El Nino Southern Oscillation-Driven Variability in Vegetation Indices and Carbon Fluxes over Rajasthan, India: A Non-parametric District-level Analysis (2000-2024)

Resumo Técnico: Variabilidade Impulsionada pelo ENSO na Vegetação e nos Fluxos de Carbono sobre o Rajastão (2000–2024)

Definição do Problema
Este estudo aborda a necessidade de quantificar como os eventos do El Niño Southern Oscillation (ENSO) e a precipitação das monções influenciam as condições da vegetação da estação kharif e os fluxos de carbono terrestre através das diversas gradações de aridez de Rajastão, Índia. Embora o domínio da chuva no direcionamento da vegetação esteja estabelecido, a magnitude específica dos impactos do ENSO na Produtividade Primária Bruta (PPB) e na Produtividade Primária Líquida (PPL) ao nível distrital, independentemente da variabilidade da precipitação, permanece menos caracterizada. Além disso, há uma lacuna na compreensão de como esses impulsionadores climáticos afetam a assimilação de carbono em relação ao verde do dossel (NDVI), particularmente em zonas hiperáridas e áridas onde a variabilidade interanual é alta.

Metodologia
A pesquisa emprega um arcabouço estatístico totalmente não paramétrico analisando 25 anos de dados (2000–2024) em todos os 33 distritos de Rajastão.

• Fontas de Dados: O estudo integra quatro produtos MODIS Collection 6 (MOD13Q1 [NDVI/EVI 250 m], MOD17A2H [GPP de 8 dias], MOD17A3HGF [NPP anual] e MCD12Q1 [Uso e Cobertura da Terra]) com dados de precipitação em grade de 0,25° do IMD e índices ONI da NOAA.
• Pré-processamento: Uma máscara agrícola dinâmica (classes IGBP 12 e 14) derivada do MCD12Q1 é aplicada anualmente para isolar pixels agrícolas, evitando que a sinalização do ENSO seja atenuada pela vegetação natural de terras secas.
• Arcabouço Estatístico:
  • Detecção de Tendências: Testes de Mann-Kendall (MK) com estimadores de inclinação de Sen identificam tendências de longo prazo.
  • Análise de Correlação: Tau de Kendall e rho de Spearman avaliam associações bivariadas. Correlações parciais de Spearman controlam a chuva (RF) para isolar efeitos independentes do ONI sobre a PPB.
  • Modelagem: Equações preditivas ao nível distrital são derivadas através de uma abordagem de regressão iterativa de Theil-Sen. A estrutura do modelo é: $GPP = \alpha + \beta_{RF} \cdot (RF - RF_{med}) + \beta_{ONI} \cdot (ONI - ONI_{med})$.
  • Validação: A habilidade do modelo é quantificada via Validação Cruzada de Deixar Um Fora (LOOCV), resultando em Erro Percentual Absoluto Médio (MAPE), RMSE e viés sistemático.
  • Previsão: Os prognósticos para 2026 utilizam reamostragem de bootstrap de 1000 réplicas para gerar intervalos de confiança de 90% para as projeções ao nível distrital.
• Contribuições Principais

1. Atribuição ao Nível Distrital: Este é o primeiro estudo a fornecer uma atribuição não paramétrica completa, ao nível distrital, dos sinais de ENSO nos produtos de vegetação e fluxo de carbono MODIS para a totalidade de Rajastão.
2. Desacoplamento da Chuva e do ENSO: O estudo isola com sucesso os efeitos independentes do ENSO na PPB após controlar pela precipitação, identificando distritos específicos "sensíveis ao ONI" no oeste árido e semiárido.
3. Discrepância GPP:NDVI: Quantifica uma razão de supressão de aproximadamente 2:1 da PPB em relação ao NDVI durante eventos de El Niño, destacando que a assimilação de carbono declina mais rapidamente do que o verde do dossel devido ao fechamento estomático.
4. Previsão Operacional: O desenvolvimento de modelos de previsão Theil-Sen com incerteza quantificada (LOO-MAPE) fornece um arcabouço para gerar alertas precoces agrícolas sazonais acionáveis.

Resultos

• Impactos do ENSO: Eventos de El Niño suprimem o NDVI médio da estação kharif em 3,6% e a PPB em 7,0% em média. O impacto é mais severo no distrito hiperárido de Jaisalmer, com déficits atingindo 14,3% para NDVI e 21,6% para PPB. Eventos de La Niña produzem excedentes simétricos de 3–18% na PPB.
• Correlações: As correlações entre chuva e NDVI são universalmente significativas em todos os 33 distritos (média $\rho$ = 0,935). No entanto, os efeitos independentes do ONI na PPB são significativos apenas em seis distritos ocidentais áridos e semiáridos (Bikaner, Churu, Ganganagar, Hanumangarh, Jaisalmer e Jodhpur), com correlações parciais variando de -0,42 a -0,62. No leste subúmido, a influência do ENSO é mediada primordialmente pela precipitação.
• Tendências de Longo Prazo: Tendências positivas significativas de Mann-Kendall em NDVI e PPB são detectadas em 16 de 33 distritos. As maiores taxas de esverdeamento ocorrem no sudeste subúmido (média de +5,4 g C m⁻² ano⁻¹ para PPB), atribuídas à intensificação agrícola e fertilização por CO₂.
• Desempenho do Modelo: Os modelos Theil-Sen alcançam um LOO-MAPE médio de 6,2% para NDVI e 17,4% para PPB. O desempenho é melhor no sudeste subúmido (<12% MAPE) e pior em Jaisalmer (hiperárido, 31,5%) e Churu (árido, 41,4%) devido ao alto ruído interanual e problemas de limite de detecção.
• Previsão para 2026: Com base em um ONI de -0,1 (FMA 2026), a PPB média do estado para a estação kharif é prevista em 249,5 g C m⁻² (anomalia de -3,2%). Trinta de 33 distritos são classificados como PRÓXIMO DO NORMAL, enquanto Jaisalmer, Churu e Jhunjhunu são previstos como ABAIXO DO NORMAL.

Significância e Alegações
O artigo alega que suas descobertas oferecem insights críticos para o monitoramento de carbono baseado em satélite e planejamento agrícola. Especificamente, afirma que modelos de rendimento baseados em NDVI calibrados em anos médios ou úmidos superestimarão sistematicamente a produção da estação kharif durante eventos de El Niño, se a supressão desproporcional do fluxo de carbono (PPB) em relação ao verde (NDVI) não for contabilizada.

O estudo posiciona suas equações Theil-Sen como um arcabouço de correção simples. Ao integrar previsões de ONI pré-temporada com projeções de precipitação da mediana distrital, os planejadores podem ajustar as estimativas de PPB semanas antes da colheita. Os autores concluem que os distritos identificados como "sensíveis ao ONI" fornecem uma base para estratégias de aconselhamento agrícola diferenciadas que incorporam previsões de Temperatura da Superfície do Mar (SST) juntamente com previsões de chuva. O trabalho é apresentado como operacionalmente pronto para o planejamento agrícola sazonal, gestão de suprimentos de insumos e declaração de seca ao nível subdistrital, desde que as previsões de chuva em tempo real sejam propagadas através das equações estabelecidas.