato é
uma substância bioquímica (como um aminoácido, que interessa a bactérias) ou um organismo inteiro (como
o zooplâncton, que interessa a peixes planctívoros).
Medir  apenas  as  concentrações  médias  dos  constituintes  químicos  e  biológicos  dificulta  a  calibração  e  a
validação  de  modelos  baseados  em  processos,  porque  a  escala  espaço­temporal  de  alguns  processos  é
diferente da escala monitorada. Alguns objetivos específicos para a síntese desses processos na modelagem
ecológica podem ser citados: (a) a descrição da escala espaço­temporal do fitoplâncton, macrófitas aquáticas,
zooplâncton e distribuição de peixes em lagos, incluindo seus extremos de concentrações de biomassa e taxas
de funções, tais como herbivoria e excreção, que levam diretamente ao padrão de distribuição de fitoplâncton
(patchiness) e nutrientes; (b) a identificação de interações espaço­temporais que sustentam o funcionamento
de um determinado fenômeno de interesse; (c) a procura por padrões na escala espaço­temporal da relação
presa­predador,  necessária  para  uma  eficiente  modelagem  dinâmica  do  sistema;  (d)  a  constatação  de
heterogeneidade na distribuição da biomassa planctônica e dos fluxos associados.
A  consideração  de  escalas  espaço­temporais  por  modelos  é  fundamental  para  uma  boa  representação  da
heterogeneidade  e  das  inter­relações  funcionais  entre  os  organismos  aquáticos.  Esse  tipo  de  informação,
relacionada  aos  componentes  tróficos  do  sistema,  é  vital  para  a  calibração  de  modelos  e  para  a  descrição
adequada de um determinado fenômeno de interesse. A densidade média do zooplâncton, por exemplo, deve
ser usada na calibração das taxas de funções como herbivoria e excreção. Entretanto, quando a densidade do
zooplâncton é considerada determinante para a disponibilidade de alimento para peixes, a densidade máxima
observada pode ser usada para determinar as taxas de consumo por peixes. Devido à seletividade alimentar
dos  peixes  planctívoros  pela  ingestão  de  diferentes  grupos  funcionais  de  zooplâncton,  a  tendência  é
geralmente subestimar o consumo nessa relação presa­predador.

6.3 TRANSPORTE DE POLUENTES
As  condições  de  escoamento  do  sistema,  em  geral,  determinam  o  tipo  de  estrutura  computacional  do
modelo  hidrodinâmico  e  do  modelo  de  qualidade  da  água  a  serem  utilizados.  As  condições  químicas  e
biológicas  das  cargas  de  poluentes  determinam  o  tipo  de  constituinte  que  deve  ser  simulado  para  melhor
identificar o nível de qualidade da água do sistema. A equação do transporte de massa geral é tridimensional,
definida a partir de um elemento diferencial infinitesimal (Fig. 6.2), e pode ser aplicada para a simulação de
cada  variável  de  qualidade  da  água  sujeita  ao  transporte  por  advecção  e  difusão.  A  expressão  geral  dessa
equação é:

6.1

onde  Cϕ  é  a  concentração  do  poluente  ϕ;  H  é  a  profundidade  total;  Kx,  Ky  e  Kz  são  os  coeficientes  de
difusividade  nas  direções  x,  y  e  z,  respectivamente;  Sϕ  é  o  termo  de  perdas  e  ganhos  do
poluente; ϕ e v e w são os componentes da velocidade da água nas direções x, y, z. (Chapra, 1997).
O  nível  de  precisão  dos  resultados  modelados  está  ligado  aos  objetivos  e  ao  nível  do  estudo.  Em  uma
análise  preliminar  do  problema,  podem  ser  utilizados  modelos  mais  simplificados,  como  os  modelos
concentrados, que identificam problemas em macroescala. Grande parcela dos modelos de qualidade da água
representa apenas parte da variabilidade dos constituintes químicos e biológicos, em razão do grande número
de simplificações adotadas (e.g. relações  matemáticas  simplificadas  para  representação  dos  processos,  falta
de  detalhamento  para  representar  a  ciclagem  de  nutrientes  e  variabilidades  da  fauna  aquática  e  suas
interações). Entretanto, poderia ser viável a utilização de modelos de qualidade da água mais complexos, os
quais detalham melhor as interações e os processos como advecção e difusão.
FIG. 6.2 Balanço de massa em um elemento diferencial

6.3.1 ADVECÇÃO E DIFUSÃO
O  transporte  da  matéria  na  água  pode  ser  dividido  em  duas  categorias:  advecção  e  difusão  (Fig. 6.3).  O
transporte por advecção é aquele que não deforma a substância que está sendo transportada no espaço. Na
equação de transporte, a advecção é representada pelas derivadas de primeira ordem no espaço. O transporte
por difusão refere­se ao espalhamento (para o caso de escalares) ou à diluição (para o caso de poluentes) da
matéria  ao  longo  do  tempo.  Matematicamente,  a  difusão  é  expressa  pelas  derivadas  de  segunda  ordem  na
equação de transporte. Existem dois tipos de difusão: molecular e turbulenta. A difusão molecular acontece
em  uma  microescala,  como  resultado  do  movimento  browniano  da  água.  Do  ponto  de  vista  de  valores  de
concentrações,  a  difusão  ocorre  no  sentido  inverso,  ou  seja,  de  uma  solução  menos  concentrada  para  uma
solução de maior concentração.

FIG. 6.3 Transporte por (A) advecção e (B) difusão de um poluente no espaço (x) e no tempo (t). O tom cinza
mais escuro indica uma concentração mais alta do que o tom cinza­claro

O coeficiente de difusão (Kx, Ky e Kz)  é  o  parâmetro  fundamental  para  a  taxa  de  difusão  em  diferentes


direções no espaço. A taxa de difusão depende de fatores de mistura no ecossistema aquático. Por exemplo,
em  ambientes  lênticos  (baixas  velocidades),  as  taxas  de  difusão  são  mais  baixas  do  que  em  ambientes
lóticos (altas velocidades). A partir de bases experimentais e teóricas, o coeficiente de difusão foi escrito em
função da velocidade da água e da profundidade (Elder, 1959):
Kx = 5, 93 ꞏ u ꞏ H 6.2

Kz = 0, 23 ꞏ u ꞏ H 6.3

onde  u  é  a  velocidade  da  água  na  direção  x  e  H  é  a  profundidade  da  água.  O  coeficiente  de  difusão
longitudinal  (Kx)  é  muito  maior  do  que  o  coeficiente  de  difusão  vertical  (Kz),  porque  ele  incorpora
a convecção diferencial por causa do perfil de velocidade vertical logarítmico em um escoamento.
CICLOS QUÍMICOS
7
Os ciclos químicos representam a movimentação natural de elementos químicos no ecossistema aquático.
Eles têm um importante papel na dinâmica dos organismos aquáticos (componentes bióticos) e nas condições
tróficas  do  ambiente  (componentes  abióticos).  Neste  capítulo  descrevemos  os  mais  importantes  ciclos
químicos em ecossistemas aquáticos.

7.1 CARBONO
A  modelagem  do  ciclo  de  carbono  é  considerada  a  espinha  dorsal  na  qual  outros  ciclos  modelados  são
baseados.  Um  esquema  simplificado  do  ciclo  do  carbono  na  água  e  no  sedimento  é  ilustrado  na  Fig.  7.1.
Alguns termos de perdas e ganhos para algumas variáveis de estado do carbono estão na Tab. 7.1.
O  carbono  presente  nos  seres  vivos  aquáticos  e  nos  compartimentos  orgânicos  e  inorgânicos  é,
originalmente,  proveniente  da  atmosfera  pela  transferência  de  dióxido  de  carbono  (CO2)  na  interface  ar­
água  (existem  outras  fontes  de  carbono,  tais  como  a  carga  gerada  pelas  bacias  adjacentes).  Por  meio  da
fotossíntese, os seres fotossintetizantes fixam o carbono que retiram do compartimento de carbono inorgânico
dissolvido (CID) presente na água. Esses átomos de carbono passam a fazer parte das moléculas orgânicas
fabricadas  pelo  fitoplâncton  e  pelas  macrófitas  aquáticas.  Durante  a  respiração,  uma  parte  das  moléculas
orgânicas  é  degradada,  e  o  carbono  que  as  constituía  é  devolvido  à  água,  novamente  na  forma  de  CO2  no
compartimento de CID. O carbono presente na excreção e na mortalidade dos organismos aquáticos passa a
fazer parte do compartimento de carbono orgânico particulado (COP) e carbono orgânico dissolvido (COD).
Organismos  decompositores  são  responsáveis  por  transformar  o  COP  em  COD,  e  este  é,  por  fim,
transformado em CID por uma nova ação bacteriana, processo denominado mineralização.
FIG. 7.1 Esquema simplificado da dinâmica do carbono na água e no sedimento

Parte  do  carbono  retirado  da  água  passa  a  constituir  a  biomassa  dos  seres  fotossintetizantes,  podendo
eventualmente  ser  transferida  aos  organismos  herbívoros  (e.g.  zooplâncton
herbívoro,  macroinvertebrados  bentônicos,  peixes  planctívoros  e  onívoros).  Nos  herbívoros,  parte  do
carbono contido nas moléculas orgânicas dos alimentos é liberada durante a respiração, e o resto irá constituir
sua biomassa, que poderá ser transferida para um organismo carnívoro (e.g. zooplâncton carnívoro e  peixes
piscívoros).  Dessa  forma,  o  carbono  fixado  pela  fotossíntese  vai  passando  de  um  nível  trófico  mais  baixo
para outros mais altos, enquanto retorna gradativamente para a água e para a atmosfera, em consequência da
respiração dos próprios organismos e da ação dos decompositores, que atuam em todos os níveis tróficos.
Podemos resumir os principais processos envolvidos no ciclo do carbono na água e no sedimento em:
A. Fluxos atmosféricos do CID.
B. Armazenamento de carbonato no sistema induzido pelas variações do CID em função do PH.
C. Mineralização do COP para COD e do COD para CID.
D. Assimilação de CID pela vegetação (fitoplâncton e macrófitas).
E. Fluxos na interface água­sedimento de CID e COD.
F. Decomposição de COP para COD.
G. Mortalidade biológica e excreção em COD e COP.

7.1.1 FLUXO ATMOSFÉRICO
O dióxido de carbono que cruza a interface ar­água, FCO2 (gm−2s−1),  pode  ser  calculado  com  a  seguinte
expressão:

7.1

onde pCO2 é a pressão parcial de CO2 (atm); kCO2 é a velocidade de transferência do gás (m/s), calculada
como:

7.2

onde wind10 é a velocidade do vento 10 m acima da superfície da água e SC é o número de Schmidt, definido
como:

7.3

onde S é  a  salinidade  da  água  (psu)  e TC  é  a  temperatura  da  água  (°C).  O  coeficiente  de  solubilidade  do
dióxido de carbono, K0(molL−1atm−1), é estimado de acordo com Weiss (1974):

7.4

onde TK é a temperatura da água em Kelvin.
Dessa forma, calcula­se o fluxo atmosférico (gm−3dia−1) por meio da seguinte equação:

7.5

onde  zsurp  é  a  profundidade  (m)  da  camada  superficial  de  água,  na  qual  acontecem  as  trocas  atmosféricas
entre a água e o ar. A constante é usada para converter massa de CO2 em carbono inorgânico equivalente e
em segundos para dias. Um fluxo de carbono negativo indica uma transferência de carbono do ar para a água;
caso contrário, o fluxo será da água para a atmosfera.
TAB. 7.1 Termos de perdas e ganhos para algumas variáveis de estado do carbono. Todas essas variáveis
também estão sujeitas a cargas de entrada e saída

7.6

7.7

7.8

Os  termos  de  perdas  e  ganhos  de  carbono  nos  organismos  aquáticos  são  apresentados  nos  capítulos
seguintes.

7.1.2 REAÇÕES CINÉTICAS
As  frações  de  carbono  podem  ser  modeladas  utilizando­se  as  relações  cinéticas  do  carbonato,  de  acordo
com  a  aproximação  realizada  por  Butler  (1982).  Considerando  que  a  coluna  d’água  é  modelada  como  um
sistema fechado, onde os fluxos de entrada e saída no sistema são conhecidos, tais como a troca de carbono
atmosférico ou fluxos de entrada de afluentes, a alcalinidade total (AT), a concentração de CID e o pH são
relacionados pela seguinte expressão:

7.9

onde Kw é o produto iônico da água; Ka1 é a primeira constante de acidez da água; Ka2 é a segunda constante
de acidez; e pH é o potencial hidrogeniônico na água, dado por:

pH = − log10 [H+] 7.10

e o CID pode ser escrito em função das seguintes parcelas:

7.11
onde todas as concentrações são em (molL−1). Os valores de concentração de dióxido de carbono hidratado
[H2CO3] podem ser considerados desprezíveis em relação às outras parcelas. A pressão parcial de dióxido de
carbono, pCO2, pode ser convertida para concentração de dióxido de carbono (CO2, molL−1) pela equação:

[CO2] = KH ꞏ pCO2 7.12

onde KH é uma constante de transformação.
A  força  iônica  da  água  modifica  os  valores  das  constantes  de  dissociação  (KH,  Ka1,Ka2  e  Kw).  A  força
iônica, FI, é definida como:

7.13

Em razão da complexidade em calcular FI explicitamente, é razoável assumir um valor constante no espaço e
no tempo. Os valores de FI variam de 0,01 (água doce) a 0,7 (água do mar) em ecossistemas naturais onde o
pH varia de 6 a 8 (Takahashi et al., 1994). O coeficiente de atividade é definido como:

7.14

Dessa forma, as constantes de dissociação são calculadas em cada intervalo de tempo:

7.15

7.16

7.17

7.18

onde b = 0,105 (Butler, 1982). As parcelas de carbonato, para um dado valor de pH e CID, são dadas por:

7.19

7.20

7.21

Se duas das três componentes (AT, pH, CID) são conhecidas, a terceira pode ser determinada. Assim, pH e
CID são computados como variáveis de estado, e AT é estimada a cada passo de tempo, por meio da relação
cinética entre essas variáveis.
A modelagem do CID é computada de acordo com a sequência abaixo:
1. das medidas iniciais de campo de AT e pH, calcule CID inicial na água usando a Eq. 7.9;
2. calcule as parcelas de carbonato usando as Eqs. 7.19 a 7.21; calcule a pressão inicial de CO2 usando a Eq.
7.12;
3. vá  para  o  passo  de  tempo  seguinte;  calcule  os  fluxos  de  CO2  em  todos  os  compartimentos  aquáticos;
calcule  o  CID  no  intervalo  de  tempo  atual  considerando  a  Eq.  7.6;  assumindo  AT  constante,  como
CO2  não  muda  a  alcalinidade  diretamente,  calcule  o  novo  valor  de  pH  por  interatividade,  resolvendo
a Eq. 7.9;
4. atualize os valores das constantes de dissociação usando as Eqs. 7.15 a 7.18;
5. calcule  as  novas  parcelas  de  carbonato  usando  as  Eqs.  7.19  a7.21  nesse  intervalo  de  tempo;  calcule  a
nova pressão inicial de CO2 usando a Eq. 7.12 nesse intervalo de tempo;
6. atualize AT por meio da Eq. 7.9;
7. retorne ao passo 4.

7.2 NITROGÊNIO
A  modelagem  do  ciclo  de  nitrogênio  na  água  e  no  sedimento  é  baseada  no  ciclo  de  carbono  descrito
anteriormente. Um esquema simplificado do ciclo do nitrogênio na água e no sedimento é ilustrado na Fig.
7.2.  Alguns  termos  de  perdas  e  ganhos  para  algumas  variáveis  de  estado  do  nitrogênio  são  apresentados
na Tab. 7.2.
FIG. 7.2 Esquema simplificado da dinâmica do nitrogênio na água e no sedimento

TAB. 7.2 Termos de perdas e ganhos para algumas variáveis de estado do nitrogênio. Todas essas variáveis
estão sujeitas a cargas de entrada e saída

7.22
7.23

7.24

7.25

O ciclo do nitrogênio é um dos mais importantes nos ecossistemas aquáticos. O nitrogênio é usado pelos
seres  vivos  aquáticos  para  a  produção  de  moléculas  complexas  necessárias  ao  seu  desenvolvimento,  tais
como aminoácidos, proteínas e ácidos nucleicos.
Por meio da fotossíntese, os seres fotossintetizantes fixam o nitrogênio inorgânico dissolvido presente na
água  (NH4  e  NO3).  Os  nitratos  formados  pelo  processo  de  nitrificação  são  absorvidos  pela  vegetação  e
transformados  em  compostos  carbonados  para  produzir  aminoácidos  e  outros  compostos  orgânicos  de
nitrogênio. O nitrogênio presente na excreção e na mortalidade dos organismos aquáticos passa a fazer parte
do  compartimento  de  nitrogênio  orgânico  particulado  (NOP)  e  nitrogênio  orgânico  dissolvido  (NOD).
Organismos  decompositores  são  responsáveis  por  transformar  o  NOP  em  NOD,  e  este  é  transformado  em
NH4  por  meio  da  mineralização  (i.e.  a  matéria  orgânica  morta  é  transformada  no  íon  de  amônio 
 por  intermédio  de  bactérias  aeróbicas,  anaeróbicas  e  alguns  fungos).  A  oxidação  do  amoníaco,  conhecida
como nitrificação, é um processo que produz nitratos a partir do amoníaco (NH3). Esse processo é realizado
por  bactérias  (nitrificantes)  em  dois  passos:  numa  primeira  fase,  o  amoníaco  é  convertido  em  nitritos 
  e  numa  segunda  fase  (por  meio  de  outro  tipo  de  bactérias  nitrificantes),  os  nitritos  são  convertidos  em
nitratos 
 prontos para serem assimilados pelas plantas. A desnitrificação é o processo pelo qual o nitrogênio volta à
atmosfera  sob  a  forma  de  gás  quase  inerte  (N2).  Esse  processo  ocorre  por  meio  de  algumas  espécies  de
bactérias (tais como Pseudomonas e Clostridium) em ambiente anaeróbico. Essas bactérias utilizam nitratos
alternativamente ao oxigênio como forma de respiração e liberam nitrogênio em estado gasoso (N2).
Assim como no ciclo do carbono, parte do nitrogênio retirado da água passa a constituir a biomassa dos
seres fotossintetizantes, podendo eventualmente ser transferida aos organismos herbívoros (e.g. zooplâncton
herbívoro,  macroinvertebrados  bentônicos,  peixes  planctívoros  e  onívoros).  Nos  herbívoros,  parte  do
nitrogênio  contido  nas  moléculas  orgânicas  poderá  ser  transferida  para  um  organismo  carnívoro
(e.g.  zooplâncton  carnívoro  e  peixes  piscívoros).  Dessa  forma,  o  nitrogênio  fixado  pela  fotossíntese  vai
passando de um nível trófico mais baixo para outros mais altos, enquanto retorna gradativamente para a água
e para a atmosfera, em consequência da ação dos decompositores, que atuam em todos os níveis tróficos.
Pode­se resumir os principais processos envolvidos no ciclo do nitrogênio na água e no sedimento em:
A. Mineralização do NOD em NH4.
B. Nitrificação do NH4 em NO3 e desnitrificação do NO3.
C. Assimilação biológica de NH4 e NO3 pelo fitoplâncton e pelas macrófitas aquáticas.
D. Fluxos na interface água­sedimento de NH4, NO3, NOD e NOP.
E. Decomposição de NOP para NOD.
F. Mortalidade biológica e excreção em NOD e NOP.
G. Consumo da fração de nitrogênio contido no NOP, no NOD e no fitoplâncton por zooplâncton e peixes.

7.3 FÓSFORO
O  fósforo  é  um  nutriente  essencial  para  plantas  e  animais,  na  forma  de  íons 
  e 

. Ele pode ser encontrado em moléculas de DNA (une açúcares de desoxirribose para formar a espinha dorsal
da  molécula  de  DNA),  ATP  e  ADP,  e  em  membranas  de  célula  lipídica  (fosfolipídios).  Um  esquema
simplificado do ciclo do fósforo na água e no sedimento é ilustrado na Fig. 7.3. Alguns termos de perdas e
ganhos para algumas variáveis de estado do fósforo são apresentados na Tab. 7.3.
FIG. 7.3 Esquema simplificado da dinâmica do fósforo na água e no sedimento

TAB. 7.3 Termos de perdas e ganhos para algumas variáveis de estado do fósforo. Todas essas variáveis
estão sujeitas a cargas de entrada e saída

7.26
7.27

7.28
7.29

O  fósforo  proveniente  de  rochas  sedimentares,  ossos  fossilizados,  fertilizantes,  detergentes  e  esgoto  é
transportado  para  o  ecossistema  aquático  através  da  rede  de  drenagem.  Por  meio  da  fotossíntese,  os  seres
fotossintetizantes fixam o fósforo presente no compartimento inorgânico dissolvido na água (PO4). O fósforo
presente  na  excreção  e  na  mortalidade  dos  organismos  aquáticos  passa  a  fazer  parte  do  compartimento  de
fósforo  orgânico  particulado  (POP)  e  fósforo  orgânico  dissolvido  (POD).  Organismos  decompositores  são
responsáveis por transformar o POP em POD, e este é transformado em PO4 por meio da mineralização. A
disponibilidade de fósforo inorgânico presente na água (PIP) ocorre em função dos processos de adsorção e
dessorção, os quais  controlam  as  transformações  do  fósforo  particulado  para  PO4 e  vice­versa.  Enquanto  a
adsorção depende de processos físicos (e.g. tamanho das partículas inorgânicas) e das propriedades químicas
do material inorgânico presente na água (e.g. mineralogia,  tipo  e  estado  químico  dos  grupos  funcionais),  a
dessorção é muito influenciada pelas condições geoquímicas do meio, como o pH e o potencial redox, teor
em solução e consumo por microrganismos, entre outros.
Assim como no ciclo do carbono, parte do fósforo retirado da água passa a constituir a biomassa dos seres
fotossintetizantes,  podendo  eventualmente  ser  transferida  aos  organismos  herbívoros  (e.g.  zooplâncton
herbívoro,  macroinvertebrados  bentônicos,  peixes  planctívoros  e  onívoros)  e,  consequentemente,  para  os
organismos carnívoros de maior nível trófico.
Pode­se resumir os principais processos envolvidos no ciclo do fósforo na água e no sedimento em:
A. Mineralização do POD em PO4.
B. Assimilação biológica de PO4 pelo fitoplâncton e macrófitas aquáticas.
C. Fluxos na interface água­sedimento de PO4, POD e POP.
D. Decomposição de POP para POD.
E. Mortalidade biológica e excreção em POD e POP.
F. Adsorção e dessorção de PO4 em PIP.
G. Consumo da fração de fósforo contido no POP, no POD e no fitoplâncton por zooplâncton e peixes.

7.4 OXIGÊNIO DISSOLVIDO
Durante  o  dia,  a  vegetação  aquática  (fitoplâncton  e  macrófitas)  utiliza  o  dióxido  de  carbono  em  um
processo chamado fotossíntese, pelo qual a vegetação aquática transforma luz solar em energia por meio da
seguinte reação:

6CO2 + 6H2O → C6H12O6 + 6O2 7.30

Nesse processo, o dióxido de carbono é assimilado e, convertido, junto com a água, em glicose, liberando
oxigênio molecular. Essa reação requer a clorofila, presente nos cloroplastos, como um catalisador. Estima­se
que 1 g de biomassa assimilada pela vegetação equivale a 1 g de oxigênio produzido.
O  bioproduto  desse  processo  é  o  oxigênio,  o  qual  fica  disponível  para  a  respiração  de  organismos
aquáticos,  tais  como  zooplâncton,  macroinvertebrados  e  peixes.  Durante  a  respiração,  o  oxigênio  é  usado
com um propósito similar ao dióxido de carbono na fotossíntese: criar energia para sustento próprio (reação
inversa  da  Eq.  7.26).  O  bioproduto  do  processo  de  respiração  dos  organismos  aquáticos  é  o  dióxido  de
carbono, o qual fica disponível para ser utilizado pela vegetação aquática.
Outro  processo  responsável  pelo  consumo  de  oxigênio  dissolvido  no  meio,  o  qual
converte amônio em nitrato, é chamado nitrificação, que pode ser representado por uma série de reações. Na
primeira, a bactéria do gênero Nitrosomonas converte amônio em nitrito:

NH4 + 1, 5O2 → 2H + H2O + NO2 7.31

Na segunda, a bactéria do gênero Nitrobacter converte nitrito em nitrato:

NO2 + 0, 5O2 → NO3 7.32

O  oxigênio  consumido  nos  dois  estágios  equivale  a  4,2  g  de  oxigênio  por  1  g  de  nitrogênio  oxidado
(Gaudy; Gaudy, 1980). Além da presença de amônio na água, a nitrificação depende de fatores adicionais,
tais como: (a) a presença de um número adequado de bactérias nitrificantes; (b) a alcalinidade da água, que
tende a neutralizar o ácido que é produzido; e (c) oxigênio suficiente para a realização desse processo (maior
do que 1 mg.l−1).
O  oxigênio  também  é  utilizado  para  a  decomposição  aeróbia  da  matéria  orgânica  oxidável  presente  no
meio  por  bactérias  (Demanda  Bioquímica  de  Oxigênio  –  DBO).  Nesse  processo,  utilizam­se  2,67  g  de
oxigênio a cada g de carbono oxidado.
Um esquema simplificado do ciclo do oxigênio na água e no sedimento é ilustrado na Fig. 7.4. Os termos
de perdas e ganhos para oxigênio dissolvido são:
FIG. 7.4 Esquema simplificado da dinâmica do oxigênio dissolvido na água e no sedimento

7.33

Os seguintes processos podem ser considerados como parte de um modelo de oxigênio dissolvido:
A. Trocas de oxigênio na interface ar­água.
B. Utilização de oxigênio na interface água­sedimento (i.e. a demanda de oxigênio no sedimento).
C. Utilização  de  oxigênio  pelas  bactérias  na  degradação  da  matéria  orgânica  (i.e. a  demanda  de  oxigênio
dissolvido – DBO na coluna d’água).
D. Utilização de oxigênio no processo de nitrificação.
E. Produção de oxigênio pela fotossíntese e consumo por respiração fitoplanctônica.
F. Utilização de oxigênio dissolvido na respiração do zooplâncton.
G. Produção de oxigênio pela fotossíntese e consumo por respiração das macrófitas aquáticas.
H. Utilização de oxigênio dissolvido na respiração de peixes.
I. Utilização de oxigênio dissolvido na respiração de outros organismos (e.g. macroinvertebrados).
8 PROCESSOS ABIÓTICOS

Os processos abióticos são os componentes de um ecossistema que não requerem a ação da biota aquática,
ou  que  não  possuem  vida,  mas  realizam  funções  vitais  nas  suas  estruturas  orgânicas.  São,  enfim,  todos  os
fatores  químico­físicos  do  ambiente  e  incluem  elementos  como  temperatura,  tipo  e  características  do
sedimento,  disponibilidade  de  nutrientes  essenciais  para  produção  primária,  salinidade,  luz,  fotoperíodo  e
acidez ou alcalinidade. Uma modelagem eficiente dos processos abióticos leva a uma melhor aproximação
dos processos bióticos e, consequentemente, do fenômeno de interesse. Na sequência, apresentamos alguns
equacionamentos matemáticos para descrever parte dos processos abióticos aquáticos.

8.1 COMPONENTES ORGÂNICOS E INORGÂNICOS NA ÁGUA
Os  componentes  abióticos  são  divididos  em  dois  compartimentos  aquáticos:  água  e  sedimento.  Os
principais  componentes  abióticos  na  coluna  d’água  são:  matéria  inorgânica,  detritos  (matéria  orgânica),
fósforo adsorvido, PO4, NO3, NH4 e SiO2 dissolvido. As frações dissolvidas são disponíveis para produção
primária  (i.e.  fitoplâncton  e  macrófitas).  Na  maioria  das  vezes,  o  húmus  na  coluna  d’água  pode  ser
desprezado,  considerando  que  sua  sedimentação  é  rápida.  Todos  os  componentes  abióticos  na  água  são
admitidos  como  concentrações.  As  variáveis  derivadas  na  coluna  d’água  são  definidas  como  segue  (ver
nomenclatura das variáveis no apêndice A).

8.1.1 VARIÁVEIS DE PESO SECO NA ÁGUA

8.1

oDOMW = sDDetW + sDPhytW
8.2
Séston orgânico na água [mgD/l]

oDSestW = oDOMW + sDDIMW
8.3
Séston total na água [mgD/l]

8.1.2 VARIÁVEIS DE FÓSFORO

8.4

oPOMW = sPPhytW + sPDetW
Parcela de fósforo no Séston orgânico na água
[mgP/l] 8.5
oPSestW = oPOMW + sPDIMW
Parcela de fósforo Séston total na água [mgP/l] 8.6

oPInorgW = sPO4W + sPAIMW
Fósforo inorgânico [mgP/l] 8.7

oPITotW = oPSestW + sPO4W
8.8
Fósforo total na água [mgP/l]

8.1.3 VARIÁVEIS DE NITROGÊNIO

oNDissW = sNO3W + sNH4W
8.9
Nitrogênio dissolvido na água [mgN/l]

8.10

oNOMW = sNPhytW + sNDetW
8.11
Séston orgânico [mgN/l]

oNSestW = oNOMW
8.12
Séston total [mgN/l]

oNkjW = oNSestW + sNH4W
8.13
Nitrogênio de kjedahl na água [mgN/l]

oNTotW = oNkjW + sNO3W
8.14
Nitrogênio total na água [mgN/l]

8.1.4 RAZÃO DE NUTRIENTES

rPDIMW = sPAIMW/sDIMW
8.15
Razão entre fósforo adsorvido e mat. inorg. [gP/gD]

rPDDetW = sPDetW/sDDetW
8.16
Razão P/D em detritos [gP/gD]

rNDDetW = sNDetW/sDDetW
8.17
Razão N/D em detritos [gN/gD]
rSiDDetW = sSiDetW/sDDetW 8.18
Razão Si/D em detritos [gSi/gD]

rPDOMW = oPOMW/oDOMW
8.19
Razão P/D no séston org. [gP/gD]

8.2 COMPONENTES NO SEDIMENTO
A  camada  do  topo  do  sedimento  consiste  em  matéria  particulada  e  nutrientes  dissolvidos  (PO4,  NH4  e
NO3)  na  água  presente  nos  poros  do  sedimento.  A  matéria  particulada  consiste  de  matéria  inorgânica  e
orgânica. A matéria inorgânica (areia, argila ou silte) não faz parte do ciclo biológico, mas forma a estrutura
de  base  do  sedimento  e  determina  a  capacidade  de  adsorção  de  fósforo.  A  matéria  orgânica  é  dividida  em
refratária  (húmus)  e  degradável  (detritos).  O  detrito  é  a  parte  da  matéria  orgânica  que  faz  parte  do  ciclo
biológico, disponibilizando nutrientes em uma escala de tempo mensal. A matéria orgânica pode ser expressa
em unidade de carbono por meio de uma razão constante (aproximadamente 0,4 g de carbono por 1 g de peso
seco).
Geralmente, modelos ecológicos consideram a espessura da camada do topo do sedimento como constante
(10  cm),  e  nela  ocorrem  os  processos  de  troca  entre  água  e  sedimento  (Lijklema,  1993).  Nessa  camada
acontece parte do ciclo de nutrientes, sendo ela importante para a qualidade da água e a bioprodução. Uma
avaliação mais realista da dinâmica de fundo é quando se leva em consideração o leve aumento ou redução
da espessura da camada do topo do sedimento produzida por material sedimentado ou ressuspenso. O fósforo
inorgânico  no  sedimento  é  constituído  por  fósforo  dissolvido  na  água  intersticial  e  fósforo  adsorvido  na
matéria inorgânica. Assim como na água, o nitrogênio inorgânico é composto por nitrato e amônio nos poros
do sedimento. Todos os componentes abióticos no sedimento são expressos por unidade de área [gm−2].  Os
valores são convertidos para concentrações dividindo­os pela porosidade e pela espessura da camada do topo
do sedimento.
Inicialmente, as frações de peso seco, matéria orgânica, detritos e húmus no topo da camada de sedimento
deverão  ser  fornecidas  pelo  modelador.  Essas  informações  podem  ser  estimadas  por  meio  de  medidas  in
situ ou da literatura. Os valores iniciais são usados para calcular as componentes no sedimento, a densidade e
a  porosidade  (conteúdo  de  água  por  volume  de  sedimento).  Na  maioria  das  vezes,  por  questões  de
simplificação, a porosidade é considerada constante. A densidade do sólido, das frações de matéria orgânica e
inorgânica, também é tida como constante. Considere os seguintes parâmetros para o sedimento:

fDTotS0: Fração inicial de peso seco [g sólido g−1 sedimento]
fDOrgS0: Fração inicial de matéria orgânica [g matéria org g−1sólido]
fLutum: Fração de lodo na matéria inorgânica [g g−1]
fDDetS0: Fração inicial de detritos na matéria orgânica [g g−1]
cRhoOM: Densidade do sólido de matéria orgânica [g m−3 sólido]
cRhoIM: Densidade do sólido de matéria inorgânica [g m−3sólido]
cRhoWat: Densidade da água [g m−3]

Dessa forma, algumas propriedades do sedimento podem ser estimadas a partir das seguintes equações:

bRhoSolidS0 = fDOrgS0 ꞏ cRhoOM + (1
− fDOrgS0) ꞏ cRhoIM
8.20
Densidade média inicial do material sólido [g m
−3sólido]
8.21

bPorCorS = bPorS(bPorS+1)
8.22
Porosidade do sedimento, corrigida pela
tortuosidade

bRhoTotS0 = bRhoSolidS0 ꞏ (1 − bPorS)
Densidade aparente do sedimento [g de sólido m 8.23
−3de sedimento]

Com  base  nessas  densidades,  os  valores  iniciais  das  variáveis  de  estado  no  sedimento  (de
espessura cDephtS) são calculados:

bDTotS0 = bRhoTotS0 ꞏ cDepthS
8.24
Peso seco total inicial no topo da camada [gD m−2]

sDHumS0 = (1 − fDDetS0) ꞏ fDOrgS0 ꞏ bDTotS0
8.25
Húmus inicial no topo da camada [gD m−2]

sDDetS0 = fDDetS0 ꞏ fDOrgS0 ꞏ bDTotSO
8.26
Detrito inicial no topo da camada [gD m−2]

sDIMS0 = bDTotS0 − sDHumS0 − sDDetS0
8.27
Matéria inorg. inicial no topo da camada [gD m−2]

Os valores iniciais dos nutrientes são dados de entrada no modelo. Na maioria das vezes, não é fácil obter
uma  boa  estimativa  inicial  dessas  variáveis;  portanto,  recomenda­se  que  esses  valores  sejam  derivados  de
medições in situ. Os valores usuais encontrados na literatura são listados na Tab. 8.1.

TAB. 8.1 Valores iniciais sugeridos das componentes no sedimento
Componente no sedimento Valor
sNH4S0 : N­NH4 dissolvido inicial nos poros do 0,02
−2
sed. [gN m ]
sNO3S0 : N­NO3 dissolvido inicial nos poros do 0,002
−2
sed. [gN m ]
cPDDet0 : Fração de fósforo inicial nos detritos 0,0025
[gP/gD]
cNDDet0 = 0, 025 : Fração de nitrogênio inicial 0,025
nos detritos [gN/gD]
cSiDDet0 : Fração de sílica inicial nos detritos 0,01
[gSi/gD]
cPDHum0 : Fração de fósforo inicial no húmus 0,005
[gP/gD]
cNDHum0 : Fração de nitrogênio inicial no 0,05
húmus [gN/gD]
sPHumS0 : Porção de fósforo no húmus [gP m ] cPDHum0 ꞏ
−2

sDHumS0
sNHumS0 : Porção de nitrogênio no húmus [gN m cNDHum0 ꞏ
−2
] sDHumS0

sPDetS0 : Porção de fósforo nos detritos [gP m ] cPDDet0 ꞏ
−2

sDDetS0
sNDetS0 : Porção de nitrogênio nos detritos [gN cNDDet0 ꞏ
−2
m ] sDDetS0

sSiDetS0 : Porção de sílica nos detritos [gSi m ] cSiDDet0 ꞏ
−2

sDDetS0

O fósforo inorgânico é inicializado como uma fração do peso seco (D) de sedimento. Considere os valores
padrões e as seguintes equações:

sPAIMS0 = fPAdsS0 ꞏ fPInorgS0 ꞏ bDTotS0
Fósforo adsorvido na matéria inorg. no sed. [gP m 8.28
−2]

sPO4S0 = (1 − fPAdsS0) ꞏ fPInorgS0 ꞏ bDTotS0
8.29
Fósforo dissolvido inicial no sedimento [gP m−2]

onde fPInorgS0 é a fração de fósforo inorgânico no sedimento (aproximadamente igual a 0,05%) e fPAds0 é a
fração de fósforo inorgânico adsorvido na matéria inorgânica no sedimento (aproximadamente igual a 99%).

8.3 RESSUSPENSÃO E SEDIMENTAÇÃO
A modelagem dos fluxos de ressuspensão e sedimentação geralmente é aplicada a partículas de pequenas
dimensões  que  são  mais  suscetíveis  ao  transporte  na  coluna  d’água,  como,  por  exemplo,  as  partículas
pequenas  de  matéria  inorgânica,  detritos  e  o  fitoplâncton.  O  fluxo  vertical  de  partículas  maiores  de  areia  e
húmus  geralmente  é  desprezado,  uma  vez  que  essas  partículas  têm  um  tempo  de  sedimentação  rápido  (em
uma escala de horas).

8.3.1 RESSUSPENSÃO
As taxas de ressuspensão são relacionadas diretamente com a velocidade e a direção do vento, ou com a
velocidade da água próximo ao fundo (Fig. 8.1).
Essas variáveis podem ser calculadas utilizando­se as seguintes expressões:

8.30
Velocidade do vento na superfície da água [m s−1]

8.31

Velocidade da água próximo ao fundo [m s−1]
FIG. 8.1 Elementos para o cálculo da ressuspensão relacionada ao vento

onde W10 é a velocidade do vento medida a 10 m da superfície livre da água; HS é a altura significante da
onda (m); Ld é o comprimento significante da onda (m); TS é o período da onda (s); e H  é  a  profundidade
(m).
O comprimento significante da onda (Ld) é relacionado ao comprimento da onda, L (CERC, 1977):

Ld = L ꞏ tanh (2πH/Ld)
8.32
Comprimento significante da onda [m]
onde 

 A tangente e o seno hiperbólico podem ser computados como:

8.33

8.34

Ijima  e  Tang  (1966)  desenvolveram  fórmulas  para  estimar  a  altura  e  o  período  significante  da  onda
(HS e TS) em função da profundidade, da velocidade do vento e do fetch (comprimento da pista de atuação do
vento no sentido da formação de ondas):

8.35

8.36

Em alguns modelos de ressuspensão, a tensão de cisalhamento no fundo é usada para o cálculo do fluxo,
podendo ser estimada por:

8.37

onde Cf é um fator de fricção do fundo; ρw é a densidade da água (kg m−3).
O fator de fricção do fundo é dado por:

Cf = 0, 4 (A/kn)3/4 8.38

onde A = H/2 sinh (2πH/L) e RN é a rugosidade.
Existem diversas relações entre o fluxo de ressuspensão e as variáveis anteriormente citadas. Todas essas
relações  para  o  cálculo  do  fluxo  de  ressuspensão  foram  estabelecidas  assumindo­se  que  o  corpo  d’água  é
completamente misturado. Mais equações para o cálculo do fluxo de ressuspensão são apresentadas na Tab.
8.2; entretanto, por questões de simplificação, pode­se utilizar uma relação bastante disseminada, baseada na
mecânica  da  tensão  de  cisalhamento  induzida  pelo  vento  em  função  das  dimensões  do  lago  (Carper;
Bachmann, 1984; Bloesch, 1995; Cózara et al., 2005):

8.39

onde  W  é  a  intensidade  do  vento  (m  s−1);  W0  é  a  intensidade  do  vento  necessária  para  perturbar  o
fundo; α e β são os coeficientes da equação de regressão obtida empiricamente; sDepthW  é  a  profundidade
(m); e δ é uma função que determina quando o vento começa a ressuspender sedimentos. O termo α ꞏ (W +
(2,  3  −  W0))β é  uma  relação  empírica  que  determina  a  turbidez  do  lago,  δ  =  0  para  W  <  W0  e  δ  =  1
para W ⩾ W0.

TAB. 8.2 Modelos para o cálculo do fluxo de ressuspensão (gDm−2d−1). Os parâmetros referem­se aos
ecossistemas estudados pelos autores e estão sujeitos a adaptações
Autor(es) Parâmetros
Fluxo de ressuspensão
(tDResusTauDead)
Luettich, 1987 cVSet ꞏ θ (HS − Hcr), cVSet = 2, 2 ꞏ
p/HS > Hcr 0, p/HS < Hcr 10−4 ms−1
θ = 8, 27
Hcr = 0 − 16,
75 cm
Lam e Jacquet, cVSet = 2,
1976 9 ꞏ 10−4 ms−1
k = 6, 11 ꞏ
10−16ms−1
ucr = 0, 03 ms
−1

Sheng e Lick, 1976 C1 ꞏ (τfundo − τcr1), p/ cVSet = 5 ꞏ


τcr1 < τfundo < τcr2 10−4 ms−1
C2 ꞏ (τfundo − τcr2), p/ C1 = 1, 33 ꞏ
τfundo > τcr2 10−4sm−1
0, p/τfundo < τcr1 C2 = 4, 12 ꞏ
10−4sm−1
τcr1 = 0, 05 Nm
−2
τcr2 = 0, 15 Nm
−2
Partheniades, 1965 e N ꞏ (τfundo − τcr)/τcr, p/ τcr = 0, 02 Nm
Krone, 1962 τfundo > τcr 0, p/τfundo < τcr −2
N = 4,
9 ꞏ 10−5gm−2s−1
cVSet é a velocidade de sedimentação (ms−1); ρsed é a densidade do sedimento (kgm−3); τcr é a tensão de cisalhamento no
fundo crítica; ucr é a velocidade da água próximo ao fundo crítica; e θ, k, C1 e C2 são constantes.

À parte da ação física (e.g. ventos e correntes), um outro fator de ressuspensão é a presença de peixes que
se alimentam de animais no fundo (zoobentos). Por meio de trabalhos experimentais, alguns pesquisadores
estimaram a porção diária de ressuspensão provocada pela procura de alimento desses peixes (Meijer et al.,
1990;  Breukelaar  et  al.,  1994).  Considera­se  que  os  peixes  que  provocam  ressuspensão  são  os  onívoros  e
planctívoros adultos. Uma relação linear é adotada, corrigida pela temperatura:

tDTurbFish = kTurbFish ꞏ uFunTmFish ꞏ sDFiAd
8.40
Fluxo de ressuspensão devido aos peixes [gD m−2 d
−1]

onde  kTurbFish  é  a  taxa  de  ressuspensão  (d−1)  provocada  pela  procura  de  alimentos  no  sedimento  por
peixes;  sDFiAd  é  a  biomassa  de  peixes  adultos  (gD  m−2);  e  uFunTmFish  é  uma  função  que  representa  o
efeito  da  temperatura  na  ressuspensão  por  peixes.  Além  disso,  existe  um  efeito  positivo  para  a  redução  da
ressuspensão pela presença de macrófitas aquáticas submersas (James; Barko, 1990; Jeppesen et al., 1990;
Van Nes et al., 2002a, 2003). Esse efeito depende não somente da porção de biomassa de vegetação aquática,
mas também das espécies, da forma de crescimento e dos padrões espaciais da vegetação. Matematicamente,
considera­se que a ressuspensão decresce linearmente com o aumento da biomassa de macrófitas submersas
no fundo:

aFunVegResus = MAX(1 − kVegResus ꞏ aDVeg, 0)
Dependência da vegetação na ressuspensão [­] 8.41

onde kVegResus é a relação de redução da ressuspensão por grama de vegetação aquática presente (m2gD−1)
(aproximadamente igual a 0,01), e aDVeg é a biomassa de vegetação submersa presente na água (gD m−2).
As contribuições do efeito do vento, dos peixes e da vegetação podem ser combinadas, levando à seguinte
equação:

tDResusDead = (tDResusTauDead + tDTurbFish) ꞏ
aFunVegResus Fluxo de ressuspensão com efeitos 8.42
combinados [gD m−2 d−1]

A taxa de ressuspensão pode ser dividida em parcelas de matéria inorgânica e detritos (matéria orgânica
degradável), de acordo com suas concentrações no topo da camada do sedimento:

8.43

8.44

onde fLutum ≈ 0,10 é a fração de lodo na matéria inorgânica.
A  taxa  de  ressuspensão  do  fitoplâncton  pode  ser  descrita  como  uma  fração  da  biomassa  presente  no
sedimento que está de acordo com uma relação empírica entre frequência e taxa de ressuspensão:

tDResusPhytTot = kResusPhytMax ꞏ sDPhytS ꞏ
ꞏ (1 − EXP(cResusPhytExp ꞏ tDResusDead)) 8.45

Fluxo de ressuspensão do fitoplâncton [gD m−2 d−1]

onde kResusPhytMax ≈ 0,25 é a taxa máxima de ressuspensão do fitoplâncton (d−1); cResusPhytExp ≈ ­0,379
é um parâmetro exponencial para ressuspensão do fitoplâncton (gD.m−2.d−1).
A  partir  desses  fluxos,  as  taxas  de  ressuspensão  para  nutrientes  nos  detritos  e  fósforo  adsorvido  são
calculadas por meio da atual razão entre nutrientes e detritos. Os nutrientes dissolvidos também são afetados
pela ressuspensão:

tPResusPO4 = sPO4S/sDDetS ꞏ tDResusDet
Fluxo de ressuspensão do fósforo dissolvido [gP m 8.46
−2d−1]

As equações para nitrato, amônio e sílica são similares.

8.3.2 SEDIMENTAÇÃO
A  sedimentação  geralmente  é  modelada  por  uma  equação  de  primeira  ordem.  A  velocidade  de
sedimentação é diferente para distintos componentes do séston (i.e. conjunto das partículas, orgânicas ou não,
que  se  encontram  dispersas  na  coluna  d’água)  e  depende  das  dimensões  do  lago.  Ela  pode  ser  estimada
usando­se a lei de Stokes:

8.47

onde  cVSet  é  a  velocidade  de  sedimentação  (cm  s−1);  α  é  um  fator  que  representa  o  efeito  da  forma  da
partícula  na  sedimentação  (para  uma  esfera  α  =  1);  g  é  a  aceleração  da  gravidade  (981  cm  s−2);  ρs  é  a
densidade  da  partícula  (g  cm−3);  μ  é  a  viscosidade  dinâmica  (g  cm−1  s−1);  e  d  é  o  diâmetro  efetivo  da
partícula (cm).
A partir da lei de Stokes, outras representações mais simplificadas foram apresentadas:

cVSet = 0, 033634 ꞏ (ρs − ρw) d2
8.48
Velocidade de sedimentação [m d−1]

onde cVSet é a velocidade de sedimentação (m d−1); as densidades em g cm−3; d em μ m.
Um  resumo  contendo  alguns  valores  da  velocidade  de  sedimentação  medidos  experimentalmente  para
determinadas  partículas  é  apresentado  na  Tab.  8.3.  A  taxa  de  sedimentação  é  computada  dividindo­se  a
velocidade de sedimentação pela profundidade:

8.49

A  sedimentação  de  matéria  inorgânica  depende  da  quantidade  de  lodo  no  sedimento,  e  a  velocidade  de
sedimentação é influenciada pela temperatura.

TAB. 8.3 Velocidade de sedimentação de algumas partículas
Tipo de partícula Diâmetro Velocidade de sedimentação
(μm) (m d−1)
Fitoplâncton
Cyclotella 2 0,08­0,24
meneghiniana
Thalassiosira nana 4,3­5,2 0,1­0,28
Scenedesmus 8,4 0,27­0,89
quadricauda
Asterionella 25 0,2­1,48
formosa
Thalassiosira rotula 19­34 0,39­2,1
Coscinodiscus 50 1,9­6,8
lineatus
Melosira agassizii 54,8 0,67­1,87
Rhizosolenia 84 1,1­4,7
robusta
Carbono Org. Particulado
1­10 0,2
10­64 1,5
> 64 2,3
Argila
2­4 0,3­1
Silte
10­20 3­30
Fonte: Wetzel, 1975; Burns e Rosa, 1980.

8.50

8.51

A  mesma  função  de  sedimentação  para  detritos  pode  ser  usada  para  o  cálculo  da  ressuspensão  de
fitoplâncton. Os fluxos de sedimentação para fósforo, nitrogênio e sílica são calculados como fluxos de peso
seco multiplicado pela razão entre nutriente e peso seco:

tPSetAIM = sPAIMW/sDIMW ꞏ tDSetIM
8.52
Sedimentação de fósforo adsorvido [gP m−2 d−1]

tPSetDet = rPDDetW ꞏ tDSetDet
8.53
Sedimentação de fósforo dissolvido [gP m−2 d−1]

tNSetDet = rNDDetW ꞏ tDSetDet
Sedimentação de nitrogênio dissolvido [gN m−2 d 8.54
−1]

tSiSetDet = rSiDDetW ꞏ tDSetDet
8.55
Sedimentação de sílica dissolvida [gSi m−2 d−1]

8.4 MINERALIZAÇÃO E OXIGÊNIO UTILIZADO
O processo de mineralização, descrito no capítulo anterior, pode ser aproximado por meio de uma equação
de primeira ordem que depende da temperatura da água. A dependência da temperatura segue a equação de
Arrhenius, em que a taxa aumenta exponencialmente com a temperatura:

wDMinDetW = kDMinDetW ꞏ cThetaMinTm−20 ꞏ
sDDetW 8.56
Fluxo de mineralização na água [gD m−3 d−1]

tDMinDetS = kDMinDetS ꞏ cThetaMinTm−20 ꞏ
sDDetS
8.57
Fluxo de mineralização no sedimento [gD m−2 d
−1]

onde  kDMinDetW  e  kDMinDetS  são  as  taxas  de  mineralização  (d−1)  na  água  e  no  sedimento,
respectivamente;  cThetaMin  é  um  coeficiente  do  efeito  da  temperatura  na  mineralização;  e  Tm  é  a
temperatura (°C). As equações são análogas para fósforo e nitrogênio.
O  oxigênio  consumido  relacionado  aos  fluxos  de  mineralização,  também  conhecido  como  Demanda
Bioquímica de Oxigênio (DBO), é calculado por meio de dois fatores de conversão, corrigindo seu valor pela
concentração  de  oxigênio  disponível.  Na  coluna  d’água,  a  concentração  de  oxigênio  pode  ser  modelada
dinamicamente.  Aqui,  apresentamos  uma  correção  do  tipo  Michalis­Menten  de  modelos  clássicos  de  DBO
para a estimativa do fluxo de oxigênio pela mineralização:

aCorO2BOD = sO2W/(hO2BOD + sO2W)
8.58
Correção da demanda de O2 na água

wO2MinDetW = molO2molC ꞏ cCPerDW ꞏ
ꞏ aCorO2BOD ꞏ wDMinDetW 8.59

Fluxo de O2 [gO2 m−3 d−1]

onde hO2BOD é a constante de meia saturação de oxigênio na DBO; molO2molC = 2,667 é a razão do peso
molecular  entre  oxigênio  e  carbono;  e  cCPerDW  ≈  0,4  é  a  fração  de  carbono  no  peso  seco  da  matéria
orgânica degradável.
No sedimento, as condições de oxigênio são modeladas por meio de uma equação de equilíbrio, uma vez
que  a  escala  de  tempo  da  dinâmica  de  oxigênio  no  sedimento  é  pequena  (minutos)  (Lijklema,  1993).  A
espessura  da  camada  aeróbia  do  sedimento  é  descrita  em  função  da  concentração  de  oxigênio  na  água,  da
taxa de difusão do oxigênio e da demanda de oxigênio no sedimento.

8.60

akO2DifCor = kO2Dif ꞏ uFunTmDif ꞏ cTurbDifO2
ꞏ bPorCorS 8.61
Coeficiente de difusão corrigido [m2d−1]

tSOD = (molO2molC ꞏ cCPerDW ꞏ (1
− fRefrDetS) ꞏ tDMinDetS + O2PerNH4 ꞏ
molO2molN ꞏ
8.62
ꞏ kNitrS ꞏ uFunTmNitr ꞏ sNH4S)/cDepthS
Demanda de oxigênio no sed. [gO2 m−3 d−1]

onde molO2molN = 2, 2857 é a razão do peso molecular entre oxigênio e nitrogênio; molNmolC = 1, 1667 é a
razão do peso molecular entre nitrogênio e carbono; kO2Dif = 2, 6 ꞏ 10−5 é a difusão molecular do O2 (m2 d
−1); cThetaDif ≈ 1, 02 é um coeficiente de temperatura para difusão do O  (1/eoC ); cTurbDifO2 é o fator de
2
bioturbidez para difusão do O2 [­]; bPorCorS = bPorS (bPorS+1) é a porosidade  corrigida;  kNitrS  é  a  taxa  de
−1
nitrificação no sedimento (d ); O2PerNH4 =2,0 é o número de moles O2 usados por mol de NH4 nitrificado
[­]; e cDepthS é a profundidade da camada do topo do sedimento (m).
A  espessura  da  camada  aeróbia  é  dividida  pela  espessura  da  camada  do  topo  do  sedimento  para  obter  a
proporção aeróbia do sedimento:

afOxySed = aDepthOxySed/cdepthS
8.63
Proporção aeróbia do sedimento [­]

Assume­se  que  essa  proporção  de  mineralização  ocorre  aerobicamente,  ou  seja,  o  oxigênio  consumido  é
baseado nos fatores de conversão O2/C e C/D:

tO2MinDetS = molO2molC ꞏ cCPerDW ꞏ
afOxySed ꞏ
ꞏ(1 − fRefrDetS) ꞏ tDMinDetS 8.64
Consumo de oxigênio pela mineralização no
sedimento [gO2 m−2 d−1]

Além disso, admite­se que uma fração do material decomposto no sedimento (padrão 15%) é transformada
em húmus:

tDMinHumS = kDMinHum ꞏ uFunTmMinS ꞏ
afOxySed ꞏ sDHumS
8.65
Decomposição do húmus no sedimento [gD m−2 d
−1]

As equações para fósforo e nitrogênio são análogas.

8.5 NITRIFICAÇÃO, DESNITRIFICAÇÃO E CONDIÇÕES DE OXIGÊNIO
8.5.1 NITRIFICAÇÃO
A nitrificação é um processo microbial aeróbio que envolve a transformação de amônio em nitrato (Fig.
8.2). Ele pode ser modelado como um processo de primeira ordem em função da concentração de amônio no
meio, da temperatura e das condições de oxigênio. As taxas de nitrificação geralmente são muito mais altas
no sedimento do que na água, uma vez que a concentração de bactérias nitrificantes é mais alta no sedimento.
O  correspondente  consumo  de  oxigênio  decorrente  do  processo  de  nitrificação  é  calculado  usando­se  um
fator de conversão de 2 moles de O2 por mol de NH4 e a razão do peso molecular.
FIG. 8.2 Processo de nitrificação que ocorre em todos os ecossistemas aquáticos

O efeito da temperatura na taxa de nitrificação pode ser expresso por:

uFunTmNitr = cThetaNitr(T−20)
8.66
Efeito da temperatura na nitrificação [­]

onde cThetaNitr é uma constante aproximadamente igual a 1,08 e T é a temperatura (°C).
A  correção  da  taxa  de  nitrificação  pelas  condições  de  oxigênio  no  meio  pode  ser  representada  por  uma
função de Hill (Apêndice B):
8.67

onde hO2Nitr é a constante de meia saturação de oxigênio para nitrificação.
Os fluxos de nitrificação na água e no sedimento podem então ser estimados por:

wNNitrW = kNitrW ꞏ uFunTmNitr ꞏ aCorO2NitrW
ꞏsNH4W 8.68
Fluxo de nitrificação na água [gN m−3 d−1]

tNNitrS = afOxySed ꞏ kNitrS ꞏ uFunTmNitr ꞏsNH4S
8.69
Fluxo de nitrificação no sedimento [gN m−2 d−1]

onde kNitrW e kNitrS são as taxas de nitrificação (d−1) na água e no sedimento, respectivamente. O consumo
de oxigênio utilizado no processo de nitrificação é dado por:

wO2NitrW = O2perNH4 ꞏ molO2molN ꞏ wNNitrW
Fluxo de O2 pela nitrificação na água [gO2 m−3 d 8.70
−1]

tO2NitrS = O2perNH4 ꞏ molO2molN ꞏ tNNitrS
Fluxo de O2 pela nitrificação no sedimento [gO2m 8.71
−2 d−1]

8.5.2 DESNITRIFICAÇÃO
A desnitrificação é um importante processo no qual o nitrogênio é perdido do sistema. É definida como a
transformação do nitrato em substâncias voláteis, como moléculas de nitrogênio, as quais podem ser perdidas
para a atmosfera. O processo é anaeróbio, microbial, dependente da temperatura e necessita da presença de
carbono  orgânico  e  nitrato  (Van  Luijn,  1997;  Soetaert  et  al.,  1995).  Esse  processo  normalmente  é
significativo na camada do topo do sedimento, mas também tem um papel importante na coluna d’água se a
concentração de oxigênio chegar a baixos valores.
A  desnitrificação  pode  ser  modelada  como  parte  da  parcela  aeróbia  do  processo  de  mineralização.  A
dependência de nitrato pode ser descrita por meio de uma função sigmoidal:

wNDenitW = NO3PerC ꞏ molNmolC ꞏ cCPerDW ꞏ
sNO3W2/

(hNO3Denit2 + sNO3W2) ꞏ (1 − aCorO2BOD) ꞏ 8.72
wDMinDetW
Fluxo de desnitrificação na água [gN m−3 d−1]

tNDenitS = NO3PerC ꞏ molNmolC ꞏ cCPerDW ꞏ
oNO3S2/
(hNO3Denit2 + oNO3S2) ꞏ (1 − afOxySed) ꞏ
8.73
ꞏ (1 − fRefrDetS) ꞏ tDMinDetS

Fluxo de desnitrificação no sedimento [gN m−2 d
−1]

onde NO3PerC =  0,8  é  a  quantidade  de  moles  desnitrificados  por  mol  de  C  mineralizado;  hNO3Denit  é  a
constande de meia saturação de NO3 para desnitrificação; e fRefrDetS ≈ 0,15 é a fração refratária de matéria
orgânica no sedimento.

8.6 ADSORÇÃO DO FÓSFORO
O  fósforo  dissolvido  pode  ser  adsorvido  pela  matéria  inorgânica,  especialmente  quando  é  constituída  de
argila.  Esse  processo  funciona  como  um  depósito  da  disponibilidade  de  fósforo  para  produção  primária.
Assume­se que a fração adsorvida está em equilíbrio químico reversível em estado dissolvido. A adsorção de
fósforo na matéria orgânica não é significante e pode ser desprezada na modelagem (Rijkeboer; Otten; Gons,
1992). O processo de sorção (absorção de um gás por um líquido) pode ser assumido como instantâneo. O
valor  de  equilíbrio  é  determinado  por  uma  isoterma  de  adsorção,  definida  como  a  relação  entre  a
concentração  de  fósforo  dissolvido  e  fósforo  adsorvido  por  grama  de  adsorvente  no  equilíbrio  [gP/gD].
Quando  a  concentração  de  fósforo  dissolvido  no  sedimento  é  alta,  a  capacidade  máxima  de  adsorção  é
atingida. Tal capacidade depende da quantidade de ferro e alumínio no adsorvente. A adsorção é influenciada
por várias condições ambientais, tais como condições de redox e pH. Em termos matemáticos, essas relações
são expressas da seguinte maneira:

aPAdsMaxW = cRelPAdsD + aCorO2BOD ꞏ
ꞏ cRelPAdsFe ꞏ fFeDIM + cRelPAdsAl ꞏ fAlDIM 8.74
Adsorção máxima de fósforo por grama de
matéria inorgânica na água [gP/gD]

aKPAdsW = (1 − fRedMax ꞏ (1 − aCorO2BOD)) ꞏ
cKPAdsOx
8.75
Afinidade de adsorção de fósforo na água,
corrigida pelas condições de redox [m3/gP]

aPIsoAdsW = aPAdsMaxW ꞏ aKPAdsW ꞏ sPO4W/
(1 + aKPAdsW ꞏ sPO4W) 8.76
Isoterma do fósforo adsorvido na matéria
inorgânica na água [gP/gD]

aPAdsMaxS = cRelPAdsD + afOxySed ꞏ
ꞏ cRelPAdsFe ꞏ fFeDIM + cRelPAdsAl ꞏ fAlDIM 8.77
Adsorção máxima de fósforo por grama de
matéria inorgânica no sedimento [gP/gD]
aKPAdsS = (1 − fRedMax ꞏ (1 − afOxySed)) ꞏ
cKPAdsOx 8.78
Afinidade de adsorção de fósforo no sed.,
corrigida pelas condições de redox [m3/gP]

aPIsoAdsS = aPAdsMaxS ꞏ aKPAdsS ꞏ oPO4S/
(1 + aKPAdsS ꞏ oPO4S) 8.79
Isoterma do fósforo adsorvido na matéria
inorgânica no sedimento [gP/gD]

aPeqIMS = aPIsoAdsS ꞏ sDIMS
8.80
Quantidade em equilíbrio [gP m−2]

tPSorpIMS = kPSorp ꞏ (aPEqIMS − sPAIMS)
8.81
Sorção do fósforo na matéria inorgânica [gP m−2d
−1]

onde  cRelPAdsD  ≈  0,  00003  é  a  adsorção  máxima  de  fósforo  por  grama  de  peso  seco  de  matéria
inorgânica; cRelPAdsFe ≈ 0, 065 é a adsorção máxima de fósforo por grama de ferro; cRelPAdsAl ≈ 0, 134 é a
adsorção  máxima  de  fósforo  por  grama  de  alumínio;  fFeDIM  ≈  0,  01  é  o  conteúdo  de  ferro  na  matéria
inorgânica (gFe/gD); fAlDIM ≈ 0, 01 é o conteúdo de alumínio na matéria inorgânica (gAl/gD); e afOxySed é
a proporção de sedimento aeróbio.

8.7 IMOBILIZAÇÃO DO FÓSFORO
A imobilização do fósforo pode ser estimada considerando­se uma concentração máxima de PO4 na água
presente  nos  poros  do  sedimento,  acima  da  qual  o  fósforo  é  perdido  por  imobilização  química  irreversível
(fluxo de perda de PO4 do sistema).

tPChemPO4 = MAX(0, kPChemPO4
ꞏ (oPO4S − cPO4Max)) 8.82
Perda química de fósforo dissolvido [gP m−2 d−1]

onde kPChemPO4 é uma taxa constante e cPO4Max é a concentração máxima de PO4.

8.8 LIBERAÇÃO DE NUTRIENTES (DIFUSÃO)
Fósforo, nitrato, amônio e sílica dissolvidos na água podem ser transportados do sedimento para a coluna
d’água por difusão cruzando a interface sedimento­água. Esse fluxo pode ser ascendente (definido como um
fluxo  positivo)  ou  descendente  (definido  como  um  fluxo  negativo).  Os  fluxos  dependem  do  gradiente  de
concentração  dos  dois  compartimentos.  O  fluxo  de  liberação  de  nutrientes  pode  ser  estimado  a  partir  da
diferença entres as concentrações dividida pela distância de difusão (aDepthDif), definida como a metade da
espessura da camada do topo do sedimento:
tDDifPO4 = kPDifPO4 ꞏ uFunTmDif ꞏ
cTurbDifNut ꞏ
8.83
ꞏ bPorCorS ꞏ (oPO4S − sPO4W)/aDepthDif

Fluxo de difusão de fósforo dissolvido [gP m−2 d
−1]

onde  kPDifPO4  é  a  constante  de  difusão  do  fósforo  dissolvido  (m2d−1);  cThetaDif  é  um  parâmetro
dependente da temperatura (1/eoC); cTurbDifNut é o fator de bioturbidez [­]; aDepthDif = 0, 5 ꞏ cDepthS é a
distância de difusão (m); fAlDIMl é o conteúdo de alumínio na matéria inorgânica.

8.9 REAERAÇÃO
A reaeração é a difusão de oxigênio proveniente da atmosfera que cruza a superfície da água. Considere as
seguintes equações:

uO2Sat = 14, 652 − 0, 41022 ꞏ Tm

+ 7, 991 ꞏ 10−3 ꞏ Tm2 − 7, 7774 ꞏ 10−5 ꞏ Tm3
8.84
Concentração de saturação de oxigênio [mgO2 L
−1]

tO2Reaer = kReaer ꞏ (uO2Sat − sO2W) ꞏ
uFunTmReaer 8.85
Fluxo de reaeração de O2 na água [gO2 m−2 d−1]

onde uFunTmReaer = cThetaReaer(Tm−20) é uma função que representa o efeito da temperatura na reaeração,
e cThetaReaer é uma constante aproximadamente igual a 1,06.
A constante de reaeração (kReaer) também pode ser escrita em função da velocidade do vento (uVWind).
Além disso, a temperatura tem uma influência de ordem exponencial sobre a reaeração (Downing; Truesdale,
1955). A influência do vento é descrita utilizando­se uma equação empírica (Banks; Herrera, 1977):

kReaer = 0, 727 ꞏ uVWind0,5 − 0, 371 ꞏ uVWind
+ 0, 0376 ꞏ uVWind2 8.86

Coeficiente de reaeração [m d−1]

8.10 TEMPERATURA NA ÁGUA
A temperatura na água de um ecossistema aquático pode ser estimada a partir do balanço de calor entre a
superfície da água e a atmosfera. O balanço de calor em um corpo hídrico é meramente a aplicação direta da
primeira lei da termodinâmica para um fluido incompressível, a qual define que a variação da energia interna
é igual à resultante dos fluxos de calor nos contornos do sistema. A Fig. 8.3 apresenta uma visão geral das
principais  trocas  de  calor  em  um  corpo  hídrico.  A  energia  interna  está  representada  pela  estrutura  de
temperatura  no  reservatório.  A  variação  dessa  estrutura  de  temperatura  durante  um  período  definido  é
referida como o calor armazenado pelo sistema ou o balanço de calor.
FIG. 8.3 Principais fluxos de calor em um reservatório

O balanço do fluxo de calor, ΔQ (W m−2), pode ser representado matematicamente por:

8.87
onda 

  é  o  fluxo  de  calor  referente  à  radiação  atmosférica  de  onda  curda;  QRAOL  é  o  fluxo  de  calor  referente  à
radiação  atmosférica  de  onda  longa;  QRWOL  é  o  fluxo  de  calor  referente  à  radiação  da  água  de  onda
longa; QCOND é o fluxo de calor referente à condução para a atmosfera; QEVAP é o fluxo de calor referente
ao processo de evaporação; e QIN/OUT é o fluxo de calor resultante das entradas e saídas por advecção, tais
como o escoamento superficial e subterrâneo, o fluxo de afluentes, a precipitação e os fluxos de saída.
A  quantidade  de  calor  armazenado  durante  um  intervalo  de  tempo  pode  ser  convertida  em  termos  de
temperatura por meio da seguinte expressão:
8.88

onde V é o volume (m3); ρ é a densidade da água (kg m−3); e c é o calor específico da água (J kg−1°C−1).

8.10.1 RADIAÇÃO ATMOSFÉRICA DE ONDA CURTA
A  radiação  atmosférica  de  onda  curta  pode  ser  medida  diretamente  nas  estações  meteorológicas,  com
radiômetros de Eppley, ou estimada na literatura em função da inclinação solar e cobertura de nuvens. Vale
ressaltar que a radiação medida por radiômetro é o valor medido acima da superfície da água, sem levar em
consideração  a  parcela  refletida  na  superfície  da  água,  também  conhecida  como  albedo,  que  depende  da
latitute do local e pode ser estimado pela equação de Fresnel:

8.89

onde n1 ≈ 1 e n2 = 1, 333 são os índices de refração do ar e da água, respectivamente; θ1 e θ2 são os ângulos
de incidência e de refração do raio solar na superfície da água, respectivamente (Fig. 8.4).
A relação entre os ângulos de incidência e refração é dada pela lei da refração ou lei de Snell:

8.90

Dessa  forma,  a  radiação  atmosférica  de  onda  curta  que  passa  através  da  superfície  da  água  pode  ser
expressa por:

8.91

Além  disso,  quando  a  radiação  de  onda  curta  penetra  na  superfície  da  água,  a  intesidade  da  radiação
decai exponencialmente com a profundidade da água, de acordo com a lei de Lambert­Beer:
FIG. 8.4 Refração da luz na interface ar­água

8.92

onde kd é o coeficiente de extinção da luz na água (m−1), e z é a profundidade da água medida a partir de sua
superfície.

8.10.2 RADIAÇÃO ATMOSFÉRICA DE ONDA LONGA
A radiação atmosférica de onda longa é a parcela de calor proveniente da atmosfera, que pode ser estimada
em função da temperatura do ar (Tar) e da umidade relativa:
8.93

onde  σ  é  a  constante  de  Stefan­Boltzmann  (11,  7  ×  10−8  cal  cm−2  d−1  K−1);  Tar  é  a  temperatura  do  ar
(°C); A é um coeficiente (pode variar entre 0,5 e 0,7); e ear é a pressão de vapor atmosférica (mmHg), dada
em função da umidade relativa do ar (UR):

8.94

onde esat é a pressão de vapor de saturação (mmHg), dada por:

8.95

Utilizando­se  essas  unidades,  o  fluxo  de  calor  é  dado  em  cal  cm−2dia−1.  Para  converter  em  W  m−2,
multiplica­se o valor por 0,48426.

8.10.3 RADIAÇÃO DA ÁGUA DE ONDA LONGA
O fluxo de calor que sai da superfície da água é chamado de radiação da água de onda longa. Ele pode ser
determinado em função da temperatura da superfície da água, Ts:

QRWOL = ɛσ (Ts − 273)4 8.96

onde ɛ é a emissividade da água (aproximadamente igual a 0,97). QRWOL é dado em cal cm−2 dia−1.

8.10.4 CONDUÇÃO DE CALOR
O fluxo de condução de calor ocorre em razão das colisões entre átomos e moléculas de uma substância e
depende da intensidade do vento e do gradiente de temperatura entre a água e o ar:

QCOND = c1 ꞏ f (Wind) ꞏ (Ts − Tar) 8.97

onde c1 é  o  coeficiente  de  Bowen  (0,47  mmHg  0C−1);QCOND  é  dado  em  cal  cm−2  dia−1;  e  f(Wind)  é  uma
função da velocidade do vento medida a 2 m acima da superfície da água:

8.98

onde aw, bw e cw são coeficientes empíricos. Se a temperatura da água for maior do que a temperatura do ar,
o fluxo de calor será no sentido água/atmosfera; caso contrário, será no sentido atmosfera/água.

8.10.5 EVAPORAÇÃO
O fluxo de calor por evaporação (cal cm−2 dia−1) depende da temperatura do ar e da umidade relativa, ou
da temperatura de ponto de orvalho, e é dado por:

QEVAP = f (Wind) ꞏ (esat − ear) 8.99
9 FITOPLÂNCTON

Fitoplâncton  é  o  nome  dado  ao  conjunto  dos  organismos  aquáticos  microscópicos  que  têm  capacidade
fotossintética e que vivem à deriva flutuando na coluna d’água. O fitoplâncton encontra­se na base da cadeia
alimentar dos ecossistemas aquáticos, uma vez que serve de alimentação a organismos maiores. Está na base
porque pertence ao nível trófico dos produtores. Além disso, acredita­se que o fitoplâncton seja responsável
pela  produção  de  cerca  de  98%  do  oxigênio  da  atmosfera  terrestre.  Existem  variações  da  composição
específica e da densidade das comunidades fitoplanctônicas ao longo do ano. Wetzel (1975) afirma que essas
variações são mais evidentes em lagos de regiões temperadas do que em lagos de regiões tropicais. Vários
estudos  mencionam  as  variações  quantitativas  e  qualitativas  das  espécies  de  fitoplâncton  em  função  das
estações  do  ano  (Domitrovic;  Asselborn;  Casco,  1998)  ou  em  função  da  hidrodinâmica  (Cardoso;  Motta
Marques,  2009).  Tanto  ao  longo  da  coluna  d’água  como  ao  longo  da  superfície,  o  fitoplâncton  apresenta
grande  distribuição.  Esteves  (1998)  e  Cardoso  e  Motta  Marques  (2009)  indicam  alguns  fatores  que  podem
influenciar a distribuição vertical e horizontal do fitoplâncton, podendo­se destacar: (a) densidade específica
dos organismos; (b) herbivoria; (c) seiches internas (ondas paradas); (d) fluxo da água; (e) radiação solar; (f)
bentos; (g) temperatura da água; (h) ondas; (i) turbidez.
O fitoplâncton também pode ser responsável por alguns problemas ecológicos quando se desenvolve em
excesso. Em situação de alta disponibilidade de nutrientes, profundidade favorável, temperatura e luz ótimas,
esses organismos podem se multiplicar rapidamente, formando o que se costuma chamar floração de  algas
ou  bloom  (como  é  mais  utilizado).  Esse  fenômeno  geralmente  ocorre  em  dias  quentes  e  calmos,  e
principalmente em lagos eutróficos (ricos em nutrientes) ou eutrofizados artificialmente (Esteves, 1998). Os
principais problemas relacionados à eutrofização são:
A. Redução da diversidade biológica e do desenvolvimento de plantas aquáticas submersas, uma vez que o
desenvolvimento intensivo de algas espalha­se por toda a superfície da água, impedindo a penetração da
luz nas camadas inferiores.
B. Condições  anaeróbias  no  fundo  do  corpo  d’água  e  no  corpo  d’água  como  um  todo.  O  aumento  da
produtividade  do  corpo  d’água  causa  um  aumento  da  concentração  de  bactérias  heterotróficas,  que  se
alimentam  da  matéria  orgânica  das  algas  e  de  outros  microrganismos  mortos,  consumindo  oxigênio
dissolvido do meio líquido. No fundo do corpo d’água, predominam condições anaeróbias, em razão da
sedimentação da matéria orgânica, da reduzida penetração do oxigênio a essas profundidades, bem como
da ausência de fotossíntese (ausência de luz).
C. Liberação  de  toxinas  para  o  meio  aquático.  Algumas  espécies  de  fitoplâncton  do  grupo  das
cianobactérias produzem toxinas que podem causar a morte de outras espécies aquáticas. Os moluscos e
os crustáceos acumulam toxinas quando consomem o fitoplâncton, e essas toxinas podem, então, passar
para  os  humanos  quando  os  consomem.  Isso  geralmente  causa  apenas  pequenos  desarranjos  gástricos,
mas  em  alguns  casos  raros,  essas  toxinas  podem  provocar  problemas  respiratórios  que,  às  vezes,  são
mortais.
D. Deposição  de  espuma  na  costa  marítima.  As  grandes  florações  de  fitoplâncton  podem  causar  uma
espécie de espuma nas praias. Essas espumas não são tóxicas, porém aborrecem as pessoas que tinham
intenção  de  se  banhar.  Os  efeitos  sobre  o  turismo  são  nefastos  quando  as  praias  são  afetadas  por  esse
problema.
E. Eventuais  mortandades  de  peixes.  A  mortandade  de  peixes  pode  ocorrer  em  função  de  condições
anaeróbias  (conforme  comentado  anteriormente)  e  de  toxicidade  por  amônio.  Em  condições  de  pH
elevado (frequentes durante os períodos de elevada fotossíntese), o amônio apresenta­se em grande parte
na  forma  livre  (NH3),  tóxica  aos  peixes,  em  vez  de  na  forma  ionizada 
, não tóxica.
F. Maior  dificuldade  e  elevação  nos  custos  de  tratamento  da  água.  A  presença  excessiva  de  algas  afeta
substancialmente  o  tratamento  da  água  captada  no  lago  ou  na  represa,  pela  necessidade  de  remover  a
alga, a cor, o sabor e o odor, com um maior consumo de produtos químicos e lavagens mais frequentes
dos filtros.
G. Problemas com o abastecimento de água industrial. Elevação dos custos para o abastecimento de água
industrial  por  razões  similares  às  anteriores,  e  também  em  razão  de  depósitos  de  algas  nas  águas  de
resfriamento.
Com  relação  à  formação  e  distribuição  espacial  do  fitoplâncton,  esse  organismo  é  controlado  por  dois
mecanismos (Lucas et al., 1999a, 1999b): (a) mecanismos locais (altura da coluna d’água, disponibilidade de
luz,  temperatura,  concentrações  de  nutrientes,  predação  por  zooplâncton  e  bentos),  os  quais  determinam  o
equilíbrio entre produção e perda para uma coluna d’água em uma posição espacial particular (i.e. controlam
a  possibilidade  de  ocorrer  uma  floração);  (b)  mecanismos  relacionados  ao  transporte,  que  governam  a
distribuição da biomassa (i.e. controlam onde uma floração de algas ocorre e se é possível acontecer).

9.1 ASPECTOS GERAIS PARA A MODELAGEM
O fitoplâncton pode ser modelado na água e no sedimento, estando sujeito a diversos processos (Fig. 9.1),
tais como: (a) crescimento e consumo de nutrientes; (b) respiração e excreção de nutrientes; (c) sedimentação
e ressuspensão; (d) mortalidade natural; e (e) consumo por herbívoros. Além disso, o fitoplâncton está sujeito
ao transporte longitudinal e vertical por advecção e difusão, descritos na seção 6.3.1.
Uma aproximação mais realista é feita quando o fitoplâncton é modelado por grupos funcionais, tais como
dinoflagelados, cianobactérias, diatomáceas e clorofíceas. Essa distinção é feita visando atender a diferentes
características ecológicas desses grupos, bem como a interesses de gerenciamento no ecossistema aquático.
Entretanto,  por  questões  de  simplificação,  geralmente  o  fitoplâncton  é  modelado  como  um  único  grupo.
Neste  capítulo,  utilizaremos  a  notação  (Spec)  para  representar  um  grupo  funcional  de  fitoplâncton.  Cada
grupo  poderia  também  ser  modelado  por  compartimentos:  peso  seco  (D),  carbono  (C),  nitrogênio  (N)  e
fósforo (P). As razões entre nutrientes e peso seco podem ser expressas por:
FIG. 9.1 Esquema dos processos no fitoplâncton

rPDSpec = sPSpec/sDSpec Razão P/D [gP/gD] 9.1

rNDSpec = sNSpec/sDSpec Razão N/D [gN/gD] 9.2

O conteúdo de carbono pode ser linearmente relacionado com o peso seco. Dessa forma, o termo de perdas
e ganhos do fitoplâncton é dado por:
9.3

9.4

Na sequência, serão apresentadas algumas equações matemáticas que podem ser utilizadas para modelar os
processos pertinentes ao fitoplâncton.

9.2 PRODUÇÃO
A  produção  é  entendida  como  o  aumento  de  biomassa  expressa  em  gramas  de  peso  seco  por  dia.  A
produção também pode ser expressa em gramas de oxigênio por grama de biomassa fitoplanctônica, uma vez
que  1  g  de  biomassa  assimilada  corresponde  a  1  g  de  oxigênio  produzido.  A  produção  é  uma  função  dos
seguintes fatores: taxa máxima de crescimento, temperatura da água, horas de luz no dia, intensidade da luz
na superfície da água, condições da luz na água, conteúdo de fósforo e nitrogênio na água e no fitoplâncton.
Matematicamente, a produção do fitoplâncton pode ser expressa por:

9.5

onde cMuMaxSpec é a taxa máxima de crescimento de uma determinada espécie de fitoplâncton; ufDay é o
fotoperíodo  em  h/24h;  aLLimSpec  é  um  fator  que  reproduz  o  efeito  da  luz  no  crescimento  do
fitoplâncton; uFunTmSpec é um fator que reproduz o efeito da temperatura no crescimento do fitoplâncton;
e  aNutLimSpec  é  um  fator  que  representa  o  efeito  da  disponibilidade  de  nutrientes  no  crescimento  do
fitoplâncton.

9.2.1 TEMPERATURA
O  efeito  da  temperatura  é  modelado  por  meio  de  uma  função  Gaussiana,  definida  por  uma  temperatura
ótima para crescimento (cTmOptSpec):

uFunTmSpec = EXP(−0, 5/cSigTmSpec2 ꞏ

ꞏ ((T − cTmOptSpec)2 −
(cTmRef − cTmOptSpec)2)) 9.6
Efeito da temperatura no crescimento do
fitoplâncton [­]

onde cSigTmSpec é o parâmetro sigma da curva de Gauss e cTmRef é a temperatura de referência (20°C).
Na  Fig.  9.2  são  apresentadas  algumas  combinações  dos  parâmetros  cTmOptSpec  e  cSigTmSpec  para  a
estimativa  do  efeito  da  temperatura  no  crescimento  do  fitoplâncton.  Observa­se  que  o
parâmetro  cTmOptSpec  representa  a  posição  da  temperatura  ótima  para  crescimento  e  cSigTmSpec  está
relacionado à forma da curva.
Funções de Monod ou de Hill (Apêndice B) também são largamente utilizadas para o cálculo do efeito da
temperatura no crescimento do fitoplâncton, porém elas não representam o efeito inibitório do crescimento
do fitoplâncton diante de altas temperaturas. A função de Hill seria:

9.7
onde 

 é o coeficiente de meia saturação da temperatura no crescimento do fitoplâncton.
O modelo theta também é bastante utilizado:

9.8

onde θT é um parâmetro que controla o efeito da temperatura no crescimento do fitoplâncton, cujo valor, de
acordo com Eppley (1972), é aproximadamente 1,06.
FIG. 9.2 Efeito da temperatura no crescimento do fitoplâncton (função Gaussiana)

9.2.2 LUZ
O fator de limitação da luz na água pode ser modelado por uma função de Monod, integrada ao longo da
coluna d’água e em 24 horas (Jorgensen, 1980). A atenuação da luz com a profundidade é descrita por uma
função bem conhecida, a lei de Lambert­Beer (Fig. 9.4B):

aLPAR(z) = uLPAR(0) ꞏ EXP(−aExtCoef ꞏ z),
sendo que 9.9
uLPAR(0) = Lout ꞏ fPAR ꞏ (1 − fRefl)
onde Lout é a intensidade da luz acima da superfície da água; fPAR é a fração de radiação fotossinteticamente
ativa;  fRefl  é  a  fração  refletida;  uLPAR(0)  é  a  intensidade  da  luz  imediatamente  acima  da  superfície  da
água; aLPAR(z) é a intensidade da luz a uma profundidade z; e aExtCoef é o coeficiente de extinção da luz na
água. Esse coeficiente é a soma da extinção de base (i.e. extinção da luz provocada pela própria água e por
substâncias  dissolvidas)  e  contribuições  da  matéria  orgânica,  detritos,  algas  e  vegetação  aquática
submergentes:

aExtCoef = cExtWat + aExtIM + aExtDet + aExtPhyt + aExtVeg
9.10
Coeficiente de extinção [m−1]

A contribuição de cada grupo funcional do fitoplâncton para a extinção da luz é linearmente relacionada
com sua concentração por meio de uma constante de proporcionalidade (cExtSpec):
FIG. 9.3 Efeito da luz no crescimento de fitoplâncton, desprezando­se o efeito de inibição da produção pelo
excesso de luz

aExtSpec = cExtSpec ꞏ sDSpecW
Contribuição de um grupo algal para a extinção 9.11
da luz [m−1]

Uma  alternativa  mais  simples  para  calcular  o  coeficiente  de  atenuação  da  luz,  aExtCoef,  é  por  meio  da
seguinte expressão (Chapra, 1997):
9.12

onde aSecchi é a profundidade de Secchi (m).
A parcela do coeficiente de extinção sem a contribuição das macrófitas aquáticas submersas, que dão um
efeito positivo na transparência da água, é chamada de aExtCoefOpen, e essa variável pode ser usada para o
cálculo da profundidade de Secchi:

aSecchi = MIN(sDepthW, aPACoef/aExtCoefOpen)
9.13
Profundidade de Secchi [m]

onde aPACoef é  o  coeficiente  de  Poole­Atkins,  que  depende  da  concentração  de  matéria  orgânica  na  água
(aDOMW):

aPACoef = cPACoefMin +
(cPACoefMax − cPACoefMin)ꞏ
9.14
hPACoef/(hPACoef + aDOMW)
Coeficiente de Poole­Atkins [­]

onde cPACoefMin e cPACoefMax são  os  coeficientes  mínimo  e  máximo  de  Poole­Atkins,  respectivamente;


e hPACoef é o coeficiente de meia saturação da matéria orgânica.
Dessa  forma,  a  parcela  da  luz  responsável  pelo  crescimento  do  fitoplâncton  é  obtida  pela  integração  da
curva  de  produção  do  tipo  Monod  ao  longo  da  coluna  d’água  (desprezando  a  inibição  da  produção  pelo
excesso de luz) (Fig. 9.3):

9.15
FIG. 9.4 Efeitos da luz no crescimento do fitoplâncton. (A) variação da incidência de luz durante o dia; (B)
atenuação da luz com a profundidade; (C) dependência da taxa de crescimento com a intensidade da luz

onde aLPARBot é a intensidade da luz no fundo (Wm−2 PAR) e uhLSpec é a constante de meia saturação da
intensidade da luz para um determinado grupo de fitoplâncton (Wm−2 PAR).
Tendo em vista a inibição da produção pelo excesso de luz (Fig. 9.4C), a Eq. 9.15 seria reescrita para:
9.16

onde cLOptRefSpec é a intensidade de luz ótima para o crescimento (Wm−2 PAR).
A  produção  ao  longo  do  dia  depende  do  período  de  luz  durante  o  dia,  também  chamado  de  fotoperíodo
(Fig. 9.4A), que varia ao longo do ano e depende da latitude do ecossistema aquático.
Geralmente, a fração de horas de luz no dia é calculada de acordo com uma função do tipo cosseno:

9.17

onde ufFotomed é a fração média de horas de luz no ano; ufFotoampé a amplitude de variação da fração de
horas  de  luz  no  ano;  ufFotolag  é  o  dia  Juliano,  em  que  ocorre  a  mínima  fração  de  horas  de  luz  no  ano;
e DayJul é o dia Juliano. Esses coeficientes dependem da latitute do local.

9.2.3 ASSIMILAÇÃO DE NUTRIENTES
O  efeito  da  limitação  de  nutrientes  no  crescimento  do  fitoplâncton  pode  ser  modelado  pela  equação  de
Droop,  que  descreve  a  dependência  da  taxa  de  crescimento  de  acordo  com  o  conteúdo  de  nutrientes  no
fitoplâncton. A taxa de crescimento aumenta rapidamente se esse conteúdo for baixo, e vice­versa:

9.18

onde  cPDSpecMin  [gP  g−1D]  e  cPDSpecMax  [gP  g−1D]  são  o  conteúdo  de  fósforo  mínimo  e  máximo  no
fitoplâncton, respectivamente. As equações para nitrogênio e sílica são análogas.
Esse efeito também poderia ser modelado por meio de uma simples equação de Monod:

9.19

onde  hPO4AssSpec  é  a  constante  de  meia  saturação  da  concentração  de  PO4  para  o  crescimento  do
fitoplâncton. As equações são análogas para nitrogênio e sílica.
O  efeito  geral  da  limitação  de  nutrientes  no  crescimento  do  fitoplâncton  pode  ser  estimado  por  meio  da
combinação dos efeitos de cada nutriente.
aLimSpec = aPLimSpec ꞏ aNLimSpec ꞏ 9.20
aSiLimSpec, ou

aLimSpec = min 9.21
(aPLimSpec, aNLimSpec, aSiLimSpec), ou

9.22

A  assimilação  de  nutrientes  pelo  fitoplâncton  depende  da  demanda  de  nutrientes  pelo  fitoplâncton  e  da
disponibilidade de nutrientes no meio aquático. Para simplificar, apresentamos a seguir apenas as equações
referentes ao consumo de fósforo pelo fitoplâncton. A taxa máxima de assimilação de nutrientes depende do
conteúdo  atual  de  nutrientes  no  fitoplâncton,  ou  seja,  da  razão  entre  nutrientes  e  peso  seco  (D)  no
fitoplâncton. Se essa razão é baixa, a taxa de assimilação de nutrientes é alta, e se a razão é alta, a taxa de
assimilação aproxima­se do valor mínimo.

Para o caso do fósforo, tem­se:

9.23

onde  cPDSpecMin  e  cPDSpecMax  são  as  razões  entre  fósforo  e  peso  seco  (D)  mínimo  e  máximo  no
fitoplâncton,  respectivamente;  cVPUptMaxSpec  é  a  taxa  máxima  de  assimilação  de  P  pelo  fitoplâncton;
e uFunTmSpec é uma função que representa o efeito da temperatura na assimilação de P.
A taxa de assimilação específica é descrita por uma função do tipo Monod para concentração de fósforo
dissolvido:

9.24

Isso implica que a concentração de meia saturação de fósforo não é uma constante, mas depende da taxa
máxima de assimilação (aVPUptMaxCorSpec):

ahPUptSpec = aVPUptMaxCorSpec/cAffPUptSpec
9.25
Concentração de meia saturação de fósforo
[mgP/l]

onde cAffPUptSpec é a afinidade de consumo de P pelo fitoplâncton (lꞏmgD−1 ꞏd−1). O fluxo de assimilação
de fósforo é o produto entre a taxa específica de assimilação e a biomassa atual:
tPUptSpec = aVPUptSpec ꞏ sDSpec
9.26
Fluxo de assimilação de fósforo [gP m−3 d−1]

A  assimilação  de  nitrogênio  é  modelado  da  mesma  maneira,  com  uma  característica  especial:  o
fitoplâncton  tanto  pode  assimilar  nitrato  como  amônio.  Geralmente  se  assume  que  o  fitoplâncton  tem  uma
maior preferência por amônio, uma vez que essa forma de nitrogênio é energeticamente mais vantajosa. As
taxas de assimilação de nitrogênio são baseadas no total de nitrogênio total solúvel, o qual é dividido em duas
frações (Ambrose et al., 1988). A fração de nitrogênio absorvido como amônio corresponde a:

9.27

9.3 RESPIRAÇÃO E EXCREÇÃO DE NUTRIENTES
Em  resumo,  a  respiração  pode  ser  dividida  em  comportamental  (fotorrespiração),  relacionada  ao
crescimento, e de manutenção, relacionada à energia requerida para a manutenção vital. Geralmente, apenas a
respiração  de  manutenção  é  explicitamente  modelada  por  meio  de  uma  função  de  primeira  ordem,  e  a
respiração comportamental é incorporada implicitamente na taxa de crescimento. O fluxo de respiração para
a manutenção pode ser expresso por:

ukDRespTmSpec = kDRespSpec ꞏ uFunTmSpec
9.28
Taxa de respiração de manutenção [d−1]

wDRespSpec = ukDRespTmSpec ꞏ sDSpec
9.29
Fluxo de respiração para a manutenção [gD m−3d
−1]

A excreção é outro processo de transferência de nutrientes para os compartimentos orgânicos (dissolvido e
particulado). Nessa aproximação, geralmente se considera que os fluxos de excreção são proporcionais aos
fluxos de peso seco da respiração de manutenção:

wPExcrSpecW = rPDSpecW/(cPDSpecMin + rPDSpecW) ꞏ
ꞏ rPDSpecW ꞏ wDRespSpecW 9.30

Excreção de fósforo algal na água [gP m−3 d−1]

A equação é similar para o fitoplâncton no sedimento.

9.4 SEDIMENTAÇÃO, RESSUSPENSÃO E MORTALIDADE
A modelagem dos processos de sedimentação e ressuspensão é apresentada em detalhes na seção 8.3. A
sedimentação do fitoplâncton pode ser descrita como um processo de primeira ordem, sendo a taxa igual à
velocidade  de  sedimentação  dividida  pela  profundidade  da  água.  A  taxa  de  ressuspensão  depende  das
dimensões do ecossistema aquático, da intensidade do vento e da quantidade de peixes que se alimentam de
animais que vivem no sedimento (ver seção 8.3). A mortalidade natural também pode ser admitida como um
processo de primeira ordem:

wDMortSpecW = kMortSpecW ꞏ sDSpecW
9.31
Mortalidade algal na água [gD m−3 d−1]

tDMortSpecS = kMortSpecS ꞏ sDSpecS
9.32
Mortalidade algal no sedimento [gD m−2 d−1]

onde  kMortSpecW  e  kMortSpecS  são  as  taxas  de  mortalidade  do  fitoplâncton  na  água  e  no  sedimento,
respectivamente.  A  mortalidade  resultante  do  consumo  por  outros  organismos  aquáticos  está  descrita  em
detalhes no Cap. 11.

9.5 PARÂMETROS
Um dos maiores problemas na modelagem ecológica está na atribuição dos valores dos parâmetros. Muitos
estudos  experimentais  foram  realizados  com  o  intuito  de  determinar  uma  faixa  de  valores  razoável  para
diversos  parâmetros  ecológicos.  Entretanto,  grande  parte  desses  estudos  foi  desenvolvida  em  ecossistemas
aquáticos temperados, que apresentam padrões bem diferentes dos encontrados em ecossistemas tropicais e
subtropicais. Dessa forma, o modelador sempre deverá usar o bom senso na escolha de um valor adequado
para  seu  sistema.  Os  valores  apresentados  na  Tab.  9.1  podem  ser  tomados  como  valores  de  referência,  os
quais estão sujeitos a alterações na fase de calibração do modelo.

TAB. 9.1 Valores sugeridos para os parâmetros relacionados ao fitoplâncton
Fonte: Janse, 2005.
MACRÓFITAS AQUÁTICAS
10
As  macrófitas  aquáticas  têm  um  importante  papel  em  muitos  componentes  abióticos  e  bióticos  de  um
ecossistema  aquático  (Scheffer,  1998;  Jeppesen  et  al.,  1998b).  Um  dos  mais  relatados  efeitos  positivos  da
presença de macrófitas aquáticas é a transparência da água, embora os mecanismos que causam esse efeito
possam  variar  de  caso  para  caso  (Scheffer,  1998).  Os  mecanismos  responsáveis  pelo  aumento  da
transparência da água são:
A. redução da ressuspensão provocada por ondas;
B. efeito alelopático na comunidade fitoplanctônica (liberação de substâncias que inibem o crescimento do
fitoplâncton);
C. oferecer abrigo para o zooplâncton, zoobentos e peixes, o que traria benefícios para o estabelecimento
dessas comunidades.
Pelo fato de as macrófitas aquáticas constituírem um grupo muito grande, elas são geralmente classificadas
em  5  grupos  ecológicos,  baseados  em  seu  modo  de  vida  (biotipo)  no  ambiente  aquático  (Fig.  10.1).  Esses
grupos são:
• macrófitas  aquáticas  emersas:  são  enraizadas  no  sedimento,  porém  as  folhas  crescem  para  fora  da  água.
Ex.: junco, taboa;
• macrófitas  aquáticas  com  folhas  flutuantes:  são  enraizadas  no  sedimento  e  com  folhas  flutuando  na
superfície da água. Ex.: lírio d’água, vitória­régia;
• macrófitas  aquáticas  submersas  enraizadas:  são  enraizadas  no  sedimento,  crescendo  totalmente  debaixo
d’água. Ex.: elódea, cabomba;
• macrófitas  aquáticas  submersas  livres:  permanecem  flutuando  debaixo  d’água.  Podem  se  prender  a
pecíolos e caules de outras macrófitas. Ex.: utriculária;
• macrófitas aquáticas flutuantes:  flutuam  livremente  na  superfície  da  água.  Ex.:  alface  d’água,  aguapé,
orelha­de­rato.
FIG. 10.1 Grupos ecológicos das macrófitas aquáticas

O  crescimento  das  macrófitas  é  regularizado  por  diversos  fatores,  tais  como  a  disponibilidade  de  luz,
nutrientes, temperatura, estabilidade do sedimento, ação das ondas, mudança dos níveis da água e consumo
por  várias  espécies  de  aves  e  peixes.  Apesar  do  pouco  conhecimento  sobre  importantes  aspectos  para  o
crescimento  das  macrófitas  aquáticas,  como  a  herbivoria  por  aves,  modelos  determinísticos  são  boas
ferramentas  de  avaliação  e  predição  da  dinâmica  do  crescimento  da  vegetação.  Esses  modelos  também
podem ser utilizados para a geração de hipóteses, as quais podem ser testadas em campo ou em laboratório.
Neste capítulo, utilizamos a notação (Veg) para representar um determinado grupo funcional de macrófitas
aquáticas. Cada grupo poderia ser modelado por compartimentos: peso seco (D), carbono (C), nitrogênio (N)
e fósforo (P). As razões entre nutrientes e peso seco podem ser expressas por:
rPDVeg = sPVeg/sDVeg Razão P/D [gP/gD] 10.1

rNDVeg = sNVeg/sDVeg Razão N/D [gN/gD] 10.2

O carbono tem relação diretamente linear com o peso seco. O termo de perdas e ganhos para as macrófitas
aquáticas é dado por:

10.3

10.4

Essas razões referem­se à planta como um todo, sem distinção entre caule, raiz e folhas. Pode­se também
considerar distinções da fração de biomassa que faz parte da estrutura no solo (raiz) e na água (tronco). Por
questões de simplificação, pode­se assumir a estrutura presente na água como distribuída uniformemente. As
macrófitas aquáticas estão sujeitas a: (A) crescimento e consumo de nutrientes; (B) respiração e excreção de
nutrientes; (C) sedimentação e ressuspensão; (D) mortalidade natural; (E) consumo por aves; e (F) ações de
gerenciamento (e.g. corte). Na sequência, apresentam­se as equações correspondentes a cada processo citado.

10.1 PRODUÇÃO
10.1.1 TEMPERATURA
A  modelagem  do  efeito  da  temperatura  no  crescimento  das  macrófitas  aquáticas  é  similar  à  do
fitoplâncton, descrita na seção 9.2.1.

10.1.2 ASSIMILAÇÃO DE NUTRIENTES
As  equações  para  avaliar  o  efeito  combinado  da  limitação  de  nutrientes  no  crescimento  das  macrófitas
aquáticas  são  as  mesmas utilizadas  para  o  fitoplâncton.  O  consumo  de  nutrientes  também  é  análogo  ao  do
fitoplâncton. Como existem diferenças específicas na estrutura da vegetação (raiz e tronco), os processos são
novamente descritos.
As macrófitas podem assimilar nutrientes tanto do substrato como da água. Apresentamos a seguir apenas
as equações referentes ao consumo de fósforo pelas macrófitas. A assimilação de fósforo pela planta depende
da  demanda  de  fósforo  pela  vegetação  e  da  disponibilidade  de  fósforo  no  sistema.  A  taxa  máxima  de
assimilação depende do conteúdo atual de nutrientes nas macrófitas, ou seja, da razão entre nutrientes e peso
seco.  Se  essa  razão  é  baixa,  a  taxa  de  assimilação  de  nutrientes  é  alta,  e  se  a  razão  é  alta,  a  taxa  de
assimilação aproxima­se do valor mínimo. Para o caso do fósforo, tem­se:

10.5
onde cPDVegMin e cPDVegMax  são  as  razões  entre  fósforo  e  peso  seco  (D)  mínimo  e  máximo  na  planta,
respectivamente;  cVPUptMaxVeg  é  a  taxa  máxima  de  assimilação  de  P  pela  planta;  e  uFunTmVeg  é  uma
função que representa o efeito da temperatura na assimilação de P.
A taxa de assilimação específica é descrita por uma função do tipo Monod para concentração de fósforo
dissolvido:

10.6

Isso implica que a concentração de meia saturação de fósforo não é uma constante, mas depende da taxa
máxima de consumo (aVPUptMaxCorVeg):

ahPUptVeg = aVPUptMaxCorVeg/cAffPUptVeg
10.7
Concentração de meia saturação de fósforo
[mgP/l]

O fluxo de assimilação de fósforo na água é o produto entre a taxa específica de assimilação e a biomassa
das plantas submersas (enraizadas e não enraizadas) e flutuantes:

tPUptVegW = aVPUptVegW
ꞏ (aDSubVeg + aDFloatVeg)
10.8
Fluxo de assimilação de fósforo na água [gP m−3d
−1]

No mesmo sentido, o fluxo de assimilação de fósforo no sedimento promovido pelas raízes é:

tPUptVegS = aVPUptVegS ꞏ aDRootVeg
Fluxo de consumo de fósforo no sedimento [gP m 10.9
−3 d−1]

O consumo de nitrogênio é modelado da mesma maneira, com uma característica especial: as macrófitas
tanto podem consumir nitrato como amônio. Como no fitoplâncton, as macrófitas aquáticas têm uma maior
preferência por amônio, uma vez que essa forma de nitrogênio é energeticamente mais vantajosa. As taxas de
consumo de nitrogênio são baseadas no total de nitrogênio total solúvel, o qual é dividido em duas frações
(Ambrose et al., 1988). A fração de nitrogênio absorvido como amônio corresponde a:

10.10

10.1.3 LUZ E TEMPERATURA
As  equações  da  dependência  da  luz  na  água  são  aplicadas  apenas  para  as  macrófitas  submersas.  A
formulação é dividida em duas partes: interceptação da luz na superfície da água e limitação da luz na água.
A  fração  de  luz  interceptada  na  superfície  da  água  é  utilizada  para  o  cálculo  da  biomassa  das  plantas
flutuantes e emergentes, com um máximo de 100%. A equação por grupo funcional de macrófitas é dada por:
10.11

onde aDFloatVeg é a biomassa de vegetação flutuante presente; cDLayerVeg é  a  biomassa total da  camada


superficial preenchida por folhas flutuantes; aDEmergVeg é a biomassa de vegetação emergente; fEmergVeg é
a fração emergente do caule; e cDCarrVeg é a capacidade máxima de biomassa de vegetação por unidade de
área.
Fica evidente que as macrófitas flutuantes e emergentes determinam a porcentagem de luz interceptada. A
parte  coberta  não  contribui  para  a  produção  de  macrófitas  submersas.  Pode­se  assumir  também  que  a
produção das plantas flutuantes é impedida pela presença de vegetação emergente, por meio da intercepção
da luz.
A limitação da luz na água pode ser modelada por uma função de Monod, integrada ao longo da coluna
d’água  e  em  24  horas  (Jorgensen,  1980).  A  atenuação  da  luz  com  a  profundidade  é  representada  por  uma
função bem conhecida, a lei de Lambert­Beer. A limitação da luz para a produção das macrófitas submersas é
dada por:

10.12

onde:

aLPAR1Veg = uLPAR0 ꞏ EXP(−aExtCoefOpen ꞏ
uDepth1Veg) 10.13
Intensidade da luz no topo da planta [W m−2 PAR]

aLPAR2Veg = aLPAR1Veg ꞏ EXP(−aExtCoefOpen ꞏ
ꞏ (uDepth2Veg − uDepth1Veg)) 10.14

Intensidade da luz na base da planta [W m−2 PAR]

uhLVeg = hLRefVeg ꞏ uFunTmProdVeg
Meia saturação da luz para produção da 10.15
vegetação [W m−2 PAR]

onde uDepth1Veg e uDepth2Veg são, respectivamente, a profundidade do topo e da base da planta, medida a
partir da superfície da água (Fig. 10.2); hLRefVeg é a constante de meia saturação do PAR para a vegetação a
20°C.
A taxa de crescimento combinada, incluindo a influência da temperatura e da luz, pode ser expressa como:
aMuTmLVeg = uMuMaxTmVeg ꞏ
afCovSurfVeg) ꞏ ufDay ꞏ fSubVeg ꞏ
ꞏ (1 − afCovSurfVeg) 10.16
ꞏuFunTmVeg
Taxa de crescimento da vegetação aquática,
considerando luz e temperatura [d−1]

FIG. 10.2 Elementos para o cálculo da distribuição da luz na macrófita aquática
onde uMuMaxTmVeg é a taxa máxima de crescimento da vegetação, considerando luz e temperatura; ufDay é
o fotoperíodo (h/24h); fSubVeg é a fração de vegetação na água; afCovSurfVeg é a fração de área coberta da
superfície da água.
A limitação por nutrientes pode ser modelada pela equação de Droop (Riegman; Mur, 1984), que descreve
a dependência da taxa de crescimento pelo conteúdo de nutrientes na vegetação:

10.17

A  equação  para  nitrogênio  e  sílica  é  similar.  Uma  função  de  Monod  poderia  ser  utilizada,  como
demonstrado no capítulo anterior.
A  taxa  de  crescimento  poderia  ser  corrigida  em  função  da  densidade  máxima  de  plantas  por  área.  A
biomassa  máxima  de  vegetação  por unidade  de  área  é  expressa  como  a  capacidade  máxima  de  suporte  do
sistema. Esse parâmetro poderia aparecer embutido na taxa de crescimento da vegetação.
A taxa intrínseca de crescimento, considerando uma capacidade máxima de suporte do sistema, é definida
como:

akDIncrVeg = aMuTmLVeg − ukDRespTmVeg − bkMortVeg
10.18
Taxa intrínseca de crescimento [d−1]

onde ukDRespTmVeg é o fluxo de respiração e bkMortVeg é o fluxo de mortalidade da vegetação. O termo de
correção é dado por:

tDEnvVeg = akDIncrVeg/cDCarrVeg ꞏ sDVeg2
10.19
Correção logística da vegetação [gD m−2 d−1]

onde cDCarrVeg é a capacidade máxima de suporte do sistema.
A redução de produção, considerando o efeito da densidade de plantas, é descrita como:

tDEnvProdVeg = aNutLimVeg ꞏ aMuTmLVeg ꞏ
ꞏ ufDay ꞏ tDEnvVeg 10.20
Correção logística da produção pela densidade de
plantas [gD m−2 d−1]

onde ufDAy é o fotoperíodo (h/24h). O fluxo de produção é expresso como:

tDProdVeg = aMuTmLVeg ꞏ
sDVeg − tDEnvProdVeg 10.21
Fluxo de produção de vegetação [gD m−2 d−1]

e o fluxo de produção das macrófitas submersas é dado por:

tDProdSubVeg = ufSubVeg ꞏ tDProdVeg
Fluxo de produção de vegetação submersa [gD m 10.22
−2 d−1]
onde ufSubVeg é a fração submersa da vegetação.

10.2 RESPIRAÇÃO E EXCREÇÃO
Em  resumo,  a  respiração  pode  ser  dividida  em  comportamental  (fotorrespiração),  relacionada  ao
crescimento,  e  de  manutenção,  relacionada  à  energia  requerida  para  a  manutenção  vital.  A  respiração  de
manutenção  é  explicitamente  modelada  por  meio  de  uma  função  de  primeira  ordem,  e  a  respiração
comportamental é incorporada implicitamente na taxa de crescimento:

ukDRespTmVeg = kDRespVeg ꞏ uFunTmVeg
10.23
Taxa de respiração de manutenção [d−1]

wDRespVeg = ukDRespTmVeg ꞏ sDVeg
10.24
Fluxo de respiração para a manutenção [gD m−3d
−1]

onde  uFunTmVeg  =  cThetaRespVeg(T  m−20)  é  uma  função  que  representa  o  efeito  da  temperatura  na
respiração da vegetação; cThetaResp ≈ 1,06 é o coeficiente da função uFunTmVeg; kDRespVeg  é  a  taxa  de
respiração de manutenção (d−1).
A excreção é outra maneira de transferir nutrientes para o meio. Geralmente se assume que os fluxos de
excreção são proporcionais aos fluxos de peso seco da respiração de manutenção:

tPExcrVeg = rPDVeg/(cPDVegMin + rPDVeg) ꞏ
rPDVeg ꞏ wDRespVeg 10.25
Excreção de fósforo algal na água [gP m−3 d−1]

Os fluxos de excreção de fósforo e nitrogênio podem ser desmembrados entre sedimento e coluna d’água,
de acordo com a razão entre raiz e tronco da planta:

tPExcrVegS = fRootVeg ꞏ tDExcrVeg
10.26
tPExcrVegW = tDExcrVeg − tPExcrVegS

onde fRootVeg é a fração enraizada da planta.

10.3 MORTALIDADE
Em ambientes tropicais e subtropicais não existe mortalidade sazonal completa das plantas. Dessa forma, a
mortalidade  natural  é  modelada  como  para  o  caso  do  fitoplâncton  (processo  de  primeira  ordem),  corrigida
pela produção máxima:

tDMortVeg = bkMortVeg ꞏ sDVeg + tDEnvProdVeg
10.27
Fluxo de mortalidade da vegetação [gD m−2d−1]

tDEnvMortVeg = tDEnvVeg − tDEnvProdVeg
10.28
Correção logística da mortalidade [gD m−2d−1]
onde bkMortVeg é a taxa de mortalidade da vegetação (d−1).

10.4 CONSUMO POR AVES
Opcionalmente,  o  consumo  de  macrófitas  aquáticas  por  aves  pode  ser  incluído.  As  aves  podem  ser
consideradas  elementos  externos  do  sistema  e,  assim,  não  são  modeladas  dinamicamente.  A  predação  de
macrófitas por aves está relacionada com a densidade de aves e o período do ano em que elas estão presentes
no  ecossistema  aquático.  Usualmente  se  admite  uma  taxa  de  consumo  constante  por  aves,  bem  como  uma
eficiência constante de assimilação das plantas. Um fator de Monod pode ser incluído para assegurar que a
demanda pelas aves não ultrapasse a oferta de alimento. A parcela evacuada retorna como detritos, e a parte
assimilada é considerada uma perda irreversível para o sistema.

tDGrazVegBird = cPrefVegBird ꞏ
sDVeg/(hDVegBird + sDVeg) ꞏ
ꞏ cBirdsPerha/m2Perha ꞏ cDGrazPerBird 10.29
Fluxo de biomassa resultante de consumo por
aves [gD m−2 d−1]

onde  cPrefVegBird  é  o  fator  de  preferência  do  consumo  de  plantas  aquáticas  pelas  aves;  hDVegBird  é  a
constante  de  meia  saturação  do  consumo  de  vegetação  pelas  aves;  cBirdsPerha  é  o  número  de  aves  por
ha;  m2Perha  =  10.000  é  um  fator  de  conversão  de  m2  para  ha;  cDGrazPerBird  é  a  taxa  de  consumo  de
plantas aquáticas por unidade de ave (gD.ave−1.d−1).
MICRO E MACROFAUNA
AQUÁTICA 11
Este  capítulo  apresenta  o  equacionamento  matemático  dos  principais  animais  aquáticos  (i.e.  micro  e
macrofauna), tais como zooplâncton, zoobentos e peixes. A modelagem desses compartimentos aquáticos é
uma tarefa difícil, em virtude da dificuldade de representar fatores como a seletividade alimentar (dieta) e a
heterogeneidade  espacial  desses  organismos.  Entretanto,  uma  aproximação  da  biomassa  em  termos  médios
pode ser obtida de forma razoável.
Poucos  modelos  ecológicos  atualmente  disponíveis  consideram  a  dinâmica  desses  organismos,  os  quais
são responsáveis por vários efeitos diretos e indiretos na qualidade da água dos ecossistemas aquáticos. Por
exemplo,  o  zooplâncton  apresenta  grande  relevância  ecológica,  visto  que  são  organismos  filtradores  de
material  em  suspensão,  como  bactérias,  detritos,  matéria  inorgânica  e  fitoplâncton.  A  sua  alta  taxa  de
renovação populacional permite destacá­los como um importante elo no fluxo de energia para níveis tróficos
mais  elevados  (e.g.  peixes  planctívoros)  e  na  ciclagem  de  nutrientes  (Esteves,  1998).  Outra  característica
importante do zooplâncton é a sua alta capacidade de tolerância às alterações ambientais (Allan, 1976). Os
macroinvertebrados  ou  zoobentos  constituem  uma  importante  fonte  de  alimento  para  peixes  e  são  bons
indicadores  da  degradação  ambiental  em  ecossistemas  aquáticos.  Assim  como  o  zooplâncton,  eles
influenciam  na  ciclagem  de  nutrientes,  na  produtividade  primária  e  na  decomposição  (Wallace;  Webster,
1996).  Os  peixes  atuam  como  reguladores  do  crescimento  das  populações  de  zooplâncton  e  zoobentos,  e
auxiliam  a  ciclagem  de  nutrientes  por  meio  da  assimilação  do  plâncton,  da  excreção  e  da  ressuspensão  de
material de fundo resultante da procura por alimentos no sedimento.

11.1 ASPECTOS GERAIS PARA A MODELAGEM
As razões entre nutrientes e peso seco podem ser modeladas dinamicamente para cada animal aquático e
geralmente  aumentam  com  o  nível  trófico.  As  taxas  de  assimilação  e  mortalidade  podem  ser  combinadas
como  uma  correção  de  densidade,  para  garantir  que  a  biomassa  não  ultrapasse  uma  densidade  máxima  de
indivíduos por unidade de área. Uma parte do fluxo de consumo, a eficiência de assimilação (fDAssSpec), é
usada  no  crescimento  dos  animais,  e  o  restante  é  evacuado  para  o  compartimento  de  detritos  (consumo  –
evacuação = assimilação). O sufixo –Spec corresponde a um determinado organismo. Os termos de perdas e
ganhos para um grupo da fauna aquática são dados por:

11.1

11.2

Para manter as diferenças das razões entre nutrientes e peso seco na cadeia trófica e um balanço de massa
fechado, alguns processos são considerados dependentes da atual razão entre nutrientes e peso seco. Dessa
forma, três mecanismos são relevantes para a modelagem de nutrientes da fauna aquática:
(a)  Considera­se  que  o  fósforo  e  o  nitrogênio  são  assimilados  com  mais  eficiência  do  que  o  carbono.  A
eficiência de assimilação de P e N é expressa em função das razões P/D e N/D da presa:

11.3
11.4

onde  cPDSpecRef  é  a  razão  entre  fósforo  e  peso  seco  do  predador,  a  qual  é  necessária  para  seu
funcionamento; rPDFodSpec é a razão P/D da presa; e fDAssSpec é o fator de assimilação do predador.
(b)  Considera­se  que  a  taxa  de  excreção  de  fósforo  e  de  nitrogênio  é  relativamente  mais  baixa  do  que  a
taxa de respiração. Assim, as taxas de excreção de um animal aquático são dadas por:

11.5

11.6

(c)  Quando  o  conteúdo  de  fósforo  ou  nitrogênio  no  organismo  decresce,  a  taxa  de  respiração  aumenta.
Dessa forma, um fator de correção é incluído no fluxo de P e N, por causa da respiração do organismo:

11.7

11.2 ZOOPLÂNCTON E ZOOBENTOS
Os  organismos  zooplanctônicos  e  macrobentônicos  podem  se  alimentar  de  fitoplâncton  e  detritos  com
diferentes  níveis  de  preferência.  Entretanto,  a  presença  de  zooplâncton  de  grande  porte  em  ambientes
tropicais e subtropicais é limitada e, portanto, sua pressão de predação sobre o fitoplâncton de grande porte é
reduzida. Os principais processos do zooplâncton estão apresentados na Fig. 11.1.
FIG. 11.1 Esquema dos processos no zooplâncton

A resposta funcional do zooplâncton pode ser descrita simplesmente por meio de uma taxa específica de
filtração  (consumo),  que  depende  da  concentração  de  alimento  disponível  e  de  outros  fatores  ambientais,
como  a  temperatura.  A  formulação  proposta  por  Gulati,  Siewertsen  e  Postema  (1982,  1985)  é  uma  boa
alternativa. Ela considera um decaimento hiperbólico da taxa de filtragem com a concentração de séston, e
um aumento da taxa com a temperatura:

11.8
onde  cFiltMax  é  a  taxa  máxima  de  filtragem  do  séston;  hFilt  é  a  constante  de  meia  saturação  do
séston; oDOMW é a concentração de séston na água; a correção da temperatura é dada por:

uFunTmZoo = EXP(−0, 5/cSigTmZoo2 ꞏ
ꞏ ((uTm − cTmOptZoo)2 − 11.9
(cTmRef − cTmOptZoo)2))
Função de temperatura do zooplâncton [­]

onde  cSigTmZoo  é  o  parâmetro  sigma  da  função  de  Gauss  (°C);  cTmRef  =  20  é  uma  temperatura  de
referência (°C); cTmOptZoo é a temperatura ótima para assimilação do zooplâncton.
Dessa forma, a taxa máxima pode ser expressa por:

ukDAssTmZoo = fDAssZoo ꞏ cFiltMax ꞏ
uFunTmZoo ꞏ hFilt
11.10
Taxa máxima de assimilação do zooplâncton com
correção da temperatura [d−1]

onde fDAssZoo é a eficiência de assimilação do zooplâncton.
As diferenças na taxa de consumo específica para cada presa podem ser incorporadas na modelagem. Por
exemplo,  o  zooplâncton  tem  maior  dificuldade  para  ingerir  cianobactérias  filamentosas  (Gliwicz;  Lampert,
1990).  Essas  diferenças  são  modeladas  com  a  introdução  de  um  fator  que  atribui  uma  preferência  seletiva
para cada presa (Arnold, 1971). Esse fator representa a fração de um determinado alimento presente na água
que  será  ingerida  pelo  zooplâncton.  Considere,  então,  o  ranking  de  seletividade  para  o  zooplâncton:  algas
verdes  >  diatomáceas  >  detritos  >  cianobactérias.  A  equação  seguinte  estima  a  quantidade  de  alimento
disponível para o zooplâncton, considerando a seletividade alimentar do organismo:

oDFoodZoo = cPrefDiat ꞏ sDDiatW + cPrefGren ꞏ
sDGrenW
11.11
+ cPrefBlue ꞏ sDBlueW + cPrefDet ꞏ sDDetW
Alimento disponível para o zooplâncton [mgD/l]

onde  cPrefDiat  é  um  fator  de  preferência  para  o  consumo  de  diatomáceas;  cPrefGren  é  um  fator  de
preferência  para  o  consumo  de  algas  verdes;  cPrefBlue  é  um  fator  de  preferência  para  o  consumo  de
cianobactérias; cPrefDet é um fator de preferência para o consumo de detritos.
A taxa de assimilação poderia ser corrigida pela densidade de zooplâncton presente na água, como no caso
das macrófitas aquáticas:

ukIncrZoo = ukDAssTmZoo − ukDRespTmZoo − kMortZoo
11.12
Taxa intrínseca de crescimento do zooplâncton [d−1]

11.13

onde  kDRespTmZoo  é  a  taxa  de  respiração  do  zooplâncton  (d−1);  kMortZoo  é  a  taxa  de  mortalidade  do
zooplâncton  (d−1);  e  cDCarrZoo  é  a  biomassa  máxima  de  suporte  do  ecossistema  por  unidade  de  volume
(gD.m−3).  A  assimilação  do  zooplâncton  poderia  ser  corrigida  em  função  da  saturação  de  alimento
disponível:

aDSatZoo = oDFoodZoo/(hFilt + oDOMW)
11.14
Função de saturação de alimento do zooplâncton
[­]

wDAssZoo = aDSatZoo ꞏ (ukDAssTmZoo ꞏ
sDZoo − wDEnvZoo) 11.15
Assimilação do zooplâncton [g m−3 d−1]

O consumo total de alimento pelo zooplâncton é uma fração do total assimilado. Isso significa dizer que:

wDConsZoo = wDAssZoo/fDAssZoo
11.16
Consumo do zooplâncton [g m−3 d−1]

As parcelas individuais de consumo de cada presa são determinadas por:

11.17

11.18

11.19

11.20

A egestão do zooplâncton é exatamente a diferença entre o que foi consumido e o que foi assimilado:

wDEgesZoo = wDConsZoo − wDAssZoo
11.21
Evacuação do zooplâncton [g m−3 d−1]

A respiração e a mortalidade podem ser descritas como um processo de primeira ordem, dependentes da
temperatura:

ukDRespTmZoo = kDRespZoo ꞏ uFunTmZoo
11.22
Taxa de respiração do zooplâncton [d−1]

ukDMortTmZoo = kDMortZoo ꞏ uFunTmZoo
Taxa de mortalidade do zooplâncton [d−1] 11.23

As  equações  para  zoobentos  são  similares  às  escritas  para  zooplâncton,  lembrando  que  o  zoobento
alimenta­se de detritos e fitoplâncton no sedimento por meio de uma resposta funcional do tipo Monod.

11.3 PEIXES
Os  peixes  podem  ser  divididos  em  grandes  grupos  funcionais:  onívoros  (alimentam­se  de  plâncton,
zoobentos  e  peixes  de  pequeno  porte),  planctívoros  (alimentam­se  de  plâncton  e  zoobentos)  e  piscívoros
(alimentam­se de outros peixes). Na modelagem de peixes, os diferentes grupos funcionais implicam dietas
distintas. Por exemplo, é fundamental incluir na modelagem de peixes a predação de piscívoros sobre peixes
bentívoros e planctívoros, os quais afetam diretamente os compartimentos de zooplâncton e zoobentos. Além
disso,  em  razão  de  sua  heterogeneidade,  grupos  de  diferentes  tamanhos  podem  servir  de  alimento  em
diferentes  estágios  de  vida  para  peixes  e  até  para  alguns  zooplânctons  carnívoros  (Jeppesen  et  al.,  1990).
Os peixes onívoros,  na  fase  adulta,  não  têm  preferência  seletiva  por  suas  presas,  e  alimentam­se  de  algas,
zooplâncton,  zoobentos  e  peixes  juvenis,  dependendo  da  densidade  instantânea  da  presa.  Os  peixes
planctívoros,  na  fase  adulta,  alimentam­se  de  fitoplâncton,  zooplâncton  e  macroinvertebrados,  utilizando
regras  semelhantes  de  seletividade  atribuídas  aos  peixes  onívoros.  Na  fase  juvenil,  os  peixes  onívoros  e
planctívoros apenas se alimentam de zooplâncton. Um efeito negativo na transparência da água, resultante da
ressuspensão de material devido à procura de alimento no sedimento pelos peixes onívoros e planctívoros,
poderia também ser considerado na modelagem. A presença da vegetação impede e eficiência da procura por
zooplâncton e zoobentos. O sufixo–Fi refere­se  aos  peixes  onívoros  e  planctívoros.  A  Fig.  11.2  destaca  os
processos na modelagem de peixes.
FIG. 11.2 Esquema dos processos nos peixes adulto e juvenil. Os peixes juvenis também podem ser
modelados dinamicamente

11.3.1 ASSIMILAÇÃO
A  taxa  de  predação  dos  peixes  pode  ser  modelada  por  meio  de  uma  função  sigmoidal  que  depende  da
densidade  das  presas  disponíveis  para  consumo.  Além  disso,  o  efeito  da  presença  da  vegetação  aquática
poderia ser incluído como um fator que reduz a eficiência de predação dos peixes:

aFunVegFiJv = MAX(0, 1 − cRelVegFiJv ꞏ
aCovVeg)
11.24
Dependência da vegetação para peixes onívoros e
planctívoros juvenis [­]

11.25

aFunVegFiAd = MAX(0, 1 − cRelVegFiAd ꞏ
aCovVeg)
11.26
Dependência da vegetação para peixes onívoros e
planctívoros adutos [­]

11.27

onde cRelVegFiJv e cRelVegFiAd são a redução da eficiência de predação pela presença da vegetação para o
peixe  jovem  e  adulto,  respectivamente; aCovVeg é  a  fração  de  área  coberta  por  vegetação;  hDZooFiJv  é  a
constante de meia saturação de biomassa de zooplâncton para predação de peixes jovens; e hDZooFiAd é a
constante de meia saturação de biomassa de zoobentos para predação de peixes adultos.
O  efeito  dos  peixes  onívoros  e  planctívoros  na  turbidez  foi  explicado  na  seção  8.3.  O  crescimento  dos
peixes piscívoros pode depender da presença de vegetação da seguinte maneira:

11.28

aDSatPisc = aDFi2/(hDFiPisc2 + aDFi2)
11.29
Função de limitação de alimento para peixes
piscívoros [­]

onde  hDVegPisc  é  a  constante  de  meia  saturação  da  biomassa  de  vegetação  que  inibe  o  crescimento  dos
peixes piscívoros; aDSubVeg  é  a  biomassa  de  vegetação  submersa  (gD  m−2);  aDFi  é  a  biomassa  de  peixe
disponível  para  predação  pelo  peixe  piscívoro;  e hDFiPisc é  a  constante  de  meia  saturação  de  peixes  para
predação pelo peixe piscívoro.

11.3.2 RESPIRAÇÃO, MORTALIDADE E EXCREÇÃO
Respiração, mortalidade e excreção podem ser modeladas como processos de primeira ordem. Quando um
peixe morre, uma fração correspondente ao material não decomposto (escamas e ossos) sedimenta no fundo e
não participa mais do ciclo biológico.

11.3.3 REPRODUÇÃO E FASES DE VIDA
A  desova  de  peixes  pode  ser  simulada  como  uma  simples  transferência  de  biomassa  do  compartimento
adulto para o compartimento jovem. Em um determinado dia do ano, uma pequena fração de biomassa adulta
passa a ser biomassa juvenil. No final de cada ano, metade da biomassa juvenil torna­se biomassa adulta. As
simplificações  apresentadas  podem  ser  grosseiras,  mas  permitem  uma  aproximação  anual  média  da
transferência de biomassa entre os compartimentos adulto e juvenil. A sugestão dada não é uma regra, e o
leitor é encorajado a pesquisar outras funções que melhor representem essas transferências.
11.3.4 PESCA PREDATÓRIA E CONSUMO POR AVES
A  pesca  predatória  e  o  consumo  por  aves,  para  todos  os  peixes  adultos,  em  um  determinado  período  do
ano, foram implementados como um processo de primeira ordem, da seguinte forma:

tDHarvFish = kHarvFish ꞏ sDFish
Pesca e consumo por aves para todos os peixes 11.30
adultos [gD m−2 d−1]

onde kHarvFish é a taxa de pesca predatória e/ou o consumo de peixes por aves (d−1).
Parte III
MODELOS CONCEITUAIS
12 MODELAGEM DA BACIA
DE DRENAGEM

Dada  a  importância  da  hidrologia  e,  consequentemente,  do  processo  de  escoamento  em  bacias  para  a
dinâmica  dos  ecossistemas  aquáticos,  a  modelagem  de  bacias  hidrográficas  desenvolve­se  há  muito  tempo
(Burnash; Ferral; McGuire, 1973; Williams; Hann, 1973; HEC, 1981; Tucci; Sánchez; Lopes, 1981; Lopes;
Braga; Conejo, 1981; Lanna; Schwarzbach, 1989; U.S.Army, 1972; Schaake, 1971). Tucci (2002) comenta
que  a  modelagem  de  escoamentos  em  bacias  é  apenas  uma  ferramenta  que  a  ciência  desenvolveu  para
representar  e  entender  o  comportamento  da  bacia  hidrográfica,  além  de  prever  condições  diferentes  das
historicamente  observadas.  Eventualmente,  esses  modelos  hidrológicos  são  denominados  modelos  chuva­
vazão,  pois  muitas  vezes  são  aplicados  para  simular  a  resposta  da  bacia,  em  termos  de  vazão,  para  uma
determinada  seção  fluvial  de  interesse,  a  partir  de  uma  precipitação  conhecida.  Existem  vários  modelos
chuva­vazão  que  se  diferenciam  basicamente  pelos  dados  utilizados,  pela  discretização  (concentrados
ou distribuídos), pela representação dos processos e pelos objetivos a serem alcançados. Recentemente, em
função  da  necessidade  de  um  maior  entendimento  dos  processos  físicos,  químicos  e  biológicos  na  bacia
hidrográfica, uma nova geração de modelos hidrológicos (distribuídos) foi desenvolvida para aproximar ao
máximo  os  processos  hidrológicos  da  realidade  (Abbott  et  al.,  1986;  Beven;  Kirkby,  1979;  Collischonn,
2001). Isso permite avaliar os efeitos hidrológicos decorrentes de mudanças climáticas e do uso do solo das
bacias hidrográficas (Tucci, 1998).
Dessa forma, recomenda­se que os modelos de escoamento superficial das bacias de drenagem levem em
consideração a análise das características fisiográficas da bacia, do tipo de solo e sua cobertura.
Uma  vez  que  a  modelagem  hidrológica  não  é  o  foco  deste  livro,  serão  apresentados  alguns  modelos
hidrológicos simples, que podem ser utilizados para a determinação do escoamento superficial.

12.1 MÉTODO RACIONAL
O  método  racional  resume  todos  os  processos  hidrológicos  da  bacia  em  um  único  coeficiente,  o  qual
determina a parcela da chuva que se transforma em escoamento superficial. O cálculo da vazão pelo método
racional é efetuado pela equação:

Q = 0, 278 ꞏ C ꞏ i ꞏ A 12.1

onde Q é a vazão superficial (m3/s); C é o coeficiente de escoamento superficial da bacia (adimensional); i é
a intensidade pluviométrica (mm/h); e A é a área de drenagem (km2).
O método racional é, certamente, o mais difundido para a determinação de vazões de  pico  em  pequenas
bacias  hidrográficas.  A  simplicidade  de  aplicação  e  os  resultados  obtidos,  geralmente  satisfatórios,  são
responsáveis pela sua grande aceitação, desde que utilizado em condições de validade. Recomenda­se o uso
desse  método  apenas  para  bacias  pequenas,  menores  que  2  km2,  por  apresentarem  uma  rápida  resposta  da
precipitação, e quando o analista deseja obter um valor preliminar da vazão máxima.

12.1.1 COEFICIENTE DE ESCOAMENTO SUPERFICIAL
O coeficiente de escoamento superficial deve ser adotado em função do tipo e uso do solo da bacia (Tab.
12.1). O valor do coeficiente de escoamento superficial da bacia pode também ser determinado a partir da
média ponderada dos coeficientes das áreas parciais:

12.2
onde Ci é o valor do coeficiente de escoamento na região i com área Ai.

12.2 MÉTODO RACIONAL MODIFICADO
Para esse método são aplicados os mesmos procedimentos do método racional, acrescentando­se o fator de
correção determinado em função da área da bacia, por meio da expressão (CCN, 1991):

TAB. 12.1 Valores do coeficiente de determinação para diferentes tipos de cobertura do solo
C
Tipo de solo/superfície
Intervalo Valor esperado
0,70­0,95 0,83 Pavimento/asfalto
0,80­0,95 0,88 Pavimento/concreto
0,75­0,85 0,80 Pavimento/calçadas
0,75­0,95 0,85 Pavimento/telhado
0,05­0,10 0,08 Grama­solo arenoso/plano (2%)
0,10­0,15 0,13 Grama­solo arenoso/médio (2%­7%)
0,15­0,20 0,18 Grama­solo arenoso/alta (7%)
0,13­0,17 0,15 Grama­solo pesado/plano (2%)
0,18­0,22 0,20 Grama­solo pesado/médio (2%­7%)
0,25­0,35 0,30 Grama­solo pesado/alta (7%)

Fonte: ASCE, 1969.

f = A−0,10 12.3

EXEMPLO 12.1 Determine o valor do escoamento superficial diário de uma bacia com área de 2 km2,
declividade  de  5%,  30%  de  área  cultivada,  50%  com  mata  nativa  e  20%  urbanizada,
sabendo que a precipitação diária foi de 65 mm.
Solução:
1) cálculo do coeficiente de escoamento
2) intensidade da precipitação
3) cálculo da vazão superficial diária

Q = 0, 278 ꞏ C ꞏ i ꞏ A = 0, 278 ꞏ 0, 315 ꞏ 2, 70 ꞏ 2 = 0, 423m3/s

onde f é o fator de correção e A é a área de drenagem (ha).
Dessa forma, a equação do método racional seria corrigida para:

Q = C ꞏ i ꞏ A ꞏ f 12.4
Esse método é recomendado para bacias sem maiores complexidades, que tenham de 2 a 5 km2 de área de
drenagem (Tucci, 1993; Pinto; Holts; Martins, 1973).

12.3 MÉTODO DO SCS
Esse método determina a descarga de uma bacia hidrográfica por meio do hidrograma triangular composto,
que é o resultado do somatório das ordenadas de histogramas unitários simples, para cada intervalo de tempo.
Existem dois módulos básicos na estrutura desse método: (a) separação do escoamento; (b) propagação do
escoamento.
A  separação  do  escoamento  é  obtida  por  meio  das  seguintes  equações,  respeitando­se  suas  respectivas
condições:

12.5

Pe = 0 para P ⩽ Ia 12.6

onde Ia representa as perdas iniciais (mm); S é a capacidade de armazenamento (mm); e Pe é a precipitação
efetiva acumulada (mm).
O armazenamento pode ser obtido com base na equação

12.7

onde CN é  um  parâmetro  que  retrata  as  condições  de  cobertura  do  solo,  variando  numa  escala  de  1  a  100
(Tab. 12.2).
Assim  como  no  cálculo  do  coeficiente  de  escoamento,  estima­se  o  CN  a  partir  da  média  ponderada  dos
CNs  das  áreas  parciais  da  bacia.  As  perdas  iniciais  para  condições  médias  de  umidade  podem  ser
consideradas 20% do armazenamento, ou Ia = 0,2S.
Os tipos de solo considerados para a estimativa do parâmetro CN são (SCS, 1975):
Solo A – produz baixo escoamento superficial e alta infiltração (solos arenosos profundos com pouco silte
e argila).

TAB. 12.2 Valores do parâmetro CN para bacias rurais
Fonte: SCS, 1975.

Solo  B  –  menos  permeável  que  o  Solo  A,  com  permeabilidade  superior  à  média  (solos  arenosos  menos
profundos que o Solo A).
Solo  C  –  gera  escoamento  superficial  acima  da  média,  com  capacidade  de  infiltração  abaixo  da  média
(solo com porcentagem considerável de argila e pouco profundo).
Solo  D  –  produz  grande  escoamento  superficial,  pouco  profundo  e  com  baixa  capacidade  de  infiltração
(solos contendo argilas expansivas).

TAB. 12.3 Valores do parâmetro CN para bacias urbanas
Fonte: SCS, 1975.

A propagação do escoamento é obtida com base no hidrograma unitário triangular, definido pelo tempo de
pico Tp e o tempo de concentração Tc(Fig. 12.1). A vazão de pico do hidrograma unitário triangular (m3/s
por mm de precipitação efetiva) é obtida por:

12.8
FIG. 12.1 Hidrograma unitário triangular do SCS Fonte: Tucci, 1993.

onde  Tp  é  o  tempo  de  pico  (h).  A  vazão  de  pico  (m3/s)  é  obtida  multiplicando­se  o  valor  de  Qp  da  Eq.
12.7 por Pe. A última coordenada do triângulo, Te, é determinada sabendose que a área do triângulo deve ser
igual ao volume precipitado efetivo Pe:

12.9

Em  resumo,  para  cada  intervalo  temporal  de  discretização  da  chuva,  obtém­se  o  escoamento
correspondente  à  chuva  excedente  nesse  período  (Pe).  A  partir  dos  volumes  excedentes,  estimam­se  os
hidrogramas  unitários  triangulares,  para  cada  intervalo  temporal  de  discretização  da  chuva  (Qp).  E,
finalmente,  da  superposição  dos  hidrogramas  unitários  triangulares,  determina­se  o  hidrograma  final  de
cheia.

Cálculo do tempo de pico do hidrograma unitário
O tempo de pico do hidrograma é escrito em função do tempo de concentração da bacia:

Tp = 0, 6 ꞏ Tc 12.10

12.11

onde Tc é o tempo de concentração da bacia (h) e Δt é o intervalo de tempo da precipitação (h).

Cálculo do tempo de concentração (Tc) da bacia
O tempo de concentração (Tc) é o tempo necessário para que toda a área da bacia contribua para o
escoamento superficial na seção de saída. Os fatores que influenciam o Tc de uma dada bacia são:
A. forma da bacia;
B. declividade média da bacia;
C. tipo de cobertura vegetal;
D. comprimento e declividade do curso principal e afluentes;
E. distância horizontal entre o ponto mais afastado da bacia e sua saída (exutório);
F. condições do solo em que a bacia se encontra no início da chuva.
Algumas fórmulas de tempo de concentração são apresentadas na Tab. 12.4.

TAB. 12.4 Fórmulas de tempo de concentração
Nome Equação∗
Onda Cinemática Tc = 7, 35n0,6i−0,4L0,6S−0,3
Kirpich Tc = 0, 0663L0,77S−0,385
SCS Lag Tc = 0, 057 (1000/CN − 9)0,7 L0,8S−0,5
Ven te Chow Tc = 0, 160L0,64S−0,32
Dooge Tc = 0, 365A0,41S−0,17
Corps Engineers Tc = 0, 191L0,79S−0,19

(∗)Tc (h); A (km2); L (km); S (m/m); i (mm/h).
Fonte: Silveira, 2005. (Cálculo do intervalo temporal de discretização de simulação.)

Com  a  finalidade  de  retratar  bem  a  subida  e  a  descida  do  hidrograma  unitário,  recomenda­se  que  o
intervalo de tempo de simulação seja 7,5 vezes menor que o tempo de concentração da bacia:

12.12

EXEMPLO 12.2 Uma bacia rural de 7 km2 com cobertura de pasto (CN = 61) tem seu rio principal com
comprimento de
2,5 km e declividade de 8%. Essa bacia vai ser submetida a um processo de urbanização que alterará 75%
do canal fluvial e produzirá 30% de áreas impermeáveis. Calcule os hidrogramas unitários pelo método
do SCS para as condições atuais e futuras. Adotar CN = 83 para as condições urbanas.
Solução:
1) Condições atuais:

Tc =  0,  057  (1000/61  –  9)0,7 2, 50,80,  08­0,5  =  1,026  horas(SCS  Lag)  Considerando­se  uma  duração  de
precipitação de 15 min (1/4 h):
2) Condições futuras:
MODELOS DE RIOS
13
13.1 ESCOAMENTOS EM RIOS E CANAIS
Os  modelos  hidrodinâmicos  de  rios  consideram  os  gradientes  espaciais  em  uma  direção,  geralmente  na
direção longitudinal. Os modelos longitudinais são aplicáveis para estudar variações do escoamento ao longo
do  eixo  do  reservatório,  desprezando  a  estratificação  vertical,  que  é  marcante,  como,  por  exemplo,  em
reservatórios com grandes profundidades.

13.2 REGIME PERMANENTE
13.2.1 ESCOAMENTO UNIFORME
Atualmente, a equação de Manning é uma das metodologias de cálculo mais utilizadas por projetistas no
dimensionamento de canais abertos e rios. Da maneira como é apresentada, essa equação pode ser utilizada
no cálculo do escoamento uniforme em canais, qualquer que seja a forma geométrica da seção transversal. A
equação  de  Manning  deriva  de  um  balanço  do  momento  em  uma  seção  e  relaciona  a  velocidade
longitudinal, u (m.s−1), com as características geométricas da seção transversal:

13.1

onde n é o coeficiente de rugosidade de Manning (Tab. 13.1); Rh é o raio hidráulico da seção transversal (m),
definido como a área dividida pelo perímetro molhado (A/P); e S é a declividade do canal ou do rio (m/m).
A equação de Manning também pode ser escrita em termos da vazão em m3.s−1. Sabendo­se que Q = u.A,
tem­se:

13.2

TAB. 13.1 Valores do coeficiente de Manning para diferentes formas de fundo
Material de fundo n
Canais artificiais:
Concreto 0,012
Fundo de pedregulho com taludes em:
Concreto 0,020
Enrocamento miúdo 0,033
Pedra batida 0,023
Rios:
Limpos e sem meandros 0,030
Limpos e com meandros 0,040
Com macrófitas e com meandros 0,050
Coberto por vegetação densa 0,100
Fonte: Chow, 1959.

TAB. 13.2 Elementos hidráulicos de algumas seções transversais conhecidas
Na  Tab.  13.2  são  apresentados  alguns  elementos  hidráulicos  de  seções  transversais,  os  quais  são  mais
comumente utilizados na construção de canais artificiais.

13.2.2 ESCOAMENTO NÃO UNIFORME
Modelos  de  armazenamento  podem  ser  utilizados  para  a  simulação  de  escoamentos  permanentes  não
uniformes.  O  modelo  de  Muskingun,  desenvolvido  por  McCarthy  (1939),  é  considerado  um  simples
método para  determinar  escoamentos  permanentes,  não  uniformes  que  utiliza  a  equação  da  continuidade  e
relaciona o armazenamento, S, com as vazões de entrada e saída de um volume de controle. Essa relação é
expressa por:
13.3

onde X é um parâmetro de ponderação das vazões de entrada (I) e saída (Q). Por questões de simplificação, o
método  assume  que  a  razão  m/n  é  igual  a  1  e  a  razão  b/a  é  igual  a  K,  resultando  em  uma  relação  linear
simples entre o armazenamento e as vazões:

S = K [XI + (1 − X) Q] 13.4

onde K é uma constante de tempo de trânsito para o trecho considerado (tempo médio de deslocamento da
onda no volume de controle). O fator de ponderação, X, varia entre 0 e 0,5 (aproximadamente 0,2 para rios
naturais).
A solução numérica é desenvolvida derivando a Eq. 13.4 e  substituindo  na  equação  da  continuidade.  Na
forma de diferenças finitas, a solução numérica é dada por:

Qn+1 = AIn+1 + BIn CQn 13.5

onde:

13.6

13.7

13.8

Para  eliminar  a  possibilidade  de  ocorrerem  valores  de  vazões  estimados  pelo  modelo  sem  significado
físico, uma relação entre os parâmetros K, X e Δt deve ser satisfeita:

13.9

13.3 REGIME NÃO PERMANENTE
Embora  a  equação  de  Manning  seja  uma  aproximação  de  simples  formulação  para  determinar  as
velocidades  e  profundidades  de  canais  e  rios  em  regime  permanente,  existem  outros  casos  em  que  a
velocidade  muda  com  o  tempo,  o  que  impossibilita  o  emprego  dessa  equação.  Nesses  casos,  uma  solução
dinâmica  da  velocidade  é  mais  apropriada.  Esses  modelos  são  baseados  nas  equações  de  Saint  Venant,
descritas a seguir.

Equações governantes
As  leis  físicas  que  governam  o  escoamento  da  água  não  permanente  em  rios  são  o  princípio  da
conservação de massa (continuidade) e o princípio da conservação de momentos (quantidade de movimento).
A  equação  da  continuidade  unidimensional  é  derivada  a  partir  do  balanço  de  massa  por  meio  de  um
volume de controle, conforme demonstrado na Fig. 13.1.
A taxa de entrada de água no volume de controle pode ser expressa como:
FIG. 13.1 Fluxos de volume e elementos integrantes de um volume de controle unidimensional

13.10

onde Q é a vazão (volume que atravessa uma face em um dado intervalo de tempo).
A taxa de saída de água no volume de controle pode ser computada como:

13.11
e, finalmente, a taxa de armazenamento dentro do volume de controle é dada por:

13.12

Assumido que Δx é suficientemente pequeno, a mudança da massa de água dentro do volume de controle é
definida pelo seguinte balanço:

13.13

onde ρ é  a  densidade da água  e ql é  a  contribuição  lateral  entrando  no  volume  de  controle  por  unidade  de
comprimento.
Simplificando e dividindo a Eq. 13.13 por ρΔx,  chega­se  à  forma  final  da  equação  da  continuidade  para
escoamentos unidimensionais:

13.14

onde u é a velocidade na direção x; A é a área; H é a profundidade total; g é a aceleração da gravidade; S0 é a
declividade de fundo; e Sf é a declividade da linha de atrito.
A equação da conservação dos momentos é baseada na 2ª lei de Newton:

13.15

As principais forças que atuam em um volume de controle unidimensional, de seção transversal irregular,
são: (a) forças de pressão; (b) forças gravitacionais; e (c) forças de atrito. Assume­se a força de pressão que
atua na face do volume de controle é como hidrostática:

13.16
FIG. 13.2 Elemento infinitesimal na seção transversal

onde y  é  a  distância  do  fundo  a  uma  fatia  infinitesimal  da  seção  tranversal  cuja  largura,  B,  é  uma  função
de y (Fig. 13.2).
Se a força de pressão que atua na seção transversal média do volume de controle for Fp, a força na face a
montante do volume de controle é dada por:

13.17

e na face a jusante do volume de controle é:
13.18

Assim, a força resultante devido à pressão, Fpr, que atua no volume de controle, é definida como:

13.19

onde FB é a componente de força de pressão que a água exerce no fundo, na direção x.
Simplificando a Eq. 13.19, tem­se:

13.20

Substituindo Fp na Eq. 13.20 e utilizando a regra de Leibnitz de integral por partes, chega­se a:

13.21

A primeira integral é a área da seção transversal e a segunda integral, multiplicada pelo fator ρgΔx, resulta
em FB, que se anula com o termo de igual magnitude e sinal oposto. Assim, a expressão da força resultante
da pressão no volume de controle pode ser escrita como:

13.22

A força de gravidade que atua no volume de controle, na direção x, é:

Fg = ρgAT sen (θ) Δx 13.23

onde θ é o ângulo que o fundo do canal faz com a horinzontal.
Em rios, geralmente θ é muito pequeno, tal que sen (θ) ≈ tan (θ) = −∂z0/∂x, sendo z0 a distância medida a
partir de um referencial (datum) até o fundo do canal (zo = z − h). Dessa forma, a força de gravidade pode ser
reescrita da seguinte forma:

13.24

A força de atrito produzida na interface água/fundo é definida como:

Ff = −τ0PΔx 13.25

onde τ0 é a tensão de cisalhamento do fundo (força por unidade da área) e P é a força peso. O sinal negativo
indica  que  essa  força  atua  na  direção  contrária  à  do  escoamento.  A  tensão  de  cisalhamento  do  fundo  é
definida como:

τ0 = ρCDu2 13.26
onde  CD  é  o  coeficiente  de  atrito  no  fundo  do  canal,  o  qual  pode  ser  relacionado  com  o  coeficiente
de Chezy, Cz:

13.27

sendo a equação de Chezy definida como:

13.28

onde R é o raio hidráulico e Sf é a inclinação do fundo do canal.
Com algumas substituições e simplificações, a força de atrito no volume de controle é dada por:

Ff = −ρgAT SfΔx 13.29

Com  as  três  forças  definidas,  a  equação  da  quantidade  de  movimento  pode  ser  desenvolvida  a  partir  do
balanço de forças sobre o volume de controle, resultando em:

13.30

Planície de inundação
Quando o nível de um rio sobe e alcança sua margem, inicia­se uma transferência de água, lateralmente, do
canal  principal  para  a  planície  de  inundação.  O  escoamento  na  planície  de  inundação  é  diferente  do  que
ocorre no canal, uma vez que a água pode tomar outros caminhos preferenciais, o que pode resultar em um
retardamento ou encurtamento do fluxo da água para seções mais a jusante. Após esse evento, a água pode
ficar armazenada em depressões ou retornar à calha do rio.
FIG. 13.3 Escoamento no canal principal e na planície de inundação

A  integração  entre  canal  e  planície  de  inundação  tem  características  bidimensionais.  No  entanto,  uma
precisa  aproximação  também  pode  ser  realizada  utilizando­se  uma  representação  unidimensional  do
escoamento (Fig. 13.3).
Uma simples representação desse problema é quando se considera que a superfície da água é horizontal à
seção transversal do rio, tal que as trocas entre canal e planície de inundação são desprezadas, e que a vazão
resultante é uma função da conveyance (fator de troca entre rio e planície de inundação) do rio, ou seja:

Qc = ϕQ 13.31
onde  Qc  é  a  vazão  no  canal;  Q  é  a  vazão  total;  e  ϕ  =  Kc/(Kc  +  Kp),  sendo  Kc  a  conveyance  no  canal
e Kp a conveyance na planície de inundação.
Com  essa  suposição,  as  equações  do  escoamento  são  combinadas  para  o  sistema  integrado  e  escritas  na
seguinte forma:

13.32

13.33

Os índices c e p referem­se ao canal e à planície de inundação, respectivamente.

Solução numérica
Diversos  esquemas  numéricos  poderiam  ser  aplicados  nas  equações  de  escoamento  unidimensional  para
encontrar  sua  solução  numérica.  Aqui  adotaremos  um  esquema  numérico  semi­implícito,  ou  seja,  alguns
termos diferenciais são substituídos por diferenças finitas válidas para o tempo atual (discretização explícita),
e  outros,  por  diferenças  finitas  válidas  para  o  tempo  posterior  (discretização  implícita).  Esse  é  o
procedimento  mais  aceito  e  aplicado  para  solucionar  as  equações  do  escoamento  em  uma  dimensão.  No
entanto,  esse  esquema  produz  um  sistema  de  equações  lineares  que  pode  ser  resolvido  com  técnicas
numéricas  iterativas  (e.g.  Newton­Raphson,  métodos  dos  gradientes  conjugados)  (ver  Apêndice  C  em
<www.ofitexto.com.br/modelagemecologica>).
Cada célula é numerada em seu centro, com os índices i e j, que se referem, respectivamente, à posição da
célula nos eixos x e y. A profundidade total de água, H, está definida no centro da célula com um índice (i), e
a velocidade u é definida nas fronteiras médias das células, com índices (i ± ½), como indicado na Fig. 13.4.
FIG. 13.4 Malha utilizada na discretização unidimensional espacial

Os  termos  que  são  tratados  semi­implicitamente,  utilizando­se  um  ponderador  no  tempo  (θ),  são:  o
gradiente de elevação da superfície da água na equação da quantidade de movimento (∂z/∂x) e o gradiente da
velocidade na equação da continuidade e de movimento (∂Q/∂x). Para garantir uma solução estável, o valor
de θ deve estar compreendido entre 0,5 e 1. Os demais termos são tratados explicitamente.
As discretizações numéricas dos termos das equações da continuidade e da quantidade de movimento são
apresentadas nas Tabs. 13.3 e 13.4, respectivamente.
As equações apresentadas são reduzidas a uma única equação, isolando­se as variáveis no tempo n + 1 do
lado esquerdo e as variáveis no tempo n do lado direito, resultando na equação:
13.34

TAB. 13.3 Discretização dos termos da equação da continuidade

TAB. 13.4 Discretização dos termos da equação da quantidade de movimento
Os coeficientes A,B, C e D são termos calculados no tempo n, podendo ser determinados por algebrismo.
A  Eq.  13.34  é  aplicada  em  todas  as  células,  resultando  num  sistema  de  equações  lineares.  A  matriz  que
representa  esse  sistema  é  positiva  definida  e  tem  uma  única  solução  para  Q  e  z  quando 

Condições de contorno
Para  cada  trecho  de  rio  existem  N  pontos  computacionais,  correspondentes  a  N­1  elementos.  A  partir
dessas células, desenvolvem­se 2N­2 equações de diferenças finitas. Como existem 2N incógnitas (Q e z em
cada  nó),  duas  equações  adicionais  precisam  ser  fornecidas,  que  provêm  das  condições  de  contorno  do
sistema. Apresentamos a seguir algumas das mais comuns condições de contorno para rios.
Condições de contorno internas (conexões entre trechos)
Uma rede de drenagem é composta por um conjunto de trechos de rios conectados entre si. As condições
de  contorno  internas  devem  ser  atribuídas  em  cada  conexão  entre  trechos.  Segundo  o  tipo  de  conexão  do
trecho, um dos dois tipos de condição de contorno deve ser empregado:
A. continuidade  do  fluxo:  empregada  em  trechos  que  dividem  ou  combinam  o  escoamento  (e.g. trecho  1
da Fig. 13.5);
B. continuidade de nível: empregada nos demais casos (e.g.trechos 2 e 3 da Fig. 13.5).
A condição de continuidade de fluxo é responsável pela conservação do volume em uma confluência:

13.35

onde l é o número de trechos conectados em uma confluência; Siassume o valor 1 para trechos de montante e
−1 para trechos de jusante; e Qi é a vazão do trecho i.
FIG. 13.5 Confluências em rios

A condição de continuidade de nível estabelece que os níveis da água são iguais para diferentes trechos em
uma confluência:

13.36

Condições de contorno externas
As condições de contorno externas são aplicadas nos nós extremos da rede de drenagem. Para os nós de
montante, um hidrograma (vazão ao longo do tempo) pode ser dado como condição:
13.37

onde 

  é  a  vazão  de  um  hidrograma  conhecido  em  um  nó  de  montante.  Para  os  nós  de  jusante,  além  de  um
hidrograma conhecido, uma condição de nível ou de declividade também poderia ser atribuída.
A condição de nível é:

13.38
onde 

 é o nível conhecido em um nó de jusante.
Utilizando­se  a  equação  de  Manning,  uma  condição  de  declividade  conhecida  no  nó  extremo  de  jusante
pode ser atribuída como:

13.39
onde 

 a declividade conhecida em um nó de jusante.
MODELOS DE LAGOS E
ESTUÁRIOS 14
Em razão das condições físicas e geológicas que interagem de forma complexa, o escoamento em corpos
d’água rasos, tais como lagos e estuários, é considerado turbulento na maioria dos casos. Admite­se que esse
tipo  de  escoamento  deve  ser  governado  pelas  equações  de  Navier­Stokes,  deduzidas  a  partir  da  2ª  lei  de
Newton, que representam o princípio da conservação da quantidade de movimento aplicado a uma partícula
de massa ρ ꞏ dxdydz, onde ρ é a densidade e dxdydz é o volume da partícula.
Uma  das  características  dos  escoamentos  turbulentos  são  os  vórtices  que  se  apresentam  em  uma  vasta
gama de escalas espaciais e temporais. Rosman (1999) esclarece que os maiores vórtices detêm grande parte
da  energia  dos  agentes  externos  (e.g.  vento,  maré,  corrente).  Esses  vórtices  são  bastante  anisotrópicos  por
pertencerem  a  uma  fração  considerada  do  domínio  estudado,  uma  vez  que  dependem  fortemente  da
geometria  do  corpo  d’água.  O  comprimento  dos  maiores  vórtices  é  muito  maior  do  que  as  escalas  de
profundidade desses corpos d’água rasos, o que torna viável a modelagem computacional bidimensional na
horizontal.  Por  outro  lado,  é  impraticável  a  aplicação  das  equações  de  Navier­Stokes  para  partículas  nessa
faixa de escala em que não prevalece a isotropia.
Resolver  um  problema  na  escala  de  interesse  significa  utilizar  no  modelo  numérico  discretizações
temporais  e  espaciais  compatíveis.  Por  exemplo,  para  resolver  um  vórtice  de  tamanho  L,  é  necessário  ter
espaçamentos  inferiores  a  L/2  ao  longo  da  malha  de  discretização  e,  no  mínimo,  L/4  para  uma  resolução
razoável (Wrobel et al., 1989). Na realidade, quando o sistema possui variações turbulentas, a solução média
pode  não  ser  representativa.  Essas  variações  ocorrem  em  sistemas  fortemente  não  lineares,  e  uma
dicretização adequada é fundamental para a representatividade da heterogeneidade espacial.
Visando resolver esse problema, os modelos para escoamentos turbulentos necessitam de bases estatísticas
bem desenvolvidas e filtradas em grande escala, bem como da aplicação de uma simplificação padrão para o
sistema, i.e., a separação de cada variável global dividida em uma parte “média” ou de grande escala, e uma
parte de flutuação ou de pequena escala, na qual os efeitos gerais, e não os detalhes, aparecem no modelo.
Portanto,  procura­se  modelar  matematicamente  as  variáveis,  para  que  se  possa  estudar  fenômenos
hidrodinâmicos e biológicos em grande escala e, assim, obter um modelo determinístico para o escoamento
e a dinâmica de fitoplâncton a uma profundidade média.

14.1 EQUAÇÕES GOVERNANTES
As  equações  de  águas  rasas  descrevem  um  escoamento  bidimensional,  integrado  verticalmente  (valores
médios) e irregular (não uniforme). Essas equações são baseadas na conservação da massa e na quantidade de
movimento.  As  equações  assumem  que  o  fluido  é  incompressível  e  que  a  distribuição  de  pressão  é
hidrostática.  Outra  suposição  é  que  não  há  estratificação  de  densidade  e  que  a  velocidade  na  vertical  é
considerada pequena em relação à velocidade na horizontal.
Escritas na forma diferencial, as equações governantes têm a forma:
Equação da Continuidade:

14.1

Equação da Quantidade de Movimento:

14.2
14.3

onde  t  é  o  tempo;  u  e  v  são  as  componentes  da  velocidade  nas  direções  x  e  y  no  plano  horizontal,
respectivamente;  η  é  a  elevação  da  superfície  da  água  medida  a  partir  de  um  nível  de  referência  (Fig.
14.1); h  é  a  profundidade  medida  a  partir  de  um  nível  de  referência;  g  é  a  aceleração  da  gravidade;  f  é  o
parâmetro  de  Coriolis;  τx  e  τy  são  os  termos  de  tensão  do  vento  na  direções  x  e  y,  respectivamente; 

  é  um  operador  vetorial  no  plano  x  −  y;  Ah  é  o  coeficiente  de  viscosidade  turbulenta  horizontal;  e  γ  é  o
coeficiente de fricção ao fundo.
FIG. 14.1 Esquema dos elementos integrantes das equações de movimento

A  Eq.  14.1  representa  a  continuidade,  ou  conservação  de  massa,  e  as  Eqs.  14.2  e  14.3  expressam  a
conservação  do  momento,  ou  a  quantidade  de  movimento.  O  coeficiente  de  fricção  ao  fundo  (γ)  pode  ser
escrito como:

14.4

onde H = h + η é a profundidade total e Cz é o coeficiente de atrito de Chezy.
Como é comum em modelos de escoamento, a tensão de atrito na superfície livre pelo vento é escrita em
termos da velocidade do vento:

τx = CD ꞏ Wx ꞏ ||W|| 14.5

τy = CD ꞏ Wy ꞏ ||W|| 14.6

onde CD é o coeficiente de arraste do vento; Wx e Wy são as componentes do vetor velocidade do vento nas
direções  x  e  y  (m/s),  respectivamente,  medidas  a  10  m  da  superfície  livre;  e  ||W||  é  a  norma  do  vetor
velocidade do vento.

14.2 SOLUÇÃO NUMÉRICA
As  equações  de  águas  rasas  não  têm  solução  analítica  direta.  O  método  de  diferenças  finitas  resolve  as
equações  governantes  para  um  número  finito  de  pontos  no  espaço  e  no  tempo.  Esse  método  necessita
subdividir  o  domínio  bidimensional  de  aplicação  em  uma  malha  com  um  número  finito  de  células.  As
equações são discretizadas espacialmente em uma grade retangular, que consiste em células computacionais
quadradas  com  comprimento  Δx  e  largura  Δy.  A  Fig.  14.2  ilustra  a  malha  computacional  utilizada  na
discretização espacial. As variáveis hidrodinâmicas (u, v e η) são calculadas em cada uma das células. Cada
célula é numerada em seu centro, com os índices i e j, que se referem à posição da célula nos eixos x  e  y,
respectivamente.
A  elevação  da  superfície  da  água,  η,  está  definida  no  centro  da  célula  com  um  índice  (i,  j),  e  as
velocidades  u,  v  são  definidas  nas  fronteiras  médias  das  células  com  índices  (i  ±  ½,  j)  e  (i,  j  ±  ½),
respectivamente, como indicado na Fig. 14.2.
O  esquema  numérico  de  discretização  adotado  no  modelo  é  o  semi­implícito,  ou  seja,  alguns  termos
diferenciais são substituídos por diferenças finitas válidas para o tempo atual (discretização explícita), outros,
por  diferenças  finitas  válidas  para  o  tempo  posterior  (discretização  implícita).  Os  termos  tratados  semi­
implicitamente  são  os  gradientes  de  elevação  da  superfície  da  água  nas  equações  da  quantidade  de
movimento  (g∂η/∂x,  g∂η/∂y),  o  gradiente  das  velocidades  na  equação  da  continuidade  (∂u/∂x,  ∂v/∂y)  e  a
velocidade  dos  termos  de  rugosidade  junto  ao  fundo  (γu,  γv).  Os  demais  termos  são  discretizados
explicitamente.
FIG. 14.2 Malha utilizada na discretização bidimensional espacial, e a posição de avaliação das variáveis no
esquema de diferenças finitas adotado
Fonte: Fulford, 2003.

Os termos semi­implícitos são escritos como:

14.7
14.8

Para  um  sistema  com  densidade  constante,  o  método  é  estável  para  valores  de  θ  maiores  do  que  0,5,  e
instável  para  valores  de  θ  menores  do  que  0,5  (Casulli;  Cattani,  1994).  Esses  autores  verificaram  que,  à
medida que θ se  aproxima  de  0,5,  a  diagonal  principal  da  matriz  solução  do  sistema  de  equações  torna­se
crescentemente  dominante,  garantindo  uma  rápida  convergência,  além  de  uma  maior  eficiência
computacional  na  solução  da  matriz.  Teoricamente,  se  θ  for  igual  a  0,5,  o  método  numérico  permanece
estável,  conduzindo  o  modelo  a  uma  máxima  precisão  e  eficiência  da  solução.  Entretanto,  para  esse  valor
(θ = 0,5), pequenas perturbações de onda podem se propagar indefinidamente ao longo do sistema. Portanto,
em  aplicações  práticas,  recomenda­se  utilizar  valores  de  θ  compreendidos  entre  0,55  e  0,60  (Wang  et  al.,
1998).
Os  termos  advectivos  nas  equações  da  conservação  da  quantidade  de  movimento  podem  ser  expressos
como uma derivada substancial, D/Dt, calculada ao longo de uma linha de corrente. A derivada substancial é
aproximada segundo um esquema Euleriano­Lagrangiano (Casulli, 1990), resultando em:

14.9

14.10
onde 

 é o valor de u no intervalo de tempo n, no ponto (i + ½ − a, j − b) que leva uma partícula fluida até o ponto
(i  +  ½,  j),  no  intervalo  n  +  1;  e 

 é o valor de v no intervalo de tempo n, no ponto (i − a,j + ½ − b) que leva uma partícula fluida até o ponto
(i,j +½), viajando através de uma linha de corrente.
Na  prática,  considera­se  que  os  valores  de 
  e 

 podem  ser  aproximados  por  uma  interpolação  bilinear  sobre  os  quatros  pontos  vizinhos  inteiros  da  malha
(Fig. 14.3), por meio das equações:

14.11

14.12

onde a = n + p e b = m + q, com n e m inteiros e 0 ⩽ p, q < 1.
Na  prática,  o  valor  de 
  e 

  é  calculado  encontrando­se  os  valores  de  a  e  b,  que  correspondem  à  distância  percorrida  em  x  e  y  pelas
partículas de água que estavam nos pontos (i + ½ − a,j −b) e (i − a,j + ½ −b) e chegam aos pontos (i + 1/2, j)
e (i, j + 1/2), respectivamente, em um intervalo de tempo.
Isso é feito com a divisão do intervalo de tempo em N subintervalos iguais (ξ = Δt/N) e com o cálculo de 
  e 

 de forma iterativa  e  retroativa,  atualizando­se  a  posição  de  cada  partícula  de  água  nas  direções  x  e  y  por
meio das seguintes equações:
FIG. 14.3 Esquema Euleriano­Lagrangiano de convecção

14.13

14.14

onde uk(xs, ys) e vk(xs, ys) são calculados em cada subintervalo de tempo a partir da interpolação dos dados
conhecidos  na  grade  Euleriana.  Então,  o  valor  de a e b pode  ser  calculado  por  meio  dos  valores  de  x  e  y,
utilizando­se as Eqs. 14.13 e 14.14, e nos passos inicial e final do processo iterativo por:
14.15

Portanto, a discretização semi­implícita das equações governantes tem a seguinte forma:

14.16

14.17

14.18

onde Wx e Wy são os termos que agregam a tensão de cisalhamento na superfície da água pela ação do vento,
a viscosidade turbulenta e a força de Coriolis, avaliadas no intervalo de tempo n e nas células (i + ½, j) e (i,
j + ½), respectivamente, conforme as equações:

14.19

14.20
Na  Eq.  14.16,  os  termos  similares  a  max 

  são  introduzidos  em  função  da  secagem  de  células,  quando 


  e 
 Nesse caso, o valor máximo do nível de uma célula e de sua vizinha é selecionado e utilizado na equação.
Além disso, assume­se que o valor do coeficiente de fricção ao fundo, γ, na célula seca tende ao infinito para
garantir o impedimento da passagem de fluxo na célula (Cheng; Casulli; Gartner, 1993).
As  equações  discretizadas  são  reduzidas  a  uma  única  equação,  isolando­se  as  variáveis 
  e 

 das Eqs. 14.17 e 14.18, e, em seguida, substituindo­as na Eq. 14.16.

14.21

onde:

A = 1 − B − C − D − E 14.22
14.23

14.24

14.25

14.26

14.27

onde os termos PB, PC, PD e PE representam a profundidade média em direção a cada uma das células i, j, de
acordo com as equações:

14.28

14.29

14.30
14.31

Os coeficientes A, B, C, D, E e F são termos calculados no tempo n. A Eq. 14.21,  aplicada  em  todas  as


células, resulta num sistema de equações lineares. A matriz que representa esse sistema é pentagonal, positiva
definida,  com  uma  única  solução  quando 

  e 
  A  matriz  é  resolvida  pelo  método  dos  gradientes  conjugados  precondicionados  (Press  et  al.,  1992)  (ver
Apêndice C em <www.ofitexto.com.br/modelagemecologica>).
O  armazenamento  dos  coeficientes  na  matriz  solução  é  simples.  Considere  o  sistema  hipotético  com
elementos computacionais numerados sequencialmente de acordo com a Fig. 14.4.
O  elemento  1  tem  como  vizinhos  o  elemento  2,  que  está  à  sua  direita,  e  o  elemento  3,  abaixo.  O
coeficiente A da célula 1 é armazenado na posição (1,1) da matriz de coeficientes, na diagonal principal, por
pertencer  ao  termo 
  O  coeficiente  B,  referente  ao  termo 
  da  célula  1,  também  é  diferente  de  zero,  porque  existe  um  vizinho  à  sua  direita.  Esse  coeficiente  é
armazenado  na  posição  (1,2)  da  matriz  de  coeficientes.  Os  coeficientes  C  e  D,  referentes  aos  termos 
  e 
,  respectivamente,  são  nulos,  porque  não  existe  elementos  vizinhos  à  esquerda  e  acima  da  célula  1.  E,  por
fim, o elemento 3, que está abaixo da célula 1, faz com que o coeficiente E seja armazenado na posição (1, 3)
da matriz de coeficientes. Monta­se, assim, a primeira linha da matriz de coeficientes. Aplicando­se a mesma
metodologia para os elementos seguintes, tem­se como resultado a matriz de coeficientes do problema (Fig.
14.5).
FIG. 14.4 Numeração dos elementos computacionais ativos. As células inativas, em preto, representam
regiões sem escoamento
FIG. 14.5 Matriz de coeficientes para os elementos computacionais da Fig. 14.4

O  esquema  de  diferenças  finitas  semi­implícito  é  estável,  de  acordo  com  a  condição  de  Von  Neumann
(Casulli; Cattani, 1994), se a seguinte inequação for satisfeita:

14.32

14.3 CONDIÇÕES INICIAIS E DE CONTORNO
Na  resolução  do  sistema  de  equações  diferenciais  parciais,  além  da  necessidade  de  recorrer  a  métodos
numéricos,  é  necessário  formalizar  as  condições  iniciais  e  de  contornos  do  sistema.  Uma  vez  que  é  difícil
obter  medidas,  ao  longo  do  sistema,  que  venham  a  caracterizar  um  estágio  da  circulação,  as  condições
iniciais  normalmente  são  arbitrárias,  sendo  usualmente  consideradas,  ao  longo  do  sistema,  as
velocidades u e v iguais a zero e o nível d’água η inicial prescrito pelo modelador. Essa consideração leva a
um  resultado  falso  nas  primeiras  iterações,  mas  tende  ao  resultado  real,  à  medida  que  as  iterações  se
sucedem,  geralmente  em  um  período  de  simulação  correspondente  a  um  ciclo  de  maré  (Fragoso  Jr.  et  al.,
2000),  fato  que  pode  consumir  muito  tempo  computacional  em  alguns  casos,  dependendo  da  definição  da
discretização espacial e temporal.
As condições de contorno serão estabelecidas de maneira a melhor se aproximar das condições reais. Ao
longo da costa, que forma o contorno terra­água do sistema, a condição usada no contorno será a de fluxo
nulo, a componente da velocidade normal ao contorno é nula. Analogamente, essa condição será aplicada às
fronteiras internas do sistema, como, por exemplo, nas ilhas. Se o sistema está sujeito a uma variação de nível
(e.g. maré), então a variação de nível deve ser imposta ao longo de uma linha ou região, como no contato
entre um rio e o oceano. A intensidade e a direção do vento também devem ser impostas pelo modelador ao
longo  do  sistema.  Nos  trechos  de  fronteiras  do  sistema  que  representam  a  entrada  ou  a  saída  de  rios  ou
canais, além de a prescrição da velocidade ser diferente de zero, ao trecho de fronteira em questão há também
que se prescrever a componente tangencial, usualmente zero (Rosman, 1999).
15 MODELOS DE
RESERVATÓRIOS

15.1 ASPECTOS GERAIS
Os  reservatórios  possuem  diversos  mecanismos  específicos  de  funcionamento  que  sugerem  o
desenvolvimento  de  várias  atividades  e  estudos  para  sua  implementação.  A  maior  parcela  desses
reservatórios  é  construída  com  a  finalidade  de  gerar  energia  e  abastecimento,  entretanto,  eles  têm  sido
utilizados  com  finalidades  múltiplas,  tais  como  pesca,  irrigação,  recreação  e  aquicultura  (UNEP­IETC,
2003).  Por  outro  lado,  a  construção  de  barragens  está  relacionada  a  um  grande  número  de  problemas
associados, como eutrofização, sedimentação, toxicidade e veiculação de doenças (Tab. 15.1).
A  dinâmica  de  circulação  da  água  em  reservatórios  é  um  fenômeno  tridimensional,  caracterizado  por
apresentar velocidades pequenas quando comparadas àquelas observadas em rios, estuários e lagos. Em razão
das baixas velocidades de escoamento, o fluxo na superfície livre induzido pela ação do vento tem um papel
importante no escoamento e no transporte de poluentes. Operação das estruturas de descarga, bombeamento
para  abastecimento  e  irrigação,  fluxos  de  entrada  dos  afluentes,  precipitação  e  evaporação  também  são
variáveis importantes a serem incluídas no balanço hídrico de um reservatório.
A  eutrofização  das  águas  interiores  de  reservatórios  é  considerada  um  dos  maiores  problemas  em  nível
mundial.  Ela  causa  grandes  impactos  negativos  ecológicos  (e.g.  floração  de  algas,  crescimento  de  plantas
aquáticas),  de  saúde  (e.g.  toxinas  na  água,  tifo,  cólera)  e  econômicos  (e.g.  redução  do  estoque  pesqueiro,
perda do valor paisagístico), mediante a deterioração dos recursos hídricos. Uma das principais razões para o
crescente quadro de eutrofização em reservatórios é o aumento da carga de nutrientes nas águas interiores,
decorrente  do  desmatamento,  do  desenvolvimento  agrícola  e  industrial  e  da  urbanização  nas  bacias
adjacentes. Os fatores dentro do lago que regulam os impactos gerados pelo aumento da carga de nutrientes
incluem a estrutura da rede alimentar, trocas entre os sedimentos e a água, forma da bacia e os movimentos
da  água  dentro  do  reservatório.  Além  disso,  as  condições  climáticas  e  hidrológicas  ajudam  a  atenuar  ou
amplificar os impactos da eutrofização (Bartram; Balance, 1996).

TAB. 15.1 Resumo dos múltiplos usos dos reservatórios brasileiros e os principais problemas apresentados
por esses sistemas artificiais

Principais usos Principais problemas
Hidroeletricidade Eutrofização
Armazenamento Aumento da toxicidade e contaminação geral
da água para
irrigação
Armazenamento Sedimentação e rápida perda da capacidade de
da água para armazenamento
abastecimento
Aquicultura Veiculação de doenças hidricamente
(cultivo de peixes) transmissíveis
Pesca extensiva Salinização (Nordeste do Brasil, regiões
semiáridas)
Transporte Hipolímnio anóxico e grandes impactos a
jusante (em especial em reservatórios da
Amazônia)
Recreação Baixa diversidade ictíica, quando comparada à
dos rios
Turismo
Grande carga interna (nos eutróficos) e
sedimentos tóxicos
Armazenamento Grande crescimento de macrófitas aquáticas e
de água para cianobactérias associado à eutrofização e à
resfriamento perda de terra arável
Controle de cheias Realocação de pessoas
Fonte: UNEP­IETC, 2003.

A  modelagem  matemática  em  reservatórios  é  uma  alternativa  bastante  disseminada  para  avaliar
principalmente os padrões de circulação da água e os cenários de impactos decorrentes da eutrofização. Essa
avaliação  geralmente  faz  parte  do  Estudo  de  Impacto  Ambiental  (EIA),  que  é  realizado  ainda  na  fase  de
planejamento  do  empreendimento,  junto  com  o  monitoramento  quanti­qualitativo  da  água.  Os  estudos  de
modelagem pertinentes a esse projeto geralmente incluem:
A. identificação e previsão dos padrões de circulação da água;
B. determinação da capacidade de decomposição da biomassa inundada;
C. avaliação dos riscos de alteração do padrão de qualidade das águas superficiais na área de influência do
projeto;
D. avaliação dos riscos de eutrofização no reservatório;
E. avaliação dos riscos de ocorrência de problemas de erosão e assoreamento;
F. caracterização físico­química e bacteriológica dos recursos hídricos;
G. perspectivas para o uso múltiplo e as regras de operações;
H. avaliação dos impactos na quantidade e na qualidade da água a jusante da barragem.
Na  sequência,  serão  discutidas  as  aproximações  matemáticas  atualmente  empregadas  nos  estudos  de  um
reservatório, bem como as suas limitações e capacidades de representação. Novas abordagens matemáticas
que  procuram  uma  melhor  representação  do  sistema  são  apresentadas  na  sequência.  Além  disso,  foram
propostas algumas medidas complementares de caráter interno, para uma melhor avaliação desses impactos
na gestão integrada desses ecossistemas.

15.2 TIPOS DE MODELOS
Com relação ao número de dimensões espaciais consideradas, os modelos de simulação de escoamentos e
qualidade da água em reservatórios podem ser classificados da seguinte forma (Wrobel et al., 1989):
A. Modelos de balanço hídrico (dimensão zero) – são modelos matemáticos que não têm o compromisso de
representar  os  gradientes  espaciais  das  variáveis  hidrodinâmicas,  químicas  e  biológicas  (Chapra;
Reckhow,  1983).  Esse  tipo  de  modelo  é  aplicado  em  estudos  simplificados  de  balanço  de  massa,  que
servem para uma avaliação preliminar das condições de armazenamento e concentração de poluentes no
reservatório.
B. Modelos unidimensionais – consideram os gradientes espaciais em uma direção, geralmente na direção
vertical ou longitudinal. Os modelos longitudinais são aplicáveis para estudar variações do escoamento e
concentrações ao longo do eixo do reservatório, desprezando a estratificação vertical, que é marcante em
reservatórios  com  grandes  profundidades.  O  modelo  unidimensional  na  vertical  é  aplicável  onde  a
estratificação na coluna d’água de temperatura e concentração de poluentes necessita ser examinada.
C. Modelos bidimensionais na vertical integrados lateralmente – simulam os fluxos e as concentrações nas
dimensões  verticais  e  longitudinais  do  reservatório,  desprezando  as  variações  na  transversal.  Essa
simplificação é aceitável em reservatórios bem encaixados no sentido longitudinal do rio e com grandes
profundidades (Cole; Buchak, 1986).
D. Modelos bidimensionais na horizontal integrados verticalmente – simulam os fluxos e as concentrações
nas  dimensões  longitudinais  e  transversais  do  reservatório.  Eles  permitem  uma  visualização  das
velocidades  e  concentrações  no  plano  e  desprezam  as  variações  verticais  no  perfil.  Esse  modelo  é
incapaz  de  reproduzir  a  estratificação  vertical  e  pode  ser  útil  quando  existe  uma  significativa  variação
longitudinal das concentrações e velocidades (Casulli, 1990).
E. Modelos tridimensionais – são os mais adequados conceitualmente para a simulação do escoamento e
da qualidade da água em reservatórios, porém apresentam dificuldades práticas relacionadas à demanda
de tempo computacional e ao número de parâmetros para controlar (Blumberg; Mellor, 1987).

15.3 MODELO DE BALANÇO HÍDRICO
Esse  tipo  de  modelo  é  aplicado  em  estudos  de  balanço  de  massa  simplificados,  que  servem  para  uma
avaliação preliminar das condições de armazenamento no corpo d’água. A equação geral do armazenamento
para um corpo d’água qualquer é:

15.1

onde S é o armazenamento ou o volume (m3); I é o somatório de todas as contribuições (m3/s) que entram no
sistema; e Q é o somatório de todas as saídas do sistema (m3/s). Assumindo que S não é função de I e/ou Q,
em um intervalo diferencial de tempo, o armazenamento no tempo n + 1 pode ser estimado pelo balanço de
volumes no sistema, no tempo n, dado por:

Sn+1 = Sn + Δt (I − Q) 15.2

O  modelo  de  balanço  hídrico  no  reservatório  avalia  os  fluxos  de  entrada  e  saída  no  reservatório  para
estimativa do volume armazenado, demandado para geração de energia e extravasado. A Fig. 15.1 apresenta
o fluxograma de um algoritmo de balanço hídrico mensal para reservatórios.
Esse  modelo  consiste  basicamente  de  um  algoritmo  sequenciado,  no  qual  a  condição  final  do  passo  de
tempo atual é a condição inicial do passo de tempo seguinte. Utiliza­se um balanço hídrico mensal quando as
vazões na seção do empreendimento apresentam uma sazonalidade bem definida e com baixa variabilidade
diária. No entanto, quando existe uma variabilidade diária significativa, recomenda­se um modelo de balanço
hídrico diário.
O algoritmo de balanço mensal apresenta os seguintes passos:
1. considera­se o volume do início do mês como condição inicial do reservatório;
2. determina­se a cota e a área do espelho d’água do reservatório no início do mês, de acordo com o volume
(item 1): por interpolação, de acordo com a curva cota­volume;
3. subtrai­se a metade do volume evaporado do volume do reservatório (item 2), de acordo com o mês atual;
4. determina­se o volume parcial do reservatório após diminuir o volume evaporado (item 3);
5. determina­se o volume afluente ao reservatório, de acordo com o mês e o ano atuais: volume afluente =
vazão_afluente*dias_­ mês*86400;
6. determina­se  a  metade  restante  do  volume  evaporado  do  volume  parcial  do  reservatório  (item  4),  de
acordo com o mês atual;
7. determina­se  o  volume  demandado  para  a  geração  de  energia  (demanda  desejada)  do  reservatório,  de
acordo  com  a  demanda  mensal  estimada  para  o  mês  atual:  volume_demandado(i)  =
demanda_mensal(i)*dias_mês(i)*86400;
8. somam­se os volumes para a estimativa do volume do reservatório no final do mês:
volume_final_mês = volume_parcial + volume afluente – volume evaporado – volume_demandado;
9. determina­se a cota do reservatório no final do mês, de acordo com o volume (item 8): por interpolação,
de acordo com a curva cota­volume;
10. verifica ­se o volume do reservatório:
A. se volume (item 8) > capacidade_reservatório;
B. então volume_final_mês = capacidade_reservatório;
C. senão:
i. se volume (item 8) > 0;
ii. então volume_final_mês = volume (item 8);
iii. senão volume_final_mês = 0.
11. calcula­se a demanda atendida:
A. se volume_final_mês > volume_morto;
B. então demanda_atendida = volume_demandado;
C. senão:
i. se volume_parcial_1 + volume_afluente –volume_evaporado > volume_morto;
ii. então  demanda_atendida  =  volume_parcial_1  +volume_­afluente  ­  volume  evaporado  ­
volume_morto;
iii. senão demanda_atendida = 0.
12. calcula­se o volume armazenado:
A. se demanda_atendida = volume_demandado;
B. então volume_armazenado = volume_final_mes;
C. senão  volume_armazenado  =  volume_parcial_1  +volume_­afluente  ­  volume  evaporado  –
demanda_atendida.
13. calcula­se o volume extravasado:
A. se  volume_parcial_1  +  volume_afluente  –  volume_evaporado  –  demanda_atendida  –
volume_armazenado > 0;
B. então  volume_extravasado  =  volume_parcial_1  +  volume_afluente  ­  volume  evaporado  –
demanda_atendida – volume_armazenado;
C. senão volume_extravasado = 0.
FIG. 15.1 Fluxograma do algoritmo para a estimativa do balanço hídrico mensal em um reservatório

O volume armazenado em um intervalo de tempo poderia ser convertido para valores de cota ou níveis,
conhecendo­se a curva cota versus o volume do sistema (Fig. 15.3).
A  demanda  mensal  é  definida  considerando­se  a  regra  de  operação  para  a  geração  de  energia,
abastecimento,  irrigação  ou  outros  usos.  Em  reservatórios  projetados  para  trabalhar  a  fio  d’água  (i.e.  um
pequeno reservatório que opera praticamente em níveis constantes, admitindo pequenas flutuações, conforme
requisitos  de  variação  de  produção  de  energia),  a  vazão  demandada  para  a  geração  de  energia  depende  da
vazão  afluente.  As  unidades  geradoras  de  energia  são  gradativamente  ligadas,  de  acordo  com  o  volume
afluente  daquele  mês  e  a  vazão  nominal  de  cada  unidade  geradora  (Fig.  15.2).  Um  gerador  adicional  é
acionado se a vazão disponível superar a demanda mínina de operação de uma turbina (uma porcentagem da
sua capacidade máxima). Caso contrário, o gerador adicional não é acionado e o volume excedido é vertido.
Quando a vazão afluente atinge a capacidade máxima das turbinas instaladas, o volume excedente também é
vertido.

FIG. 15.2 Regra de operação para a geração de energia de reservatórios que operam a fio d’água, a qual
depende da vazão afluente

Para reservatórios que não operam a fio d’água, outras funções podem ser utilizadas, as quais relacionam a
cota do reservatório com a vazão turbinada e vertida. A equação do vertedor livre, para o cálculo da vazão
vertida, é definida como:

Qv = CL (Z − ZW)2/3 15.3
onde C é o coeficiente de descarga; L é a largura do vertedor; Z é a cota do reservatório; e ZW é  a  cota  da
crista do vertedor.
Para a simulação do balanço hídrico no reservatório, alguns dados de entrada devem ser considerados:
• vazões afluentes ao reservatório correspondentes às vazões estimadas no local do barramento;
• lâmina evaporada sobre o reservatório;
• demanda para a geração de energia, que segue uma determinada regra de operação;
• curva cota­área­volume (Fig. 15.3);

FIG. 15.3 Exemplo de uma curva cota × área × volume de um reservatório. Polinômios podem ser ajustados
para obter a relação entre as variáveis
• volume morto;
• data inicial da simulação;
• duração da simulação;
• volume inicial armazenado.
Modelos unidimensionais e bidimensionais também podem ser aplicados para simular o escoamento em
reservatórios. Esses modelos foram apresentados em capítulos anteriores. Na sequência, apresentamos uma
aproximação tridimensional do escoamento em reservatórios.

15.4 MODELAGEM HIDRODINÂMICA TRIDIMENSIONAL

Equações governantes
As  equações  hidrodinâmicas  tridimensionais  são  uma  adaptação  das  equações  de  Navier­Stokes  para
um  escoamento  turbulento  sob  a  suposição  de  pressão  hidrostática.  Essas  equações  são  baseadas  na
conservação  da  massa  e  da  quantidade  de  movimento  em  três  dimensões.  Assume­se  que  o  fluido  é
incompressível e que a distribuição de pressão é hidrostática. Outra suposição é que não há estratificação de
densidade ao longo da coluna d’água. Escrita na forma diferencial, as equações governantes têm a forma:
Eq. da continuidade:

15.4

Eq. do momento:

15.5

15.6

15.7

onde u(x, y, z, t), v(x, y, z, t) e w(x, y, z, t) são as componentes da velocidade na direção horizontal x,  y  e
vertical z; t é o tempo; η(x,y,t) é a elevação da superfície da água medida de um referencial conhecido; g é a
aceleração  da  gravidade;  h(x,  y)  é  a  profundidade  da  água  medida  de  um  referencial  conhecido; 
 é um operador vetorial no plano x − y; Ah e ν são os coeficientes de viscosidades turbulentas horizontal e
vertical, respectivamente; e f é o parâmetro de Coriolis. Conforme o tipo de modelo escolhido, os termos das
equações apresentadas podem ser simplificados.
As  condições  de  contorno  na  superfície  livre  são  prescritas  de  acordo  com  as  tensões  de  cisalhamento 

 provocadas pelo vento:

15.8

As  condições  de  contorno  na  interface  água­sedimento  são  prescritas  de  acordo  com  a  tensão  de
cisalhamento no fundo por meio da fórmula de Manning­Chezy:

15.9
Solução numérica
A  equações  governantes  tridimensionais  são  discretizadas  espacialmente  em  uma  grade  retangular,  que
consiste  em  células  computacionais  quadradas  com  comprimento Δx, largura Δy  e  altura  Δz  (Δx  =  Δy).  A
espessura de cada camada (Δz) pode variar.
A Fig. 15.4 ilustra a malha computacional utilizada na discretização espacial. As variáveis hidrodinâmicas
(u,  v,  w  e  η)  são  calculadas  em  cada  uma  das  células.  Cada  célula  é  numerada  em  seu  centro,  com  os
índices  i,  j  e  k,  que  se  referem,  respectivamente,  à  posição  da  célula  nos  eixos  x,  y  e  z.  A  elevação  da
superfície da água, η, está definida no centro da célula com um índice (i, j), e as velocidades u,  v  e  w  são
definidas  nas  fronteiras  médias  das  células,  com  índices  (i  ±  ½,  j,  k),  (i,  j  ±  ½,  k)  e  (i,  j,  k  ±  ½),
respectivamente.
FIG. 15.4 Diagrama esquemático da grade computacional utilizada no módulo hidrodinâmico. Considere h
como a profundidade a partir de um nível de referência, η como a elevação da superfície da água
e u, v e w como as componentes da velocidade da água nas direções x, y e z, respectivamente
Fonte: adaptado de Casulli e Cheng, 1992.

Aplicando­se  o  mesmo  esquema  numérico  do  caso  bidimensional  integrado  na  vertical,  nas  equações
governantes, tem­se:

15.10

15.11

15.12

onde  m  e  M  referem­se  ao  índice  k,  representando  as  faces  de  fundo  e  de  topo  da  grade
vertical; Δzi+½,j,k e Δzi,j+½,k são as espessuras na camada de água k.
Os valores de u e v na superfície livre e no fundo são eliminados pelas condições de contorno, as quais são
escritas na forma de diferenças finitas:

15.13
15.14

e:

15.15

15.16
onde 

 sendo:

15.17

15.18
O  domínio  é  discretizado  em  Nx  ꞏ  Ny  ꞏ  Nz  células  computacionais,  o  que  resulta  em  um  sistema  linear
de  Nx  ꞏNy  ꞏ(2Nz+  1)  equações.  Esse  sistema  de  equações  é  decomposto  em:  (a)  um  conjunto  de
2  ꞏ  Nx  ꞏ  Ny  sistemas  triagonais  independentes  de  Nzequações,  e  (b)  um  sistema  pentagonal
de Nx ꞏ Ny equações. Para isso, as Eqs. 15.10, 15.11 e 15.12 são escritas em forma matricial:

15.19

15.20

15.21
onde 

 são definidos como:
onde αk = υkΔt/Δzk.
Isolando  as  matrizes 

 e, em seguida, substituindo­as na equação da continuidade discretizada, obtém­se uma equação do tipo:
15.22

Essa  equação  resulta  em  um  sistema  pentagonal  linear  de  equações  que  é  resolvido  pelo  método  dos
gradientes  conjugados  pré­condicionados  (Press  et  al.,  1992)  (ver  Apêndice  C  em
<www.ofitexto.com.br/modelagemecologica>).  A  matriz  resultante  é  positiva  definida  e  tem  uma  única
solução  quando 
  e 
Uma  vez  que  as  novas  elevações  da  superfície  da  água  foram  determinadas,  utilizam­se  as  Eqs.
15.11 e 15.12 para obter as velocidades no tempo n + 1. Por fim, discretizando a equação da continuidade, a
componente vertical da velocidade, w, no tempo n + 1 é:

15.23
16 MODELOS DE
QUALIDADE DA ÁGUA

Uma  vez  conhecido  o  campo  de  velocidade  e  pressão  (ou  níveis)  de  um  sistema,  é  possível  simular  o
campo de concentração de um determinado constituinte por meio de um modelo de qualidade da água. Assim
como nos modelos de escoamento, os modelos de qualidade da água podem ser classificados, segundo sua
dimensão,  em:  (a)  modelos  concentrados  (dimensão  zero);  (b)  modelos  unidimensionais;  (c)  modelos
bidimensionais; e (d) modelos tridimensionais. A escolha do tipo de modelo vai depender dos propósitos do
estudo.
A teoria do transporte de massa de um constituinte foi apresentada no Cap. 6. Neste capítulo apresentamos
alguns dos mais clássicos modelos multidimensionais de qualidade da água, considerando os mais diversos
esquemas numéricos.
A escolha do esquema numérico de um modelo de qualidade da água é uma componente central, uma vez
que  essa  escolha  pode  influenciar  a  precisão  numérica  dos  campos  de  concentração.  Aqui,  focaremos  os
esquemas numéricos de advecção, a qual frequentemente domina o transporte de escalares.

16.1 MODELOS UNIDIMENSIONAIS
Nesta seção apresentam­se alguns dos esquemas numéricos de advecção mais utilizados para modelos de
qualidade  da  água  unidimensionais  (1D).  A  equação  de  pura  advecção,  1D,  para  um  constituinte
conservativo, é dada por:

16.1

onde  C(x,  t)  é  a  concentração  de  uma  substância  e  u(x,  t)  é  a  velocidade  da  água  na  direção  x.  A  Eq.
16.1 pode ser escrita na forma de diferenças finitas, utilizando­se um esquema totalmente explícito dado por:

16.2

onde s = uΔt/Δx é o número de Courant; e Cr e Cl são as concentrações nas faces direita (i+1/2) e esquerda (i­
1/2), respectivamente, de um elemento computacional.
O esquema Upwind assume que

Cr = Ci 16.3

Esta  simples  representação  produz  uma  solução  estável  e  conservativa  para  |s|  ⩽  1.  No  entanto,  esse
esquema apresenta difusão numérica que impede que a variabilidade da solução seja atingida.
O esquema de diferença central é dado por:

16.4

Apesar  de  esse  esquema  ser  um  dos  mais  utilizados,  poucas  pessoas  atentam  para  o  fato  de  que  ele  é
instável sem a adição dos termos de difusão, ou seja, para pura advecção. Para neutralizar essa instabilidade,
o esquema leap­frog pode ser utilizado:
16.5

O  esquema  leap­frog  oferece  uma  solução  sem  dissipação  numérica,  mas  que  produz  erros  dispersivos,
resultando  em  fortes  oscilações  na  solução  numérica.  Para  controlar  essas  oscilações,  várias  aproximações
foram propostas. Uma delas, utilizada por Blumberg e Mellor (1987), é o filtro de Asselin, que consiste em
substituir 

 por:

16.6
onde α é um coeficiente cujo valor é 0,05. Note que o uso desse filtro leva a um esquema de diferenças finitas
semi­implícito  que  implica  a  adição  de  termos  no  tempo  n+1.  O  erro  de  difusão  numérica
desse  esquema,  Knum∂2C/∂x2,  pode  ser  computado  pela  determinação  do  valor  do  coeficiente  de  difusão
numérica, dado por:

16.7

Isso significa que, quando esse filtro é aplicado, a solução numérica não está livre de difusão numérica.
Uma  alternativa  para  minimizar  os  problemas  encontrados  nos  esquemas  Upwind  e  diferença  central  é
o esquema Quick (Leonard, 1979), que consiste em expandir a série de Taylor aos termos de segunda ordem,
resultando na seguinte aproximação:

16.8

No  entanto,  esse  esquema  não  é  estável  para  pura  advecção.  Para  solucionar  esse  problema,  o  autor
desenvolveu um esquema relacionado, denominado Quickest, que apresenta a seguinte aproximação:

16.9

Esse esquema é estável para pura advecção para |s| ⩽ 1. Apesar de esse esquema não ser completamente
livre de oscilações e difusão numérica, ele apresenta uma melhor aproximação da solução verdadeira quando
comparado aos esquemas vistos anteriormente.
O  esquema  limitador  de  fluxo  também  é  outra  boa  alternativa.  Ele  usa  um  limitador,  chamado  Roe’s
superbee  (Roe,  1985),  em  conjunto  com  o  esquema  de  Lax­Wendroff  (Hirsch,  1990).  A  adição  desse
limitador  elimina  as  oscilações  não  físicas  do  esquema  de  Lax­Wendroff.  Esse  esquema  também  é
conservativo e estável, e apresenta a seguinte aproximação:

16.10

onde ϕ é o limitador Roe’s superbee, definido por:

ϕi = max [0, min (2r, 1), min (r, 2)] 16.11

16.12

Esse esquema resulta no esquema Upwind quando ϕ = 0 e no esquema de Lax­Wendroff quando ϕ = 1. De
todos os métodos de limitador de fluxo encontrados na literatura, esse é o mais simples e o mais utilizado.
O  esquema  MPDATA,  de  Smolarkiewicz  (1984),  é  outro  bom  esquema  que  assegura  a  preservação  de
valores não físicos e apresenta baixa difusão numérica, mas não está livre de oscilações. O primeiro passo é o
calculo da concentração pelo método Upwind:
16.13

onde 

  representa  a  concentração  na  posição  i  em  um  passo  de  tempo  intermediário.  No  próximo  passo,  as
velocidades antidifusivas, no passo de tempo intermediário, são determinadas pela expressão:
16.14

onde " é um pequeno valor, suficiente para não zerar o denominador (e.g. 10−15). O passo final seria atualizar
o campo de concentrações utilizando o esquema Upwind com as velocidades antidifusivas:

16.15

16.2 MODELOS BIDIMENSIONAIS
Os  mesmos  esquemas  numéricos  apresentados  para  o  caso  unidimensional  também  podem  ser  aplicados
para o caso bidimensional. Nesta seção apresentamos as formulações numéricas para alguns dos esquemas da
seção anterior; neste caso, porém, com a adição dos termos de difusão. A equação diferencial de advecção­
difusão, 2D, para um constituinte conservativo, é dada por:

16.16

onde C(x, y, t) é a concentração de uma substância; u(x, y, t) e v(x, y, t) são as componentes de velocidade da
água na direção x e y, respectivamente; H(x, y, t) é a profundidade da água; e Kh é o coeficiente de difusão
horizontal de uma substância.
Para  ser  o  mais  genérico  possível,  o  equacionamento  numérico  será  apresentado  para  um  domínio  (x,y)
discretizado por grades não estruturais ortogonais. As grades estruturais ortogonais retangulares são um caso
particular dessa discretização em que os polígonos são retângulos.
Uma grade não estrutural ortogonal consiste em um conjunto de polígonos convexos não sobrepostos em
um  determinado  domínio.  Cada  lado  de  um  polígono  pode  ser  uma  linha  de  borda  ou  um  lado  de  um
polígono adjacente. Além disso, assume­se que em cada polígono existe um ponto onde um segmento de reta
liga os centros de dois polígonos adjacentes. Essa reta intercepta o lado comum aos dois polígonos de forma
ortogonal (ver Fig. 16.1).
FIG. 16.1 Grade não estrutural ortogonal
Fonte: Casulli e Walters, 2000.

A discretização resulta em uma malha não estruturada de Nppolígonos e Ns faces. Cada polígono contém
um número arbitrário de faces, Si ⩾ 3, onde i= 1, 2, …,Np. As faces de um polígono são identificadas pelo
índice j(i, l), onde l= 1, 2, …, Si, tal que 1 ⩽ j (i, l) ⩽ Ns. Dois polígonos que compartilham a mesma face
são  identificados  pelos  índices  i(j,  1)  e  i(j,  2),  tal  que  1  ⩽  i  (j,  1)  ⩽  Np  e  1  ⩽  i  (j,  2)  ⩽  Np.  A  área  do
polígono  i  é  dada  por  Pi,  e  a  distância  não  nula  entre  os  centros  de  dois  polígonos  adjacentes,  para  uma
face j de comprimento λj, é dada por δj.
Utilizando­se  o  esquema  Upwind,  a  equação  do  transporte  de  massa  bidimensional  é  escrita
numericamente da seguinte forma:
16.17

onde 

 são os coeficientes de fluxo advectivo e difusivo, respectivamente.
Considerando  uma  grade  de  elementos  retangulares  ortogonais,  com  o  esquema  de  índices  da Fig.  14.2,
a Eq. 16.17 é reescrita como:
16.18

Conforme já visto, o esquema Upwind é conservativo, mas apresenta difusão numérica. Além disso, não
garante que novos valores máximos e mínimos possam ser gerados (o que não tem significado físico). Uma
aproximação  de  volume  finito  explícita  que  resulte  em  uma  solução  numérica  conservativa  e  assegure  a
propriedade  do  valor  máximo  e  mínimo  precisa  ser  consistente  com  a  equação  da  continuidade  de
escoamento. Essa aproximação é dada por:

16.19
onde  o  coeficiente  de  advecção  é  definido  como 
  sendo 

 a velocidade na face ponderada entre os intervalos de tempo n e n + 1.
A solução numérica apresentada não exclui o problema da difusão numérica, que é intrínseco ao esquema
Upwind. Para minimizar esse problema, a equação de transporte de massa pode ser discretizada utilizando­se
um esquema limitador de fluxo:
16.20

onde Φ é o limitador Roe’s superbee, definido por:

Φ = max [ϕ, min (2r, 1), min (r, 2)] 16.21

sendo:

16.22

16.23

16.3 MODELOS TRIDIMENSIONAIS
Nesta seção apresentamos apenas um esquema numérico para a equação de transporte de massa, 3D, que
satisfaça as propriedades de conservação de massa, valor máximo e mínimo e baixa difusão numérica. Esse
esquema  tem  de  ser  consistente  com  a  equação  da  continuidade  de  escoamento;  caso  contrário,  a  precisão
numérica será afetada.
Utilizando­se  um  esquema  limitador  de  fluxo,  a  solução  numérica  para  um  elemento  localizado  na
camada k, de espessura Δz, é definida como:
16.24
onde 
 são os coeficientes de fluxo advectivo e difusivo, respectivamente; e Φ é o limitador de fluxo.
17 MODELOS ECOLÓGICOS
SIMPLES

Neste  capítulo  apresentamos  alguns  dos  mais  clássicos  modelos  ecológicos  simples,  que  representam  as
interações envolvendo fitoplâncton, zooplâncton e peixes, com e sem heterogeneidade espacial.
Os  modelos  simples  são  usualmente  desenvolvidos  com  o  propósito  de  fornecer  um  conhecimento  geral
sobre um sistema ou gerar uma determinada hipótese, que depois poderia ser testada experimentalmente ou
em campo. Esses modelos têm a característica de representar um problema ecológico (fenômeno) utilizando
poucas equações matemáticas e, consequentemente, um número reduzido de parâmetros. Para os iniciantes da
modelagem  matemática  ecológica,  recomendamos  bastante  a  utilização  desses  modelos,  por  questões  de
simplicidade quanto  ao  seu  manuseio  e  ao  entendimento  de  seus  resultados.  Encorajamos o leitor, ainda, a
elaborar outros modelos conceituais e, posteriormente, aplicá­los em ecossistemas aquáticos reais.
Os  exemplos  trabalhados  neste  capítulo  foram  solucionados  com  uma  ferramenta  computacional
matemática  própria  para  a  resolução  de  modelos  simples,  com  poucas  equações  diferenciais,  denominada
GRIND for MATLAB,  desenvolvida  por  Egbert  H.  van  Nes.  Essa  ferramenta  é  de  domínio  público  e  está
disponível no endereço <http://www.aew.wur.nl/UK/GRIND>.

17.1 MODELO FITOPLÂNCTON ×ZOOPLÂNCTON
Um  dos  mais  clássicos  modelos  fitoplâncton  ×  zooplâncton  encontrado  na  literatura  foi  proposto
inicialmente por Rosenzweig e MacArthur (1963), e, em seguida, aprimorado por Rosenzweig (1971). Esse
modelo  considera,  simplificadamente,  os  processos  relacionados  à  produção  do  fitoplâncton,  herbivoria  do
zooplâncton e sua mortalidade (Fig. 17.1).
FIG. 17.1 Modelo conceitual ecológico simples entre fitoplâncton e zooplâncton, cuja variável de interesse é
a biomassa algal e zooplanctônica

A partir do modelo conceitual proposto, constrói­se o modelo matemático, dado por:

17.1

17.2
A biomassa de fitoplâncton (F) e zooplâncton (Z) são as variáveis de estado de interesse desse modelo e a
dinâmica desses organismos é o fenômeno estudado. O primeiro termo do lado direito da Eq. 17.1 representa
a quantidade de biomassa fixada por meio da fotossíntese em um intervalo de tempo, considerando uma taxa
de  crescimento  diária  constante  de  primeira  ordem  (r).  Além  disso,  considerou­se  que  a  taxa  de  produção
primária é limitada pela capacidade máxima de suporte do ecossistema devido à presença do fitoplâncton na
água (K).
Quando os valores de biomassa fitoplanctônica (F) se aproximam da capacidade de suporte do ecossistema
(K), o termo (1 − F/K) tende a 0 e, consequentemente, a taxa de produção é limitada. Por outro lado, se as
concentrações  de  fitoplâncton  são  baixas,  o  termo  (1  −  F/K)  tende  a  1,  e  a  taxa  de  produção  aproxima­se
de rF.
O segundo termo da Eq. 17.1 descreve as perdas de biomassa fitoplanctônica (fluxo negativo) resultantes
do consumo pelo zooplâncton, considerando que a taxa de consumo de primeira ordem é limitada por uma
função  de  Monod,  sendo  ha  uma  constante  de  meia  saturação.  Essa  função  tem  como  finalidade  limitar  a
predação  do  zooplâncton  segundo  a  disponibilidade  de  fitoplâncton  na  água.  Quando  o  fitoplâncton  é
abundante, o termo F/(F + ha) tende  a  1  e,  consequentemente,  a  taxa  de  predação  é  alta.  Baixos  níveis  de
concentração fitoplanctônica levam o termo F/(F + ha) próximo  a  zero,  fazendo  a  taxa  de  predação  atingir
baixos valores.

TAB. 17.1 Descrição, valores e unidades dos parâmetros utilizados no modelo presa­predador
fitoplâncton versus zooplâncton
A  população  de  zooplâncton  converte  o  alimento  ingerido  em  biomassa  com  uma  certa  eficiência  (ez) e
sofre  perdas  em  razão  da  mortalidade  por  outros  organismos  (Eq. 17.2).  Observe  que  o  primeiro  termo  da
equação do zooplâncton é semelhante ao segundo termo da equação do fitoplâncton. A diferença é a inclusão
do  parâmetro  ez  no  termo  de  crescimento  do  zooplâncton,  que  representa  a  eficiência  do  zooplâncton  em
converter  biomassa  fitoplanctônica  em  biomassa  zooplanctônica.  A  taxa  de  mortalidade  do  zooplâncton  é
representada por uma simples taxa de decaimento de primeira ordem (mz). Os valores iniciais considerados
nesse exemplo estão apresentados na Tab. 17.1.
No equilíbrio do sistema (F, Z), as derivadas no tempo devem ser iguais a zero (dF/dt = 0 e dZ/dt = 0), ou
seja, não existem variações das variáveis de estado ao longo do tempo. A partir das equações diferenciais,
determina­se o conjunto de soluções de F e Z que anulam as derivadas (nullclines).
17.3

17.4

Com os valores dos parâmetros da Tab. 17.1, obtém­se o ponto de equilíbrio do sistema:

Z = 1, 8 mg.l−1 (nullcline de F) 17.5

F = 1 mg.l−1 (nullcline de Z) 17.6

Para  determinar  o  tipo  de  equilíbrio,  estimam­se  os  parâmetros  β  (traço)  e  γ  (determinante)  da  matriz
Jacobiana:

17.7

Note que o equilíbrio do sistema depende dos valores adotados para os parâmetros e que um novo conjunto
de valores (nova condição do sistema) pode produzir novo equilíbrio no sistema.
Para  avaliar  os  estados  de  equilíbrio  com  a  alteração  das  condições  do  sistema,  o  parâmetro  K,  que
representa a concentração máxima do fitoplâncton na água, foi mudado sobre uma certa faixa de valores (de
0 a 10 mg.l−1) em um número de passos pequenos (0,01 mg.l−1).
FIG. 17.2 Influência do parâmetro K no equilíbrio do sistema (fitoplâncton × zooplâncton)

O estado final da simulação anterior era utilizado como condição inicial da simulação seguinte. Em cada
passo  do  parâmetro,  o  modelo  simulava  1.000  dias,  considerando  um  período  de  estabilização  de  100  dias
para representar dos ciclos sazonais.
Analisamos as variações da biomassa de fitoplâncton e zooplâncton para avaliar a mudança das condições
no ecossistema (valores de K). Fora do período de estabilização (100 dias), eram gravados 300 valores das
variáveis de estado no período restante de simulação. A influência da variação do parâmetro K no equilíbrio
do sistema é mostrada na Fig. 17.2.
FIG. 17.3 Simulação dinâmica da interação fitoplâncton × zooplâncton para diferentes valores de K: (A) 10
mg.l−1; (B) 5 mg.l−1; (C) 3 mg.l−1; (D) 2 mg.l−1

Observe que existe uma faixa bem definida para os valores de K (0 − 3), caracterizada por apresentar um
único  equilíbrio  (estável).  Fora  dessa  faixa,  o  sistema  sempre  converge  para  um  equilíbrio  cíclico  sazonal
(instável).  O  equilíbrio  do  sistema  pode  ser  melhor  observado  nas  simulações  dinâmicas  utilizando­se
diferentes  valores  de  K  (Fig.  17.3).  A  atenuação  da  capacidade  máxima  de  crescimento  do  fitoplâncton
produz uma redução da densidade de zooplâncton, por causa da baixa disponibilidade de presas no sistema.
A  observação  do  comportamento  das  nullclines  também  proporciona  ao  modelador  um  melhor
entendimento sobre o equilíbrio do sistema para diferentes valores de K (Fig. 17.4). As amplitudes dos ciclos
sazonais diminuem à medida que se reduz o valor de K até um ponto em que a solução deixa de ser cíclica e
passa a ser estável (K < 3).
FIG. 17.4 Análise do equilíbrio do sistema por meio das nullclines e do gradiente das equações para
diferentes valores de K: (A) 10 mg.l−1; (B) 5 mg.l−1; (C) 3 mg.l−1; (D) 2 mg.l−1. Na intersecção
das nullclines reside o ponto de equilíbrio do sistema

17.2 MODELO FITOPLÂNCTON × ZOOPLÂNCTON COM HETEROGENEIDADE
ESPACIAL
Para  aumentar  a  complexidade  do  modelo  fitoplâncton  versus  zooplâncton  proposto  anteriormente,
adicionamos  o  efeito  da  distribuição  não  heterogênea  do  zooplâncton  por  meio  da  inclusão  de  mais  uma
equação  diferencial  para  o  fitoplâncton.  Assume­se  que  o  zooplâncton  está  presente  somente  em  uma
fração, f, do volume total, V, do sistema (Fig. 17.5).
As equações diferenciais podem ser escritas da seguinte forma:
17.8

17.9

17.10

onde  F1  e  F2  são  as  concentrações  do  fitoplâncton  nos  compartimentos  1  e  2,  respectivamente;  e  d  é  um
parâmetro que controla o fluxo do fitoplâncton nos dois compartimentos. Para d = 0, significa que não existe
interação entre os dois volumes. Com o aumento de d, inicia­se o fluxo entre os compartimentos até que, para
valores altos de d, o sistema fica completamente homogêneo (misturado), como no exercício anterior.
FIG. 17.5 Esquema do modelo fitoplâncton × zooplâncton com heterogeneidade espacial
Fonte: Scheffer, 1998.

No equilíbrio do sistema (F1, F2, Z), as derivadas no tempo devem ser iguais a zero (dF1/dt = 0,dF2/dt = 0
e dZ/dt = 0), ou seja, não existem variações das variáveis de estado ao longo do tempo. A partir das equações
diferenciais, determina­se o conjunto de soluções de F1, F2 e Z que anulam as derivadas (nullclines).

17.11
17.12

17.13

Com  os  valores  dos  parâmetros  da  Tab.  17.1  e  assumindo  que  o  volume  nos  dois  compartimentos  é  o
mesmo (f = 0, 5), o equilíbrio do sistema ficaria apenas em função do parâmetro d, cuja influência pode ser
determinada variando seu valor em uma faixa de 0 a 0,5, gravando 300 valores das variáveis de estado fora
de  um  período  de  estabilização  de  100  dias  de  simulação  (Fig. 17.6).  Observe  uma  faixa  bem  definida  do
parâmetro d onde ocorre equilíbrio estável (apenas uma única solução). Essa faixa de valores pode ser obtida
matematicamente  (ver  Cap.  18).  Fora  dessa  faixa,  o  sistema  converge  para  um  equilíbrio  instável,
caracterizado por ciclos sazonais.
FIG. 17.6 Influência do parâmetro d no equilíbrio do modelo fitoplâncton × zooplâncton com
heterogeneidade espacial

As  simulações  dinâmicas  apresentam  a  resposta  do  sistema  ao  longo  do  tempo  para  diferentes  valores
de  d  (Fig.  17.7).  Um  baixo  fluxo  entre  os  compartimentos  (baixos  valores  de  d)  faz  com  que  o  efeito  da
predação  no  fitoplâncton  presente  no  compartimento  2  seja  menor  e,  consequentemente,  o  fitoplâncton
presente no compartimento 1 sofre uma pressão maior de predação, limitando seu crescimento (Fig. 17.7A).
Uma  maior  renovação  do  fitoplâncton  entre  os  compartimentos  espaciais  faz  o  sistema  passar  por  uma
transição com equilíbrio estável (Fig. 17.7B). Ao aumentar gradativamente o fluxo entre os compartimentos,
o sistema volta a apresentar um regime cíclico sazonal para os organismos (Fig. 17.7C). A amplitude desses
ciclos aumenta com a ampliação do fluxo até um ponto em que o regime sazonal do fitoplâncton nos dois
compartimentos tende a se aproximar, uma vez que o sistema é propenso a ficar completamente homogêneo,
e a predação do zooplâncton é igualmente distribuída (Fig. 17.7D).

FIG. 17.7 Simulação dinâmica da interação fitoplâncton × zooplâncton com heterogeneidade espacial para
diferentes valores de d: (A) 0,01 m3.dia−1; (B) 0,2 m3.dia−1; (C) 0,3 m3.dia−1; (D) 0,4 m3.dia−1

Como a nullcline de F1 depende das três variáveis de estado, as nullclines deixam de ser curvas em duas
dimensões  e  passam  a  ser  superfícies  em  três  dimensões  (Fig.  17.8).  Na  intersecção  das  três  superfícies
(nullclines) estão os pontos de equilíbrio do sistema, que dependem dos valores dos parâmetros adotados. Os
pontos de equilíbrio, para um determinado conjunto de parâmetros, podem ser determinados a partir das Eqs.
17.11 a 17.13.
Cortes nos planos ortogonais proporcionam uma visão bidimensional das nullclines e, consequentemente,
uma  melhor  noção  do  equilíbrio  do  sistema.  Considere  um  corte  Z=  1  no  plano  F1  −  F2  para  diferentes
valores de fluxo entre os compartimentos, d (Fig. 17.9). Os quadros da Fig. 17.9 confirmam os resultados das
simulações dinâmicas apresentadas na Fig. 17.7.
FIG. 17.8 Análise do equilíbrio do sistema através das nullclines 

 considerando d = 0,3 m3.dia−1. Na intersecção das nullclines reside o ponto de equilíbrio do sistema
FIG. 17.9 Análise do equilíbrio do sistema por meio das nullclines no plano F1 − F2, válido para Z = 1, para
diferentes valores de d: (A) 0,1 m3.dia−1; (B) 0,2 m3.dia−1; (C) 0,3 m3.dia−1; (D) 0,4 m3.dia−1
Parte IV
TÓPICOS ESPECIAIS
18 ESTADOS ALTERNATIVOS

Trabalhos teóricos baseados em modelos ecológicos simples, na década de 1970, levantaram a hipótese de
que  ecossistemas  poderiam  mudar  abruptamente  para  um  estado  estável  alternativo  diferente  do  original
(Holling,  1973;  May,  1977).  De  forma  despretensiosa,  esses  modelos  deram  origem  a  uma  das  teorias
ecológicas  mais  estudadas  e  discutidas  na  atualidade:  a  teoria  dos  estados  alternativos  estáveis  de
ecossistemas.
No  mundo  real,  as  condições  nunca  são  constantes.  Mudanças  climáticas  (e.g.  El  Niño,  La  Niña),
queimadas  ou  uma  forte  epidemia  podem  causar  flutuações  nos  fatores  condicionantes  que  afetam
diretamente o estado atual de um determinado sistema. Um dos exemplos mais discutidos na atualidade são
as  graves  consequências  do  aquecimento  global  e  do  desmatamento  na  Amazônia.  De  acordo  com  vários
artigos  científicos  que  tratam  do  assunto,  as  mudanças  climáticas  poderiam  transformar  a  maior  parte  da
floresta amazônica em cerrado, resultando em enormes impactos sobre a biodiversidade e o clima do planeta
(Streck; Scholz, 2006).
Para  compreender  melhor  essa  teoria,  considere  a  Fig.  18.1.  Se  existir  apenas  uma  base  de  atração,  o
sistema voltará ao estado original após a passagem do efeito da perturbação. Entretanto, se existirem estados
alternativos de equilíbrio para uma dada condição, uma determinada perturbação poderá levar o sistema para
outra base de atração, ou seja, o sistema passará para outro estado de equilíbrio. A mudança para outro estado
estável de equilíbrio depende tanto da força de perturbação como do tamanho da base de atração. Em termos
de estabilidade, se o vale for raso, uma pequena perturbação poderá ser suficiente para que a esfera vença um
obstáculo de subida, deslocando­a para outro estado alternativo de equilíbrio. A resistência seria a capacidade
do  sistema  de  se  manter  inalterado  após  um  distúrbio  e  a  resiliência  seria  a  capacidade  de  recuperação  do
sistema após uma mudança promovida pelo distúrbio.
FIG. 18.1 Efeito das condições externas na resiliência de um ecossistema com múltiplos estados de equilíbrio
a perturbações. O gráfico no plano indica uma curva de equilíbrio e mostra o ponto de bifurcação (F2) onde
acontece uma troca abrupta para outro ponto de equilíbrio (F1). Os planos de estabilidade apresentam o(s)
equilíbrio(s) e suas respectivas bases de atração em cinco diferentes condições. O equilíbrio estável situa­se
no ponto mais baixo dos vales e o equilíbrio instável, no ponto mais alto dos morros. Se o tamanho da base
de atração for pequeno, a resiliência será pequena, e mesmo uma moderada perturbação poderá levar o
sistema a uma nova base de atração
Fonte: adaptado de Scheffer, Bakema e Wortelboer, 1993.

Desde que Connell e Sousa (1983) desafiaram os ecologistas a procurar por estados alternativos estáveis
em comunidades naturais, vários exemplos foram encontrados na dinâmica de diversos sistemas, dentre eles:
(a) sucessão de florestas (Frelich; Reich, 1999); (b) savanas africanas (Dublin; Sinclair; McGlade, 1990); (c)
recifes de corais (Knowlton, 1992); (d) desertos (Van den Koppel; Rietkerk; Weissing, 1997; Rietkerk; Van
den  Bosch;  Van  den  Koppel,  1997);  (e)  estoques  pesqueiros  no  Pacífico  (Hare;  Mantua,  2000);  e  até  (f)
sistemas com clima regulado por correntes marinhas (Rahmstorf, 1997).
Além  desses  exemplos,  um  dos  mais  bem  desenvolvidos  sobre  estados  alternativos  estáveis  provém  de
lagos  rasos  (Scheffer;  Bakema;  Wortelboer,  1993).  A  existência  dos  estados  alternativos  em  lagos  está
associada  à  transparência  da  água  ou  turbidez  e,  consequentemente,  aos  níveis  de  interações  tróficas  em
cascata (Scheffer; Bakema; Wortelboer, 1993; Jeppesen et al., 1997). O estado de água túrbida é decorrente
da  proliferação  de  algas  fitoplanctônicas  e  cria  condições  desfavoráveis  ao  estabelecimento  de  plantas
submersas, pois a turbidez impede a penetração da luz nas camadas mais profundas, inibindo o crescimento
dessas  plantas  (Van  den  Berg  et  al.,  1997).  Porém,  um  estado  claro  de  transparência  da  água  permite  o
desenvolvimento  e  a  dominância  da  vegetação  aquática  submersa  (Blindow  et  al.,  1993;  Scheffer;  De
Redelijkheid; Noppert, 1992; Scheffer; Bakema; Wortelboer, 1993), que favorece condições mesotróficas e
oligotróficas  no  sistema.  Além  do  mais,  um  estado  de  águas  claras  proporciona  um  maior  equilíbrio  entre
níveis tróficos (i.e. equilíbrio das interações tróficas e diversidade de organismos), prevenindo a dominância
de  cianobactérias  e,  portanto,  promovendo  a  valoração  do  ambiente  para  fins  paisagísticos  e  recreacionais
(Van Nes et al., 1999, 2002a).
Evidências  de  estados  alternativos  estáveis  em  lagos  rasos  foram  obtidas  tanto  em  experimentos
laboratoriais  como  por  uso  de  mesocosmos  aquáticos  em  campos  constituídos  por  algas  fitoplanctônicas  e
zooplâncton herbívoros, como Daphnia sp. (McCauley et al., 1999; Chase, 1999). Contudo, os processos que
podem  direcionar  lagos  entre  dois  estados  alternativos  distintos  operam  em  uma  variedade  de  escalas
temporais  e  frequências.  Os  mecanismos  hipotéticos  que  conduzem  à  mudança  desses  estados  podem  ser
separados  em  agentes  internos  e  externos.  Geralmente,  quando  os  agentes  atuantes  sobre  o  sistema  são
externos  de  larga  escala  (e.g.  clima  regional  ou  homogeneidade  regional  entre  bacias  hidrográficas),  uma
grande amostra de lagos inseridos em uma mesma região resulta em um mesmo estado para todos os lagos.
Alternativamente,  se  os  agentes  forem  internos  (e.g.  ciclagem  de  nutrientes,  pesca,  biomanipulação  etc.),
poderiam existir dois estados alternativos para cada lago, mesmo estando em uma mesma região (Jackson,
2003).
Sob  a  mesma  perspectiva,  os  fatores  internos  relacionados  à  geoquímica  do  sistema  afetam  as  taxas  de
produção primária de macrófitas aquáticas e fitoplâncton, podendo conduzir um lago aos dois estados. Além
disso, impactos sobre a vegetação em função da herbivoria por aves aquáticas (Van Donk; Gulati, 1995), ou
flutuações no nível da água causadas tanto por estressores naturais como por estressores antrópicos (Blindow
et al., 1993), ou eutrofização a partir de descargas orgânicas no corpo hídrico (Scheffer, 1998), podem causar
a mudança de um estado claro das águas para um túrbido.
O exemplo mais comum encontrado na literatura é uma troca de estado provocada pelo aumento dos níveis
de nutrientes, que leva o ecossistema a um processo não linear, caracterizado pela passagem de um estado de
águas  claras,  dominadas  pela  vegetação  de  macrófitas,  para  um  estado  de  águas  túrbidas,  dominadas  pelo
fitoplâncton. Uma vez que um lago tenha passado para um estado eutrofizado de águas túrbidas, para retornar
à  condição  inicial  representada  pelo  domínio  da  vegetação  submersa,  a  concentração  de  nutrientes  deve
reduzir­se a um nível muito abaixo do limiar crítico em que a população de macrófitas colapsou (Van Nes et
al., 2002a, 2003).

18.1 DETERMINAÇÃO DOS ESTADOS DE EQUILÍBRIO
O  conceito  de  estado  de  equilíbrio  está  relacionado  à  ausência  de  mudanças  no  sistema.  Um  exame
cuidadoso do que acontece em um estado de equilíbrio pode ajudar a entender melhor o comportamento de
um sistema. Para equações de diferenças do tipo xn+1 = f (xn), a solução para um estado de equilíbrio, x,  é
definida como o valor que satisfaz a seguinte equação:

xn+1 = xn = x 18.1
A  Eq.  18.1  indica  que  nenhuma  mudança  ocorreu  da  geração  n  para  a  geração  n  +  1.  Como  visto
anteriormente, a solução de equilíbrio pode ser estável (vales) ou instável (morros). Dessa forma, resta saber
se  alguma  pequena  perturbação  pode  deslocar  a  solução  para  outro  ponto,  caracterizando  um  equilíbrio
instável.  A  condição  de  estabilidade,  definida  por  May  (1977),  para  uma  equação  de  diferenças  tem  de
satisfazer a seguinte inequação:

18.2

EXEMPLO 18.1 Considere a seguinte equação:
Nn+1 = rNn (1 – Nn), onde r é um parâmetro. Determine as propriedades de estabilidade de seus estados
de equilíbrio.
Solução:
O estado de equilíbrio é computado quando Nn+1 = Nn = N. Assim, tem­se que:
 Resolvendo a equação do 2º grau, encontram­se dois estados estáveis:
N1 = 0 e N2 = 1 – 1/r. Avaliando a condição de estabilidade em N2, chega­se a:
Dessa forma, N2 é um equilíbrio estável apenas quando a condição de estabilidade for satisfeita.

Para  esclarecer  melhor  o  Exemplo  18.1,  traçamos  o  efeito  da  variação  do  parâmetro  r  no  equilíbrio  do
sistema (Fig. 18.2). Variando o parâmetro r no intervalo de [0,4], com um passo de 0,01 do parâmetro, foram
gravados os valores de N para cada valor do parâmetro r após 200 gerações. Note que, no intervalo 1 < r < 3
(condição  de  estabilidade),  existe  apenas  um  valor  de  N  após  200  gerações,  caracterizando  um  equilíbrio
estável. Para r >  3,  existem  múltiplas  atrações,  ou  seja,  a  solução  não  converge  para  um  valor  único,  e  os
valores de N oscilam em volta de um conjunto de soluções, caracterizando um equilíbrio instável.
FIG. 18.2 Efeito da variação do parâmetro r do Exemplo 18.1 no equilíbrio do sistema

A Fig. 18.3 mostra, com mais detalhes, o que acontece no equilíbrio instável. Nessa figura confrontamos o
conjunto de soluções da equação Nn+1 = rNn (1 − Nn), para r = 3, 2 (fora dos limites de estabilidade), com a
reta identidade, onde Nn+1 = Nn. Na intersecção da reta com a parábola reside o ponto de equilíbrio. Partindo
de um valor inicial, após um certo número de gerações, os valores de N não convergem para um valor único.
Observe que, ao final da simulação, a solução oscila entre dois valores, o que caracteriza uma solução cíclica
no tempo.
No contexto de uma equação diferencial do tipo dx/dt = f (x), a solução do estado de equilíbrio seria:
18.3

Isso  significa  que  a  variação  infinitesimal  da  variável  x  em  t  é  nula.  O  conjunto  possível  de  valores
de x que anulam a derivada é conhecido como nullclines.
Modelos ecológicos são geralmente compostos por um sistema de equações diferenciais, constituído por
diversas variáveis de estado. Frequentemente, esse sistema de equações é altamente não linear, em razão da
presença  de  vários  mecanismos  de  retroalimentação  em  ecossistemas  aquáticos.  Um  sistema  de  equações
diferenciais não linear pode ser escrito como:
FIG. 18.3 Simulação iniciando com um valor de N não nulo, que converge para um caminho cíclico em volta
de um equilíbrio instável. A parábola representa o conjunto de soluções da equação de
diferenças Nn+1 = rNn (1 − Nn), para r = 3,2, e a reta é o conjunto de soluções para Nn+1 = Nn. Na intersecção
da reta com a parábola reside o ponto de equilíbrio instável

18.4

A determinação da matriz Jacobiana (matriz com as derivadas parciais de f) estabelece o tipo de equilíbrio
do sistema. A matriz Jacobiana é dada por:

18.5

onde x1, x2, …, xn é o conjunto de pontos que anulam todas as derivadas da Eq. 18.4. O traço (β), somatório
dos elementos da diagonal principal) e o determinante (γ) da matriz Jacobiana são os parâmetros utilizados
para determinar o tipo de equilíbrio do sistema, de acordo com as suas posições no plano de fase (Fig. 18.4).
Em  resumo,  para  sistemas  de  equações  diferenciais,  os  tipos  de  equilíbrio  podem  ser  classificados  em  seis
casos:
Equilíbrio instável: quando β > 0 e γ > 0;
Ponto de sela (instável): quando γ < 0;
Equilíbrio estável: quando β < 0 e γ > 0;
Espiral instável: quando β2 < 4γ e β > 0;
Centro neutro: quando β2 < 4γ e β = 0;
Espiral estável: quando β2 < 4γ e β < 0.
FIG. 18.4 Plano de fase para definição dos tipos de equilíbrio encontrados em sistemas diferenciais, onde β é
o traço da matriz Jacobiana e γ é o determinante dessa matriz
Fonte: May, 1997.

EXEMPLO 18.2 Considere o seguinte sistema de equações diferenciais:
Determine as propriedades de estabilidade de seus estados de equilíbrio.
Solução:
O estado de equilíbrio é computado quando dx1/dt = 0 e dx2/dt = 0. Assim, tem­se que:
Resolvendo o sistema de equações, encontram­se dois estados de equilíbrio:
A matriz Jacobiana tem a forma:
Assim,  para 
  (equilíbrio  instável)  para 

 (ponto de sela)

A  condição  de  estabilidade,  definida  por  May  (1977),  para  um  sistema  de  equações  diferenciais,  é  dada
por:

|β| < 1 + γ < 2 18.6

A  Fig.  18.5  mostra  com  mais  clareza  o  que  acontece  ao  redor  dos  pontos  de  equilíbrio  (intersecção
das nullclines de x1, e x2,) para o Exemplo 18.2. O vetor gradiente (dx1/dt,  dx2/dt)  proporciona  um  melhor
entendimento  dos  tipos  de  equilíbrio  encontrados.  Independentemente  do  valor  inicial  utilizado,  o  sistema
não converge para um equilíbrio estável.

FIG. 18.5 Campo de vetores das derivadas do Exemplo 18.2 (gradientes), com suas
respectivas nullclines (x1’ e x2’). Dois pontos de equilíbrio instáveis foram encontrados

18.2 AVALIAÇÃO DE ESTADOS ALTERNATIVOS: UM EXEMPLO ECOLÓGICO
Como  já  comentado,  estados  alternativos  de  equilíbrio  estão  presentes  em  modelos  ecológicos  simples.
Para fixar ainda mais o conceito de estados alternativos de equilíbrio, tomaremos como exemplo um modelo
de  vegetação  simples.  Esse  modelo  indica  o  estado  de  eutrofização  de  lagos  rasos  por:  (a)  um  estado
dominado  por  vegetação  aquática  com  águas  claras;  e  (b)  um  estado  túrbido  dominado  pelo  fitoplâncton.
Apenas o efeito da vegetação na turbidez, e vice­versa, é modelado (Scheffer, 1998).
Sabe­se  que  a  vegetação  contribui  para  a  transparência  da  água  por  meio  de  alguns  mecanismos,  como
redução da ressuspensão de sedimentos pelas ondas, efeito alelopático sobre a comunidade algal e oferta de
abrigo  para  o  zooplâncton  e  os  peixes.  Uma  função  de  Monod  inversa  é  usada  para  descrever  o  efeito  da
vegetação sobre a turbidez (coeficiente de atenuação da luz, Eeq):

18.7

onde V é a fração de área coberta com vegetação no lago; E0 é a turbidez na ausência de vegetação; e hv é o
coeficiente de meia saturação da cobertura de vegetação. Portanto, ao aumentar a turbidez, compromete­se o
crescimento da vegetação. Além disso, o efeito da atenuação na cobertura de vegetação (Veq) é descrito por
uma função de Hill:

18.8

onde hE é o coeficiente de meia saturação da turbidez e p é o expoente da função de Hill. Se assumimos que a
turbidez e a cobertura de vegetação podem atingir o equilíbrio até uma capacidade máxima, de uma maneira
lógica, as Eqs. 18.7 e 18.8 podem ser introduzidas nas seguintes equações diferenciais:

18.9

18.10

onde rE é a taxa de aumento da turbidez e rv é a taxa de crescimento da cobertura da vegetação.
Considere os valores assinalados para os parâmetros listados na Tab. 18.1.

TAB. 18.1 Valores e unidades dos parâmetros utilizados no exemplo ilustrativo
Parâmetro Valor padrão Unidade
E0 6 m−1
hE 2 m−1
hv    0,2 ­
P 4 ­
rE    0,05 dia−1
rV    0,05 dia−1

O conjunto de valores utilizado para os parâmetros do modelo gera um resultado muito interessante, que
possibilita discutir alguns pontos dessa teoria.
A  Fig.  18.6  mostra  os  possíveis  estados  alternativos  de  equilíbrio  gerados  pelo  modelo  simples  de
vegetação e turbidez. As linhas tracejada e pontilhada são denominadas nullclines e representam o conjunto
possível  de  valores  que  anulam  as  derivadas  de  E  e  V,  respectivamente.  Nas  intersecções
das  nullclines  situam­se  os  pontos  de  equilíbrio,  que  podem  ser  estáveis  ou  instáveis.  Os  pontos  pretos
indicam  um  equilíbrio  estável  (vales)  e  o  ponto  cinza  indica  um  equilíbrio  instável  (morros).  A  linha  com
traços  e  pontos  representa  o  divisor  que  separa  dois  estados  alternativos  estáveis  de  equilíbrio.  Portanto,
dependendo da condição inicial tomada, o sistema pode convergir para dois estados estáveis possíveis: (a) um
estado  dominado  por  vegetação  aquática  com  baixa  turbidez  (águas  claras)  ou  (b)  um  estado  túrbido
dominado pelo fitoplâncton e pela ausência de vegetação aquática.

FIG. 18.6 Estados alternativos de equilíbrio produzidos por um modelo simples considerando vegetação e
turbidez

Os  estados  alternativos  podem  variar  de  acordo  com  as  condições  estabelecidas  no  sistema,  ou  seja,
dependem dos valores dos parâmetros adotados. Por exemplo, se estabelecermos uma variação dos valores do
parâmetro  E0  entre  0  e  10,  observamos  uma  faixa  bem  definida  onde  ocorrem  estados  alternativos  de
estabilidade (Fig. 18.7). Quando o ecossistema está em um estado de águas claras, ele não passa para outro
estado  por  meio  de  uma  transição  suave.  Ao  contrário,  quando  as  condições  mudam  suficientemente  para
ultrapassar  um  limiar  (F2),  ocorre  uma  transição  brusca  para  outro  estado.  Entretanto,  para  induzir  o
ecossistema  a  uma  troca  para  o  estado  inicial  de  águas  claras  dominado  pela  vegetação,  não  é  suficiente
estabelecer  condições  semelhantes  àquelas  antes  do  colapso  (F2).  Em  vez  disso,  é  necessário  ir  um  pouco
além,  até  um  novo  ponto  de  troca  (F1),  onde  o  sistema  se  recupera.  Esse  padrão,  com  comportamentos
distintos  para  diferentes  condições  críticas,  é  conhecido  como  histerese.  O  grau  de  histerese  pode  variar
fortemente, mesmo para ecossistemas com características semelhantes.

FIG. 18.7 O gráfico mostra duas trajetórias de equilíbrio para o modelo ecológico de vegetação, com o ponto
de bifurcação (F1) onde acontece uma troca abrupta para outro ponto de equilíbrio (F2). Com valores do
parâmetro E0 entre 0 e 10, observa­se uma faixa bem definida onde ocorrem dois estados alternativos de
estabilidade. Da esquerda para a direita, indica­se o sentido progressivo da passagem de um estado de águas
claras, dominado por vegetação, para um estado de águas túrbidas. O sentido contrário indica a passagem de
um estado de águas túrbidas, dominado pelo fitoplâncton, para um estado de águas claras
19 PARAMETRIZAÇÃO DE
MODELOS ECOLÓGICOS

Texto com participação de
Maria Betânia Gonçalves de Souza

Os  modelos  ecológicos  são  ferramentas  eficientes  para  o  rápido  diagnóstico  e  a  previsão  de  cenários  de
interesse  em  ecossistemas  aquáticos.  Entretanto,  a  capacidade  de  retratar  com  precisão  a  dinâmica  de
comunidades  biológicas  e  processos  abióticos  no  ambiente  a  ser  modelado  depende  do  grau  de  abstração
considerado e dos valores assumidos para os parâmetros.
Conforme apresentado na seção 2.4.5, uma maneira de determinar os valores dos parâmetros é na fase de
calibração  do  modelo,  quando  os  parâmetros  do  modelo  são  ajustados  de  forma  que  a  saída  do  modelo  se
aproxime dos dados observados. Porém, em razão do grande número de equações diferenciais utilizadas em
modelos ecológicos, o que leva a uma elevada quantidade de parâmetros envolvidos, a determinação de um
conjunto de parâmetros que melhor concorde com os dados observados pode ser uma tarefa complicada.
Para minimizar essa complexidade, alguns processos abióticos e aspectos ecofisiológicos dos organismos
aquáticos do ecossistema aquático poderiam ser determinado separadamente em experimentos específicos, o
que  reduziria  o  número  de  parâmetros  na  fase  de  calibração.  Esse  tipo  de  calibração  experimental
denominamos parametrização, que é destinada ao ajuste experimental de coeficientes de processos globais
abióticos e biológicos dos ecossistemas aquáticos. Isto é, a parametrização trata do ajuste dos parâmetros do
modelo pela estimativa da variação desses processos dentro de gradientes estabelecidos. Por exemplo, para
ajustar  parâmetros  ecofisiológicos  inerentes  a  variáveis  de  estado,  como  algas  ou  plantas  aquáticas
(e.g. produção primária, respiração, excreção), é necessário avaliar a variação desses processos em função da
variação controlada das variáveis ambientais (e.g. temperatura, luz, pH etc.).
A necessidade de parametrização se dá em função do grande número de parâmetros existentes em modelos
ecológicos complexos para representar, de modo mais aproximado possível, funções e processos ecológicos,
populacionais,  ecofisiológicos  etc.  Por  exemplo,  o  modelo  IPH­ECO  (Fragoso  et  al.,  2007),  utilizado  em
alguns estudos de casos apresentados no Cap. 20, possui mais de 300 parâmetros para representar taxas de
processos abióticos e bióticos. Embora esse modelo se destaque de outros modelos atuais, em função de sua
complexidade e, portanto, da aproximação com a realidade ecossistêmica, sua precisão não seria acurada se
não  houvesse  uma  parametrização  experimental  prévia  dos  organismos  e  de  seus  processos  a  serem
simulados.
Geralmente,  os  valores  encontrados  na  literatura  para  os  parâmetros  ecológicos  implicam  grandes
incertezas  nos  resultados  do  modelo,  uma  vez  que  esses  parâmetros  foram  determinados  para  um  certo
ecossistema  aquático  de  complexidade  específica  (Jorgensen;  Bendoricchio,  2005).  É  conveniente  lembrar
que o valor de um mesmo parâmetro poderia ser diferente em outro ecossistema aquático com uma dinâmica
distinta do sistema onde o parâmetro foi concebido. Nesse caso, a parametrização de processos abióticos e
bióticos  é  uma  ferramenta  que  ajuda  a  minimizar  as  incertezas  dos  resultados  de  modelos  ecológicos,  que
poderiam ser utilizados de forma mais precisa como plataforma de pensamento para (a) teste de hipóteses, (b)
emergência de novos conceitos em ecologia (insights), (c) previsão de alterações ou impactos ambientais e
(d) tomada de decisões e construção de planos de manejo.
Em  razão  do  grande  contingente  de  parâmetros  biológicos  existentes  e  disponíveis  na  literatura,  poucos
estudos têm enfocado o ajuste de parâmetros experimentalmente. Além disso, dos estudos de parametrização
já  realizados  e  amplamente  aplicados  para  os  mais  diversos  tipos  de  ecossistemas  aquáticos,  a  maioria  foi
obtida  a  partir  de  experimentos  com  organismos  nativos  de  clima  temperado,  representativos  da  dinâmica
ecossistêmica de ambientes de alta latitude. Portanto, em geral, os coeficientes dos parâmetros embutidos na
maioria  dos  modelos  que  utilizamos  não  refletem,  de  fato,  a  dinâmica  de  ecossistemas  de  baixa  latitude
(tropicais  e  subtropicais).  Em  função  da  variação  latitudinal,  médias  anuais  de  variáveis  ambientais  como
radiação, fotoperíodo e temperatura são diferentes; consequentemente, isso  influencia as taxas  de  produção
primária e ciclagem de nutrientes, assim como a complexidade de interações tróficas. Ademais, a variação
latitudinal  é  responsável  pela  dinâmica  de  processos  biológicos  e  pelo  aumento  natural  da  riqueza  e
diversidade  de  organismos  aquáticos  (Jeppesen  et  al.,  1997).  Isso  implica  que,  em  virtude  da  falta  de
sazonalidade  pronunciada  em  baixas  latitudes,  a  evolução  dos  organismos  aquáticos  propiciou  a
diferenciação de nichos e aspectos ecofisiológicos adaptados aos climas tropical e subtropical, o que enfatiza
ainda mais a importância da parametrização de modelos ecológicos nesses ecossistemas.

19.1 A PARAMETRIZAÇÃO EXPERIMENTAL PARA MODELAGEM ECOLÓGICA
A  parametrização  experimental  constitui­se  basicamente  de  medições  intensivas  e  observações  in
vitro  (i.e.  experimentos  em  laboratório)  ou  em  microcosmos  (i.e.  experimentos  controlados  realizados  em
campo)  para  a  estimativa  de  um  parâmetro.  As  medições,  por  serem  in  vitro  ou  em  microcosmos,
possibilitam  um  maior  controle  dos  fatores  reguladores  do  processo  e,  consequentemente,  da  resposta  da
variável de interesse pela mudança do fator regulador. Assim, é possível o levantamento contínuo de dados
da variável de estado e dos fatores reguladores, para obter um grande volume de dados e realizar um bom
ajuste da equação de interesse.
A  estimativa  do  parâmetro  é  dada  pelo  ajuste  de  um  determinado  processo  (e.g.  crescimento  do
fitoplâncton), de acordo com a variação dos fatores reguladores que o influenciam. Um exemplo simples de
parametrização  experimental  é  o  crescimento  de  peixes,  descrito  pela  seguinte  equação  (Jorgensen;
Bendoricchio, 2005):

19.1

onde W é o peso; a e b são os parâmetros.
Em  um  aquário  ou  em  um  tanque  de  aquacultura,  é  possível  acompanhar  o  ganho  de  peso  do  peixe  ao
longo do tempo. Se os dados obtidos forem satisfatórios, torna­se fácil determinar os parâmetros a e  b  por
meio de métodos estatísticos de ajuste. Para se ajustar os coeficientes a e b, a alimentação deve ser mantida
constante  em  um  nível  ótimo  para  o  crescimento  contínuo  do  peixe,  a  fim  de  que  se  tenham  as  melhores
condições de desenvolvimento do organismo sem a influência de outros fatores reguladores, como a presença
de predadores e as alterações físicas e químicas na água.
Embora os valores dos parâmetros de processos biológicos sejam facilmente encontrados na literatura, nem
sempre  o  modelador  encontra  os  parâmetros  das  espécies  ou  parâmetros  do  mesmo  organismo  para  as
condições  ambientais  que  prevalecem  no  ecossistema  que  se  pretende  modelar.  Nesse  caso,  é  fundamental
que ele use tais experimentos para determinar esses parâmetros e, assim, alcançar o entendimento desejado
para o ecossistema em questão.
Mesmo que encontre parâmetros cruciais na literatura, o modelador ainda pode conduzir experimentos de
parametrização para se certificar de que os intervalos encontrados para os parâmetros são bastante razoáveis.
Isso se justifica pela discrepância entre valores observados em laboratório ou em campo e os encontrados na
natureza  é  mais  significativa  para  parâmetros  ecológicos  do  que  físicos  ou  químicos,  principalmente  em
função da diversidade de organismos nos variados tipos de ecossistemas aquáticos (e.g. banhados, rios, lagos
rasos,  reservatórios  etc.)  e  seus  respectivos  hábitos  e  metabolismo.  Os  principais  fatores  para  tais
discrepâncias são:
1. A sensibilidade de parâmetros biológicos para impactos ambientais, cujo exemplo ilustrativo pode ser a
influência  das  pequenas  concentrações  de  substâncias  tóxicas  capazes  de  alterar  bastante  a  taxa  de
crescimento de produtores primários ou consumidores.
2. A  sensibilidade  de  produtores  primários  ou  bactérias  a  fatores  ambientais  como,  por  exemplo,  a
concentração e a distribuição de nutrientes no sistema, que são dependentes da hidrodinâmica do corpo
hídrico.
3. O  efeito  integrado  dos  fatores  ambientais  sobre  a  dinâmica  de  comunidades  biológicas,  diferentemente
das  condições  controladas  em  laboratório  e  mantidas  para  parametrização,  dificulta  prever  exatamente,
por meio da simulação, o resultado na natureza. Por outro lado, parametrizações conduzidas in situtornam
praticamente  impossível  a  interpretação  sob  quais  circunstâncias  as  observações  são  válidas,  pois  isso
requereria a determinação simultânea de muitas variáveis ambientais.
4. Frequentemente,  as  determinações  de  parâmetros  ou  variáveis  biológicas  não  podem  ser  conduzidas
diretamente, pois dependem de quantificações de outras variáveis que tampouco podem ser relacionadas
diretamente  com  a  variável  biológica  a  ser  estimada.  Por  exemplo,  a  biomassa  de  fitoplâncton  não  é
determinada  por  nenhum  método  direto,  mas  é  possível  obter  uma  medida  indireta  por  meio  da
concentração de clorofila a.
5. Há  influência  dos  mecanismos  de  retroalimentação  de  origem  bioquímica  ou  ecológica  sobre  os
parâmetros  biológicos.  Por  exemplo,  o  efeito  de  retroalimentação  positiva  de  macrófitas  aquáticas
submersas sobre a transparência da água (Moss, 1990) é responsável por estados alternativos estáveis em
lagos  rasos  (Scheffer,  1998).  Esse  mecanismo  consiste  no  clareamento  da  água  em  função  de  efeitos
físicos  diretos  e  bioquimicamente  indiretos.  Físicos,  pelo  fato  de  a  presença  massiva  da  vegetação
submersa  constituir  uma  barreira  capaz  de  atenuar  a  força  hidrodinâmica,  causando  a  precipitação  de
partículas  e  a  ressuspensão  de  sedimentos  (James;  Barko,  1990),  e  bioquímicos,  pela  inibição  do
crescimento excessivo do fitoplâncton em função da competição por nutrientes disponíveis na massa da
água (Van Donk et al., 1990), e por meio de alelopatia química (Wium­Andersen, 1987; Gross; Meyer;
Schilling, 1996). Como esses mecanismos são muito difíceis de mensurar em campo ou retratar de forma
acurada  em  laboratório,  a  parametrização  desses  processos  fica  restrita  a  uma  mera  aproximação  da
realidade.  Há  modelos  atuais  que  simulam  esses  mecanismos,  como  o  Charisma  2.0  (Van  Nes  et  al.,
2003). Entretanto, em função dessas dificuldades, os coeficientes ajustados para representar o processo de
clareamento  das  macrófitas  submersas  tornam­se  bastante  abstratos.  Portanto,  muitos  experimentos
devem  ser  realizados  para  se  obter  coeficientes  mais  aproximados  da  realidade  dos  processos  de
retroalimentação  desempenhados  pelos  organismos  aquáticos  e  sua  influência  para  a  dinâmica  do
ecossistema aquático.

19.2 A PARAMETRIZAÇÃO EXPERIMENTAL PARA TESTE DE HIPÓTESES
Atualmente, a parametrização experimental é utilizada também para testar hipóteses ecológicas. Além dos
experimentos voltados ao ajuste de parâmetros, investigam­se as interações ecológicas e seus efeitos sobre o
ecossistema,  assim  como  sua  resiliência.  Esses  experimentos  envolvem  o  estudo  de  mecanismos  de
retroalimentação  inerentes  a  organismos  aquáticos,  para  promover  condições  favoráveis  ao  seu
desenvolvimento. A existência desses mecanismos evoca a teoria de estados alternativos estáveis e o conceito
de resiliência em ecossistemas aquáticos (Scheffer, 1998; Scheffer et al., 2001) descrita no Cap. 18.
A investigação experimental de estados alternativos estáveis pode ser conduzida por meio de microcosmos
do  tipo  quimiostatos  (ou,  em  inglês,  chemostats),  que  são  sistemas  fechados  de  cultivo  intensivo  de  algas
com entrada contínua de nutrientes e controle total de luz e temperatura. A grande vantagem desse tipo de
unidade experimental é poder ajustar mais de uma dezena de parâmetros simultaneamente, em função da sua
estrutura e do fluxo contínuo/controlado de nutrientes (Souza, 2009).

Exemplo de parametrização experimental
Experimentos  de  competição  por  luz  e  nutrientes  entre  espécies  fitoplanctônicas,  com  uso  dos
quimiostatos,  podem  servir  de  instrumento  para  a  parametrização  de  modelos  ecológicos.  Considere  como
exemplo o modelo matemático apresentado por Passarge et al. (2006), que é uma combinação de equações
baseadas na dinâmica de nutrientes (e.g. concentração de fósforo interno e externo às populações de algas) e
na  dinâmica  da  luz  na  coluna  d’água.  Três  hipóteses  podem  ser  testadas  com  o  uso  desse  modelo  e  como
resultado da competição interespecífica: a obtenção de cenários de competição exclusiva, estados alternativos
estáveis e coexistência estável. A habilidade competitiva de cada espécie pode ser determinada por meio de
parâmetros medidos em culturas contínuas de algas, com o suporte paralelo de monoculturas e experimentos
em batch (Souza, 2009).
A estrutura geral do modelo de Passarge et al. (2006) é dada pelas seguintes equações:
19.2

Os  parâmetros  do  modelo  apresentado  dividem­se  em  três  grupos:  (a)  parâmetros  do  sistema,  medidos
diretamente; (b) parâmetros do estado estável, medidos por meio de experimentos de culturas contínuas em
limitação de fósforo e em limitação de luz; e (c) parâmetros das espécies, medidos por meio de monoculturas
e experimentos em batch.
Todos  os  parâmetros  a  ser  medidos  são  citados  a  seguir,  mas  nem  todos  são  explícitos  nas  equações
apresentadas  (e.g.  os  parâmetros  do  estado  estável  “volume  celular”  e  “concentração  interna  de  fósforo”),
demonstrando  que  modelos  matemáticos  podem  necessitar  de  um  maior  número  de  atributos  para  serem
utilizados.

(A) Parâmetros do sistema, código (unidade):
­ taxa de diluição, D (h−1);
­ profundidade máxima da coluna d’água, zm (m);
­ intensidade da luz incidente, Iin (µmol fótons m−2s−1);
­ turbidez “de fundo”, Kbg (m−1);
­ concentração de fósforo “de entrada” em limitação de fósforo ou em limitação de luz, Rin (µmol P l−1).

(B) Parâmetros do estado estável em limitação de fósforo e em limitação de luz, código (unidade):
­ volume celular, (fl célula−1);
­ biovolume total, (ml l−1);
­ densidade populacional, Ni (células l−1);
­ penetração de luz em limitação de fósforo, Iout (μmol fótons m−2 s−1);
­ intensidade de luz crítica em limitação de luz, Iout∗ (μmol fótons m−2 s−1);
­ concentração externa de fósforo em limitação de luz, R(μmol P l−1);
­ requerimento crítico de fósforo em limitação de fósforo, R∗ (μmol P l−1);
­ concentração interna de fósforo, (μmol P l−1).
(C) Parâmetros das espécies, código (unidade):
­ taxa de crescimento específico máximo, µmáx (h−1);
­ constante de saturação média de crescimento em limitação de luz, HI (µmol fótons m−2 s−1);
­ constante de saturação média de crescimento em limitação de fósforo, HR (µmol P l−1);
­ coeficiente específico de atenuação de luz para fitoplâncton limitado por luz, kI (m2 célula−1);
­ coeficiente específico de atenuação de luz para fitoplâncton limitado por fósforo, kR (m2 célula−1);
­ conteúdo máximo intracelular de fósforo, Qmáx (fmol célula−1);
­ conteúdo mínimo intracelular de fósforo, Qmín (fmol célula−1);
­ taxa de assimilação máxima de fósforo, vmáx (fmol célula−1h−1).

Considerando o modelo acima como exemplo de parametrização, além de Passarge et al. (2006), o estudo
de  Souza  (2009)  apresenta  experimentos  em  cultura  contínua  com  monoculturas  em  limitação  de  luz  da
cianobactéria  tóxica  Planktothrix  agardhii  (M.  Gomont)  K.  Anagnostidis  &  J.  Komárek  da  Coleção  de
Culturas  de  Algas  e  Protozoários  (CCAP),  Inglaterra,  cepa  1460/1  e  da  clorofícea  Monoraphidium
minutum  (Nägeli)  Komárková­Legnerová  da  Coleção  de  Culturas  de  Algas  da  Universidade  de  Göttingen,
Alemanha, cepa 243­1’.

FIG. 19.1 Experimento em monocultura contínua de Planktothrix agardhii em limitação de luz. Círculos
fechados indicam o biovolume total (ml L−1) e círculos abertos indicam a intensidade de luz (µmol fótons m
−2 s−1) penetrando a cultura
Fonte: Souza, 2009.
Fonte: Souza, 2009.

FIG. 19.2 Regressão linear do termo ln(Iin/Iout)/zm (m−1), proveniente da lei de Lambert­Beer, que rege o
gradiente vertical de luz numa coluna d’água, e a densidade populacional (células l−1) de monocultura
contínua de Monoraphidium minutum em limitação de luz. A equação da regressão e a “qualidade do ajuste”
da reta (R2) estão indicados
Fonte: Souza, 2009.

A Fig. 19.1 apresenta a evolução do biovolume total de p. Agardhii em monocultura contínua em limitação
de luz, até que atinja o equilíbrio e a diminuição simultânea da intensidade de luz crítica, Iout∗. A média dos
valores no equilíbrio de Iout∗ (0,89 µmol fótons m−2 s−1) e do biovolume total (4,61 ml L−1) são exatamente
os valores dos parâmetros a serem utilizados no modelo.
Outros  parâmetros,  como  o  coeficiente  específico  de  atenuação  de  luz  para  fitoplâncton  limitado  por
luz,  kI,  e  a  turbidez  “de  fundo”,  kbg,  podem  também  ser  estimados  pelo  monitoramento  da  densidade
populacional,  até  o  equilíbrio  de  uma  monocultura  contínua  em  limitação  de  luz  e,  simultaneamente,  da
intensidade de luz penetrando na cultura. A Fig. 19.2 apresenta a regressão linear da densidade populacional
de Monoraphidium minutum e do termo ln(Iin/Iout)/zm (m−1), proveniente da lei de Lambert­Beer, que rege o
gradiente vertical de luz numa coluna d’água, utilizada na quarta equação do modelo apresentado. O declive
da  reta  estimado  (0,51  10−11  m2  célula−1)  é  o  valor  de  kI,  e  o  valor  de  kbg  deve  ser  estimado  como  a
intercepção da reta com o eixo vertical (7,64 m−1).

19.3 COMO O LIMNÓLOGO PODE ATUAR E CONTRIBUIR PARA A MODELAGEM
ECOLÓGICA?
A modelagem ecológica é bastante incipiente no Brasil, porém muito promissora. Em função da escassez
de estudos de parametrização experimental de processos biológicos e interações de comunidades aquáticas,
há  muito  trabalho  a  ser  desenvolvido  como  contribuição  para  a  parametrização  dos  modelos  disponíveis,
principalmente  pelo  fato  de  os  modelos  atuais  estarem  voltados  aos  ecossistemas  e  organismos  de  clima
temperado, onde foram concebidos. Portanto, existe a necessidade de enfocar e moldar os modelos existentes
para a realidade dos ecossistemas aquáticos tropicais e subtropicais.

TAB. 19.1 Exemplos de experimentos que podem ser desenvolvidos para a parametrização de modelos
ecológicos em ecossistemas aquáticos
Experimentos para a determinação de parâmetros
ecofisiológicos
Parâmetros biológicos vs Variáveis ambientais em
clima tropical e subtropical
Taxa de crescimento de vs Radiação solar (PAR),
macrófitas aquáticas nativas: temperatura, fotoperíodo e
• Submersas qualidade da água (nutrientes,
alcalinidade, pH)
• Emergentes
• Flutuantes
Taxa de crescimento de vs Radiação solar (PAR),
fitoplâncton pelágico e temperatura, fotoperíodo e
bentônico: qualidade da água (nutrientes,
• Cianobactérias alcalinidade, pH)
• Clorofíceas
• Diatomáceas
• Crisofíceas
Taxa de crescimento de vs Temperatura, qualidade da
zooplâncton água e disponibilidade de
• Cladóceros alimento (detritos,
fitoplâncton)
• Copépodes
• Rotíferos
Taxa de crescimento de vs Temperatura, qualidade da
bentos água e disponibilidade de
• Raspadores alimento (detritos, perifíton,
fitoplâncton)
• Filtradores
• Detritívoros
Taxa de crescimento de vs Temperatura e
peixes disponibilidade de alimento
• Herbívoros (detritos, bentos, perifíton,
fitoplâncton, zooplâncton e
• Onívoros peixes)
• Carnívoros
Interações Ecológicas ­ Resiliência ­ Estados Alternativos
Estáveis
Experimentos de Alelopatia
Macrófitas aquáticas vs Algas (clorofíceas,
submersas diatomáceas, crisofíceas etc.)
Macrófitas aquáticas vs Algas (cianobactérias)
submersas
Algas (clorofíceas, vs Algas (cianobactérias)
diatomáceas, crisofíceas etc.)
Experimentos de Herbivoria e Predação
Zooplâncton vs Algas (clorofíceas,
diatomáceas,crisofíceas etc.)
Zooplâncton vs Algas (cianobactérias)
Peixes estritamente vs Algas (clorofíceas,
herbívoros diatomáceas,crisofíceas etc.)
Peixes estritamente vs Algas (cianobactérias)
herbívoros
Peixes onívoros vs Algas (clorofíceas,
diatomáceas,crisofíceas etc.)
Peixes onívoros vs Zooplâncton
Peixes onívoros vs Peixes herbívoros, onívoros,
carnívoros
Peixes estritamente vs Peixes herbívoros, onívoros,
carnívoros carnívoros

A  seguir,  são  apresentados  alguns  exemplos  de  experimentos  que  podem  ser  desenvolvidos  para  a
parametrização de interações ecológicas em modelos e teste de hipóteses.
Esses  experimentos,  além  de  necessários  para  tornar  possível  a  modelagem  acurada  de  comunidades
biológicas e suas interações, certamente podem revelar propriedades emergentes que servirão para originar
novos  insigths  e  conceitos  ecológicos  em  ecossistemas  aquáticos  tropicais  e  subtropicais.  Além  disso,  a
exploração desses temas constitui uma excelente oportunidade para a junção de disciplinas biológicas e de
engenharia,  pois  para  investigarmos  um  ambiente  natural  de  modo  mais  aproximado,  necessitamos  da
multidisciplinaridade. Sem a abordagem matemática como instrumento integrador, informações fundamentais
da ecologia de populações e comunidades podem ficar restritas e compartimentadas. Portanto, a congregação
das  disciplinas  facilita  o  descobrimento  de  propriedades  emergentes  e  o  gerenciamento  dos  ecossistemas
aquáticos.
20 ESTUDO DE CASOS

Este  capítulo  apresenta  algumas  aplicações  da  modelagem  ecológica  em  ecossistemas  aquáticos.  As
abordagens demonstram o potencial de aplicação de modelos para dar suporte à tomada de decisão.

20.1 AVALIAÇÃO HIDRODINÂMICA DO SISTEMA HIDROLÓGICO DO TAIM
O  Sistema  Hidrológico  do  Taim  (SHT)  localiza­se  entre  o  oceano  Atlântico  e  a  lagoa  Mirim,  nos
municípios  de  Santa  Vitória  do  Palmar  e  Rio  Grande,  no  sul  do  Estado  do  Rio  Grande  do  Sul,  entre  as
coordenadas  32°20’  e  33°00’  S  e  52°20’  e  52°45’  W,  com  uma  extensão  de  aproximadamente  2.254
km2 (Fig. 20.1). Nesse sistema está a Estação Ecológica do Taim (ESEC­Taim).
A  região  de  inserção  do  SHT  faz  parte  de  uma  série  de  áreas  alagáveis  que  se  estende  dos  arredores  da
cidade de Pelotas, passa por Rio Grande e entra no Uruguai, e caracteriza­se por seus banhados e pequenas
lagoas associadas, de água doce, em uma dinâmica de baixo relevo marginal ao oceano Atlântico. Essa região
do  SHT  é  composta  essencialmente  de  quatro  unidades  ecodinâmicas:  a  Planície  Marinho­Eólica,  o
alinhamento  dos  Banhados  Pós­Planícies  Marinho­Eólicas,  o  Platô  de  Santa  Vitória  do  Palmar/Formação
Chuí e o Mosaico do Sudeste da Lagoa Mirim (Gomes; Tricart; Trautmann, 1987). Por sua vez, o Banhado
do  Taim  está  contido,  na  sua  maior  parte,  na  unidade  dos  Banhados  Pós­Planícies  Marinho­Eólica,  entre  a
lagoa Mangueira e a BR­417, integrando o SHT (Fig. 20.1).
O objeto do estudo foi o sistema interconectado lagoa Mangueira e Banhado do Taim, o qual representa a
principal parcela do SHT (aproximadamente 950 km2).
FIG. 20.1 Localização do Sistema Hidrológico do Taim, composto principalmente do Banhado do Taim,
associado à lagoa Mangueira e às estações hidrometeorológicas (TAMAN, TAMAC, TAMAS)

No intuito de avaliar o campo de velocidade para todo o sistema e de realizar a previsão de níveis da água
para o SHT, um modelo hidrodinâmico, de transporte de sedimentos e nutrientes, e biológico, denominado
IPH­ECO, foi desenvolvido visando ao entendimento dos principais processos desses ecossistemas.
O IPH­ECO, um modelo ecológico, é um sistema computacional desenvolvido no Instituto de Pesquisas
Hidráulicas (IPH), voltado especialmente para o entendimento dos processos físicos, químicos e biológicos
de  corpos  d’água  rasos  e  profundos,  tais  como  lagos,  reservatórios  e  estuários.  Esse  modelo  possui  um
módulo  hidrodinâmico,  acoplado  com  módulos  de  qualidade  da  água,  e  biológico.  Uma  descrição  mais
detalhada  do  modelo  pode  ser  vista  em  Fragoso  Jr  et  al.  (2007).  As  diferenças  espaciais  dentro  do  corpo
d’água são levadas em conta (e.g. lago e banhado) (Fig. 20.2)  e  define­se uma discretização  tridimensional
para o módulo hidrodinâmico e uma discretização bidimensional na horizontal para os módulos de qualidade
da  água  e  biológico.  Em  resumo,  esse  modelo  descreve  as  mais  importantes  interações  hidrodinâmicas  e
abióticas,  além  dos  principais  processos  bióticos,  com  a  finalidade  de  auxiliar  o  entendimento
comportamental de um determinado ecossistema aquático (Fig. 20.3).

FIG. 20.2 Estrutura esquemática do modelo IPH­ECO, mostrando a diferenciação espacial que pode ser
levada em conta entre lago e banhado

O módulo hidrodinâmico é uma adaptação do modelo TRIM2D, desenvolvido por Casulli e Cheng (1992).
O  TRIM2D  é  um  modelo  bidimensional  na  horizontal  de  diferenças  finitas  e  emprega  o  esquema  semi­
implícito  para  a  solução  das  equações  de  hidrodinâmica  de  águas  rasas.  Esse  modelo  tem  se  mostrado
convergente, estável e preciso, podendo ainda ser aprimorado para o emprego de grades não estruturadas no
domínio (Casulli; Cattani, 1994).

FIG. 20.3 Estrutura simplificada do modelo IPH­ECO (fração do lago). Os blocos são modelados por
compartimentos compostos por peso seco e nutrientes (P, N e Si). Três grupos funcionais de fitoplâncton
podem ser definidos: cianobactérias, diatomáceas e algas verdes. As macrófitas aquáticas podem ser
divididas em enraizadas, não enraizadas, flutuantes e emergentes. Os peixes onívoros e planctívoros têm dois
estágios de vida: juvenil e adulto. As setas sólidas representam os fluxos de massa e as setas tracejadas
denotam relações empíricas (o sinal de menos indica uma influência negativa na transparência da água; caso
contrário, o efeito é positivo)
Fonte: modificado de Janse, 2005.
Os ciclos de nitrogênio, fósforo e sílica são descritos como completamente fechados, desprezando fluxos
externos  e  processos  de  perda  como  desnitrificação.  Além  disso,  o  modelo  pode  estimar  a  quantidade  de
matéria  orgânica  e  inorgânica,  bem  como  a  porção  de  detritos  na  água  e  no  sedimento.  O  módulo  de
fitoplâncton  descreve  o  crescimento  e  as  perdas  de  três  grupos  funcionais:  cianobactérias,  diatomáceas  e
pequenas algas verdes. As macrófitas aquáticas foram divididas em quatro grandes grupos (e.g. enraizadas,
não  enraizadas,  emergentes  e  flutuantes),  e  são  avaliados  processos  de  crescimento,  reprodução  e  perda  de
biomassa.  Os  organismos  zooplanctônicos  e  macrobentônicos  também  são  estimados,  os  quais  podem  se
alimentar  de  fitoplâncton  e  detritos  com  um  certo  nível  de  preferência.  O  módulo  de  peixes  inclui  três
principais  categorias:  piscívoros,  onívoros  e  planctívoros.  Um  aspecto  importante  desse  modelo  é  que  os
conteúdos de nitrogênio, fósforo e sílica podem ser calculados para cada comunidade aquática.
Utilizou­se  uma  grade  computacional  regular  com  as  velocidades  definidas  nas  faces  médias  da  célula
computacional e a elevação da superfície da água definida no centro da célula. As equações de águas rasas
não  têm  solução  analítica  direta.  O  método  de  diferenças  finitas  resolve  as  equações  governantes  para  um
número finito de pontos no espaço e no tempo. Esse método necessita subdividir o domínio de aplicação em
uma malha, com um número finito de células. As equações são discretizadas espacialmente em uma grade
retangular, que consiste em células computacionais quadradas, com comprimento dx e largura dy. Utilizou­se
uma  malha  computacional  de  100  m  ×  100  m,  a  qual  gerou  aproximadamente  100.000  células
computacionais ativas.
Dois  períodos  foram  selecionados  para  o  ajuste  e  a  verificação  da  estimativa  fornecida  pelo  modelo
hidrodinâmico. O primeiro corresponde a um tempo total de 26 dias de simulação, iniciando às 16 h do dia
10/7/2002 e finalizando às 15 h do dia 5/8/2002. Esse período foi selecionado para a calibração do modelo. O
segundo período corresponde a um tempo total de 15 dias de simulação, iniciando à 00 h do dia 1/3/2003 e
finalizando à 00 h do dia 16/3/2003. Esse período foi escolhido para a verificação da estimativa. A seleção
desses  períodos  se  deu  pela  presença  de  registros  contínuos  de  direção  e  intensidade  de  vento  em  três
anemômetros localizados nas estações TAMAS, TAMAC e TAMAN, além de registros de dados de níveis da
água em dois linígrafos, localizados nas estações TAMAS e TAMAN (Fig. 20.1).
Os  parâmetros  de  calibração  do  módulo  hidrodinâmico  e  os  intervalos  de  variação  encontrados  na
literatura são apresentados na Tab. 20.1. Para a lagoa Mangueira, foram adotados os valores médios da faixa
observada.
Os níveis da água do SHT foram aferidos para os valores médios da faixa dos parâmetros hidrodinâmicos
(Tab. 20.1). A calibração do modelo hidrodinâmico pode ser observada nas Figs. 20.4 e  20.5,  nas  quais  as
linhas  pontilhadas  representam  os  registros  de  níveis  dos  linígrafos  das  estações,  e  as  linhas  simples
apresentam os níveis calculados pelo modelo para θ = 0,55, considerando o balanço hídrico no lago. A Fig.
20.4 mostra o ajuste de níveis no ponto localizado na estação TAMAN, enquanto a Fig. 20.5 mostra o ajuste
de níveis para a estação TAMAS.

TAB. 20.1 Valores da literatura para os principais parâmetros utilizados no módulo hidrodinâmico
Parâmetro Descrição Faixa de Valores
Ah Coef. de viscosidade 5 – 15 (m2/s)
turbulenta horizontal
CD Coef. de arraste do vento 2 e ­6 – 4 e ­6
CZ Coef. de atrito de Chezy 50 – 70
Θ Ponderador temporal 0,50 – 0,60

O  ajuste  do  módulo  hidrodinâmico,  utilizando  um  esquema  de  diferenças  finitas  semi­implícito,  com
abordagem  Euleriana­Lagrangiana,  possibilitou  uma  boa  aproximação  dos  resultados  observados  e
simulados. Além disso, esse esquema permitiu utilizar maiores intervalos de tempo do que os utilizados em
outros  esquemas,  mantendo  a  estabilidade.  É  importante  destacar  que  a  introdução  do  balanço  hidrológico
(precipitação  e  evapotranspiração),  mesmo  que  de  forma  simplificada,  possibilitou  aproximar  a  variação
entre os níveis calculados e observados.
FIG. 20.4 Ajuste de níveis na estação TAMAN da lagoa Mangueira
FIG. 20.5 Ajuste de níveis na estação TAMAS da lagoa Mangueira

20.2 SIMULAÇÕES DE FITOPLÂNCTON
O  modelo  descrito  anteriormente  foi  aplicado  no  SHT  (lagoa  Mangueira)  com  o  objetivo  de  avaliar  seu
potencial de eutrofização utilizando a estimativa de clorofila a como indicador biológico. Essa simulação deu
ênfase  aos  processos  de  ganho  e  perda  da  população  de  fitoplâncton  e  aos  efeitos  do  transporte  devido  à
difusão  e  ao  vento,  agente  principal  de  circulação  das  águas.  Essa  simulação  também  visou  representar  o
efeito da vegetação do Banhado do Taim sobre a taxa efetiva de crescimento de fitoplâncton por meio de um
coeficiente de redução da radiação solar na superfície da água naquela região.
As informações de temperatura da água e radiação solar incidente na superfície foram obtidas na estação
meteorológica TAMAN, localizada ao norte da lagoa Mangueira (Fig. 20.1),  com registros dos  horários  de
frequência  para  essas  variáveis.  Observou­se  um  declínio  dos  valores  das  variáveis  climáticas  ao  longo  do
período, característico do período anual. O fotoperíodo adotado foi 0,5, equivalente a 12 horas de incidência
de  luz  diária.  Considerou­se  que  todo  o  sistema  estava  com  uma  concentração  inicial  de  1  mg.l−1  de
nitrogênio  em  forma  de  nitrito  e  de  0,025  mg.l−1 para  o  fósforo  total,  de  acordo  com  o  limite  para  corpos
d’água  de  água  doce  de  classe  1  estabelecido  pela  Resolução  Conama  nº  357/2005.  O  tempo  total  de
simulação  foi  de  600  horas  (25  dias),  iniciando  à  00  h  do  dia  22/12/2002.  Considerou­se  como  condição
inicial uma concentração uniforme com um valor de 1 µg.l−1 de clorofila a para todo o sistema.
A  simulação  de  eutrofização  mostrou  um  claro  gradiente  da  taxa  efetiva  de  crescimento  (Fig.  20.6),  das
regiões  mais  rasas  (litoral)  para  as  mais  profundas  (pelágicas).  Além  disso,  é  possível  perceber  uma
transferência  de  matéria  para  o  canal  por  meio  dos  processos  referentes  à  hidrodinâmica.  A  formação  de
pontais ao longo da costa da lagoa propicia zonas de recirculação que ajudam a conduzir o material da região
mais rasa para a região mais profunda. Também é possível identificar as regiões mais ao sul e ao norte da
lagoa Mangueira como áreas de alta produtividade.
A  aplicação  de  um  coeficiente  redutor  da  radiação  solar  incidente  no  Banhado  do  Taim  resulta  em  um
comportamento diferenciado da produtividade. Os quadros da Fig. 20.6 mostram  que  uma  redução  de  80%
dos valores da radiação solar produz uma minimização da produção primária com relação à simulação sem
esse  coeficiente,  e  que,  com  esse  valor,  o  campo  de  concentração  de  clorofila  a  no  banhado  tem  valores
bem  diferentes  daqueles  estimados  na  lagoa  Mangueira.  A  redução  da  passagem  de  luz  para  o  meio
compromete  a  produção  primária  no  Banhado  do  Taim  e  a  taxa  efetiva  de  crescimento  assume  valores
negativos, fazendo com que o campo de concentração de clorofila a no Banhado possua valores de pequena
magnitude.
FIG. 20.6 Campos de concentração de clorofila a (µg.l1) para o sistema com vento e com uma redução de
80% da radiação solar incidente no Banhado do Taim, nos instantes: (A) 0 hora; (B) 400 horas; (C) 800
horas; (D) 1.200 horas; (E) 1.600 horas; (F) 2.000 horas. A escala de cores em níveis de cinza indica a
variação da concentração de clorofila a de 0 a 40 µg.l−1. Uma biruta, em cada quadro de simulação, indica a
direção e a intensidade do vento

Esse  coeficiente  reproduz  a  realidade  encontrada  na  região,  porém  falta  saber  o  valor  que  melhor
representa  o  efeito  da  vegetação  sobre  a  taxa  efetiva  de  crescimento.  Isso  significa  que,  nesse  caso,  o
coeficiente  é  mais  um  parâmetro  para  calibração  do  módulo  biológico.  Somente  com  registros  de
concentração de clorofila a e de radiação solar que passa para o meio é possível estimar um valor aproximado
desse coeficiente.
Próximo  de  1.200  horas  de  simulação,  o  balanço  entre  a  produção  primária  e  as  perdas  em  um  período
diário muda de sinal, ou seja, a partir desse ponto, as perdas por respiração, consumo e excreção no período
noturno superam os ganhos de biomassa no período de incidência solar (Fig. 20.6E).
Os  resultados  obtidos  nas  simulações  podem  ser  verificados  espacialmente,  por  meio  dos  mapas  de
clorofila  a  oferecidos  gratuitamente  pela  Nasa  (Fig.  20.7),  ou  pontualmente,  a  partir  de  um  conjunto  de
amostras observado no sistema (Fig. 20.8).

FIG. 20.7 (A) Imagem de clorofila a derivada do satélite Modis com 1 km de resolução para o dia 8/2/2003;
(B) campo de concentração de clorofila a simulado para o dia 8/2/2003
FIG. 20.8 Comparação entre os diagramas “box­plot” correspondente a 37 amostras e a mediana dos valores
de clorofila a, nitrogênio e fósforo total simulados em três pontos da lagoa Mangueira (TAMAS = sul,
TAMAC = centro e TAMAN = norte)

20.3 DERIVA DE ESTADOS ALTERNATIVOS
20.3.1 PROCESSO DE HISTERESE E A VARIAÇÃO NO Kd
A simulação de ciclos sazonais para uma faixa de valores do parâmetro Kd (coeficiente  de  atenuação  da
luz na água) permite avaliar estados alternativos de estabilidade – os caminhos de degradação e restauração
do  ecossistema  aquático  com  a  mudança  de  nível  de  nutrientes.  Dessa  forma,  o  modelo  IPH­ECO  foi
configurado para trabalhar de forma concentrada, considerando todos os módulos ativos (i.e. hidrodinâmico,
de qualidade da água e biológico). Impuseram­se condições climatológicas subtropicais de temperatura, luz,
radiação solar, vento, precipitação e evaporação (latitude 33S) para um lago raso com 4 m de profundidade
média e 18 km2 de dimensão.
O parâmetro Kd foi mudado sobre uma certa faixa de valores (de 0 a 1,5 m−1) em um número de passos
pequenos (0,02 m−1) no sentido ascendente e, em seguida, descendente. O estado final da simulação anterior
foi usado como condição inicial da simulação seguinte. Em cada passo do parâmetro, o modelo simulava 15
anos, considerando um período de estabilização de 5 anos para representação dos ciclos sazonais. Em cada
ano, fora do período de estabilização, era gravado um dado de biomassa de vegetação aquática submersa e de
algas totais em um dia no verão (15 de janeiro).
Como um exemplo para compreender os mecanismos e processos que levam um ecossistema aquático à
degradação  e/ou  restauração,  essa  análise  avaliou  o  efeito  da  variação  da  turbidez  na  água  (parâmetro  Kd)
sobre o estabelecimento das comunidades de algas e vegetação aquática submersa e, consequentemente, no
estado  trófico  do  ecossistema.  Assim,  procurou­se  determinar  se  o  ecossistema  aquático  tinha  estados
alternativos  de  estabilidade,  que  refletem  diferentes  caminhos  para  mudanças  dos  valores  do  parâmetro  no
sentido ascendente e descendente. Com a metodologia descrita anteriormente, verificaram­se claramente dois
estados  alternativos  para  diferentes  caminhos  na  biomassa  de  macrófitas  aquáticas  submersas  e  de
fitoplâncton  (Figs.  20.9  e  20.10).  O  primeiro,  de  águas  claras,  caracteriza­se  por  baixos  valores  de
Kd (i.e. baixos níveis de nutrientes e alta transparência da água), com uma elevada concentração de vegetação
submersa  e  pouco  fitoplâncton.  No  segundo  estado  alternativo,  encontram­se  altos  valores  de  turbidez,
dominância de algas e pouca vegetação aquática submersa.
FIG. 20.9 Efeito da mudança do coeficiente de extinção da luz devido a substâncias dissolvidas na água sobre
vegetação aquática submersa (em 15 de janeiro). Um esforço maior é necessário para revitalizar o sistema.
Os pontos F1, F2 e F3 representam pontos de troca de estados alternativos
FIG. 20.10 Efeito da mudança do coeficiente de extinção da luz devido a substâncias dissolvidas na água
sobre fitoplâncton (em 15 de janeiro). Os pontos F1, F2 e F3 representam pontos de troca de estados
alternativos

Nota­se que os estados alternativos podem variar de acordo com as condições estabelecidas no sistema, ou
seja,  dependem  dos  valores  dos  parâmetros  utilizados.  Por  exemplo,  se  estabelecermos  uma  variação  dos
valores  do  parâmetro  Kd  entre  aproximadamente  0,4  e  1,1  m−1,  observa­se  uma  faixa  bem  definida  onde
ocorrem estados alternativos de estabilidade (Figs. 20.9 e 20.10). Quando o ecossistema está em um estado
de águas claras, ele não passa para outro estado por meio de uma transição suave. Ao contrário, quando as
condições  mudam  suficientemente  para  ultrapassar  um  limiar  (F2),  ocorre  uma  transição  brusca  para  outro
estado.  Entretanto,  para  induzir  o  ecossistema  a  uma  troca  para  o  estado  inicial  de  águas  claras  dominado
pela  vegetação  (sentido  da  restauração),  não  basta  estabelecer  condições  semelhantes  àquelas  anteriores  ao
colapso (F2), mas é necessário ir um pouco além, até um novo ponto de troca (F3), onde o sistema se recupera
e retorna ao seu estado inicial de águas claras.
No  sentido  ascendente,  o  modelo  representou  duas  mudanças  bruscas  da  concentração  de  macrófitas
aquáticas (F1 e F2). A primeira quebra (ponto F1 da Fig. 20.9), para Kd ≈ 0, 4, ocorreu devido às interações
entre  as  comunidades  aquáticas  com  uma  combinação  de  efeitos  negativos  sobre  a  comunidade  de  algas
(e.g.  consumo  pelo  zooplâncton,  peixes  onívoros  e  planctívoros  e  limitação  de  luz).  Sem  a  presença  do
fitoplâncton  na  água,  o  coeficiente  de  atenuação  da  luz  é  reduzido  bruscamente,  propiciando  mais  luz  nas
camadas  mais  profundas  para  o  crescimento  da  vegetação  aquática  submersa  (ponto  F1  da  Fig.  20.10).  A
segunda quebra (F2) acontece pelo efeito físico da alta turbidez, gerando falta de luz na profundidade onde se
encontra  a  vegetação  submersa  (fundo).  Com  o  colapso  da  vegetação  submersa,  o  sistema  passa  a  ser
dominado  pela  comunidade  fitoplanctônica,  porém  sem  a  presença  de  ciclos  sazonais  (equilíbrio  sazonal
instável).
Identificaram­se  quatro  faixas  de  valores  de  transparência  bem  definidas  nas  quais  o  ecossistema  pode
assumir  diferentes  características  ambientais.  Na  primeira  faixa  (Kd  abaixo  de  aproximadamente  0,4  m−1),
existe apenas uma base de atração, e qualquer perturbação é absorvida pelo sistema, que voltará ao seu estado
original após a passagem do efeito da perturbação. Na segunda faixa (Kd entre aproximadamente 0,4 e 0,8 m
−1),  o  sistema  possui  estados  alternativos  de  estabilidade  e  uma  determinada  perturbação  poderá  levar  o

sistema para outra base de atração, porém sem mudanças de estados de transparência (e.g. o sistema poderá
trocar de estado, mas sem o risco da passagem para um estado de águas túrbidas. Na terceira faixa (Kd entre
aproximadamente 0,8 e 1,1 m−1), o sistema está sujeito a grandes mudanças de estado. Conforme a força de
perturbação,  o  sistema  poderá  partir  para  outro  estado  alternativo  de  equilíbrio  (i.e.  uma  mudança  de  um
estado  de  águas  claras  para  um  estado  de  águas  túrbidas,  ou  vice­versa).  Observa­se  que  o  sistema  vai
perdendo resistência de mudança do seu estado atual com o aumento de Kd. A última faixa (Kd acima de 1,1
m−1)  caracteriza­se  por  um  estado  de  águas  túrbidas  com  múltiplas  bases  de  atração  (com  exceção  da
vegetação  submersa).  Nessa  faixa,  uma  determinada  perturbação  poderá  levar  o  sistema  a  outra  base  de
atração,  porém  sempre  caracterizado  por  um  estado  de  águas  túrbidas.  Para  Kd  acima  de  1,1  m−1,  o
ecossistema aquático responde caoticamente, ou seja, observam­se padrões irregulares para a biomassa das
comunidades  aquáticas  dentro  do  ciclo  sazonal,  com  exceção  da  vegetação  submersa,  que  tem  sua
concentração nula (Fig. 20.9). Isso implica que, para essa faixa de valores de Kd, não seria possível prever a
resposta  das  comunidades  aquáticas  sazonalmente  durante,  por  exemplo,  um  processo  de  restauração  no
ecossistema (estado alternativo instável).
Os pontos F1, F2 e F3 representam pontos de troca de estados alternativos, ou seja, o limiar da passagem de
estados distintos. Em particular, F3 representa o nível de transparência e qualidade da água a ser atingido pelo
ecossistema  para  sua  revitalização  e  retorno  para  um  estado  de  referência.  O  conhecimento  desse  ponto  é
fundamental  para  a  aplicação  e  escolha  da  medida  de  restauração  mais  apropriada  para  um  determinado
ecossistema.
Ao se conhecer o ponto de troca responsável pela revitalização, o modelo ecológico poderia ser utilizado
para prever o tempo necessário e os níveis de qualidade atingidos pelo ecossistema após a aplicação de um
conjunto de medidas corretivas de caráter interno, nas bacias de contribuição e no ecossistema aquático, que
maximize  os  benefícios  socioambientais  e  econômicos.  Cada  medida  corretiva  poderia  ser  previamente
testada pelo modelo e, assim, verificada sua eficiência para a troca de um estado de águas túrbidas para um
estado de águas claras.

20.3.2 EFEITOS DA FLUTUAÇÃO NO REGIME HÍDRICO SOBRE A VEGETAÇÃO SUBMERSA
Flutuações no regime hídrico de lagos rasos tendem a gerar distúrbios na qualidade da água (Ferreira et al.,
2007). O rebaixamento do nível da água pode afetar funções ecológicas de compartimentos biológicos, como
plantas aquáticas e fitoplâncton. Isso causa alterações na ciclagem interna de nutrientes, podendo induzir um
lago  de  águas  oligotróficas  (dominado  por  vegetação  aquática  submersa)  a  eutróficas  dominadas  por
cianobactérias. (Moss, 1990; Scheffer, 1998). Tal alteração na qualidade da água decorre da mortalidade da
vegetação  submersa,  que,  ao  se  decompõe  em  função  do  estresse  hídrico,  libera  grandes  quantidades  de
compostos orgânicos e inorgânicos prontamente disponíveis (Ferreira; Motta Marques; Villanueva, 2003).
Para  compreender  essa  alteração  na  dinâmica  de  nutrientes  e  seus  potenciais  impactos,  promovidos  pela
variação no regime hídrico sobre estados alternativos de qualidade da água, foi utilizado o modelo IPH­ECO
(Fragoso  Jr.  et  al.,  2007).  A  simulação  do  efeito  da  lixiviação  de  nutrientes  oriunda  da  decomposição  de
biomassa  vegetal  foi  baseada  experimentalmente  na  decomposição  inicial  das  principais  espécies  de
macrófitas aquáticas submersas que ocorrem na lagoa Mangueira e estão preferencialmente estabelecidas na
região sul, apresentando altos índices de ocupação (Fig. 20.11).
A  partir  de  dados  da  biomassa  média  por  m2  levantados  em  campo,  estimou­se  a  lixiviação  de  orto­P
referente  1  g  de  biomassa  (peso  seco).  Em  função  da  variação  de  biomassa  na  área  amostrada,  estimou­se
uma  variação  na  lixiviação  de  0,02  a  0,06  mg.l−1.  Essa  variação  foi  implementada  nas  simulações  e,  com
isso, verificou­se o efeito de diferentes concentrações desse nutriente sobre a cadeia trófica.
FIG. 20.11 Porcentagem de ocupação da vegetação submersa expressa como porcentagem de volume
infestado (PVI)

As  simulações  ecológicas  para  estados  alternativos  foram  realizadas  considerando­se  a  possibilidade  de
dois cenários. O primeiro leva em conta o efeito do aporte crescente de orto­P e sua assimilação por meio da
produção  primária  pelo  fitoplâncton.  Portanto,  nesse  cenário,  o  sistema  não  teria  mais  a  presença  de
vegetação  submersa  nem  a  possibilidade  de  assimilação  desses  nutrientes  por  outros  grupos  de  macrófitas,
sendo determinado o florescimento do fitoplâncton sem competição pelo recurso. Com o incremento de orto­
P  da  ordem  de  0,01  a  0,5  mg/L  no  sistema,  evidenciaram­se  alterações  na  estrutura  da  comunidade
fitoplanctônica  representada  por  três  classes  principais:  diatomáceas,  clorofíceas  e  cianobactérias  (Fig.
20.12).
No início da simulação, já é possível observar o decaimento da biomassa e o desaparecimento da classe de
clorofíceas,  seguida  por  diatomáceas  no  decorrer  da  simulação.  Com  o  contínuo  incremento  de  orto­P  e  a
mortalidade  dessas  classes  de  algas,  ocorre  o  aumento  substancial  de  cianobactérias,  as  quais  dominam  a
coluna  d’água,  aumentando,  consequentemente,  o  coeficiente  de  atenuação  da  luz  (Kd).  Esse  coeficiente
representa a penetração de luz na coluna d’água, e valores acima da ordem de 4 já são considerados altos e,
portanto,  representativos  de  águas  túrbidas  (Scheffer,  1998).  A  dominância  de  cianobactérias  e  o  aumento
do Kd em função da biomassa dessas algas constituiriam um estado alternativo túrbido (eutrofizado) para o
sistema,  no  qual  uma  série  de  interações  tróficas  sucumbiriam,  uma  vez  que  a  diversidade  de  produtores
primários seria alterada. Isso levaria, presumivelmente, a uma diminuição da produção pesqueira. O espectro
de  possíveis  valores  de  produção  do  fitoplâncton  em  função  do  aporte  de  orto­P  no  sistema  mostra  que
incrementos acima de 0,025 mg.l−1 já são suficientes para prejudicar a classe de diatomáceas, sendo que a
classe  de  clorofíceas  é  ainda  mais  suscetível,  decaindo  com  valores  acima  de  0,01  mg.l−1.  Na  variação  de
0,01 a 0,05 mg.l−1, diferentes valores de biomassa podem ser encontrados para as classes de diatomáceas e
cianobactérias; entretanto, acima desse valor, há somente a proliferação de cianobactérias. Isso sugere que o
limiar crítico para a inversão do sistema a um estado túrbido esteja acima desse intervalo.
FIG. 20.12 (a) Simulação do crescimento do fitoplâncton e seu efeito sobre o Kd em função do incremento de
orto­P oriundo da biomassa vegetal submersa: evidência de estado alternativo eutrofizado­túrbido dominado
por cianobactérias; (b) espectro dos possíveis valores de biomassa do fitoplâncton ao longo do gradiente de
orto­P

No  segundo  cenário,  considerando  as  mesmas  condições  de  contorno  do  primeiro,  foram  incluídos  os
grupos  de  macrófitas  aquáticas.  A  resultante  da  simulação,  nesse  caso,  em  função  do  aumento  da
concentração  de  fósforo  reativo  (orto­P),  foi  a  dominância  de  macrófitas  aquáticas  flutuantes,  alcançando
aproximadamente 500 g/m2 (Fig. 20.13).
Esse tipo de planta, por criar uma densa cobertura na superfície da coluna d’água, impede a passagem total
de luz e, portanto, os valores de Kd são ainda mais altos. O estado alternativo dominado por essa vegetação
também não é adequado ao sistema, causando o comprometimento dos usos múltiplos da água. Isso sugere
que, no caso de um sistema fechado, pequenos incrementos de fósforo reativo (orto­P) são capazes de alterar
a estruturação do sistema e, com isso, a dinâmica de interações tróficas. Uma vez que essa camada de plantas
flutuantes  inibe  a  passagem  da  luz,  a  produção  primária  na  coluna  d’água  decai  acentuadamente,
prejudicando a respiração dos organismos aquáticos.
Ao se avaliar a biomassa de flutuantes e fitoplâncton ao longo do gradiente de concentrações de fósforo
reativo (orto­P) (Fig. 20.13), é visível o predomínio da biomassa das plantas diante do decaimento abrupto do
fitoplâncton.  Nesse  sentido,  assume­se  a  forte  competição  por  recursos  entre  esses  compartimentos,
impossibilitando a ocorrência de ambos no mesmo hábitat.

FIG. 20.13 (a) Simulação da biomassa de macrófitas aquáticas com o incremento de orto­P no sistema: estado
alternativo eutrofizado por macrófitas flutuantes; (b) espectro dos possíveis valores de biomassa de
macrófitas flutuantes e fitoplâncton ao longo do gradiente crescente de orto­P: evidência de competição e
dominância de macrófitas

Dessa  forma,  admite­se  que  a  decomposição  da  vegetação  submersa  ocasionada  por  um  rebaixamento
drástico  no  nível  do  sistema  pode  induzir  o  sistema  a  dois  estados  alternativos  distintos.  Um  deles  seria  a
eutrofização  resultante  da  proliferação  do  fitoplâncton,  tendo  como  estágio  final  o  domínio  total  por
cianobactérias e, consequentemente, um estado de turbidez. O outro estado seria a dominância exercida por
macrófitas  flutuantes,  que  afetariam  a  estrutura  trófica  e  a  qualidade  da  água  do  sistema,  uma  vez  que  são
capazes  de  impedir  qualquer  penetração  de  luz,  podendo  causar  grandes  mortalidades  de  peixes.  Portanto,
ambos os estados induzidos pelo aumento de orto­P implicariam o comprometimento das funções ecológicas.
Entretanto,  a  dominância  de  determinados  compartimentos  biológicos  é,  via  de  regra,  dependente  de
variáveis  abióticas  de  contorno  no  sistema,  as  quais  devem  ser  consideradas  no  intuito  de  prever  reais
alterações no ambiente.
No caso da lagoa Mangueira, as condições de vento devem ser consideradas em próximas simulações, pois
são  essenciais  para  a  hidrodinâmica  e  determinantes  para  a  estruturação  das  comunidades  de  produtores
primários (Fragoso Jr., 2005). Como visto anteriormente, a discretização espacial associada ao conhecimento
da  dinâmica  de  fatores  abióticos  condicionantes  do  sistema  é  importante  para  a  avaliação  do  transporte  da
biomassa, seja de fitoplâncton ou de plantas flutuantes. Por causa do regime severo de ventos dessa lagoa,
existe  uma  grande  restrição  ao  estabelecimento  de  plantas  flutuantes,  as  quais,  no  início  da  proliferação,
certamente  seriam  arrastadas  para  uma  das  extremidades  da  lagoa,  em  função  da  orientação  SO­NE  dos
ventos predominantes. O estado alternativo representado pela presença de macrófitas flutuantes seria apenas
passível de ocorrência sob a ausência de ventos em ambientes lênticos relativamente estagnados. Portanto, a
hipótese de ocorrência de florações de cianobactérias seria mais plausível, embora os ventos também sejam
prejudiciais à estabilização de suas populações (Moss, 1990).
Dadas  as  limitações  das  simulações  preliminares,  busca­se  à  incorporação  dos  condicionantes  de  larga
escala,  tais  como  regime  de  ventos  e  hidrodinâmica,  para  o  melhor  entendimento  da  distribuição  das
comunidades  biológicas  no  sistema  e  suas  possíveis  alterações  pela  atuação  desses  agentes.  Além  disso,  a
ciclagem  interna  de  nutrientes  também  é  regida  pelo  fator  vento,  capaz  de  ressuspender  partículas  e,  com
elas,  o  fósforo  reativo  ao  sistema.  Porém,  no  caso  do  estabelecimento  de  plantas  aquáticas  submersas  ou
emergentes, há uma redução potencial das taxas de ressuspensão de partículas (James; Barko, 1990). Essas
comunidades atuam como tampões, aumentando a resiliência do sistema contra inversões drásticas pela ação
de ventos e eutrofização (Scheffer et al., 1994b). Porém, uma vez que esses compartimentos são atingidos,
como pela depleção no nível da água, o ambiente torna­se mais suscetível a alterações na qualidade da água
(Van  Nes  et  al.,  1999,  2002a).  Assim,  o  conhecimento  global  das  funções  e  a  distribuição  espacial  de
produtores  primários  no  corpo  aquático  são  importantes  para  a  previsão  dos  efeitos  de  forças  externas  e
internas atuantes.
Apesar de preliminares, as simulações sugerem um limiar crítico para a inversão de estados em torno de
0,05 (mg.l−1) de fósforo reativo (orto­P), geralmente o principal limitante para florações de cianobactérias e o
responsável por processos acelerados de eutrofização (Sondergaard et al., 2000). No entanto, assume­se que o
nível crítico de resiliência em lagos rasos subtropicais tende a ser maior do que em lagos temperados, uma
vez  que  a  complexidade  de  interações  tróficas  é  maior  (Jeppesen  et  al.,  2005)  e  o  crescimento  e  efeito
positivo  da  vegetação  aquática  é  contínuo  durante  todo  o  ano,  diferentemente  de  ambientes  temperados
(Ferreira  et  al.,  2007).  Como  os  valores  críticos  de  mudança  do  sistema  foram  obtidos  por  meio  de  uma
simulação  computacional,  são  ainda  necessários  experimentos  sob  condições  controladas  para  a
parametrização do modelo e a confirmação dos limiares de resiliência estimados para lagos subtropicais.

20.4 BIOMANIPULAÇÃO EM LAGOS
A biomanipulação é uma técnica que visa à restauração da qualidade da água em ecossistemas aquáticos.
Essa  técnica  consiste  em  reduzir  a  população  de  peixes  planctívoros  e  bentívoros,  aliviando  a  predação  no
zooplâncton  e  no  zoobentos.  O  aumento  da  biomassa  zooplanctônica  eleva  a  pressão  de  predação  no
fitoplâncton e reduz os níveis de biomassa fitoplanctônica.
FIG. 20.14 Cronologia de eventos e condições no lago Engelsholm (Dinamarca)
FIG. 20.15 Calibração e validação do modelo para temperatura da água, O2, NO3, PO4 e nitrogênio total
FIG. 20.16 Calibração e validação do modelo para fósforo total, sílica, clorofila a, zooplâncton e disco de
Secchi

O modelo IPH­ECO foi aplicado com a finalidade de representar a dinâmica do ecossistema antes e após a
biomanipulação  (remoção  da  população  de  ciprinídeos  –  um  peixe  planctívoro)  no  lago  Engelsholm,  um
lago  raso  eutrófico  de  uma  região  agrícola  da  Dinamarca  (Fig.  20.14).  O  modelo  foi  calibrado  para  um
período de 3 anos antes da biomanipulação e validado para um período de 10 anos depois da biomanipulação.
Embora o modelo tenha previsto razoavelmente bem uma clara mudança de estado da água, a mudança da
composição dos grupos funcionais de fitoplâncton não foi bem representada (Figs. 20.15 e 20.16).
As simulações mostraram uma dominância de diatomáceas, com uma concentração relativamente elevada
de  clorofila  a  após  a  biomanipulação,  ao  contrário  da  dominância  de  criptofíceas  observada.  As  demais
variáveis  foram  bem  representadas  pelo  modelo,  com  exceção  da  sílica  após  a  biomanipulação.  Esses
resultados  indicam  que  a  estrutura  de  modelo  poderia  ser  melhorada  de  forma  a  reproduzir  os  padrões
tróficos observados após a biomanipulação. No entanto, as alterações ecológicas após a biomanipulação são
tão grandes que é praticamente impossível prever com exatidão o cenário após a biomanipulação.

20.5 INTERAÇÕES TRÓFICAS EM CASCATA
Nas  últimas  décadas,  o  comportamento  da  estrutura  trófica  e  suas  interações  em  ecossistemas  aquáticos
foram assunto de intensivos debates e pesquisas. Até o final da década de 1960, prevalecia a visão de que a
cadeia  alimentar  era  primariamente  regularizada  pelos  recursos  disponíveis,  isto  é,  a  partir  da  base  da  teia
alimentar aquática (Hrbacek et al., 1961; Brooks; Dodson, 1965; Brooks, 1969). Por exemplo, o fitoplâncton,
regularizado por nutrientes e luz; o zooplâncton pelo fitoplâncton, e assim por diante. Isso foi chamado de
controle ascendente, ou controle por recurso (em inglês, bottom­up control)  (McQueen;  Post;  Mills,  1986),
um conceito que perdurou por bastante tempo. A partir de meados da década de 1980, tornou­se evidente que
a cadeia alimentar poderia ser também fortemente regularizada pelo topo (chamado de controle descendente
ou predatório; em inglês, top­down control), ou seja, o zooplâncton regularizado pelos peixes, o fitoplâncton
pelo  zooplâncton  etc.  (Carpenter;  Kitchell;  Hodgson,  1985;  Gulati  et  al.,  1990;  Carpenter;  Kitchell,  1993;
Mortensen et al., 1994).
Na  verdade,  porém,  estudos  comprovam  que  o  sentido  do  controle  das  interações  tróficas  depende  de
diversas  variáveis,  tais  como  o  número  de  links  da  cadeia  alimentar  (Persson  et  al.,  1988),  ou  a  força  e  a
posição  da  perturbação  imposta  sobre  a  cadeia  (McQueen;  Post;  Mills,  1986;  McQueen  et  al.,  1989).
Diversos exemplos sustentam as hipóteses de Persson et al. (1988), como se verifica em Persson et al. (1992),
Wurtsbaugh (1992) e Hansson (1992), em que um controle ascendente é caracterizado por um número ímpar
de  comunidades  aquáticas  presentes  (i.e.  1,  3  etc.)  e  um  controle  descendente,  por  um  número  par
de  links  (i.e.  2,  4  etc.).  Em  contraste,  diversos  estudos  em  lagos  mostraram  que  outras  variáveis  podem
definir  o  tipo  de  controle  e  que  simples  cadeias  alimentares,  como  as  suportadas  por  Persson,  são  raras
(Leibold, 1990; Flecker; Townsend, 1994; Mazumder, 1994). Baseado em análises experimentais, McQueen,
Post e Mills (1986) e McQueen et al. (1989) mostraram que o controle ascendente é mais forte na base da
cadeia e decresce em níveis tróficos mais altos, e que, de modo inverso, o controle descendente é mais forte
no  topo  da  cadeia  e  decresce  progressivamente  para  níveis  mais  baixos  (Fig.  20.17).  Entretanto,  essa
afirmação nem sempre é válida, pois, dependendo da disponibilidade de nutrientes, a força entre dois níveis
tróficos consecutivos pode ser menor do que em níveis intercalados (Sarnelle, 1992). Dessa forma, evidencia­
se o grau de complexidade das interações tróficas entre as comunidades aquáticas, devendo cada ecossistema
ser analisado conforme suas particularidades.
FIG. 20.17 Esquema dos controles ascendentes e descendentes por meio das interações tróficas. O tamanho
das setas indica a força de relação entre dois níveis tróficos. O fitoplâncton é regularizado pelos nutrientes e
controlado pelo zooplâncton na presença de Daphnia. A capacidade de crescimento do zooplâncton é
influenciada pelo fitoplâncton, mas sua biomassa é afetada pelos peixes planctívoros que, por sua vez, são
fortemente influenciados pelos peixes carnívoros
Fonte: adaptado de McQueen, Post e Mills, 1986.

Os casos mais clássicos de efeitos em cascata ascendentes, encontrados na literatura, são de lagos sujeitos
à mudança de níveis de nutrientes. O lago Veluwemeer, um extenso corpo d’água no centro da Holanda, é um
típico exemplo (Scheffer; De Redelijkheid; Noppert, 1992). Na década de 1960, esse lago possuía um estado
de águas claras, dominado por uma extensiva vegetação aquática submersa (Leentvaar, 1961, 1966). Porém,
na  década  de  1970,  com  o  aumento  da  carga  de  nutrientes,  a  qualidade  da  água  foi  deteriorando,  e  o  lago
Veluwemeer  passou  a  um  estado  de  águas  túrbidas  dominado  por  fitoplâncton  (Hosper,  1984).  Em  1979,
implementam­se medidas de mitigação de cargas de nutrientes, no intuito de restaurar a qualidade da água do
lago. Na década subsequente, a transparência da água aumentou e a vegetação aquática submersa finalmente
ganhou seu espaço.
Outros estudos procuraram entender a resposta da cadeia alimentar a partir de uma redução dos níveis de
nutrientes em lagos (Jeppesen et al., 1998a, 1999, 2000a, 2000b, 2002; Jeppesen; Jensen; Sondergaard, 2002;
Jakobsen  et  al.,  2003,  2004;  Van  Den  Berg  et  al.,  1997;  Moss,  1990;  Moss  et  al.,  1996;  Perrow;  Moss;
Stansfield,  1994).  Um  dos  mais  expressivos  foi  realizado  recentemente,  em  35  lagos  com  características
variadas de profundidade, altitude, clima e estado trófico (Jeppesen et al., 2005). Os autores concluíram que,
em  lagos  rasos,  a  população  de  fitoplâncton  é  reduzida,  acompanhada  por  mudanças  em  sua  estrutura,  ou
seja,  uma  dominância  de  diatomáceas,  criptófitas  e  crisófitas  no  lugar  das  cianobactérias,  o  que  está  de
acordo  com  levantamentos  passados  (Jeppesen  et  al.,  1990,  1991,  2003;  Jeppesen;  Jensen;  Sondergaard,
2002).
O  declínio  da  biomassa  algal  foi  atribuído  ao  aumento  da  taxa  de  consumo  do  zooplâncton,  o  qual
contribuiu  para  uma  observável  mudança  na  estrutura  das  comunidades  de  peixes.  Nesses  lagos,  a
porcentagem de peixes piscívoros aumentou, em média, 80%, com uma forte redução da população de peixes
planctívoros,  aliviando  a  pressão  sobre  o  zooplâncton.  Em  alguns  lagos,  a  distribuição  de  macrófitas
submersas aumentou durante a reoligotroficação, mas, em outros, nenhuma mudança foi observada, apesar de
uma maior transparência da água.
Por outro lado, existem inúmeros casos que relatam os efeitos em cascata descendentes, provocados por
alterações  no  topo  da  cadeia  alimentar.  Em  sua  maioria,  esses  estudos  descrevem  os  efeitos  da
biomanipulação, técnica introduzida por Shapiro, Lamarra e Lynch (1975) que, na década de 1990, tornou­se
mais comum no gerenciamento e na restauração de lagos (Carpenter; Kitchell, 1993; Hansson et al., 1999;
Meijer  et  al.,  1994,  1999).  Existem  vários  exemplos  bem  sucedidos  da  aplicação  dessa  técnica  (Shapiro;
Wright,  1984;  Van  Donk  et  al.,  1990;  Meijer  et  al.,  1994).  Os  efeitos  da  pesca  predatória  na  abundância  e
composição  das  comunidades  aquáticas  também  foram  vastamente  documentados  (Lazzaro,  1987;
Magnuson,  1991,  Lévêque,  1995;  Reid  et  al.,  2000).  A  pesca  predatória  de  uma  comunidade  específica  de
peixes  pode  levar  à  dominância  de  outras  comunidades.  Por  exemplo,  uma  forte  redução  da  população  de
peixes  planctívoros  geralmente  leva  a  um  notável  aumento  da  comunidade  de  zooplâncton,  resultando  em
baixos níveis de biomassa fitoplanctônica no sistema (Shapiro; Wright, 1984; Van Donk et al., 1990; Meijer
et al., 1994).
Os peixes planctívoros têm preferência seletiva por zooplânctons de grande porte, tal como a Daphnia, um
eficiente  consumidor  de  fitoplâncton  (Shapiro;  Wright,  1984;  Hambright,  1994).  Lagos  com  grandes
populações  de  peixes  planctívoros  são  frequentemente  dominados  por  cianobactérias  filamentosas,  que
inibem  o  crescimento  corpóreo  da  Daphnia  (Hawkins;  Lampert,  1989;  Gliwicz,  1990;  Gliwicz;  Lampert,
1990).  Além  dos  peixes  planctívoros,  os  peixes  bentívoros  geralmente  são  dominantes  sobre  as  demais
comunidades de peixes de lagos cuja turbidez é alta (Lammens, 1991). Na procura por animais bentônicos,
esses peixes podem aumentar a turbidez por meio da ressuspensão de sedimentos. Eles também estimulam
florações  de  algas  por  meio  do  transporte  de  nutrientes  do  fundo  para  a  coluna  d’água  e  pelo  consumo  de
zooplâncton que, por sua vez, poderia consumir fitoplâncton (Carpenter; Kitchell; Hodgson, 1985). Por outro
lado,  a  pesca  de  peixes  piscívoros  pode  aliviar  a  pressão  sobre  os  planctívoros,  bentívoros  e  onívoros,
levando  a  uma  redução  da  população  de  zooplâncton,  deixando  o  sistema  vulnerável  a  florações  de
fitoplâncton (Benndorf et al., 1988; Hambright, 1994; Mittelbach et al., 1995; Sondergaard; Jeppesen; Berg,
1997). Todavia, pouco se sabe ainda sobre o papel dos peixes onívoros na estrutura trófica aquática. Modelos
ecológicos  demonstram  que  essa  categoria  pode  atuar  como  regularizadora  das  interações  tróficas  do
ecossistema,  e  é  uma  das  comunidades  aquáticas  com  menor  efeito  sobre  a  estrutura  trófica,  uma  vez  que
peixes onívoros não têm uma preferência seletiva por suas presas (Bruno; O’Connor, 2005; Vadeboncoeur et
al., 2005).
Vale  a  pena  ressaltar  a  posição  especial  que  o  zooplâncton  ocupa  na  cadeia  alimentar,  como  a  mais
importante comunidade no controle top­down de  algas  em  muitos  lagos  (Scheffer,  1998).  Além  disso,  pela
sua heterogeneidade, grupos de tamanhos diferentes podem servir de alimento em diferentes estágios de vida
para peixes e alguns zooplânctons carnívoros (Jeppesen et al., 1990). A Daphnia é um zooplâncton de grande
porte,  responsável  por  uma  alta  pressão  de  predação  do  fitoplâncton  de  tamanho  médio.  Entretanto,  o
fitoplâncton  de  grande  porte  (e.g.  cianobactérias)  pode  crescer  livremente,  levando  o  lago  a  um  estado
túrbido (Arnold, 1971; Schindler, 1971; Gliwicz, 1990; Gliwicz; Lampert, 1990). Florações de cianobactérias
representam um grande problema para a qualidade da água de lagos e reservatórios, uma vez que elas podem
ser tóxicas aos seres humanos e aos animais, além de contribuírem para a perda do valor estético da água e
aumentarem  os  custos  de  tratamento  da  água  para  abastecimento  público  (Azevedo;  Brandão,  2003;  De
Bernardi; Giussani, 1990; Gliwicz, 1990; Hosper; Meijer, 1993; Sommer et al., 1986; Sarnelle, 1993).
A  presença  de  grandes  densidades  de  invertebrados  bentônicos  é  outro  fator  que  pode  complicar  ainda
mais as interações tróficas (Scheffer, 1998). Eles se alimentam de detritos e algas do sedimento, e caçam na
água  algumas  espécies  de  zooplâncton  de  pequeno  porte  (Pastorok,  1980;  Luecke;  O’Brien,  1983).  O
tamanho  da  maioria  dos  invertebrados  bentônicos,  porém,  torna­os  uma  atrativa  comida  para  peixes
planctívoros, bentívoros e onívoros. Portanto, sua presença pode suavizar a pressão de predação dos peixes
sobre  o  zooplâncton,  regularizando  as  interações  entre  as  comunidades  aquáticas  (Jeppesen,  1998).  A  alta
disponibilidade de bentos em lagos rasos está refletida na estrutura da comunidade de peixes. Por exemplo,
em  lagos  eutróficos,  túrbidos,  não  vegetados,  é  comum  a  presença  de  peixes  bentívoros  (Lammens,  1985;
Lammens; Denie; Vijverberg, 1985).
O  modelo  IPH­ECO  também  poderia  ser  aplicado  para  avaliar  as  interações  tróficas  em  cascata  e
identificar o importante papel das comunidades biológicas na manutenção do ecossistema.
Tendo  por  base  as  condições  da  simulação  anterior,  as  comunidades  aquáticas  foram  simuladas  em  um
horizonte de 10 anos (Fig. 20.18). Verificou­se um ciclo sazonal bem definido após o efeito das condições
iniciais  (aproximadamente  2  anos).  A  produção  primária  acompanha  as  condições  climáticas  subtropicais,
com  dois  picos  por  ano:  um  na  primavera  e  outro  no  verão,  nas  condições  de  contorno  impostas.  O
fitoplâncton é regularizado pelo zooplâncton, impedindo uma mudança para um estado túrbido irreversível,
além de controlar o fluxo de energia para níveis tróficos mais elevados.
FIG. 20.18 Simulação ecológica envolvendo todas as comunidades aquáticas em um horizonte de 10 anos

O  papel  dos  peixes  onívoros  é  ainda  mais  enigmático,  uma  vez  que  essa  comunidade  pode  regularizar
grande  parte  dos  recursos  disponíveis,  aumentando  assim  a  complexidade  de  entendimento  das  interações
tróficas. Os resultados do modelo mostram que a presença dessa comunidade pode interferir em uma troca de
estados alternativos de estabilidade.
APÊNDICE A – NOMENCLATURA

As  variáveis  e  os  parâmetros  dos  Caps.  9  a  12  foram  nomeados  por  meio  de  um  didático  sistema  de
nomenclatura,  de  tal  forma  que  o  tipo,  a  unidade  e  seu  significado  podem  ser  identificados  diretamente  a
partir do seu nome. O sistema básico segue a estrutura a seguir:
Tipo + elemento (+ processo) + componente + compartimento (+ sufixo)
As abreviações estão listadas a seguir:
Tipo
s = variável de estado
t = fluxo por área [g/m2/d]
w = fluxo por volume [g/m3/d]
d = derivada
r = razão (dinâmica) [gA/gB]
o = concentração [mg/l]
a = variável auxiliar
c = constante (geral)
k = taxa constante [d−1]
h = constante de meia saturação
f = fração [­]
b = constante (calculada)
u = variável de entrada (calculada)
m = variável medida

Elementos
D = peso seco
P = fósforo
N = nitrogênio
Si = sílica
O2 = oxigênio
L = luz
T = temperatura
Chla, Ch = clorofila a

Componentes
IM = matéria inorgânica
Det = detritos
Hum = húmus
PO4 = fosfato
NH4 = amônio
NO3 = nitrato
Diss = dissolvido (total)

Processos
Load = carga externa
Inf = infiltração
Eros = erosão
Set = sedimentação
Resus = ressuspensão
Bur = deposição
Dif = difusão
Nitr = nitrificação
Deit = desnitrificação
Sorp = adsorção
Min = mineralização
Upt = absorção de nutrientes
Ass = assimilação
Prod = produção
Cons = consumo
Eges = evacuação
Resp = respiração
Excr = excreção (nutrientes)
Graz = consumo
Pred = predação
Mort = mortalidade
AIM = adsorção em matéria inorgânica
Phyt = fitoplâncton (total)
Diat = diatomáceas
Blue = cianobactérias
Gren = clorofíceas
OM = matéria orgânica
Zoo = zooplâncton
Omni = peixe onívoro
OmniJv = peixe onívoro juvenil
OmniAd = peixe onívoro adulto
Plank = peixe planctívoro
PlankJv = peixe planctívoro juvenil
PlankAd = peixe planctívoro adulto
Pisc = peixe piscívoro
Bent = zoobentos
Tot = total
Man = ações de gerenciamento

Compartimentos
W = coluna d’água
S = sedimento
T = total

Sufixos
Máx = máximo
Mín = mínimo
In = entrada
Bot = leito do lago
mg = em miligramas
Sp = específica (por unidade de biomassa)

Outras abreviações
Fun = função
Cor = corrigido
Iso = isoterma de adsorção
Ext = extinção
V = velocidade [m d−1]
Mu = taxa de crescimento [d−1]
Carr = capacidade de suporte
Secchi = profundidade de Secchi
Fish = peixes
APÊNDICE B – FUNÇÕES DE HILL E DE MONOD

Modelos  ecológicos  utilizam  extensivamente  as  funções  de  Hill  e  de  Monod  para  representar  um
determinado processo biológico, tais como produção, respiração e mortalidade. A função de Monod, também
chamada  de  Michaelis­Menten,  é  comumente  utilizada  na  ecologia  para  descrever  a  limitação  de  um
determinado recurso. Essa função possui apenas um parâmetro, o coeficiente de meia saturação, o qual indica
o valor da concentração do recurso que reduz o crescimento em 50%.
Função de Monod:
FIG. A.1 Comportamento da função de Hill, variando o parâmetro p. A função de Monod é um caso
particular da função de Hill, para p = 1

onde h1/2 é o coeficiente de meia saturação.
A  função  de  Hill  é  uma  extensão  lógica  da  função  de  Monod,  porém  menos  disseminada.  Ela  tem  um
parâmetro  extra,  a  potência  p,  e  proporciona  uma  eficiente  maneira  para  descrever  um  limiar  ou  uma
transição de um estado para outro.
Função de Hill:
A Fig. A.1 mostra o comportamento da função de Hill para diferentes valores de p. Observe que a função
de Monod é um caso particular da função de Hill, com a potência p igual a 1.
REFERÊNCIAS BIBLIOGRÁFICAS

ABBOTT,  M.  B.  et  al.  An  introduction  to  the  European  hydrological  system  –  Système  Hydrologique
Européen, "SHE", 2: Structure of a physically­based, distributed modelling system. J. Hydrology, v. 87,
p. 61­77, 1986.
ALLAN, J. D. Life history patterns in zooplankton. American Naturalist, v. 110, p. 165­180, 1976.
AMBROSE, R. B. et al. WASP4, a hydrodynamic and water quality model: model theory, user’s manual and
programmer’s guide. US EPA, Report n. EPA/600/3­87/039, 1988.
ARNOLD, D. E. Ingestion, assimilation, survival, and reproduction by daphnia­pulex fed 7 species of blue­
green­algae. Limnology and Oceanography, v. 16, n. 6, p. 906­920, 1971.
ASCE  ­  AMERICAN  SOCIETY  OF  CIVIL  ENGINEERS.  Design  and  construction  of  sanitary  and  storm
sewers. Manuals and Reports of Engineering Practice, n. 37, New York, 1969.
AZEVEDO, S. M. F. O.; BRANDÃO, C. C. S. Cianobactérias tóxicas na água para consumo humano na
saúde  pública  e  processos  de  remoção  em  água  para  consumo  humano. Brasília: Ministério da Saúde:
Fundação Nacional de Saúde, 2003.
BANKS,  R.  B.;  HERRERA,  F.  F.  Release  and  ecological  impact  of  algicidal  hydrolysable  polyphenols
in Myriophyllum spicatum. J. Env. Engin. Div., v. 103, p. 489­504, 1977.
BARTRAM, J.; BALANCE, R. Water quality monitoring. London (UK): E&FN Spon, 1996.
BENNDORF, J. et al. Food­web manipulation by enhancement of piscivorous fish stocks: longterm effects in
the hypertrophic Bautzen reservoir. Limnologica (Berlin), v. 19, p. 97­110, 1988.
BEVEN,  K.  J.;  KIRKBY,  M.  A  physically­based  variable  contributing  area  model  of  basin
hydrology. Hydrology Science Bulletin, v. 24, p. 43­69, 1979.
BLINDOW, I. et al. Long term pattern for alternative stable states in two shallow eutrophic lakes. Freshwater
Biol., v. 30, p. 159­167, 1993.
BLOESCH,  J.  Mechanisms,  measurements  and  importance  of  sediment  resuspension  in  lakes.  Mar.
Freshwat. Res., v. 46, p. 295­304, 1995.
BLUMBERG, A.; MELLOR, G. A description of the three­dimensional coastal ocean circulation model. In:
HEAPS, N. (Ed.). Three dimensional coastal ocean model. Washington (DC): AGU, 1987.
BREUKELAAR, A. W. et al. Effects of benthivorous bream (Abramis brama) and carp (Cyprinus carpio) on
sediment resuspension and concentrations of nutrients and chlorophyll a. Freshwater Biol., v. 32, p. 113­
121, 1994.
BROOKS, J. L. Eutrophication and changes in the composition of zooplankton. In: Eutrophication,  causes,
consequences, correctives.  Proceedings  of  a  symposium  held  at  the  University  of  Wisconsin,  Madison.
June, 11­15, 1967. National Academy of Sciences, Washington DC, p. 236­255, 1969.
BROOKS, J. L.; DODSON, S. L. Predation, body size and composition of plankton. Science, v. 150, p. 28­
35, 1965.
BROWN, J. H. Macroecology. Chicago (IL): The University of Chicago Press, 1995.
BRUNO,  J.  F.;  O’CONNOR,  M.  I.  Cascading  effects  of  predator  diversity  and  omnivory  in  a  marine  food
web. Ecology Letters, v. 8, n. 10, p. 1048­1056, 2005.
BURNASH,  R.  J.  C.;  FERRAL,  R.  L.;  MCGUIRE,  R.  A.  A  General  Streamflow  Simulation  System  –
Conceptual  Modeling  for  Digital  Computers.  Joint  Federal  State  River  Forecasts  Center,  Technical
Report, 1973.
BURNS,  N.  M.;  ROSA,  F.  In  situ  measurement  of  the  settling  velocity  of  organic  carbon  particles  and  10
species of phytoplankton. Limnol. Oceanogr., v. 25, p. 855­864, 1980.
BUTLER, J. N. Carbon dioxide equilibria and their applications. Massachusetts: Addison­Wesley, 1982.
CARDOSO,  L.  S.;  MOTTA  MARQUES,  D.  Hydrodynamics­driven  plankton  community  in  a  shallow
lake. Aquat. Ecol., v. 43, p. 73­84, 2009.
CARPENTER, S. R.; KITCHELL, J. E. The trophic cascade in lakes. Cambridge Univ. Press, 1993.
CARPENTER,  S.  R.;  KITCHELL,  J.  F.;  HODGSON,  J.  R.  Cascading  trophic  interations  and  lake
productivity. Bioscience, v. 35, p. 634­639, 1985.
CARPER, G. L.; BACHMANN, R. W. Wind resuspension of sediments in a prairie lake. Can. J. Fish. Aquat.
Sci., v. 41, p. 1763­1767, 1984.
CASULLI,  V.  Semi­implicit  finite­difference  methods  for  the  2­dimensional  shallowwater  equations.  J.
Comput. Phys., v. 86, p. 56­74, 1990.
CASULLI, V.; WALTERS, R. A. An unstructured grid, three­dimensional model based on the shallow water
equations. International Journal for Numerical Methods in Fluids, v. 32, p. 331­348, 2000.
CASULLI,  V.;  CATTANI,  E.  Stability,  accuracy  and  efficiency  of  a  semi­implicity  method  for  three­
dimensional shallow water flow. Computers Math. Applic., v. 27, n. 4, p. 99­112, 1994.
CASULLI, V.; CHENG, R. T. Semi­implicit finite difference methods for three­dimensional shallow water
flow. International Journal for Numerical Methods in Fluids, v. 15, p. 629­648, 1992.
CCN PLANEJAMENTO E ENGENHARIA S/C LTDA. Metodologia de cálculo regional de vazões máximas
para córregos urbanos. In: Plano Diretor de drenagem: Campo Grande ­ MS. Campo Grande, 1991.
CERC ­ COASTAL ENGINEERING RESEARCH CENTER. Shore protection manual. U.S. Army Corps of
Engineers, Fort Belvoir, VA, 1977.
CHAPRA, S. C. Surface water­quality modeling. McGraw­Hill series in water resources and environmental
engineering. New York: McGraw­Hill, 1997.
CHAPRA,  S.  C.;  RECKHOW,  K.  H.  Engineering  approaches  for  lake  management.  Boston:  Buttreworth
Publishes, 1983.
CHASE, J. M. To grow or to reproduce? The role of life­history plasticity in food web dynamics. American
Naturalist. v. 154, p. 571­860, 1999.
CHEN,  C.  W.;  ORLOB,  G.  T.  Ecologic  simulation  of  aquatic  environments.  In  :  PATTEN,  B.  C.
(Ed.). System analysis and simulation in ecology, v. 3, p. 476­588. New York: Academic Press, 1975.
CHEN,  C.  W.  Concepts  and  utilities  of  ecological  models. Journal  Sanitary  Eng.  Div.  ASCE  96  (SA5),  p.
1085­1086, 1970.
CHENG, D. K. Analysis of linear systems. New York: Addison Welsen, 1959.
CHENG, R. T.; CASULLI, V.; GARTNER, J. W. Tidal, Residual, Intertidal Mudflat (TRIM) model and its
applications to San  Francisco  Bay,  California. Estuarine,  Coastal  and  Shelf  Science,  v.  36,  p.  235­280,
1993.
CHOW, V. T. Open channel hydraulics. New York: McGraw­Hill, 1959.
CHOW, V. T.; MAIDMENT, D. R.; MAYS, L.W. Applied Hydrology. New York: McGraw­Hill, 1988.
COLE, T. M.; BUCHAK, E. M. CE­QUAL­W2: A two­dimensional, laterally averaged, hydrodynamic and
water  quality  model,  Version  2.0,  User  manual,  Instruction  Report  EL, Waterways  Experiment  Station,
Vicksburg, MS, 1986.
COLLISCHONN,  W.  Simulação  hidrológica  de  grandes  bacias.  2001.  Tese  (Doutorado)  ­  Instituto  de
Pesquisas Hidráulicas, Univ. Federal do Rio Grande do Sul, Porto Alegre, 2001.
CONNELL,  J.  H.;  SOUSA,  W.  P.  On  the  evidence  needed  to  judge  ecological  stability  or
persistence. American Naturalist, v. 121, p. 789­824, 1983.
COUCLELIS,  H.  From  cellular  automata  to  urban  models:  new  principles  for  model  development  and
implementation. Environment and Planning B: Planning and Design, v. 24, p. 165­174, 1997.
COUTINHO, P. N. Sugestões para gerenciamento de estuários. Arq. Ciên. Mar. Fortaleza, p. 77­86, 1986.
CÓZARA,  A.  et  al.  Sediment  resuspension  by  wind  in  a  shallow  lake  of  Esteros  del  Iberá  (Argentina):  a
model based on turbidimetry. Ecological Modelling, v. 186, n. 1, p. 63­76, 2005.
DE  BERNARDI,  R.;  GIUSSANI,  G.  Are  blue­green  algae  a  suitable  food  for  zooplankton?  an
overview. Hydrobiologia, v. 200/201, p. 29­41, 1990.
DI TORO, D. M. ; THOMANN, R. V. ; O’CONNOR, D. J. A dynamic model of phytoplankton population in
the  Sacramento­San  Joaquin  Delta.  In:  GOULD,  R.  F.  (Ed.).  Advances  in  Chemistry  Series  106:
Nonequilibrium Systems in Natural Water Chemistry, American Chemical Society, Washington, DC, p.
131­180, 1971.
DOMITROVIC,  Y.  Z.;  ASSELBORN,  v.  M.;  CASCO,  S.  L.  Variaciones  espaciales  y  temporales  del
fitoplancton en un lago subtropical de Argentina. Rev. Bras. Biol., v. 58, n. 3, p. 359­382, 1998.
DOWNING, A. L.; TRUESDALE, G. A. Some factors affecting the rate of solution of oxygen in water.  J.
Appl. Chem., v. 5, p. 570­581, 1955.
DUBLIN, H. T.; SINCLAIR, A. R. E.; MCGLADE, J. Elephants and fire as causes of multiple stable states
in Serengeti­Mara woodplants. J. Animal Ecol., v. 59, p. 1147­1164, 1990.
ELDER, J. W. The dispersion of marked fluid in turbulent shear flow. J. Fluid Mech., v. 5, n. 4, p. 544­560,
1959.
EPA  ­  ENVIRONMENTAL  PROTECTION  AGENCY.  Stream  corridor  restoration:  principles,  processes,
and practices. Federal Interagency Stream Restoration Working Group, GPO Item No. 0120­A; SuDocs
No. A 57.6/2:EN3/PT.653, 1998.
EPPLEY, R. W. Temperature and phytoplankton growth in sea. Fish. Bull., Washington DC, v. 70, p. 1063­
1085, 1972.
ESTEVES, F. A. Fundamentos de limnologia. 2.ed. Rio de Janeiro: Interciência, 1998.
FERREIRA, T. F; MOTTA MARQUES, D. M. L.; VILLANUEVA, A. O hidroperíodo de banhado e a carga
de  matéria  orgânica  dissolvida  de  Scirpus  Californicus  (C.  A.  May)  Steud.  In:  CONGRESSO
BRASILEIRO DE LIMNOLOGIA, 2003, Juiz de Fora­MG. Anais… Juiz de Fora­MG, 2003, p. 154­155.
FERREIRA, T. F. et al. Ecological modeling of submerged macrophytes in subtropical systems: evidences of
resilience  enhancement  against  eutrophication.  In:  11TH  INTERNATIONAL  CONFERENCE  ON
DIFFUSE  POLLUTION  AND  THE  1ST  JOINT  MEETING  OF  THE  IWA  DIFFUSE  POLLUTION
AND  URBAN  DRAINAGE  SPECIALIST  GROUPS,  2007,  Belo  Horizonte­MG.  Proceedings…  Belo
Horizonte­MG, 2007. v. 11.
FLECKER, A. S.; TOWNSEND, C. R. Community­wide consequences of trout introduction in New Zealand
streams. Ecol. Appl., v. 4, p. 798­807, 1994.
FRAGOSO Jr., C. R. Simulações da dinâmica de fitoplâncton no Sistema Hidrológico do Taim. 2005. 151 f.
Dissertação  (Mestrado  em  Recursos  Hídricos  e  Saneamento  Ambiental)  ­  Instituto  de  Pesquisas
Hidráulicas, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2005.
FRAGOSO Jr., C. R.; SOUZA, C. F. Análise de uma proposta de dragagem no Complexo Estuarino Lagunar
Mundaú­Manguaba  através  de  um  modelo  hidrodinâmico  bidimensional.  2003.  152  f.  Trabalho  de
Conclusão  de  Curso  de  Graduação  em  Engenharia  Civil  ­  Universidade  Federal  de  Alagoas,  Maceió,
2003.
FRAGOSO Jr., C. R. et al. Complex computational system to cascading trophic interactions evaluation and
alternative  steady  states  in  subtropical  and  tropical  ecosystems.  In:  11TH  INTERNATIONAL
CONFERENCE  ON  DIFFUSE  POLLUTION  AND  THE  1ST  JOINT  MEETING  OF  THE  IWA
DIFFUSE  POLLUTION  AND  URBAN  DRAINAGE  SPECIALIST  GROUPS,  2007,  Belo  Horizonte­
MG. Proceedings… Belo Horizonte­MG, 2007. v. 11.
FRAGOSO  Jr.,  C.  R.  et  al.  Desenvolvimento  de  um  modelo  matemático  de  circulação  de  águas  usando  o
MATLAB. In: V SIMPÓSIO DE RECURSOS HÍDRICOS DO NORDESTE, 2000, Natal­RN. Anais…
Natal­RN: ABRH, 2000. v. 2. p. 737­744.
FRELICH,  L.  E.;  REICH,  P.  B.  Neighborhood  effects,  disturbance  severity  and  community  stability  in
forests. Ecosystems, v. 2, p. 151­66, 1999.
FULFORD,  J.  M.  Computacional  technique  and  performance  of  transient  inundation  model  for  rivers  –  2
dimensional (TRIM2RD): a depth­averaged two­dimensional flow model. U.S. Geological Survey. Open­
file Report, 03­371, 2003.
GAUDY,  R.;  GAUDY,  E.  Microbiology  for  environmental  scientists  and  engineers.  New  York:  McGraw­
Hill, 1980.
GLIWICZ,  Z.  M.  Why  do  cladocerans  fail  to  control  algal  blooms?  Hydrobiologia,  v.  200/201,  p.  83­98,
1990.
GLIWICZ, Z. M.; LAMPERT, W. 1990. Food thresholds in daphnia species in the absence and presence of
blue­green filaments. Ecology, v. 71, n. 2, p. 691­702, 1990.
GOMES,  A.;  TTRICART,  J.  L.  F.;  TRAUTMANN,  J.  1987.  Estudo  ecodinâmico  da  Estação  Ecológica  do
Taim e seus arredores. Porto Alegre: Editora da Universidade ­ UFRGS, 1987.
GROSS,  E.  M.;  MEYER,  H.;  SCHILLING,  G.  Release  and  ecological  impact  of  algicidal  hydrolysable
polyphenols in Myriophyllum spicatum. Phytochemistry, v. 41, p. 133­138, 1996.
GULATI, R. D.; SIEWERTSEN, K.; POSTEMA, G. Zooplankton structure and grazing activities in relation
to food quality and concentration in Dutch Lakes. Arch. Hydrobiol. Beih. Ergebn. Limnol., v. 21, p. 91­
102, 1985.
GULATI,  R.  D.;  SIEWERTSEN,  K.;  POSTEMA,  G.  The  zooplankton:  its  community  structure,  food  and
feeding and role in the ecosystem of Lake Vechten. Hydrobiologia, v. 95, p. 127­163, 1982.
GULATI,  R.  D.  et  al.  Biomanipulation­tool  for  water  management.  Dordrecht,  The  Netherlands:  Kluwer
Academic, 1990.
HAMBRIGHT,  K.  D.  Can  zooplanktivorous  fish  really  affect  lake  thermal  dynamics?  Archiv  Fur
Hydrobiologie, v. 130, n. 4, p. 429­438, 1994.
HANSSON,  L.­A.  The  role  of  food  chain  composition  and  nutrient  availability  in  shaping  algal  biomass
development. Ecology, v. 73, p. 241­247, 1992.
HANSSON, L.­A. et al. Biomanipulation as an application of food chain theory: constraints, synthesis and
recommendations for temperate lakes. Ecosystems, v. 1, p. 558­574, 1998.
HARE, S. R.; MANTUA, n. J. Empirical evidence of North Pacific regime shifts in 1977 and 1989. Prog.
Oceanogr., v. 47, p. 103­145, 2000.
HAWKINS, P.; LAMPERT, W. The effect of daphnia body size on filtering rate inhibition in the presence of
a filamentous cyanobacterium. Limnology and Oceanography, v. 34, n. 6, p. 1084­1088, 1989.
HEC  ­  HYDROLOGIC  ENGINEERING  CENTER.  HEC­1,  Flood  Hydrograph  Package:  User’s  manual.
Davis, California: US Army Corps of Engineers, 1981.
HIRSCH, C. Numerical computation of internal and external flows: Computational methods for inviscid and
viscous flows. 1.ed. Chichester, England: J. Wiley & Sons, 1990. v.2.
HOLLING, C. S. Resilience and stability of ecological systems. Annual Review of Ecology & Systematics, v.
4, p. 1­23, 1973.
HOSPER,  S.  H.  Restoration  of  Lake  Veluwe,  The  Netherlands,  by  reduction  of  phosphorus  loading  and
flushing. Wat. Sci. Tech., v. 17, p. 757­768, 1984.
HOSPER,  S.  H.;  MEIJER,  M.  L.  Biomanipulation,  will  it  work  for  your  lake?  A  simple  test  for  the
assessment  of  chances  for  clear  water,  following  drastic  fish­stock  reduction  in  shallow,  eutrophic
lakes. Ecological Engineering, v. 2, p. 63­72, 1993.
HRBACEK, J. et al. Demonstration of the effect of the fish stock on the species composition of zooplankton
and  the  intensity  of  metabolism  of  the  whole  plankton  association.  Verh.  Internat.,  v.  14,  p.  192­195,
1961.
HYNES, H. B. n. The stream and its valley. Verhandlungen der Internationalen Vereinigung für theoretische
andangewandte Limnologie, v. 19, p. 1­15, 1975.
IJIMA, T.; TANG, F. L. W. 1966. Numerical calculations of wind waves in shallow water. In: Proceedings
10th Conference on Coastal Engineering. Tokyo: ASCE, 1966. v. 2. p. 38–45.
JACKSON,  L.  J.  Macrophyte  dominated  and  turbid  states  of  shallow  lakes:  evidence  from  Alberta
Lakes. Ecosystems, v. 6. p. 213­223, 2003.
JAKOBSEN, T. S. et al. Cascading effect of threespined stickleback Gasterosteus aculeatus on  community
composition size, biomass and diversity of phytoplankton in shallow, eutrophic brackish lagoons. Marine
Ecology Progress Series, v. 279, p. 305­309, 2004.
JAKOBSEN,  T.  S.  et  al.  Impact  of  three­spined  stickleback  Gasterosteus  aculeatus  on  zooplankton  and
chlorophyll a in shallow, brackish lagoons. Marine Ecology Progress Series, v. 262, p. 277­284, 2003.
JAMES, W. F.; BARKO, J. W. Macrophyte influences on the zonation of sediment accretion and composition
in a northtemperate reservoir. Archiv fur Hydrobiologie, v. 120, n. 2, p. 129­142, 1990.
JANSE,  J.  H.  Model  studies  on  the  eutrophication  of  shallow  lakes  and  ditches.  Tese  (Doutorado)  ­
Universidade de Wageningen, Holanda, 2005.
JEPPESEN, E. The ecology of shallow lakes – Trophic interactions in the pelagical. 1998. Tese (Doutorado)
­ National Environmental Research Institute, Denmark, Technical Report n. 247, 1998.
JEPPESEN, E.; JENSEN, J. P.; SONDERGAARD, M. Response of phytoplankton, zooplankton and fish to
re­oligotrophication: an 11­year study of 23 Danish lakes. Aquatic Ecosystem Health and Management, v.
5, p. 31­43, 2002.
JEPPESEN, E. et al. Lake restoration and biomanipulation in temperate lakes: relevance for subtropical and
tropical lakes. In: REDDY, M. v. (Ed.). Tropical eutrophic lakes: their restoration and management, Cap.
11, p. 331­359, 2005.
JEPPESEN, E. et al. The impact of nutrient state and lake depth on top­down control in the pelagic zone of
lakes: study of 466 lakes from the temperate zone to the Arctic. Ecosystems, v. 6, p. 313­325, 2003.
JEPPESEN, E. et al. Cascading trophic interactions in the littoral zone: an enclosure experiment in shallow
Lake Stigsholm, Denmark. Arch. Hydrobiol., v. 153, p. 533­555, 2002.
JEPPESEN,  E.  et  al.  Trophic  structure,  species  richness  and  biodiversity  in  Danish  lakes:  changes  along  a
phosphorus gradient. Freshwat Biol., v. 45, p. 201­213, 2000a.
JEPPESEN,  E.  et  al.  Trophic  structure  in  the  pelagial  of  25  shallow  New  Zealand  lakes:  changes  along
nutrient and fish gradients. J. Plankton Res., v. 22, p. 951­968, 2000b.
JEPPESEN,  E.  et  al.  Trophic  structure  in  turbid  and  clearwater  lakes  with  special  emphasis  on  the  role  of
zooplankton for water clarity. Hydrobiologia, v. 408/409, p. 217–231, 1999.
JEPPESEN, E. et al. Cascading trophic interactions from fish to bacteria and nutrients after reduced sewage
loading: an 18­year study of a shallow hypertrophic lake. Ecosystems, v. 1, p. 250­267, 1998a.
JEPPESEN, E. et al. Structuring role of submerged macrophytes in lakes. New York: Springer­Verlag, 1998b.
JEPPESEN,  E.  et  al.  Impact  of  submerged  macrophytes  on  fish­zoopplankton  interactions  in  lakes.  In:
JEPPESEN,  E.  (Ed.).  The  structuring  role  of  submerged  macrophytes  in  lakes.  New  York:  Springer­
Verlag, 1997. p. 91­114.
JEPPESEN  E.  et  al.  Recovery  resilience  following  a  reduction  in  external  phosphorus  loading  of  shallow,
eutrophic  Danish  lakes:  duration,  regulating  factors  and  methods  for  overcoming  resilience.  Memorie
dell’Istituto Italiano di Idrobiologia, v. 48, 127­148, 1991.
JEPPESEN,  E.  et  al.  Fish  manipulation  as  a  lake  restoration  tool  in  shallow,  eutrophic,  temperate  lakes  2:
threshold levels, longterm stability and conclusions. Hydrobiologia, v. 200/201, p. 219­227, 1990.
JORGENSEN,  S.  E.  State­of­the­art  of  ecological  modelling  with  emphasis  on  development  of  structural
dynamic models. Ecological Modelling, v. 120, p. 75­96, 1999.
JORGENSEN, S. E. Fundamentals of ecological modelling. New York: Elsevier, 1986.
JORGENSEN,  S.  E.  Lake  management.  In:  Water  development,  supply  and  management,  v.  14.  Oxford
(UK): Pergamon Press, 1980.
JORGENSEN,  S.  E.;  BENDORICCHIO,  G.  Fundamentals  of  ecological  modelling.  3.ed.  Oxford  (UK):
Elsevier Science, 2005.
KNOWLTON, N. Threshold and multiple states in coral reefs community dynamics. Amer. Zoologist, v. 32,
p. 674­82, 1992.
KRONE, R. B. Flume study of the transport of sediment in estuarial processes, Final Report, Hydraulic Eng.
Lab. and Sanitary Eng. Res. Lab., Univ. Calif., Berkeley (California, USA), 1962.
LAM, D. C. L.; JACQUET, J. M. Computations of physical transport and regeneration of phosphorus in Lake
Erie, fall 1970. J. Fish. Res. Bd. Can., v. 33, p. 550­563, 1976.
LAMMENS, E. H. R. R. Diets and feeding behaviour. In: WINFIELD, I. J.; NELSON, J. S. (Eds.). Cyprinid
fishes: systematics, biology and exploitation. London: Chapman and Hall, 1991. p. 353­376.
LAMMENS,  E.  H.  R.  R.  A  test  of  a  model  for  planktivorous  filter  feeding  by  bream  abramis­
brama. Environmental Biology of Fishes, v. 13, n. 4, p. 289­296, 1985.
LAMMENS, E. H. R. R.; DENIE, H. W.; VIJVERBERG, J. Resource partitioning and niche shifts of bream
(abramis­brama)  and  eel  (anguilla­anguilla)  mediated  by  predation  of  smelt  (osmerus­eperlanus)  on
daphniahyalina. Environmental Biology of Fishes, v. 13, n. 4, p. 289­296, 1985.
LANNA,  A.  E.;  SCHWARZBACH,  M.  Modelo  Hidrológico  Auto­calibrável  ­  MODHAC.  Porto  Alegre:
Instituto de Pesquisas Hidráulicas da UFRGS, 1989.
LAZZARO,  X.  A  review  of  planktivorous  fishes  ­  their  evolution,  feeding  behaviors,  selectivities,  and
impacts. Hydrobiologia, v. 146, n. 2, p. 97­167, 1987.
LEENTVAAR, P. Plant en dier in het Veluwemeer. Waterkampioen, v. 38, p. 18­20, (in Dutch), 1966.
LEENTVAAR,  P.  Hydrobiologische  waarnemingen  in  het  Veluwemeer. De  Levende  Natuur,  v.  64,  p.  273­
279, (in Dutch) [Nitellopsis obtusa (as Chara sp.)], 1961.
LEIBOLD, M. A. Resource edibility and the effects of predators and productivity on the outcome of trophic
interactions. American Naturalist, v. 134, p. 922­949, 1990.
LEONARD,  B.  P.  A  stable  and  accurate  convective  modeling  procedure  based  on  quadratic  upstream
interpolation. Comput. Methods Appl. Mech. Engrg., v. 19, p. 59–98, 1979.
LÉVÊQUE, C. Role and consequences of fish diversity in the functioning of African freshwater ecosystems:
a review. Aquat. Living Resour., v. 8, p. 59­78, 1995.
LIJKLEMA, L. Considerations in modeling the sediment water exchange of phosphorus. Hydrobiologia,  v.
253, n. 1­3, p. 219­231, 1993.
LIKENS,  G.  E.  Beyond  the  shoreline:  a  watershed­ecosystem  approach,  Verhandlungen  der
InternationalenVereinigung für theoretische and angewandte Limnologie, v. 22, p. 1­22, 1984.
LOPES,  J.  E.  G.;  BRAGA,  B.  F.  P.;  CONEJO,  J.  G.  L.  SMAP  ­  A  Simplified  Hydrological  Model.  In:
INTERNATIONAL SYMPOSIUM ON RAINFALL­RUNOFF MODELING. Mississipi State University,
Mississipi, 1981.
LUCAS, L. V. et al. Processes governing phytoplankton blooms in estuaries. I: The production­loss balance.
Marine Ecology Progress Series, v. 187, p. 1­15, 1999a.
LUCAS,  L.  V.  et  al.  Processes  governing  phytoplankton  blooms  in  estuaries.  II:  The  role  of  horizontal
transport. Marine Ecology Progress Series, v. 187, p. 17­30, 1999b.
LUECKE,  C.;  O’Brien,  W.  J.  The  effect  of  heterocope  predation  on  zooplankton  communities  in  arctic
ponds. Limnology and Oceanography, v. 28, n. 2, p. 367­377, 1983.
LUETTICH, R. A. Sediment resuspension  in  a  shallow  lake.  D.S.  thesis,  Mass.  Inst.  Technol.,  Cambridge,
1987.
MAGNUSON, J. J. Fish and fisheries Ecology. Ecological Applications, v. 1, p. 13­26, 1991.
MAY, R. M. Threshold and breaking points in ecosystems with a multiplicity of stable states. Nature, v. 269,
p. 471­477, 1977.
MAZUMDER, A. Patterns of algal biomass in dominant odd – vs. – even – link lake ecosystems. Ecology, v.
75, p. 1141­1149, 1994.
McCARTHY, G. T. The unit hydrograph and flood routing. Providence: U.S. Corps of Engineers, 1939.
McCAULEY,  E.  et  al.  Large­amplitude  cycles  of  Daphnia  and  its  algal  prey  in  enriched
environments. Nature, v. 402, p. 653­656, 1999.
McNAUGHT,  D.  C.  Considerations  of  scale  in  modeling  large  aquatic  ecosystems.  In:  SCAVIA,  D.;
ROBERTSON,  A.  (Eds.).  Perspectives  on  lake  ecosystem  modeling.  Ann  Arbor  (MI):  Ann  Arbor
Science, 1979. p. 3­24.
McQUEEN,  D.  J.  et  al.  Bottom­up  and  topdown  impacts  on  freshwater  pelagic  community
structure. Ecological Monographs, v. 59, p. 289­309, 1989.
McQUEEN,  D.  J.;  POST,  J.  R.;  MILLS,  E.  L.  Trophic  relationships  in  freshwater  pelagic
ecosystems. Canadian Journal of Fisheries and Aquatic Sciences, v. 43, p. 1571­1581, 1986.
MEIJER, M. L. et al. Long­term responses to fish – stock reduction in small shallow lakes – Interpretation of
five­year results of four biomanipulation cases in the Netherlands and Denmark. Hydrobiologia, v. 276,
p. 457­466, 1994.
MEIJER, M. L. et al. Is reduction of the benthivorous fish an important cause of high transparency following
biomanipulation in shallow lakes? Hydrobiologia, v. 200/201, p. 303­315, 1990.
MITTELBACH,  G.  G.  et  al.  Perturbation  and  resilience  ­  a  long­term,  whole­lake  study  of  predator
extinction and reintroduction. Ecology, v. 76, n. 8, p. 2347­2360, 1995.
MORTENSEN, E. et al. Nutrient dynamics and biological structure in shallow freshwater and brackish lakes.
Developments in Hydrobiology 94. Kluwer Academic Publ., Dordrecht. Reprinted from Hydrobiologia,
v. 275/276, 1994.
MOSS, B. Shallow lakes: biomanipulation and eutrophication. Scope Newletter, v. 29, p. 1­45, 1998.
MOSS, B. Engineering and biological approaches to the restoration from eutrophication of shallow lakes in
which aquatic plant communities are importants components. Hydrobiologia, v. 275/276, p. 1­14, 1990.
MOSS,  B.  et  al.  Restoration  of  two  lowland  lakes  by  isolation  from  nutrient  rich  water  sources  with  and
without removal of sediment. Journal of Applied Ecology, v. 23, p. 319­345, 1996.
PARTHENIADES, E. Erosion and deposition of cohesive soils. Proceedings of the American Society of Civil
Engineers (ASCE), v. 91 (HY1), p. 105­139, 1965.
PASSARGE,  J.  et  al.  Competition  for  nutrients  and  light:  stable  coexistence,  alternative  stable  states  or
competitive exclusion? Ecological Monographs, v. 76, n. 1, p. 57­72, 2006.
PASTOROK,  R.  A.  The  effects  of  predator  hunger  and  food  abundance  on  prey  selection  by  chaoborus
larvae. Limnology and Oceanography, v. 25, n. 5, p. 910­921, 1980.
PERROW, M. R.; MOSS, B.; STANSFIELD, J. Trophic interations in a shallow lake following a reduction in
nutrient loading – A long­term study. Hydrobiologia, v. 276, p. 43­52, 1994.
PERSSON, L.; EKLOV, P. Prey refuges affecting interations between piscivorous perch and juvenile perch
and roach. Ecology, v. 76, p. 763­784, 1995.
PERSSON, L. et al. Trophic interactions in temperate lake ecosystems: a test of food chain theory. American
Naturalist, v. 140, p. 59­84, 1992.
PERSSON, L. et al. Predation regulation and primary production along the productivity gradient of temperate
lake ecosystems. In: CARPENTER, S. R. (Ed.). Complex interactions in lake communities.  New  York:
Springer Verlag, 1988. p. 45­65.
PINTO,  N.  L.  S;  HOLTS,  A.  C.  T.;  MARTINS,  J.  A.  Hidrologia  de  superfície.  2.ed.  São  Paulo:  Edgard
Blucher, 1973.
PRESS, W. H. et al. Numerical recipes in FORTRAN. 2.ed. Cambridge: Cambridge University Press, 1992.
RAHMSTORF,  S.  Bifurcations  of  the  thermohaline  circulation  in  response  to  changes  in  hidrological
cycle. Nature, v. 387, p. 165­167, 1997.
REID, P. C. et al. Impacts of fisheries on plankton community structure. Journal of Marine Science, v. 57, p.
495­502, 2000.
RIEGMAN,  R.;  MUR,  L.  R.  Regulation  of  phosphate  uptake  kinetics  in  Oscillatiria  agardhii.  Arch.
Microbiol., v. 139, p. 28­32, 1984.
RIETKERK,  M.;  VAN  DEN  BOSCH,  F.;  VAN  DEN  KOPPEL,  J.  Site­specific  properties  and  irreversible
vegetation changes in semiarid grazing systems. Oikos, v. 80, p. 241­52, 1997.
RIJKEBOER, M.; OTTEN, J. H.; GONS, H. J. Dynamics of phytoplankton detritus in a shallow, eutrophic
lake (lake Loosdrecht, The Netherlands). Hydrobiologia, v. 233, n. 1­3, p. 61­67, 1992.
ROE, P. L. Some contributions to the modelling of discontinuous flows. Lect. in Appl. Mathematics, v. 22, p.
163­193, 1985.
ROSENZWEIG, M. L. The paradox of enrichment. Science, v. 171, p. 385­387, 1971.
ROSENZWEIG, M. L.; MACARTHUR, R. H. Graphical representation and stability conditions of predator­
prey interactions. Am. Nat., v. 97, p. 209­223, 1963.
ROSMAN, P. C. C. Subsídios para modelagem de sistemas estuarinos. In: Métodos numéricos em recursos
hídricos. Rio de Janeiro: Associação Brasileira de Recursos Hídricos, 1999. v. 3. p. 229­343.
SARNELLE, O. Herbivore effects on phytoplankton succession in a eutrophic lake. Ecological Monograph,
v. 63, p. 129­149, 1993.
SARNELLE, O. Nutrient  enrichment  and  grazer  effects  on  phytoplankton  in  lakes. Ecology,  v.  73,  p.  551­
560, 1992.
SCAVIA,  D.;  ROBERTSON.  A.  (Eds.).  Perspectives  on  lake  ecosystem  modeling.  Ann  Arbor  (MI):  Ann
Arbor Science Publ., 1979.
SCHAAKE,  J.  C.  Modeling  urban  Runoff  as  a  deterministic  process.  In:  Treatise  Urban  Water  Systems.
Colorado State University, 1971.
SCHEFFER, M. Ecology of shallow lakes. Population and Community Biology. London: Chapman and Hall,
1998.
SCHEFFER, M.; BAKEMA, A. H.; WORTELBOER, F. G. Mega­plant­ a simulation model of the dynamics
of submerged plants. Aquatic Botany, v. 45, p. 341­356, 1993.
SCHEFFER, M.; De REDELIJKHEID, M. R.; NOPPERT, F. Distribution and dynamics of submerged in a
chain of shallow eutrophic lakes. Aquatic Botany, v. 42, p. 199­216, 1992.
SCHEFFER, M. et al. Catastrophic shifts in ecosystems. Nature, v. 413, p. 591­596, 2001.
SCHEFFER,  M.  et  al.  Twenty  years  of  dynamics  and  distribution  of  Potamogeton  pectinatus  L.  In:  Lake
Veluwe,  in  VAN  VIESSEN,  W.;  HOOTSMANS,  M.  J.  M.;  VERMAAT,  J.  (Eds.).  Lake  Veluwe,  a
macrophyte­dominated system under eutrophication stress. Dordrecht: Kluwer Academic Publ, 1994a. p.
20­25.
SCHEFFER, M. et al. Vegetated areas with clear water in turbid shallow lakes. Aquatic Botany, v. 49, p. 193­
196, 1994b.
SCHLINDER, J. E. Food quality and zooplankton nutrition. Journal of Animal Ecology, v. 40, n. 3, p. 589­
595, 1971.
SCS ­ SOIL CONSERVATION SERVICE. Urban hydrology for small watersheds. Washington, U.S. Dept.
Agr., Technical Release n. 55, 1975.
SHAPIRO,  J.;  WRIGHT,  D.  I.  Lake  restoration  by  biomanipulation  Round  Lake,  Minnesota,  the  first  two
years. Freshwater Biology, v. 14, p. 371­384, 1984.
SHAPIRO, J.; LAMARRA, V.; LYNCH, M. Biomanipulation: an ecosystem approach to lake restoration. In:
BREZONIK, p. L.; FOX, J. L. (Eds.). Proceedings Symposium On Water Quality Management Through
Biological Control. University of Florida, p. 85­96, 1975.
SHENG, Y. P.; LICK, W. The transport and resuspension of sediments in a shallow lake. J. Geophys. Res., v.
84, p. 1809­1826, 1976.
SILVEIRA,  A.  L.  L.  Desempenho  de  fórmulas  de  tempo  de  concentração  em  bacias  urbanas  e  rurais. Rev.
Brasileira de Recursos Hídricos, v. 10, p. 5­23, 2005.
SMOLARKIEWICZ,  P.  K.  A  fully  multidimensional  positive­definite  advection  transport  algorithm  with
small implicit diffusion. J. Comput. Phys., v. 54, p. 325–362, 1984.
SOETAERT,  K.  et  al.  Meiobenthic  distribution  and  nematode  community  structure  in  5  european
estuaries. Hydrobiologia, v. 311, n. 1­3, p. 185­206, 1995.
SOMMER,  U.  et  al.  The  Plankton  Ecology  Group  model  of  seasonal  succession  of  planktonic  events  in
freshwaters. Archiv fur Hydrobiologie, v. 106, p. 433­472, 1986.
SONDERGAARD, M.; JEPPESEN, E.; BERG, S. Pike (Esox lucius L.) stocking as a biomanipulation tool 2.
Effects on lower trophic levels in Lake Lyng, Denmark. Hydrobiologia, v. 342, p. 319­325, 1997.
SONDERGAARD, M. et al. Lake restoration in Denmark. Lakes & reservoirs: Research and Management,
v. 5, p. 151­159, 2000.
SOUZA,  M.  B.  G.  Experimental  analysis  of  ecological  resilience.  Tese  (Doutorado)  ­  Universidade  de
Wageningen, Holanda, 2009.
SOUZA, R. C.; KJERVE B. Fundamentos da maré e sua predição. In: XX CONGRESSO NACIONAL DE
MATEMÁTICA APLICADA E COMPUTACIONAL, 1997, Gramado ­ RS. Anais…, 1997.
STRECK, C.; SCHOLZ, S. M. The role of forests in global climate change: whence we come and where we
go. International Affairs, v. 82, n. 5, p. 861­879, 2006.
STREETER,  H.  W.;  PHELPS,  E.  B.  A  study  of  the  pollution  and  natural  purification  of  the  Ohio  River.
Washington, U.S. Public Health Service, Bulletin n. 146, 1925.
TAKAHASHI, M. et al. Dynamic viscoelasticity and critical exponents in sol­gel transition of an end­linking
polymer. Journal of Chemical and Physics, v. 101, p. 798­804, 1994.
TUCCI, C. E. M. Controle de enchentes. In: TUCCI, C. E. M. (Org.). Hidrologia: ciência e aplicação. 2.ed.
Porto alegre: Ed. da Universidade/UFRGS/ABRH/Edusp, 2002. p. 621­652.
TUCCI, C. E. M. Modelos hidrológicos. Porto Alegre: Ed. da Universidade/UFRGS/ABRH, 1998.
TUCCI,  C.  E.  M.  (Org.).  Hidrologia:  ciência  e  aplicação.  Porto  Alegre:  Ed.  da
Universidade/UFRGS/ABRHU/Edusp, 1993.
TUCCI, C. E. M.; SÁNCHEZ, J.; LOPES, M. O. S. Modelo IPH II de Simulação Precipitação ­ Vazão na
bacia:  alguns  resultados.  In:  Simpósio  Brasileiro  de  Hidrologia  e  Recursos  Hídricos,  1981,  Fortaleza­
CE. Anais… São Paulo: ABRH, 1981. v. 4, p. 83­103.
UNEP ­ UNITED NATIONS ENVIRONMENT PROGRAMME (UNEP­IETC). Planning and management
of lakes and reservoirs: an integrated approach to eutrophication. Washington (DC): UNEP, 2003.
UNESCO.  Guía  metodológica  para  la  elaboración  del  balance  hídrico  de  América  del  Sur.  Montevideo:
Unesco/Rostlac, 1982.
U.S. ARMY. Program description and user manual for SSARR. U.S. Army Engineer Division, North Pacific,
Portland, Oregon, 1972.
VADEBONCOEUR,  Y.  et  al.  Effects  of  multichain  omnivory  on  the  strength  of  trophic  control  in
lakes. Ecosystems, v. 8, n. 6, p. 682­693, 2005.
VAN den BERG, M. S. et al. Clear water associated with a dense Chara vegetation in the shallow and turbid
Lake Veluwemeer, The Netherlands. In: JEPPESEN, E. et al. (Eds.). The structuring role of submerged
mecrophytes in lakes. New York: Springer­Verlag, 1997.
VAN den KOPPEL, J.; RIETKERK, M.; WEISSING, F. J. Catastrophic vegetation shifts and soil degradation
in terrestrial grazing systems. Trends. Ecol. Evol., v. 12, p. 352­356, 1997.
VAN  DONK,  E.;  GULATI,  R.  D.  Transition  of  a  lake  to  turbid  state  six  years  after  biomanipulation:
Mechanisms and pathways. Wat. Scie. Tech., v. 32, p. 197­206, 1995.
VAN  DONK,  E.  et  al.  Whole  lake  food­web  manipulation  as  a  means  to  study  interations  in  a  small
ecosystem. Hydrobiologia, v. 200­201, p. 275­290, 1990.
VAN LUIJN, F. Nitrogen removal by denitrification in the sediments of a shallow lake.  Tese  (Doutorado)  ­
Universidade de Wageningen, Holanda, 1997.
VAN  NES,  E.  H.  et  al.  Charisma:  a  spatial  explicit  simulation  model  of  submerged  macrophytes.  Ecol.
Model., v. 159, p. 103­116, 2003.
VAN NES, E. H. et al. Aquatic macrophytes: restore, eradicate, or is there a compromise? Aquatic Botany, v.
72, p. 387­403, 2002a.
VAN NES, E. H. et al. Dominance of charophytes in eutrophic shallow lakes ­ when should we expect it to be
an alternative stable state? Aquatic Botany, v. 72, p. 275­296, 2002b.
VAN  NES,  E.  H.  et  al.  A  simple  model  for  evaluating  costs  and  benefits  of  aquatic  macrophytes.
Hydrobiologia, v. 415, p. 335­339, 1999.
WALLACE,  J.  B.;  WEBSTER,  J.  R.  The  role  of  macroinvertebrates  in  stream  ecosystem  function. Annual
Review of Entomology, v. 41, p. 115­139, 1996.
WANG, P. F. et al. Modeling tidal hydrodynamics of San Diego Bay, California. J.  Amer.  Water  Resources
Assoc., v. 34, p. 1123­1139, 1998.
WEISS, R. F. Carbon dioxide in water and seawater: the solubility of a non­ideal gas. Marine Chemistry, v. 2,
p. 203­215, 1974.
WERNER, E. E. et al. An experimental test of the effects of predation risk on habitat use in fish. Ecology, v.
64, p. 1540­1548, 1983.
WETZEL, R. G. Limnology. Philadelphia: W. B. Saunders, 1975.
WILLIAMS,  J.  R.;  HANN,  R.  W.  HYMO:  Problem­Oriented  Language  for  Hydrologic  Modeling.  User’s
Manual. Washington (DC): USDA, ARS­S­9, 1973.
WIUM­ANDERSEN, S. Allelopathy among aquatic plants. Arch. Hydrobiol. Beih. Ergebn. Limnol., v. 27, p.
167­172, 1987.
WROBEL, L. C. et al. Métodos numéricos em recursos hídricos. Rio de Janeiro: ABRH, 1989.
WURTSBAUGH,  W.  A.  Food­web  modification  by  an  invertebrate  predator  in  the  Great  Salt  Lake
(USA). Oecologia, v. 89, p. 168­175, 1992.

Você também pode gostar